agentscope

【AgentScope 2.0】05-文件系统（Filesystem）详解版本基准：本文档基于 AgentScope 2.0 GA(v2.0.0)编写。具体版本号以 Release Notes 为准。

阿里云云原生

金融级 AI 原生架构：FinXScope 如何解决智能体从 Demo 到生产的“最后一公里”？作者：孟辰(半堂)，文军(思越)，凌乐真(乐真)，徐磊(崇树)，林源(逆仞)FinXScope 是阿里云新金融技术服务团队基于 AgentScope Java 构建的金融级 AI 原生智能体底座。作为整个 Agent Harness 体系的核心组成部分，FinXScope 充分复用 AgentScope Java 在智能体编排、工具集成、多模型接入及可扩展运行时等方面的成熟能力，并在此基础上针对金融行业的合规性、安全性与高可用要求进行了深度定制与增强。完整的 Agent Harness 体系由 FinXS

阿里云云原生

AI Agent 上线容易稳定难？阿里云 AgentLoop 推出“经验自进化”闭环治理方案作者：刘军Managed Agents 让 Agent 运行在云端环境中：一方面，推理、编排、Harness 管理等核心环节均由云端统一托管，架构稳定性与运行效果由平台保障；另一方面，长周期任务不再依赖本地设备持续在线——即使个人电脑关机，任务依然可以在云端持续运行。

智_永无止境

阿里 AgentScope Java 2.0来了，Java也可以开发自己Agent了如果说Spring AI是给Java和AI的融合提供了方便，那么Langchain4j则是集成了更加丰富的功能。而阿里的 AgentScope Java 2.0则是基于Harness 架构，将AI Agent整套流程使用Java落地了，并提供了场地稳定运行的工程底座。

AgentScope-Java 入门：用 Middleware 审计 Agent 调用前面几篇，我们已经把 Review Copilot 做成了一个可运行的本地 Git diff 评审助手：

【AgentScope 2.0】 0. 学习指南版本基准:本文档基于 AgentScope 2.0 GA(v2.0.0)编写。具体版本号以 Release Notes 为准。

阿里云云原生

Agent 不再是“玩具”！AgentScope Java 2.0 GA 发布：构建企业级分布式智能体底座作者：刘军（陆龟）AgentScope Java 2.0 的核心思路，是基于 ReActAgent 推理内核基础上，增加 Harness 工程化层。开发者既可以继续使用轻量的 ReAct 循环，也可以按需启用 Workspace、持久记忆、Session、Sandbox、Skill 和 Subagent 等能力，将同一套 Agent 逻辑落地部署到企业级分布式服务中。

深色風信子

SpringBoot 集成 AgentScope Java

基于A2A + AgentScope + Nacos 构建分布式高可用异构 Agent 方案随着现在 Agent 的需求爆发，一个现实问题浮出水面，智能体们各自为政，难以协同。如一个典型的企业环境中，核心业务团队可能喜欢使用Java来开发服务，算法团队则偏爱Python来实现算法，不同的技术栈天然形成了协作壁垒。更棘手的是，各类Agent框架如：LangChain、AutoGPT、AgentScope等，各有各的接口规范和通信协议。当一个智能体需要调用另一个智能体时，开发者往往需要编写大量适配代码来处理协议转换、参数映射和错误处理，导致集成成本升高且维护困难。

【AgentScope】6.文件系统（Filesystem）详解文件系统是 Agent 的"文件柜"——它决定了 Agent 的文件存在哪里：是本机磁盘、远程存储，还是隔离的沙箱环境。

【AgentScope】4.会话（Session）详解会话管理就是让 AI Agent 记住"上次聊到哪了"，实现跨请求、跨进程、多用户的状态恢复。详见学习指南。此外需了解工作空间（Workspace）的文件存储基本结构和 JSONL 文件格式。

【AgentScope】3. 工作空间（Workspace）详解工作空间是 Agent 的"办公桌"——人格、记忆、知识、技能都以文件形式存放在这里，每次"上班"自动加载，每次"下班"自动保存。

【AgentScope】1. HarnessAgent 总览详解HarnessAgent 就是给"只有金鱼记忆的 AI 助手"装上一整套工程化装备——记忆系统、会话管理、上下文控制——让它能像一个靠谱的员工一样长期稳定工作。

小码农叔叔

【AI智能体】AgentScope Java 整合SpringBoot 实战操作详解目录一、前言二、Java开发者为什么要关注AgentScope？三、AgentScope Java 基本介绍

AgentScope Java 入门：如何使用 DashScopeChatModel 集成百练模型在上一篇文章中，我们搭建了第一个 ReAct 智能体，让它能思考、能行动。但 Agent 的能力上限取决于它的"大脑"——大语言模型。推理能力、工具调用能力、多模态理解能力，都由底层模型决定。

AgentScope Java 入门：如何使用 OpenAIChatModel 集成兼容 OpenAI 协议模型在上一篇文章中，我们详细介绍了如何使用 DashScopeChatModel 集成阿里云百炼平台。本篇将聚焦另一个更通用的模型集成方式——OpenAIChatModel。

Agent应用实践之四 - 基础：AgentScope-SpringBoot集成源码解析AI 大模型飞速进化，不懂 AI、不会用 Agent 的程序员，正在慢慢被行业淘汰。现在 AI 新技术迭代快到离谱：RAG 还没学明白，MCP 接踵而来；工具刚上手，Skills、各类新 Agent 概念又轮番刷屏；Manus还没看懂，就出来OpenClaw，OpenClaw热度还没退，又出来Hermes。越追越乱、越学越焦虑，永远在被动跟风，陷入学不完、跟不上、用不上的内耗。其实焦虑的根本原因，不是新技术太多，而是不懂大模型 Agent 应用底层原理，只会零散跟风，没有通用方法论。

AgentScope Java 入门：搭建第一个 ReAct 智能体在上一篇文章中，我们完成了 AgentScope Java 的安装与环境配置。接下来，我们将创建第一个能思考、能行动的 ReAct 智能体。AgentScope Java 的核心是 ReActAgent——基于 ReAct（Reasoning + Acting）范式构建的通用智能体。它不是"一问一答"的聊天机器人，而是一个能自主推理、调用工具、观察结果、迭代优化的自主系统。

agentscope-harness vs solon-ai-harness：Java 智能体「马具引擎」的双雄对决2026 年，Java AI 智能体开发领域正在经历一场「运行时层」的竞赛。阿里系的 AgentScope Java 和杭州无耳的 Solon AI 框架，分别交出了各自对「AI Agent Harness」的理解答卷。本文从架构设计、功能覆盖、开发者体验三个维度，对两者进行深度对比分析。