#Agent架构
共 79 篇相关文章

MissionFlows 对比 Workflows:自适应 Agent 执行如何取代静态 DAG
MissionFlows 用自适应 Agent 执行替代静态 DAG,让 LLM 在运行时决定执行路径。解析其可观测性、护栏约束、检查点管理和失败恢复机制,对比工作流的适用边界。

用纯Python构建简洁韧性的Agent流水线
拆解如何用纯Python脚本构建低开销、模块化的Agent工作流,替代臃肿的SaaS编排平台。涵盖状态管理、本地数据解析与多步执行的核心架构思路。

CodeSmith元能力:Agent的基因组复制与自举
CodeSmith v0.5.0提出Agent元能力三层框架:doctor双层自我诊断、以skill-creator为代表的范例驱动生成、subagent基因组复制与变异,并划定安全机制不可自修改的边界。

本地Agent循环自查失灵的五个坑与修复指南
深入分析本地drafter/critic Agent循环中的五个关键失败模式:critic角色未被强制执行、裁判写入被评判文件、模型不具备工具调用能力、运行时加载开销占81%,以及声明与验证之间的根本差距。

何时用AI Agent而非简单LLM调用:三种架构选择指南
不是所有 AI 功能都需要 Agent。本文基于 OpenAI 与 Anthropic 的工程指南,对比直接 LLM 调用、确定性工作流与工具型 Agent 三种架构,给出「一个响应能否解决任务」等决策问题与完整清单,帮助开发者用最低自主性可靠解决问题。

VQ Agent Core 三层 Agent 循环解析:让智能体可审计
VQ Agent Core 通过 THINK→ACT→DECIDE→THINK 三层循环拆分 Agent 职责,支持 Needle 2 语法约束路由、四种可插拔决策后端(Jev/Strands 2B/Laya/提示词 LLM)及完整 JSONL 审计轨迹,本地与云端可无缝切换。

Agent Skills架构解析:多智能体面试高频考点与企业级实战
深度解析Agent Skills架构原理、动态加载机制及企业级应用,涵盖多智能体面试高频考点,包括Workflow与Agent区别、意图识别与工具选择策略,助你掌握AI智能体自主规划能力。

本地优先Agent平台架构:让供应商永远无法插手
深入解析TheYgent本地优先Agent平台架构:双平面设计、逻辑模型ID、引擎管理器、Agent文档化、DBOS持久化运行时,以及可验证的隐私承诺,让供应商永远无法成为中间人。

单Agent还是多Agent?企业团队的架构决策框架
单Agent还是多Agent?本文提供一套面向企业团队的决策框架,从任务结构、状态管理、故障处理、延迟成本到安全性全面对比 LangGraph、CrewAI 与 Microsoft Agent Framework,并给出上线前核查清单。

深入MCP协议:AI Agent工具调用背后的性能陷阱
深入解析MCP(模型上下文协议)如何支撑AI Agent工具调用:JSON-RPC封装的性能开销、SSE多路复用的安全隔离,以及工程团队在生产环境中绕过协议直连数据库的真实权衡。

用System 1模型Jev构建Agent Harness:哪些真正有效?
本文深度解析如何用System 1模型Jev构建Agent Harness,覆盖路由器、上下文选择器、闸门和验证器四个决策点的真实实验结果,揭示哪些组件真正有效以及Agent绕过限制的意外行为。

为什么AI Agent需要决策模型?别让生成式LLM包揽一切
Agent框架普遍把生成式LLM当成唯一工具,导致延迟高、成本贵、结果脆弱。本文解析"决策模型"架构思路:将决策与生成分离,通过动态技能注入、记忆压缩、幻觉闸门和Schema拆分四种方式,让AI Agent更快、更省、更可预测。

解析Agent Harness:从Claude Code源码看AI智能体架构
深度解析 Agent Harness(Harness Engineering)架构,结合 Claude Code 源码泄露事件,梳理 AI 智能体的底层原理、核心组件与工程实现思路,帮助开发者理解大模型应用的前沿架构范式。

Agent-Native应用的正解:共享动作层而非UI操控
BuilderIO推出的Agent-Native框架主张AI应用应共享统一动作层,而非让Agent模拟点击的UI操控。一套动作层同时服务UI、Agent、HTTP、MCP、A2A与CLI,为Agent-Native应用开发提供更可靠的架构范式。

编译式AI Agent架构:为何放弃运行时决策而选择固定流水线
一位 Agent 开发者分享了将自然语言指令编译成固定流水线、而非让模型运行时决策的架构选择。深入剖析编译式 Agent 在不可逆文件操作场景下的优势、代价,以及 LLM 置信度校准这一未解难题。

AI Agent架构核心抉择:确定性编排与LLM推理的边界该划在哪?
AI Agent架构的核心难题:确定性编排与LLM推理的边界该如何划分?本文剖析线性管道与分叉路径两种设计,探讨LangGraph框架下哪些决策该交给图、哪些该交给模型,以及控制层过度复杂化的陷阱。

多智能体架构之争:固定图谱还是动态发现?
多智能体系统该用固定图谱还是动态发现?本文剖析两种 Agent 架构的本质区别,梳理动态委派带来的发现、信任、权限、可观测性等六大挑战,并结合 LangGraph/LangChain 实践给出选型建议。
科技前沿DeepSeek开源Agent底座:插件架构如何让AI真正干活
DeepSeek开源Agent底座Harness采用插件架构,让AI从聊天走向真正干活。本文解析Harness的核心机制、模块化设计思路,以及AI Agent竞争从模型能力转向工具生态的趋势。
科技前沿梁圣开源超级Agent架构:让AI长期在线主动干活
梁圣(良胜)开源DeepSick Operating Prototype超级Agent架构,通过Router/Worker两层解耦、事件驱动与分级推理过滤,让AI从被动等待指令变为长期在线、主动发现问题并执行任务的Agent,本文解析其工程设计与成本控制思路。
教程攻略ReAct与CodeAct深度对比:Agent工具调用的两种核心方法
深入解析Agent工具调用的两大主流架构ReAct与CodeAct,从论文原理到代码实战,对比推理+行动模式与代码执行模式的优劣,帮助开发者选择合适的Agent架构方案。