#智能体架构
共 9 篇相关文章
从Pizza Bot看后台AI智能体为何需要收件箱
从Pizza Bot看后台AI智能体为何需要收件箱
AWS开源的Pizza Bot揭示了后台AI智能体协作的核心设计模式：队列、审批、检查点与返回路径。本文解析为何长时间运行的AI智能体需要类似收件箱的异步协作机制。
Harness驾驭工程实战：企业级多Agent智能体架构拆解
深入拆解基于Harness驾驭工程架构的企业级多Agent智能体项目：Vue前端、FastAPI/ASGI后端、DeepSeek多模型编排、MCP协议对接ERP、沙箱容器隔离等企业级落地方案全解析。
前沿研究Claude Code开源架构深度解析：51万行代码的设计哲学
深度解析Claude Code开源架构的六大核心设计理念，包括双层循环架构、七步工具执行管道、四层Token压缩策略、记忆系统与多智能体协作模式，揭示工业级AI智能体的工程化精髓。
深度解读AI智能体入门：核心概念、技术架构与工作原理全解析
从零开始理解AI智能体（AI Agent）的核心概念，详解感知、决策、执行三大能力，对比传统程序与智能体的本质区别，深入剖析LLM、工具调用、记忆系统和RAG四大技术组件及完整工作流程。
前沿研究Optimize Anything：一个API统一优化代码、提示词和Agent架构
UC Berkeley与Stanford联合提出Optimize Anything通用文本优化框架，通过一个声明式API统一优化CUDA内核、智能体架构、系统提示词等六大领域，全面超越专用工具。深度解析其三种优化模式、辅助信息机制与Pareto搜索策略。
行业洞察GPT-5.5在Databricks文档解析中错误率降低46%：实测数据与架构解析
Databricks实测显示GPT-5.5在复杂文档解析中错误率降低46%，成为唯一突破50%准确率的模型。本文详解其在数字解析、多智能体架构中的关键突破及企业落地方案。
行业洞察Claude Code开源解析：51万行代码揭秘工业级智能体架构
深度解析Claude Code开源项目的核心架构设计，包括双层循环执行引擎、七步工具安全管道、四层Token压缩策略、多智能体协作模式及记忆系统，为AI Agent开发提供工业级参考实现。
深度解读Ralph Loop拉尔夫循环：用循环试错跑赢多智能体的AI编程新范式
Ralph Loop（拉尔夫循环）是2025年爆火的AI编程范式：让失忆的AI Agent反复读取同一份Prompt，通过文件系统沉淀经验，用循环试错跑赢多智能体架构。本文拆解Prompt.md外置大脑、文件分工沉淀、单线反馈三大核心设计，并对比Karpathy Auto Research的共通逻辑。
深度解读AI Agent核心原理解析：决策循环与三大组件架构
深度解析AI Agent核心原理，从感知-规划-行动-观察的决策循环，到Planning思维链、Memory记忆机制、Tools工具调用三大组件，帮你理解智能体与大模型的本质区别。