文章库
人工精选 · 转载长文
共 12 篇文章
2026 年 8 月
8月23日构建与部署 AI 应用最重要的技能Andrew Ng 将构建与部署 AI 应用拆解为六项核心能力：LLM 基础、数据 grounding、Agent 系统、评测驱动开发、生产运维与机器学习基础。8月18日AGENTS.md 完全指南了解如何为 AI 编码智能体优化 AGENTS.md 文件：掌握渐进式披露，让指令保持聚焦，并最大化智能体性能。2026 年 7 月
7月18日控制 LLM 的推理投入本文系统梳理 LLM 推理投入设置的训练与推断机制，比较六个开放权重模型的模式控制、预算与强化学习方案。7月16日我们如何构建多智能体研究系统Anthropic 分享其 Research 多智能体系统从原型到生产的架构、提示词、评估和可靠性经验，说明如何通过并行子智能体扩展开放式研究能力。7月16日为 AI 智能体编写有效工具——借助 AI 智能体Anthropic 介绍用原型、真实任务评估和智能体协作来改进工具的方法，并总结工具选择、命名空间、高信号响应、token 效率和工具描述提示词工程等原则。7月16日面向 AI 智能体的有效上下文工程Anthropic 阐释上下文工程：把上下文视为有限注意力资源，并通过恰当的系统提示、工具、按需检索、压缩、结构化记忆与子智能体架构，构建更可靠的长程智能体。7月16日用 Agent Skills 赋予智能体现实世界的能力Anthropic 介绍 Agent Skills：通过可组合的指令、脚本和资源，将通用智能体转化为具备领域流程知识的专门智能体。7月16日面向长时运行智能体的有效 harnessAnthropic 提出初始化智能体与增量编码智能体组成的 harness，通过功能清单、进度工件、git 历史和端到端测试，让智能体可跨多个上下文窗口持续推进复杂软件任务。7月16日揭开 AI 智能体评估的神秘面纱Anthropic 系统介绍智能体评估：从任务、评分器、能力与回归评估，到真实环境、数据污染、可观测性和持续迭代，帮助团队将评估变为可靠智能体的工程基础设施。7月16日长时运行应用开发的 harness 设计Anthropic 提出面向长时程应用开发的规划器、生成器与评估器三智能体 harness，以上下文重置、结构化交接、独立评估和迭代反馈提升自主编码与前端设计质量。7月16日上下文工程LangChain 总结面向智能体的上下文工程四种策略：写入、选择、压缩与隔离上下文，并说明如何用 LangGraph 与 LangSmith 实现、评估和迭代这些策略。7月15日构建高效的 AI 智能体Anthropic 总结构建可靠 AI 智能体的实践经验，介绍从增强型 LLM、工作流到自主智能体的设计模式、适用场景与工具工程原则。没有找到符合条件的文章。