AI Agent
Hermes Agent从安装到首次验收:一条可复现的部署路径
按平台、依赖、模型、工具和会话恢复逐步验收Hermes Agent。
怎样读《深入理解 AI Agent》:用一份实验记录串起上下文、工具和评估
依据当前 109 个实验的项目资料,安排《深入理解 AI Agent》的阅读与记录方法,用配置查询任务串起上下文、记忆、工具和评估。
把《深入理解 AI Agent》设计成工程课程:章节、实验、评估和结课项目路线图
面向团队和课程的 AI Agent 学习路线:用 10 章和 92 个实验建立上下文、工具、Coding Agent、评估与后训练能力。
《深入理解 AI Agent》92 个实验怎么学:从跑通到改造的实践指南
按章节边界、依赖边界和评估边界复现《深入理解 AI Agent》的 92 个实验,把代码、上下文、工具和评估连起来。
Hermes Agent 0.19 更新回看:审批、凭据与消息重投怎样验收
回看 Hermes Agent 0.19 的启动、智能审批、SecretSource、投递账本与配置路由,区分发布说明和实际部署验收,纠正旧文对默认审批的误读。
wigolo 架构评估:给 AI Agent 的本地优先 Web 情报层
wigolo 把搜索、抓取、爬取、抽取、缓存和相似查找做成本地优先的 MCP/REST/CLI/SDK 工具层,核心问题是边界、降级和运维纪律。
wigolo 的研究价值:让 Agent 先建立证据链,再写结论
wigolo 适合放在研究型 Agent 的证据层:搜索、抓取、抽取、缓存、相似查找和 diff/watch 共同支撑可复查的引用流程。
Casdoor 的治理价值:Agent 时代先把身份、证据和权限讲清楚
Casdoor 适合被看作 Agent 身份治理层:谁在调用、代表谁调用、能调用什么、证据如何审计,比单点登录本身更关键。
多 Agent Skill 不是拼装几个工具:真正要补的是调度层
把测试、修复、清理、报告拆成 Skill 之后,仍然需要一个能负责顺序、状态、失败处理和证据汇总的编排层。
多 Agent Skill 编排真正补的不是能力,而是调度层
把测试、修复、清理和报告拆成独立 Skill 以后,仍然需要一个能负责顺序、状态、失败处理和证据汇总的编排层。
多 Agent Skill 编排要先管调度层:状态、失败和证据链
多 Agent 或 Skill 编排不能只看单个能力,真正要检查的是调度状态、失败恢复、权限边界和输出证据链。
TencentDB Agent Memory:Agent 记忆不该平铺成向量库
基于 TencentCloud/TencentDB-Agent-Memory 仓库,解析 L0-L3 分层记忆、短期符号化卸载、本地优先和可追溯记忆架构。
Loop Engineering 之后,Agent Graph 才是 AI 编程的下一层结构
从 InfoQ 对 Loop Engineering 与 Agent Graph 的讨论出发,解释为什么 AI 编程正在从提示词、循环走向可治理的多 Agent 图结构。
AI 编程从 Loop 走向 Graph:真正变化是协作结构
从独立开发和团队工程视角,分析 Loop Engineering 到 Agent Graph 的转变,以及组织图、工作图和权限边界为什么重要。
TencentDB Agent Memory 怎么看:本地长期记忆、符号卸载和 L0-L3 分层
TencentDB Agent Memory 的分层记忆和本地优先,解决的是长任务里反复解释、日志太多和证据链太乱的问题。
从 Loop 到 Graph:AI Agent 工作流为什么需要两张图
Loop 和 Graph 不是一回事:一个管单任务反复推进,一个管多个任务怎么接起来。
Agent-Native 教程:别给应用外挂聊天框,把动作层做成 Agent 和 UI 的公共契约
深入介绍 BuilderIO/agent-native 的 action-first 架构:defineAction、共享状态、MCP/A2A、模板、安全边界、观测和评测。
tRPC-Agent-Go 教程:用 Go 构建可运行、可观测、可评测的生产级 Agent 系统
深入介绍 tRPC-Agent-Go 的 Runner、LLMAgent、GraphAgent、MCP、AG-UI、A2A、Evaluation 和 OpenTelemetry,面向 Go 后端团队的生产级 Agent 教程。
peerd 实战评估:浏览器 Agent 真正要解决的是权限、隔离和审计
peerd 是一个浏览器原生 Agent 架构样本。这里从安装、权限、actor 隔离、vault、egress、审计日志和安全边界拆解它的实际价值与风险。
peerd 不是网页自动化玩具,而是浏览器 Agent 权限模型样本
peerd 的重点不是让 AI 点网页,而是把浏览器 Agent 的本地密钥、actor 隔离、出站控制、动作确认和审计日志拆成可讨论的工程边界。
