智能体

圣殿骑士-Khtangc

DeepSeek Harness vs AutoGPT/LangGraph/MetaGPT/CrewAI：Agent 框架到底怎么选系列导航：本篇是 DeepSeek Harness 实战系列第 2 篇。上一篇《用 dsh 从零搭一个编码 Agent》讲了怎么把它跑起来；本文退一步，把它放进整个 Agent 框架的版图里，回答一个更根本的问题——我到底该用哪个？这恰恰是选题时最容易踩坑的地方：选错框架，后面全是在和工具较劲。

智能体面试准备（五十六）智能体评测与回归门禁工程实战——从 Eval-as-CI 到上线守护B31 讲过「智能体评测体系深化」——轨迹指标、部分分、LLM-as-Judge。B54 讲过「线上实验与效果归因」——A/B、影子、因果归因、上线门禁。两篇解决「怎么衡量 Agent 好不好」。本篇把衡量变成「工程动作」：Eval-as-CI，让每次代码提交、每次发布都自动过评测门禁，防止悄悄退化。

政安晨【人工智能随笔】— 从像素到星际：游戏如何塑造了现代AI的二十年演进史 (读DeepMind的EVE宇宙AI研究有感)政安晨的个人主页：政安晨欢迎 👍点赞✍评论⭐收藏希望政安晨的博客能够对您有所裨益，如有不足之处，欢迎在评论区提出指正！

皮卡丘不断更

Vibe Coding 有了接口原型后：用智能体做一份联调差异单把 Vibe Coding 想成先搭出样板房：一句自然语言就能很快生成页面、接口骨架和交互流程。它适合前端、后端、运维和 Web Coding 开发者把想法跑起来。当天可以先选一条可回滚的接口链路，让智能体只读取契约与测试结果，生成一份差异单；做到每一条差异都能回到来源文件，就已经足够有用。

8.4 处理智能体的工具调用与输出解析《LangGraph开发AI Agent实践》邓立国《LangGraph开发AI Agent实践》1~7章试读_langgraph开发ai agent实践在线阅读-CSDN博客

《从个人自动化到企业级交付：国内外主流智能体开发平台横向比较》摘要个人自动化关注能否快速完成任务，企业级交付则更在意知识与工具复用、客户隔离、草稿发布和持续维护。本文按五个业务成长阶段比较 Coze、Dify、Coze Studio、n8n、云厂商平台与好易智算，并以三个客户的售后 Agent 为例，分析换模型、更新知识库和替换 MCP 服务时的变更范围与平台选择方法。

像风一样自由2020

11.PostgreSQ、-MySQL与MongoDB-AI应用如何选择数据库码海寻道 · 大模型、智能体与 RAG 工程组件系列第 11 篇做大模型应用时，数据库选型经常被简化成一句话：PostgreSQL 功能最全，MySQL 最常见，MongoDB 最灵活。

70年底蕴老国企，如何跑出AI新速度？一家70多年的老企业，为什么要在今天主动拥抱AI？这个问题放在青岛海益塑业有限责任公司身上，或许比放在一家互联网企业更值得思考。

智能体面试准备（五十一）：面试总复习与能力地图——项目串联与自我评估本智能体系列从 B11（Agent 评估）写到 B50（对话交互与用户建模），已经累计 50 篇，覆盖评估、规划、记忆、工具、协作、安全、工程化、行业落地等全栈能力。B36 做过一次“体系总结与高频八股串讲”，偏重知识点盘点；今天站在（五十一），你的真实对手不是“会不会某个框架”，而是“能不能在 45 分钟里，把自己的项目讲成一条有逻辑、有取舍、能深挖的线”。所以本篇给两样东西：智能体面试能力地图（考什么）+ 项目串联与自我评估方法（怎么证明你真做过）。下一篇 B52 接着给“大厂实战：系统设计 / 简历

程序员果子

DeepSeek Harness目录1. 定义2. 背景与问题2.1 它要解决的根问题2.2 为什么现在出现3. 核心原理3.1 核心

智能体面试准备（五十二）：大厂面试实战——系统设计/简历包装/30天冲刺上篇 B51 帮你建好了智能体面试的八域能力地图、50 篇主题归域表，以及把 4MRAG/MCTS-MRAG 串成一条线的项目叙事方法。到了大厂终面，考察形式会切换成两种硬仗：系统设计题（白板上设计一个 Agent 系统）和简历深挖（把你的经历问到骨子里）。本篇直接给你可复用的实战框架——系统设计四步法、一道企业级 RAG Agent 的完整设计、简历包装的 STAR+量化打法、AXB（大模型+智能体）协同作答技巧，以及最后 30 天的冲刺计划。把这篇和 B51 一起练，就等于带着“地图+项目+实战”三件

智能体面试准备（五十三）：多模态 Agent 工程实战——感知-决策闭环与 4MRAG 串联B25 讲过多模态 Agent 的概念边界，B47 讲过 Agentic RAG 的自主知识工作流。但把多模态 Agent 真正工程化落地，最难的是"感知"和"决策"之间那道缝：模型看到的图像，怎么变成 Agent 可推理、可调用工具、可纠错的闭环？本篇是工程实战深化的第三讲，聚焦多模态 Agent 的感知-决策闭环，并把它和你的 4MRAG 项目（多模态检索增强生成）串起来讲——这既能体现技术深度，又能在面试里自然带出你的论文工作。

智能体面试准备（五十四）：智能体线上实验与效果归因体系——上线决策科学B31 讲过 Agent 评测体系（轨迹指标、LLM-as-Judge、benchmark），B20 讲过可观测性。但评测高分只是门票——真正决定一个智能体能不能上线的，是"线上实验能不能证明它比旧版好，且好在哪里、坏在哪里可解释"。本篇是工程实战深化的收官讲，讲清智能体上线前的实验设计（A/B、影子、渐进）和上线后的效果归因（因果分解、bad case 漏斗、上线门禁）。这是大厂面试里"有没有真把 Agent 跑过生产"的分水岭。

deepseek harness能否指挥Claude code和codex来协同开发核心结论先说：两个 Agent 之间不应该靠“聊天”通信，而应该靠“共享文件 + 状态机 + 结构化交接物”通信。

注入型漏洞以及agent-audit的检测原理keywords: AI安全，漏洞，源码agent-audit能扫描Agent项目源代码，通过静态分析的方法，发现Agent的风险（参考1）。在参考2中可以看到，agent-audit能检测多种安全问题。其中排第一的就是比较严重的注入类攻击“Injection attacks”，这是指外部可控用户输入未经过滤，直接传入代码执行、系统命令、数据库查询逻辑，极易引发代码注入、命令注入、SQL 注入漏洞”，它也被agent-audit标为AGENT-001的漏洞。

递归尽头是星辰

大模型 Agent 知识体系：Java 开发者视角下的原理、架构与选型边界在大模型浪潮下，Agent（智能体）已成为生成式 AI 工程化落地的核心热点，但 Java 后端领域普遍存在认知偏差与过度设计问题：不少团队将单次工具调用、RAG 系统等同于 Agent，在流程固定的业务中硬套智能体架构，最终引发时延上升、成本失控、稳定性下降等工程问题。

智能体 Loop 工程：循环架构与状态机"智能体（Agent）"和"一次性调用大模型"最大的区别，在于循环。单次调用是"你问一句、它答一句"；而 Agent 会反复执行一个闭环：先感知环境（读状态/读工具返回），再推理下一步，再行动（调工具/写文件），再观察结果，然后带着新信息进入下一轮。这个不断自转的环，就是 Loop 工程的研究对象。工程化的核心问题不是"模型够不够聪明"，而是：这个环怎么停、怎么不死循环、怎么不爆上下文、怎么在出错时自愈。

11.4 基于扣子编程的实现过程（AI 数据质检工作流）叶彦辛《扣子编程从一句话到产品上线：零门槛AI心流开发》全书案例分享~_扣子编程从一句话到产品上线:零门槛ai心流开发-CSDN博客

圣殿骑士-Khtangc

DeepSeek Harness 系统架构与运行原理深度解析如果你只把 dsh 当成一个"能跑 Agent 的命令行工具"，那你只看到了它的壳。DeepSeek Harness 真正有意思的地方，在于它把"一个智能体能跑起来"这件复杂的事，拆成了一棵可以被任意插拔、叠加、替换的插件树。本文不堆术语，而是顺着"它从哪一层开始，一层层怎么拼起来，一条消息最终怎么变成一个 turn"这条线，把它的系统架构和运行原理讲透。

AI 应用怎么评测？离线评测、人工评估和线上反馈如何结合？🎯 博主简介你好，我是安逸，CSDN「人工智能技术领域新星创作者」，码龄 6 年。博客总访问量 31万+，博客粉丝 1.2万+。