ai agent

人工智能研究所

字节开源 DeerFlow 2.0——登顶 GitHub Trending 1，让 AI 可做任何事情打开 deerflow 的官网，瞬间被首页的这段文字震撼到了，do anything with deerflow。让 agent 做任何事情，这让我同时想到了 openclaw 刚上线时场景。

AI Agent 编排实战：从零构建多智能体协作系统2026 年 3 月，AI Agent 技术迎来爆发式增长。GitHub Trending 榜单上，多个多智能体框架项目单日获得数千星：ByteDance 开源的 deer-flow（44,883 星）、TradingAgents 金融交易框架（41,392 星）、ruflo 编排平台（25,458 星）等。与此同时，Anthropic 推出 Claude Code 自动模式，标志着 AI 编程助手从"辅助工具"向"自主代理"的重大转变。

LangGraph中的输出范式https://blog.csdn.net/brucexia/article/details/158845706

OpenClaw学习总结_II_频道系统_5：Signal集成详解II. 频道系统 - 5. Signal📍 课程位置阶段：II. 频道系统课序：第 5 课前置知识：II-4. Slack 后续课程：II-6. iMessage

一晌小贪欢

【计算机科普知识】：什么是AI智能体（AI Agent）如果你一直在关注科技新闻，你可能经常听到“AI智能体”（AI Agent）这个词。从微软的Copilot到自主编写代码的Devin，AI智能体被认为是人工智能发展的下一个重要里程碑。

LangGraph节点的并行化处理在大模型应用向多智能体协作、复杂任务拆解演进的当下，LangGraph作为专注于构建状态ful、可交互智能体系统的框架，其并行节点执行机制成为突破性能瓶颈的关键。多智能体系统中，大量独立任务（如多源数据检索、并行分析处理）若按线性顺序执行，会因等待单个任务完成而浪费资源，显著降低响应速度。而LangGraph的并行化能力，通过Fan-out（多输出，又称为扇出）与Fan-in（多输入，又称为扇入）的核心模式，让多个节点在同一时间步（step）同步运行，再将结果高效汇聚，从根本上提升了复杂任务的执行效率。

从 Prompt Engineering 到 Harness Engineering：AI 系统竞争，正在从“会写提示词”转向“会搭执行框架”过去两年，很多团队把 AI 应用效果的提升寄托在 Prompt Engineering 上：修改 system prompt、叠加 few-shot、重写指令模板，期待模型“更聪明一点”。这在早期是有效的，因为单轮问答产品的核心变量确实集中在 prompt 本身。但一旦进入工程化场景——例如 coding agents、DevOps copilot、内部自动化助手、带工具调用的 agent 平台——问题就迅速暴露：决定结果上限的，已经不只是 prompt，而是整套 harness。

放下华子我只抽RuiKe5

深度学习学习路径规划目标：能跑通PyTorch代码，理解基本概念目标：理解神经网络原理，理解激活函数和损失函数目标：能处理文本数据，理解序列模型

OpenClaw 2026.3.23 重磅更新：UI焕新+安全加固+生态爆发，AI助手进入新纪元OpenClaw 刚刚发布了 2026.3.23 版本。这次更新不是小修小补——UI、安全、插件生态、模型支持四条线同时推进。作为每天用 OpenClaw 的开发者，我来帮你把干货提炼出来。—## 🎨 UI 全面焕新：终于好看了这次 UI 改进幅度超出预期。Knot 主题黑红配色上线，WCAG 2.1 AA 对比度合规。如果你之前觉得 Control UI 有点"糙"，现在可以重新体验一次。具体变化包括：- 统一了按钮组件（btn--icon、btn--ghost、btn--xs）- 圆角滑块改为离散

OpenClaw学习总结_II_频道系统_3：Discord集成详解

会算数的⑨

Spring AI Alibaba 学习（四）：ToolCalling —— 从LLM到Agent的华丽蜕变目录📌 系列文章📖 前言一、什么是工具调用链路？🎯工具调用 vs 传统函数调用二、工具调用的生命周期阶段🏗️

OpenAI联合创始人Karpathy：AI降低开发门槛后，软件需求会爆发式增长作为斯洛伐克裔加拿大 AI 研究者，Andrej Karpathy的履历堪称传奇 ——OpenAI 联合创始人、特斯拉 AI 与自动驾驶视觉总监。近期他在《No Briars》播客中，围绕AI Code Agent、自动研究、模型演化等核心话题展开深度分享，其观点直击 AI 产业变革本质，为开发者和研究者揭示了技术演进的清晰脉络。

OpenClaw 2026.3.23：安全、插件、生态三重升级，AI助手进入新纪元

OpenClaw学习总结_II_频道系统_4：Slack集成详解

云智慧AIOps社区

AI驱动制造业智能化变革：云智慧在苏州CIO研讨会分享运维破局之道2026苏州制造业CIO研讨会圆满落幕。汇聚众多行业专家及技术领军企业，共同探讨制造业智能化转型的破局路径。

OpenClaw学习总结_I_核心架构_8：SessionPruning详解阶段：I. 核心架构课序：第 8 课前置知识：I-7. Streaming 后续课程：I-9. Multi-Agent

zhangshuang-peta

MCP vs Prompt 工程：从“写提示词”到“立协议”的范式迁移一、为什么必须把 MCP 和 Prompt 工程区分开？（Why Must MCP Be Distinguished from Prompt Engineering?）

zhangshuang-peta

什么是 MCP：模型上下文协议到底解决了什么问题一、什么是 MCP？（What Is MCP?）1、MCP 的全称与基本定义（Full Name and Basic Definition）

红迅低代码平台（redxun）

零售行业如何用AI低代码开发平台实现全渠道数字化运营一、零售行业的数字化趋势与核心需求零售行业正处于数字化转型的关键时期，线上线下融合、全渠道运营、个性化营销、智能化服务等趋势正在重塑行业格局。对于零售企业的技术负责人而言，如何快速构建支撑全渠道运营的系统架构，是一个紧迫的任务。传统开发模式难以满足零售行业快速变化的需求，ai低代码开发平台为此提供了新的解决方案，通过快速搭建电商平台、会员系统、库存管理系统等，帮助零售企业实现全渠道数字化运营。红迅软件的ai低代码开发平台针对零售行业进行了专门优化，支持多渠道数据整合和实时分析。在消费升级和竞争加剧的背景

OpenClaw学习总结_I_核心架构_9：Multi-Agent详解阶段：I. 核心架构课序：第 9 课前置知识：I-8. Session Pruning 后续课程：I-10. Sandboxing