会自己长本事：自进化 Agent 三篇
围绕技能获取、训练环境与层级技能库，梳理自进化 Agent 从经验到可复用能力的关键设计。
分类: 人工智能
共 148 篇文章
文章列表
当 Agent 把活外包给 Agent，谁来验证它没在吹牛？
Agent 能发现彼此、调用彼此，并不代表它们有办法验证对方的能力声明。本文借“柠檬市场”分析开放智能体网络中的信息不对称，以及信号、筛选和声誉机制如何补上一层信任。
《体验时代来临》深度分析报告
David Silver 与 Richard Sutton 认为，AI 的下一阶段将从模仿人类数据转向在环境中持续行动和学习。本文梳理“体验时代”的四个特征，并讨论奖励设计、长期智能体与安全边界。
Agent Plugins 1.0 拆解：统一的扩展包格式，和它故意留下的信任缺口
2026 年 8 月，OpenAI、Amazon、Cursor、Microsoft、Vercel 联合发布 Agent Plugins 1.0：一个把 Agent Skills 和 MCP 服务器打包成可移植插件的目录格式。本文拆解规范本身的边界设计、治理结构，再讨论三个真正的缺口：信任模型、Anthropic 缺席，以及“包能搬家但行为不能”。
Agent 的搜索引擎：Agentic Resource Discovery 规范，以及它解决不了的信任问题
MCP 解决了 Agent 怎么调用工具，ARD 解决的是更早一环：Agent 怎么找到工具。2026 年 6 月 Google 联合微软、GitHub 等发布 ARD 规范，核心是域名下的 ai-catalog.json 和聚合注册中心。本文拆解 Catalog/Registry 机制、与 MCP/A2A 的分工，以及验证机制背后的供应链安全账。
端侧 AI 元年：Agent 搬进手机和汽车，瓶颈是内存带宽不是算力
2026 年端侧 AI 被反复称为元年：AI 手机出货 1.47 亿台、端侧模型装机 4200 万台、量产车里跑起座舱智能体。本文从模型、芯片、场景三个条件讲清为什么是今年，再用 roofline 模型和量化三件套解释真正的瓶颈为什么是内存带宽。
MCP 2026-07-28 迁移清单：去掉握手和会话之后，你的服务器要改什么
MCP 第 5 版规范把协议从有状态长连接改成无状态核心：握手没了、会话 ID 没了、请求变成自带上下文的自描述 HTTP POST。本文列出每个变更的工程含义、迁移顺序和 Akamai 指出的六类新安全风险，给正在维护 MCP server/client 的人一份可对照的清单。
Muse Code 资料测评：输出便宜 21 倍的那一档，代价是把代码交给 Meta 训练
Meta 在 2026 年 8 月 5 日发布首个终端编程 Agent Muse Code。本文基于官方发布与第三方公开数据整理：模型与价格、两档计费的真实成本差、三大编程基准上的名次、以及真正值得关注的 event log 与后台常驻 Agent 设计。
deepseek-v4-flash 为什么适配 Codex 这么好，以及deepseek的Harness
上一篇用 48 小时真实会话证明了它便宜又耐用，这篇拆到适配层看它为什么能被 Codex 用好：~/.codex/models.json 的每个字段怎么改变客户端行为，1.77 万字符的 instructions_template 怎么把模型变成合格的 Codex 代理，以及 DeepSeek Harness 的内测招募、官方基准和社区猜测。
gpt-5.6没额度了，我用deepseek-v4-flash 连续跑两天花了 14 亿 token，40人民币
把 Codex 主力模型换成 deepseek-v4-flash 的 48 小时：三个线程跑完线上验证、计费修复、CI 精简、PR review 一长串工程任务。从真实会话记录统计 token、缓存命中、reasoning 占比与交付物，和之前 gpt-5.6-sol 的会话对比，给这台便宜模型一个基于数据的评价。
5毛钱的 deepseek-v4-flash 能干什么
一次模拟真实场景的全量服务巡检：三个 Kubernetes 集群加外部托管服务全部采集、出拓扑图、定位问题，再对账 token 与账单。按 DeepSeek 官方单价这次巡检约 5 毛钱，缓存命中率如何决定最终成本，文中都有明细。
DeepSeek V4-Flash 跑 Codex 实测：4 个任务全过，花费不到 5 分钱
V4-Flash 正式版上线后原生支持 Responses API 并适配 Codex。本文整理官方性能与定价，给出两种接入 Codex 的配置方式，再用 4 个本地 Agent 任务实测：全部通过、总耗时约 4 分钟、花费不到 5 分钱。
Agent 做出来了，接下来怎么上线
一个能完成任务的 Agent，距离真正可交付还差任务契约、交互兜底、质量门禁、安全审查、成本核算和灰度运营。本文以合同审查 Agent 为例，给出一套可以直接执行的产品化方法。
Agent 找到工具以后，为什么还是会用错
正确工具进入候选列表，只解决了工具调用链的第一小步。本文拆解召回、选择、参数、执行和结果解释五道门，用实际案例说明怎样设计工具契约、参数修复、候选裁剪和分层评测。
GPT-5.6 Sol 的额度去哪了
为什么同样的任务，GPT-5.6 Sol 会让人觉得额度掉得更快？从工具调用、缓存输入、长上下文、重试和子任务拆开一次 Agent 回合，给出一套可以自己复测的用量账本。
怎样让 Codex 真正会用你的工具
给 Codex 接上 MCP 只是第一步。本文实现一个代码变更影响分析工具，用 36 次真实调用比较含糊接口与语义化 Schema，拆解工具命名、参数设计、结构化输出、安全注解、错误语义和评测方法。
企业级 Agent 的七层底座
一个能接入真实业务的 Agent，除了模型和 Prompt，还需要任务契约、可恢复运行时、工具协议、状态与记忆、并发控制、安全边界和评测体系。本文用三个案例给出一套可落地的参考架构。
Agent面试详解（下）：评测、安全与落地判断
完成企业级 Agent 的最后一块设计：用 Trace 还原轨迹，用四层测试控制不确定性，把安全边界放在模型之外，并判断 ToB、ToC 与具体场景是否值得投入。