agents

120.Agent-LangChain核心组件-中间件-摘要中间件（SummarizationMiddleware）摘要：本文围绕 LangChain Agent 中间件机制展开，通过年会筹备的比喻说明中间件如何监控、管理、限制和兜底 Agent 的执行流程，并介绍 LangChain 提供的默认中间件清单。文章重点讲解摘要中间件（SummarizationMiddleware）的工作原理、触发条件（tokens、messages、fraction）与保留策略（keep），最后给出完整的 Python 代码示例，演示如何配置摘要中间件并验证其效果。

118.Agent-LangChain核心组件-StructuredOutPut结构化输出-工具策略（ToolStrategy ）摘要：本文介绍 LangChain 中 ToolStrategy 结构化输出策略的实现方式。当模型不支持原生结构化输出时，可将 Pydantic、Dataclass、TypedDict 或 JSON Schema 包装成工具，让模型通过工具调用的方式返回结构化数据。文章通过一个产品评价分析示例，演示了如何定义 Pydantic 模型、创建 Agent 并提取结构化结果，同时对比了 ToolStrategy 与 ProviderStrategy 的核心区别，并说明了 ToolStrategy 会在消息历史末

一套专注 Android 逆向分析的 Skills把各方向的分析步骤、工具选择和验证方法整理成独立技能，方便自己查阅，也方便交给支持本地文件读取的 AI 助手使用。

113.Agent-LangChain核心组件-大模型Short-term_memory短期记忆和PostgreSQL记忆存储内容参考于：图灵AI大模型全栈记忆在人工智能体中是很重要的，跟你们人类的记忆一样，如果你们人类没有记忆相比较于有记忆的人类会很不智能，所以人工智能体也是需要记忆才能更加的智能，短期记忆通常是聊天记录，现在对于大篇幅的聊天记录大模型没办法做到百分百记住完整的聊天记录，会存在丢失的情况，就跟你们人类记的东西多了，最早记的东西可能就会忘记，这就会有策略来压缩聊天记录

111.Agent-LangChain核心组件-Tools工具摘要：本文围绕 LangChain 中工具（Tool）的定义与使用展开，重点讲解 @tool 注解的常用参数、Pydantic 的 Field 字段约束方式，以及如何通过 args_schema 将 Pydantic 模型接入工具，帮助大模型正确识别并调用函数。

110.Agent-LangChain核心组件-Messages消息和提示词工程摘要：本文围绕 LangChain 中 Message 这一与大模型沟通的基本数据结构展开，系统讲解消息类型（system、user、assistant、tool）、消息内容（Content）与元数据（metadata）的构成，并通过 message 实例与带角色的类（SystemMessage、HumanMessage、AIMessage、ToolMessage）说明其用法。文章还结合 Agent 使用实例、普通使用实例以及提示词工程，演示如何正确设置系统提示词并调用大模型完成实际任务。

DeepSeek Harness初体验：入门、安装与自定义插件本文讲两件事：怎么装 DeepSeek Harness（dsh），以及怎么写一个自定义插件（从极简到可用）。案例代码在 tmp/cordis-tutorial/，三个案例全程无需 API key。

如何去写一个好的Prompt很多人觉得 AI 不好用，是因为总希望它能“读懂我的心”。但实际上，AI 无法猜测你的背景和潜台词。想让它高效干活，记住三大黄金原则：

一种适合程序员的 Agent 协作方式的实践本文使用 AI 辅助生成，本文章亦是本文章所述实践之产物。生成式 AI 在过去两年间以惊人的速度渗透到各行各业，软件工程领域尤甚。从代码补全到需求分析，从测试生成到运维诊断，几乎每一个环节都能看到 AI 的身影。然而，笔者在尝试将 AI 融入日常工作流程时发现，大多数已有的实践方式都落在两个极端之间。

【LLM应用可靠性】1-Agent 评估体系：从单一指标到 SLO 驱动的体系化评估在 Agent 系统的生产实践中，单纯依赖“任务完成率”这一结果指标，往往难以真实反映系统的稳定性和执行效率。本文将探讨如何通过多维度 SLO（Service Level Objectives）和轨迹评估，构建健壮的 Agent 质量保障体系。

AGENTS.md 编写指南：让 AI 理解你的项目📅 更新于 2026年5月 | ✍️ 原创文章，转载请注明出处本系列共12篇，本文是第3篇AGENTS.md 是 Codex CLI 用来理解项目结构的配置文件，类似于 Claude Code 的 CLAUDE.md。

快速入门 openai agents sdkOpenAI Agents SDK让你能够以一个轻量、易用且几乎没有抽象层的包来构建智能体 AI 应用。它是我们此前用于智能体实验的项目 Swarm 的生产就绪升级版。Agents SDK 只有一小组基本组件：

牛奶还是纯的好

从“塞文本进 Prompt“到“结构化记忆“：Agent 记忆的正确姿势原文：Build Agents that never forget by @akshay_pachaar ｜翻译整理 by@Liwx

SolonCode CLI v2026.4.11 发布（中文驱动的编码智能体）SolonCode CLI 是基于 Java + Solon AI 开发的 “编程终端智能体”。基于“全中文”提示词构建（中文体验，很爽）。

第十个灵魂

OpenClaw多智能体最优配置指南，告别改配置文件WHY? (为什么要用多智能体？)想了解更多相关话题介绍可观看 👉🏻 《一图讲清，为什么要用多Agent》

【教程】打通本地 IDE AI 与云端 AI 的记忆壁垒：基于 COS 的跨 AI 终端记忆共享与通信系统本文详细介绍如何基于腾讯云 COS 对象存储构建一套跨 AI 终端的记忆共享与异步通信系统。实现本地 IDE 内置 AI（如 CodeBuddy）与云端 AI（如企微 Bot）之间的记忆双向同步、智能融合与异步通信。包含完整的架构设计、核心代码实现、融合策略、信箱协议、定时任务配置和新终端接入指南。

searxng-cli：Exa MCP 的开源替代路径，用更少上下文拿到更准的信息Exa MCP 的体验很接近“为 LLM 优化过的搜索 API”：结果干净、可读、适合直接喂给模型。但对普通用户来说，额度/配额往往是最大阻力——一旦把“搜索”变成稀缺资源，Agent 的研究链路就会被迫降频。

Blog Agents功能介绍最近给博客新增了一个 Agents 页面——一个集成在博客侧边栏的交互式分析工具平台。不同于传统的静态博文，Agents 页面提供了可交互、可配置、数据实时更新的分析能力。目前已上线两个 Agent：house_price_analyzer（房价分析器）和 ai_tracker（AI 前沿追踪器）。

Codex 完整指南（六）：Rules、AGENTS、Prompts 与 MCP在前几篇文章里，博主已经编写了Codex相关的文章，有兴趣的童鞋可以先阅读：在本文中，博主继续整理Codex配置部分的内容，将围绕 Rules、AGENTS.md、自定义提示词以及 MCP 四个核心主题展开，深入解析 Codex 在安全控制、指令发现、提示复用与工具扩展方面的设计哲学与最佳实践，从而让大家更好地去了解codex。

适用于代理Agents的语言去年，我开始思考随着代理工程成为一种增长趋势，未来的编程语言可能会是什么样子。最初，我觉得庞大的现有代码库会让现有语言根深蒂固，但现在我开始认为相反的情况更为真实。在这里，我想阐述为什么我们将会看到更多新的编程语言，以及为什么存在大量空间进行有趣的创新。为了让想要构建新语言的人参考，以下是我对我们应该追求目标的一些想法！