ai agent

多模态智能体开发工具链推荐（IDE/调试工具/日志工具）多模态AIAgent开发实践邓立国、周驰岷、邓淇等清华大学出版社【行情报价价格评测】-京东《多模态AI Agent开发实践》1~6章试读-CSDN博客

Agent也会“记错“：智能体记忆的遗忘机制设计（重要性评分+时间衰减+敏感过滤，Python 3.10+实现）导读：你的Agent记住了很多东西，但有没有想过——它记住的东西可能是错的、旧的、或者不该记的？本文从Loop Engineering的"状态管理"视角出发，用可运行的Python代码实现三层遗忘机制：重要性评分淘汰 + 时间衰减降权 + 敏感信息自动过滤。

向量数据库集成（Chroma/Pinecone/Milvus）多模态AIAgent开发实践邓立国、周驰岷、邓淇等清华大学出版社【行情报价价格评测】-京东《多模态AI Agent开发实践》1~6章试读-CSDN博客

将 ChatCut MCP 插件从 Codex 桌面应用移植到 WorkBuddy —— 完整适配实录2026-07-13 | 实战验证成功，52 个 MCP 工具全部可用ChatGPT install instructions — ChatCut

情感能力相关的开源软件与工具：实践形态与代表项目《AI智能体应用开发》1~6章试读-CSDN博客AI智能体应用开发鲍亮崔江涛李倩范涛清华大学出版社【行情报价价格评测】-京东

带娃的IT创业者

从 iptv-org/iptv 看开源协作：如何像 AI Agent 一样思考工程化实践在当今的软件开发领域，开源社区已经成为了技术创新的核心引擎。每天，数以亿计的开发者在这个平台上协作，共同构建着数字世界的基础设施。近期，一个名为 iptv-org/iptv 的项目在 GitHub 上引发了极大的关注，它不仅是一个收集全球 IPTV 资源的仓库，更是一个展示“生产级工程技能”的绝佳案例。对于初级开发者而言，透过这个项目，我们看到的不仅仅是代码的堆砌，而是一套严谨的工程化思维模式。这种模式，恰恰是目前 AI 编程助手（AI Coding Agents）所追求的终极目标——像资深工程师一样去思

记忆能力的定义与内涵AI智能体应用开发鲍亮崔江涛李倩范涛清华大学出版社【行情报价价格评测】-京东《AI智能体应用开发》1~6章试读-CSDN博客

Token 节约实战：全链路降本 90%+很多人都在讨论哪个大模型最强，却很少有人关注另外一个更现实的问题：Token 正在悄悄烧钱。真正浪费 Token 的往往不是复杂任务，而是错误的使用方式和系统架构。本文将结合一线项目实战经验，从 C 端使用习惯到 B 端 Agent 架构设计，分享一套完整的 Token 优化方案，大量团队实践证实能削减 90% 的 Token 成本！

GPT-5.6三模型怎么选？Sol、Terra和Luna工程应用对比GPT-5.6系列包含Sol、Terra和Luna三个模型。Sol侧重复杂任务和高质量输出，Terra兼顾能力、速度与成本，Luna适合规则清晰的高频批处理。本文从代码开发、Agent工作流、数据处理和API成本等角度，对比三款模型的工程应用场景。

文档感知任务定义与分类AI智能体应用开发鲍亮崔江涛李倩范涛清华大学出版社【行情报价价格评测】-京东文档预处理所面对的输入类型较为丰富，主要可分为可编辑文本类、版式固定类、演示类以及图像类四大范畴。不同类型文档在存储结构、内容形态以及预处理适配性方面存在显著差异，这些差异直接影响后续预处理环节中技术路径的选择。因此，准确识别各类输入文档的特性，是确保预处理流程高效运行与精准处理的前提条件。

从 MCP 到扣子：Agent 平台化演化路径本文档假设读者已经了解 MCP 协议本身的调用机制（initialize 握手、tools/list、tools/call、stop_reason 循环判断等），不再重复讲解协议细节。这里聚焦的是：从一次裸的模型调用，到扣子/百炼这种平台化 Agent，中间每一步是为了解决什么问题、具体是怎么实现的。

本书学习路径与前置知识要求《多模态AI Agent开发实践》1~6章试读-CSDN博客为高效掌握多模态智能体开发，建议读者具备以下前置基础：

【Agent Harness】Gliding Horse v0.1.4.preview 发布：时间感知、闭环审计与智能增强摘要：Gliding Horse v0.1.4.preview 正式发布，本次更新聚焦三大核心能力——时间感知、闭环审计与智能增强。Agent 首次具备统一时间线系统，支持时间衰减重排序与时间范围过滤；5W2H 审计从数据容器升级为维度级闭环诊断子系统，Failed 维度自动触发因果引擎根因分析；SA 模块按生命周期拆分为 8 个独立模块，知识图谱上下文注入、Hyperspace 语义搜索、技能图谱冷热分离等智能感知能力同步增强。本文详细解读 v0.1.4 的技术架构与设计思路。

带娃的IT创业者

深度解析：当 .NET 遇上 AI Agent，dotnet/skills 如何重塑软件开发方法论在当今的技术浪潮中，人工智能不再仅仅是辅助工具，它正在逐步演变为软件开发的“核心构建者”。随着大模型能力的指数级跃升，从早期的简单对话到如今 GPT-5.5、DeepSeek 4.0 Pro 等模型展现出的复杂推理能力，AI 正在重新定义“写代码”这件事。近期，GitHub 上一个名为 dotnet/skills 的项目悄然走红，它不仅仅是一个代码库，更是一套被称为“Agentic Skills Framework”的智能体技能框架和软件开发方法论。

Anthropic Agent隔离架构解读：比权限弹窗更可靠的是限制爆炸半径Anthropic Engineering 在 2026 年 5 月发布的《How we contain Claude across products》中，系统复盘了 claude.ai、Claude Code 与 Claude Cowork 三类 Agent 产品的隔离架构。文章的核心判断很直接：Agent 越能干，它潜在的爆炸半径就越大；仅靠模型“听话”或用户频繁点权限弹窗，无法构成可靠安全边界。

BlockSec安全研究

面向普通用户的链上追赃工具：BlockSec Trace AI 即将上线加密资产被盗，是普通用户在 Web3 世界里最常遇到、也最难自行处理的一类风险。资产被转走之后，用户手中往往只有一串交易哈希，既无法判断资金流向了何处，也缺乏专业工具去做进一步的追踪。而市面上的专业链上调查服务，价格通常在数千至上万美元，且较少受理个人用户的中小额案件。结果是，绝大多数受害者在被盗之后，几乎没有可行的追索路径。

CodexPro + MCP + Cloudflare 配置详解：HTTP2、QUIC 与连接排障主题：AI 开发工程治理实践版本：CSDN 发布稿 v1.0 适合人群：已经启动 CodexPro，但 ChatGPT App / Connector 连接不稳定或想理解底层链路的开发者阅读方式：本文可独立阅读，不依赖其他文章背景。

【Agent Harness】Gliding Horse 整体架构拼图：当 AI Agent 有了自己的操作系统摘要：本文深入解析 Gliding Horse（流马）——一个用 Rust 构建的 AI Agent 操作系统的七层架构。从 PDCA 调度状态机、JSON-LD 语义总线到四级分层记忆，全面拆解其如何将 LLM 从“聪明但散漫”转变为“可靠且可依赖”。适合对 AI Agent 架构、Rust 系统设计、Agent 编排感兴趣的开发者阅读。

采用 mem0 之前，先决定 Agent 到底允许记住什么mem0 吸引人的地方很直接：给 AI assistant 和 agent 提供长期记忆层。但真正的采用风险也在这里。Memory 不是一个普通功能，它会变成控制面。第一步不应该问 agent 能不能 add/search memory，而应该问：哪些事实允许被写入，谁以后能读到，过期事实如何降权，删除是否真实生效，以及一次回答被 memory 影响时有没有证据。

EVMbench解读：AI Agent如何检测、修复并利用智能合约漏洞OpenAI 与 Paradigm 发布的 EVMbench，不再只让模型阅读代码后输出一段安全报告，而是把 Agent 放进可执行的区块链环境，分别评测漏洞检测、补丁修复和端到端利用能力。基准收录 40 次审计中的 117 个高严重度漏洞，并用确定性交易回放、链上验证和受限 RPC 构建可复现评分。本文分析三种评测模式、Harness 设计、结果差异及其对安全研发流程的启示。