ai agent

Mininglamp_2718

从单体大模型到Agent网络：当AI互联网取代信息互联网，底层架构需要怎么变？本文从技术架构角度分析AI系统从Scaling Up向Scaling Out演进的工程路径，重点讨论MOA与MoE的本质差异、Agent间通信协议设计思路、以及白盒可审计架构的工程实现。

AI Agent 开发实战教程（三）：记忆与数据库集成在上一篇中，我们的 Agent 已经能够调用工具了。但它有一个致命缺陷：没有记忆。数据库为 Agent 提供三种记忆能力：

【GitHub】SkyReels-V2 无限时长电影级视频生成模型：技术架构与核心原理深度解析SkyReels-V2 是由昆仑万维 Skywork AI 团队于 2025 年 4 月 21 日正式发布并开源的全球首个采用扩散强迫（Diffusion-forcing）框架的无限时长电影生成模型。该模型通过融合多模态大语言模型（MLLM）、多阶段预训练、强化学习（RL）和扩散强迫框架，实现了视频生成技术在提示词遵循、视觉质量、运动动态和视频时长四个维度的重大突破。

你的Agent API还在裸奔？从认证到沙箱，我用FastAPI搭了几道防线试想一下，你辛苦做出的某条 Agent API 的调用量在半小时内飙到了平时的 200 倍。查日志发现，有人用脚本把接口当免费 GPT 在薅，更恐怖的是，他们尝试在 prompt 里夹带 ` 删除所有日志 ` 这种恶意指令——如果你的工具执行部分根本没做过滤……

zhangshuang-peta

一个实战案例：用 MCP 重构一个 OpenClaw + Skill Agent 系统一、案例背景：一个典型的 Agent 系统在之前的章节中，我们用了大量篇幅讨论理论、原则和机制。现在是时候把这些知识应用到实际案例中了。本章将呈现一个完整的实战案例：用一个真实的 Agent 系统，展示从“没有 MCP”到“有 MCP”的重构过程。

zhangshuang-peta

MCP 如何解决 Agent 的三大工程难题：可观测、可控、可回滚一、Agent 系统的三大工程难题在前面的章节中，我们已经详细讨论了 Agent 系统的复杂性和风险。现在，是时候将这些讨论聚焦到三个具体的工程难题上。这三个难题是任何生产级 Agent 系统都必须解决的，也是 MCP 协议层和控制平面设计的核心目标。

Spring AI 进阶系列- Agent 智能体开发：ReAct模式、多步推理与自主Agent实战作者：12年OTA公司资深程序员技术栈：Spring Boot 3.5.9 + Spring AI 1.1.4 + ReAct Pattern + LangChain4j对比前置知识：已完成基础15篇博客，特别是第5篇（函数调用）和第12篇（未来展望）

AI自动化工坊

OpenHuman爆火GitHub：AI桌面助手技术架构深度解析最近GitHub Trending上出现了一个引人瞩目的项目——OpenHuman。这个开源的AI桌面助手在短短24小时内收获了1549颗星，迅速登上了GitHub Trending榜首。作为一名开发者，你可能已经注意到这个新兴的技术项目。

科技早报晚报｜2026年5月13日：Agent 记忆、编程控制台与本地研究工作台，今天更值得动手的 3 个机会一句话导读：今天的技术社区继续围绕 AI 编程代理升温，但机会已经不只是“再做一个 coding agent”。更值得看的方向是：让 agent 记住团队上下文、把多模型多 CLI 工作流统一成控制台、把研究和会议资料留在本地形成可复用知识资产。

AI Agent实现CODESYS自动化编程目前工业自动化编程面临着复杂的代码编写和调试过程，尤其是在使用CODESYS这样的环境中。目前AI Agent处于快速发展阶段，已经在多个领域展示了其强大的能力和潜力。市场也一直期待CODESYS官方能够引入Agent技术，实现自动化的代码生成和调试，可以大幅地提高PLC编程的开发效率和代码质量，减少人为错误，并加快项目的交付速度。

AI_Agent入门开发指南AI Agent（人工智能代理）是一种能够自主感知环境、做出决策并执行行动的智能系统。与传统的简单问答不同，Agent 具有目标导向、自主规划和工具使用能力，可以完成复杂的多步骤任务。

人工智能【第29篇】AI前沿技术展望：多模态学习、Agent与AGI作者的话：在前面的28篇文章中，我们从零开始学习AI的基础理论、核心技术，并完成了实战项目。AI技术发展日新月异，新的突破不断涌现。本文将带你展望AI最前沿的技术方向：多模态学习让AI能看能听会说，AI Agent让AI具备自主行动能力，AGI则是人类追求的终极智能目标。让我们一起窥探AI的未来！

百度智能云技术站

Agent Native：重构 AI 云基础设施本文整理自 2026 年 5 月 13 日 Create2026 百度 AI 开发者大会 - 技术与产品主论坛，百度集团副总裁侯震宇的主题演讲《Agent Native：重构 AI 云基础设施》。

我也曾把你举过头顶

Skill/MCP/RAG/Agent/OpenClaw是什么简称LLM，也就是大语言模型，是AI的最底层，几乎所有的大模型都是基于Transformer架构训练出来的，大模型的底层架构就是它。大模型的工作模式是文字接龙，向他提问问题后，他会预测下一个概率最高的词，接着将这个词抓回来，追加到用户输入的后面，然后拿着新输入的输入，再去预测下一个词，以此类推，直到大模型吐出结束标识符，回答结束。因此在于AI的聊天中，AI的回答是流式回答，一个词一个词的吐出来。

【GitHub】NousResearch/Hermes-Agent 深度技术解析：自我进化的AI Agent新范式Hermes Agent（项目地址：https://github.com/NousResearch/hermes-agent）是由 Nous Research 团队开发的自我改进型 AI Agent框架。该项目于2025年7月22日创建，短短数月内便积累了近 15万 Stars，目前稳居 GitHub 全球排名第 47 位，是当下最受关注的开源 AI Agent 项目之一。

科技早报晚报｜2026年5月14日：调试工作台、Agent 证据格式与多智能体编排，今晚更值得做成产品的 3 个技术机会一句话导读：今晚真正值得看的，不是又一个“更会写代码”的 Agent，而是 AI 工具链开始补上的三块基础设施空白: 出了问题怎么调、做完事情怎么审、多个代理怎么编排。这三层一旦补齐，AI 才更像可交付的软件系统，而不是演示台上的聪明玩具。

2026十大LLM研究突破：扩散语言模型挑战自回归、Unicode隐形注入、AI操纵性评估 — 大模型从狂飙走向可控2026年5月，Hugging Face 论文热度榜上十篇高票 LLM 论文指向同一个方向：大模型的核心命题变了。

让 FastAPI Agent 思考不阻塞：手把手教你实现异步任务与后台处理方案你有没有遇到过这种尴尬：你写了一个超牛的 AI Agent，它能深度搜索、分析报告，甚至还能写代码。但当你兴致勃勃地在 FastAPI 里调用它时，前端小哥跑过来敲你桌子：“姐姐，你这接口报 504 超时了啊！用户盯着转圈圈盯了半分钟，早跑了！” 🎯

从身份重塑到运行可控：派拉 AIGS 如何构建 AI Agent 安全治理底座？当AI在企业中从“只会聊天”进化到“自主执行”，安全问题的性质已经彻底变了。过去，我们只担心模型会不会答错、内容会不会违规。