1. 在线学习智能体构建，总被碎片化资料困扰？Datawhale 社区打造的《从零开始构建智能体》教程，帮你系统掌握智能体原理与实践！这个开源项目覆盖了智能体基础知识、大语言模型智能体搭建、高级技术扩展，到多智能体综合案例实战，最后还有毕业设计项目，理论与实战并重，适合有 Python 基础和 LLM 概念的开发者、学生、自学者。亮点功能：- 全面讲解智能体历史、范式与类型，打好理论根基；- hands-on 经典智能体范式实现（ReAct、Plan-and-Solve 等）；- 探索低代码智能体平台并开发自研智能体框架；- 深入上下文工程、记忆检索、多智能体通信协议与智能体训练；- 丰富实战案例：智能旅行助手、深度研究智能体、模拟赛博小镇；- 配套完整代码，支持本地运行，社区活跃互动，随时求助解惑。项目完全免费，PDF 教程无水印，助你从 LLM 使用者进阶为智能体系统构建者。📚 在线阅读及教程下载地址：datawhalechina.github.io/hello-agents/🌟 GitHub 地址：github.com/datawhalechina/hello-agents动手实践智能体开发，让 AI 不再是黑盒，成为你创造未来的利器！#AI创造营##人工智能#

2. 打造「打工人」智能体：OpenAI 关于长期运行智能体（Long-running Agents）的实践总结AI 正在从只能处理单次对话的聊天助手，演变为能够胜任真实知识工作的数字员工。这些长期运行智能体不再满足于简单的问答，而是能够深入大数据集进行阅读、持续更新文件，并自主编写和运行代码。OpenAI 在其 Responses API 中引入了三个关键的智能体原语：技能（Skills）、托管 Shell（Hosted Shell）自动压缩（Compaction）。并从架构师的视角，为你剖析如何利用这些利器打造稳健的生产级智能体。1. 技能（Skills）不是营销文案，而是精确的路由逻辑技能描述实际上是模型的决策边界。它应该回答：我什么时候该用它？什么时候不该用它？预期的输出和成功标准是什么？实战证明，精确的描述能带来质的飞跃。早期客户 Glean 的案例显示，单纯提供做什么是不够的。通过加入负面示例（明确指出何时不调用该技能），智能体在经历最初约 20% 的误触发率下降后，路由精准度大幅提升。最终，其在 Salesforce 相关技能中的评估准确率从 73% 跃升至 85%。2. 别再往系统提示词里塞模板了一个常见的架构误区是将所有报告模板和业务规则全部塞进 System Prompt。这不仅会导致提示词过载，还会白白浪费 Token 并增加延迟。应当将模板和参考示例放入 Skill 内部。这些内容在未被激活时基本上是免费的——只有当智能体决定调用该 Skill 时，相关的示例才会被按需载入上下文。3. 托管 Shell 安全机制如果说 Skills 是脑中的知识，那么 Hosted Shell 就是操作的手。这是一个受控的容器环境，允许智能体安装依赖、运行脚本并生成制品（Artifacts）。作为架构师，安全是第一优先级。当技能+联网组合出现时，必须警惕数据外泄。OpenAI 引入了两层过滤机制：组织级白名单（管理员配置的全局信任域）与请求级白名单（仅限当前任务所需的子集）。4. 将文件作为人机协作的交接区在托管 Shell 环境中，/mnt/data 目录扮演着至关重要的角色。它是智能体存储临时文件的地方，更是人机协作的标准边界。一个成熟的设计模式是：工具写入磁盘，模型思考磁盘，开发者从磁盘提取。5. 自动压缩（Compaction）非常重要长期运行智能体在执行多步任务时，对话历史会迅速触及上下文上限。过去，开发者不得不手动编写逻辑来截断或总结历史。现在，服务器端自动压缩（Server-side Compaction）解决了这一难题。当上下文跨越阈值时，压缩会在 Responses API 的流中自动运行。Compaction 保持了长期运行的连续性，防止了‘重启行为（Restart Behavior）’，确保相同的工作流可以持续执行，而无需人工干预上下文管理。6. 三类典型的构建模式1）模式 A：安装 -> 抓取 -> 写入制品这是最基础的 Shell 用法。智能体在容器中安装必要库，抓取外部数据，并将结果写入 /mnt/data/report.md。2）模式 B：Skills + Shell 的重复性工作流将复杂的 SOP（如财务对账）封装进 Skill 并挂载到 Shell 容器中。这能显著提升多步任务的确定性，避免模型因思维漂移而偏离流程。3）模式 C：企业级工作流载体这是最先进的形态。通过 Skill 封装复杂的跨工具编排逻辑，将原本模糊的工具调用转化为程序化的 SOP。#HOW I AI##程序员#

3. Claude Code Skills 采用了一种极其巧妙的三层上下文系统。请记住这个结构，当你构建技能（Skills）时会非常有用。第一层：主上下文（Main context）——项目配置，总是会被加载。第二层：技能元数据（Skill metadata）——只包含 YAML 前言部分，每个技能大约占用 100–200 个 token。第三层：活动技能上下文（Active skill context）——SKILL.md 文件以及按需引用的文档，在需要时才会加载。像脚本（scripts）和模板（templates）这样的支持文件不会被预加载到上下文中，而是在使用时直接访问，不消耗任何 token。这种架构让系统可以同时容纳数十个技能，而不会触及上下文长度限制。#人工智能##程序员#

4. 构建真正有效智能体，90%靠的是“记忆”，而非模型本身、框架或MCP。关键在于智能体对以下内容的理解和记忆：- 自身能力范围 - 目标与需求 - 过去失败经验这段“上下文”决定了智能体是像六岁小孩般无知，还是像严谨工程师般高效。核心是“领域记忆”——既包含专业化知识，也包含任务专属的长期记忆。这不是简单的会话记忆，而是对未来至关重要的关键洞察的持续保存。可以称之为“工作流记忆”，它虽设置不复杂，但设计精妙且价值巨大。即便内部已有智能体架构，实现持久记忆也不难，且无需依赖外部API（当然也有选择）。让智能体把最终回答摘要存入持久存储，下次运行时回顾过去决策，大大提升了连续性与理性表现。失败尝试的历史比成功经验更宝贵，避免重复踩坑，节省时间和计算资源。通过保存失败日志，课减少70%的重复错误，证明记忆架构是生产级智能体的核心，而非模型升级的噱头。将记忆细分为“动态工作流记忆”（从失败中学习）和“静态目标记忆”（明确要求与验收标准），结合使用能让智能体拥有既稳固又灵活的执行力。记忆提供连续性，但“控制”才是智能体真正的主动性源泉。只有当系统能自主调节自身动态，才能实现真正的“代理行为”，而非被动反应。记忆塑造认知，控制塑造行为，两者合力才能造就真正有自主决策能力的智能体。产品角度看，模型是天花板，记忆系统是地板。没有强大且专注的长期记忆，再好的模型也难以落地应用。当大家热衷于追求更聪明的模型时，真正提升智能体智商的，是持续不断的记忆和上下文管理。只有打好记忆基础，智能体才能从随机猜测进化为可靠执行者，实现真正的智能与成长。x.com/Hesamation/status/1999255592242737658

5. #小米手机版龙虾来了#小米今天正式发布了国内首个手机端AI智能体产品“手机版龙虾”Xiaomi miclaw。基于MiMo大模型构建的移动端AI Agent产品Xiaomi miclaw开启小范围封测，这是小米在智能交互领域的关键探索。该产品具备系统底层、个人上下文理解、生态互联、自进化四大核心能力，以系统应用身份运行的它封装了50+系统级工具，通过推理-执行引擎自主决策工具调用逻辑，三级智能记忆管理还能实现多轮对话不丢线索。在场景落地中，它可联动短信、日历等数据完成出行准备、消费洞察等复杂任务，还能接入米家IoT生态实现全屋智能设备的动态联动，甚至支持MCP协议和开放SDK拓展第三方能力。更值得关注的是其自进化特性，通过文件级记忆、子智能体创建等能力，AI可自主迭代功能，真正实现“越用越懂你”。首批封测仅限小米17系列，期待后续规模化落地带来的智能体验革新。小米手机版龙虾来了

6. 构建专业智能体：从通用 AI 到企业级应用的工程化实践

7. 构建自主AI：深入A2A协议的智能体开发——让智能体真正“互联”起来

8. AI 智能体驾驭 (Harness) 工程的兴起

9. 【GitAgent：让AI智能体也能Code Review】快速阅读：GitAgent提出了一个新思路：把GitHub仓库本身变成AI Agent的身份、记忆和技能载体。这意味着AI智能体的所有行为都可以像代码一样被版本控制、审查和复现。—GitAgent的核心想法简单得让人想拍大腿：既然我们已经用Git管理代码，为什么不直接用它来管理AI Agent？当prompts、工具和行为逻辑都存进代码仓库，你终于可以像review代码一样review一个AI的“人格”了。有网友提到，这种“把repo当作agent真相来源”的做法感觉对了——一旦提示词和行为都进了版本库，你就能diff它们，看到AI究竟在哪次commit变“聪明”或变“蠢”了。这解决了一个被低估的痛点。现在训练AI Agent像炼丹，成功了也不知道为什么，失败了更说不清。GitAgent让智能体开发告别“在我机器上能跑”的混沌状态，进入可追溯、可复现的工程化阶段。它兼容OpenAI、Claude、CrewAI等多个框架，像一套统一的“智能体操作系统”。GitHub: github.com/open-gitagent/gitagent#AI创造营##人工智能#

10. 全球首家无人公司来了！一整个AI团队替人上班，不吃饭不摸鱼，普通人的数字员工时代真的来了吗？#大咖观察 #红衣聊AI #智能体 #AI时代

11. 想要张艺谋式色彩、诺兰式调度？如何靠智能体实现？ #大咖观察 #红衣客厅 #红衣聊AI #智能体

12. AI智能体也卷起来了？又懂业务又不用搭工作流…

13. Anthropic 发布了 Agent Skills ，是很好的东西，可以引导 Agent 获取某些技能，而且制作起来很方便。制作一个技能，就好像给新员工写一份入职手册。不需要为每一个不同任务都专门打造一个独立的智能体，而是只要共享特定领域的专业知识，任何人都可以快速将智能体变成对应领域的高手。我之前提到过朋友做一个基于他们 Design System 的 Agent，需要通过提示词引导 Agent 去 grep 检索文档，现在就更简单了，只要在全局或者项目目录下的 .claude/skills 下面添加目录，并且放一个包含meta信息的 SKILL\.md 文件，就可以引导 Agents 去学习使用这些 Skill。官方也给了一个例子就是 PDF Skill，就是包含了一系列 PDF 操作的说明和脚本，Agent 借助这些脚本，就可以操作 PDF，比如提取表单之类。也就是说 Skill 不仅可以包含文档，还可以包含可执行的脚本。需要注意的是 Skill 里面的 Meta 信息是默认会加载到上下文文的，其余信息用到才会加载。更多介绍：www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills

14. Effective Agent Design概述了高效AI智能体（Agent）设计的核心原则，强调上下文管理是提升自主性的关键挑战。1. 现代智能体正趋向于采用类Unix架构，通过赋予模型访问文件系统与命令行（CLI）的权限，来扩展其行动空间并减少对模型内置窗口的依赖。2. 详细讨论了上下文工程的多样化策略，包括利用渐进式披露来优化工具调用、通过缓存技术降低成本，以及利用子代理隔离来处理复杂任务。3. 文章预判了持续学习与自我进化的趋势，即智能体能反思过去经验以更新记忆或技能。4. 展望了多智能体协作与长期运行任务的基础设施建设将成为未来的重要演进方向。访问：x.com/RLanceMartin/status/2009683038272401719#ai创造营# #程序员#

15. Daniel San：Claude Code Skills 设计理念：采用三层上下文系统，分层如下- 第一层：项目主配置，始终加载。- 第二层：技能元数据，仅加载 YAML frontmatter（每个技能约 100-200 token）。- 第三层：按需加载技能文档（SKILL.md 与相关文档）。这种架构允许同时加载数十个技能而不超出上下文限制，同时将脚本和模板文件设计为直接调用（零 token 消耗），从而确保性能和灵活性。讨论中也有不同观点，比如关于各层职责划分、加载策略和多技能性能的问题，这些争议显示出设计细节的重要性和优化空间。原文链接：x.com/dani_avila7/status/1981394535155438029

16. Antropic Claude 推出新概念 Agent Skills，让 Claude 从“通用模型”进化为“可编程的专用智能体”，它通过可加载的技能体系，将人类的知识和流程转化为可复用的智能模块。1. 核心概念：Agent Skills 是一种“技能包”，由说明文档、脚本和资源组成。Claude 可以在需要时动态加载这些技能，而不是一开始就加载全部上下文。2. 作用：让 Claude 能执行特定领域的任务，比如处理 PDF、填写表单、运行脚本、执行数据分析等，相当于给 Claude 增加“专业模块”。3. 结构：每个 Skill 是一个文件夹，核心文件是 SKILL.md，包含技能的元数据（名称、描述）和使用说明；也可包含其他资源文件或可执行代码。Claude 根据任务需要，分层加载这些内容。4. 原理：Claude 先读取每个技能的基本信息，当判断某个技能相关时，再逐步加载其详细内容或脚本执行逻辑，实现「渐进式上下文披露」。5. 优势：（1）增强 Claude 的专业性与上下文理解；（2）减少 token 占用，提高执行效率；（3）让组织可复用知识，把程序性经验打包成模块化能力。6. 安全与可扩展性：Skills 可以自由创建与共享，但要注意代码安全和上下文来源；未来 Claude 还将具备自动创建、评估和优化技能的能力。Blog：www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills#人工智能##程序员#

17. OpenKG 首发 SkillNet：大规模智能体“技能图谱”知识库

18. 如何高效的长时间运行智能体

19. 函数计算 AgentRun 重磅上线知识库功能，赋能智能体更“懂”你

20. 云小二 Aivis 的架构实践——基于上下文工程与多智能体的自主服务新形态

21. 一技能位移，二技能霸体，三技能回血，这就是程咬金

22. 放假前，抽空学一下吴恩达DeepLearning AI的这个教程吧：Agent Skills with Anthropic，内容包括：1. 使用开放标准格式和最佳实践来创建可复用的技能，并将它们组合起来构建复杂工作流。2. 为代码生成与评审流程、数据分析以及研究任务构建自定义技能，让你的智能体在需要时按需加载。3. 将技能与 MCP 以及子代理结合，打造具备专门知识并能够访问外部数据源的强大智能体系统。访问：www.deeplearning.ai/short-courses/agent-skills-with-anthropic/#HOW I AI# #程序员#

23. 什么是 AI 智能体？

24. 开发AI编程助手时，技能（Skills）管理往往分散且不统一，安装和同步技能繁琐，难以高效复用。OpenSkills 是一个开源的通用技能加载器，兼容Claude Code等多款AI编码代理，实现Anthropic技能系统的完全复刻，支持从任何GitHub仓库安装技能，管理技能版本，支持本地开发和跨代理共享。核心功能包括：- 与Claude Code技能系统100%格式兼容，使用相同的XML技能描述和SKILL.md说明；- 通过CLI工具安装、同步、管理技能，操作简单直观；- 支持安装公共市场技能、私有仓库技能及本地路径技能；- 支持多代理统一技能目录，避免重复定义冲突；- 渐进式加载技能内容，保持代理上下文整洁；- 适配Node.js环境，跨平台使用。适合AI开发者和研究者，方便扩展和定制AI助手的能力。项目地址：github.com/numman-ali/openskills快速开始：```bashnpm i -g openskillsopenskills install anthropics/skillsopenskills sync```让AI编码助手技能管理更开放、更灵活、更高效。

25. Agent Skills使用指南：让AI智能体拥有“即插即用”的超能力

26. 2026年AI全景预测：迈向百亿智能体时代的20个发展趋势。 #大咖观察 #人工智能 #红衣聊AI #智能体 #AI时代

27. AI时代，最不值钱的，就是重复劳动；最值钱的，是你得熟练指挥智能体。#大咖观察 #红衣聊AI #硅谷 #智能体 #AI应用

28. 从自动写代码到智能影音刮削：实测 OpenCode，这台“赛博管家”真的能干苦力活

29. 2026企业级智能体白皮书｜甲子光年智库

30. 只需一句话即可创造你的专属智能体 🤖今天 HelloGitHub 给技术小白和想偷懒的开发者们分享一个开源、零代码智能体自动生成平台——Nexent > GitHub 地址：github.com/ModelEngine-Group/nexent这是一款开源的零代码智能体自动生成平台，无需编程基础或复杂的流程图编排，通过自然语言描述需求即可快速创建 AI 智能体。它内置了数据处理引擎，能够自动处理 20 多种文件格式，支持智能体任务规划、决策、执行和 MCP 工具等功能。#GitHub##开源##AI创造营##智能体#

31. AgentScope Java v1.0 发布，让 Java 开发者轻松构建企业级 Agentic 应用

32. 官宣上线！RocketMQ for AI：企业级 AI 应用异步通信首选方案

33. 开发团队在构建智能体（AI Agent）应用、实现自主任务规划与执行时，常面临智能体决策逻辑复杂、工具调用能力弱、多任务协同难的问题，传统大模型应用难以适配自主化工作流需求。 AutoGPT 是一款开源的自主智能体框架，适配开发团队快速搭建具备自主思考、任务分解、工具调用能力的AI应用的核心场景。开源地址：github.com/Significant-Gravitas/AutoGPT 核心功能： 1. 内置任务自主分解与优先级排序机制，可将复杂目标拆分为可执行的子任务链，无需人工干预完成流程规划。2. 支持多类型工具集成，可对接搜索引擎、代码执行环境、API接口等外部资源，拓展智能体的实际应用能力。3. 提供记忆管理模块，包含短期上下文记忆与长期存储记忆，保障智能体在长周期任务中具备持续学习与状态追踪能力。4. 内置反馈迭代机制，可根据任务执行结果优化后续决策，提升复杂任务的完成质量。5. 兼容主流大模型，支持本地与云端部署模式，满足不同场景下的算力与安全需求。

34. 智能体框架到产品：京东JoyAgent如何打造会自我演进的智能体系统

35. AgentRun 深度解析：阿里云函数计算 FC 如何构建企业级 Agent 的“生产力引擎”？

36. 未来的人和智能体应该是相互融合协作的关系。 #大咖观察 #红衣聊AI #智能体 #人机协作

37. 一位中国AI创业者，一行代码都没写，却靠着AI智能体，冲进了OpenClaw全球贡献者前30，而且排在他前后的，是一批干了十几年的硅谷顶级工程师。#大有学问 #红衣聊AI #创业 #智能体

38. 刚刚，英伟达革了自己的命：智能体自主进化7天，干掉所有算子工程师、GPU专家

39. 企业级AI Coding的落地方法，都在这本实战手册里了｜甲子光年

40. 在智能体开发中，经常面临模型智能与多样工具、记忆和安全治理的整合难题。OpenHarness 是一个轻量级的开源 Agent Harness 框架，专为研究者和开发者设计，提供了完整的智能体基础设施。它不仅支持丰富的 43 种工具（文件、Shell、搜索、Web、任务管理等），还能动态加载 40+ 技能，支持插件生态扩展，还拥有细粒度多级权限治理和多智能体协作能力。核心特点包括：- 持续的 Agent 循环（流式工具调用，API 重试，代币计数等）- 丰富的工具和技能支持，结合 Anthropic 生态兼容性强- 持久化记忆、上下文压缩与会话续接- 多重权限管理，交互式审批保障安全- 多代理团队协作和任务委派- React 终端 UI，提供交互式命令选择和权限弹窗支持 Python 3.10+，提供一键命令行启动（`oh`），适合构建定制化智能体及多任务协作系统。GitHub：github.com/HKUDS/OpenHarness主要功能：- 43 种工具：文件操作、Shell 命令、网络搜索、任务管理等- 40+ 按需加载技能，涵盖代码提交、测试、安全审查等- 灵活插件系统，方便自定义命令、事件钩子和多智能体- 多级权限配置，确保执行安全- 多智能体协调，支持子智能体创建和团队管理- 交互式 React 终端UI，提升用户体验如果你想了解国产版 Claude 轻量实现，或是打造高效可扩展的智能体框架，OpenHarness 绝对值得一试！#开源智能体# #AgentHarness# #AI开发#

41. 腾讯云大数据 TC Data Agent 智能体发布与应用实战

42. 打通智能体孤岛：用 AgentRun 构建生产级 A2A 多 Agent 管理协作系统

43. 在这场AI时代的竞争中，安全智能体正是破局的关键。 #大咖观察 #红衣聊AI #智能体 #网络安全

44. 「Github一周热点107期」OpenAI收购的AI安全工具、AI代理事务所、OpenClaw技能库、claude code插件和上下文数据库

45. 探访云栖（二）：AI Agent元年，谁在打造“数字员工”？【101 Weekly】

46. 快抄作业！我用JoyAgent搞了个AI团队 2025年都快结束了，Agent是不是还没用上？我找到了打工人用上智能体的最简单方法，就是用JoyAgent把每天重复的SOP全做成Agent，不懂代码也能零门槛搭建，而且效果很稳定。看着AI团队全自动打工、出活，非常解压。 #AI #智能体 #JoyAgent #JoyCode #京东云

47. 华为AI开发三大颠覆性突破：代码生成、自动测试、Bug修复全搞定！码农福音还是大锤？华为云码道（CodeArts) 代码智能体公测版今日发布，集代码大模型、IDE、自主开发模式为一体，覆盖代码生成、研发知识问答、单元测试用例生成、专家技能Skills、Codebase代码库索引、规范驱动开发等AI Coding技术，同时接入开源模型GLM-5.0、DeepSeek-V3.2以及华为自研模型，并提供鸿蒙的专属模型。鸿蒙专属模型，纯血鸿蒙应用开发简单，后续鸿蒙APP将爆发，各种鸿蒙APP会填补缺口。对一些公司来说是个机会窗。

48. 如何成为世界一流的智能体工程师

49. 智能体设计模式总结

50. 【0G为Claude打造了一套专业技能包，AI开发效率将大幅提升】0G基金会刚刚发布了一个很实用的工具：专门为Claude Code打造的0G Compute技能包。简单来说，这套技能包能让Claude瞬间变成0G去中心化AI推理网络的专家助手。这套工具解决了一个开发者普遍面临的痛点。在构建AI应用时，开发者往往需要反复查阅文档、调试API参数、处理各种边界情况。现在有了这个技能包，Claude能够直接帮你完成这些繁琐工作。具体能做什么？在AI应用构建方面，它能协助开发聊天机器人、图像生成服务、语音转文字等功能。在SDK集成方面，它掌握了最新的API用法和正确的调用模式。在账户管理方面，它能处理充值、转账、退款以及子账户系统的各种操作。安装过程相当简洁。个人使用的话，只需把技能目录复制到个人skills文件夹即可。团队协作的话，放到项目的skills文件夹里，所有成员都能用。使用体验也很顺滑。当你提到相关关键词时，技能会自动激活。比如问"帮我集成0G Compute SDK"或者"用0G创建一个流式聊天机器人"，Claude就会自动调用这套知识库来回答。这个工具的价值在于它大幅降低了0G生态的开发门槛。去中心化AI推理网络本身概念就比较新，各种接口和调用方式对新手来说有一定学习成本。现在有了这个技能包，相当于给每个开发者配了一个0G专家随时待命。从更大的视角看，这也代表了一种趋势：基础设施项目开始主动拥抱AI开发工具。不是等开发者来适应你的API，而是把你的知识直接注入开发者日常使用的AI助手中。对于正在探索去中心化AI推理领域的开发者来说，这个工具值得一试。github.com/0gfoundation/0g-compute-skills

51. 企业级Agent「登月」时刻！1人1周搞定高可用系统，只花5元

52. 当AI学会了“阴阳怪气”，事情开始变得不对劲了…#火山引擎 #豆包语音模型 #AI新星计划 #科技改变生活 #玩个很新的东西

53. AI智能体离掌管全球经济决策又近了一步！ #大咖观察 #红衣聊AI #金融 #科技 #财经

54. AI智能体时代，职场规则已不同以往。想成为赢家，关键在于找准自己的位置。#大咖观察 #红衣聊AI #智能体

55. 最近扎克伯格正在悄悄憋大招：给自己做一个AI分身叫“CEO智能体”，专门帮他当CEO助手。有人评论说：难道小扎这是要自己造AI，慢慢把自己干掉吗？#大有学问 #红衣聊AI #扎克伯格 #智能体

56. #华为Mate80#系列与Mate X7折叠屏作为华为年度高端旗舰，影像和硬件配置实力拉满，而软件层面的智能体#小艺#更迎来重磅更新，新增多项实用功能，其中小艺帮帮忙和小艺A2A智能体协作两大升级是我最喜欢的。小艺帮帮忙支持一句话指令完成订机票、商城复购等复杂连贯任务，还能通过联网、看图自学技能，贴合用户使用习惯打造专属技能。#华为折叠屏首发A2A智能体协作#让小艺可召唤鸿蒙应用智能体协同工作，比如唤起喜马拉雅小雅助手推荐播客内容。小艺现在相当于既是超级助理又是项目经理，既能根据用户喜好进行学习，又能统筹其他应用智能体执行专业任务。拥有这两大升级的“超能小艺”，绝对是一用就爱的体验。#华为Mate80#

57. #IT那些事儿# LobsterAI 与 CoPaw 在 SKILLS 上的区别一、网易有道出品的LobsterAI，底层系统是 Claude Agent SDK + 自研技能系统而阿里云开源社区维护的 CoPaw 底层是自研 Agent 框架。二、与 OpenClaw 有 ClawHub (lobehub.com) 作为技能注册中心相比，LobsterAI 没有公共注册中心，也不支持外部安装，没有技能动态安装机制。LobsterAI 的技能是预编译的，即 LobsterAI 打包时就把 SKILLs/ 目录的技能编译进应用。对比 OpenClaw 是开放生态，允许社区贡献技能（但也带来了投毒风险），LobsterAI 是封闭生态，技能由网易有道官方维护。三、CoPaw 则可以下载外部技能并判断是吸收还是安装如果给 CoPaw 一个具体的 OpenClaw 技能，它可以：下载并读取 SKILL.md；用 skill-vetter-lite 检查安全和兼容性；给出整合方案（自动吸收 or 手动安装）；如果需要，才会实际执行安装；如果部分技能依赖 OpenClaw 专有工具（如使用 sessions_list、sessions_send 等），或依赖 Hook 系统的技能（需要 UserPromptSubmit/PostToolUse Hook）而 CoPaw 没有 Hook 系统，那么就不会安装。

58. AI智能体调度师是2026年随着多智能体系统普及而兴起的新兴职业，其核心工作是将多个专业AI智能体组建为一个高效、可控的“数字智能团队”，担任总指挥官和流程架构师，通过精准的任务拆解、动态调度编排、工具集成管理以及全链路监控治理，让多Agent系统稳定完成复杂业务目标。具体来说，首先将模糊业务需求转化为结构化的任务树，明确依赖关系、优先级、终止条件和回滚机制；其次是最核心的智能体调度环节，动态决定任务路由、并行策略、冲突仲裁、重试降级及角色切换；接着严格管理工具调用、API对接和外部系统集成，确保安全合规与审计；最后通过实时观测系统监控性能、成本与风险，并基于数据持续迭代优化调度策略。典型工作场景包括企业智能客服全流程自动化、营销报告自动生成以及跨系统业务闭环等。该岗位与提示词工程师相比更强调系统级运营与动态协调，需要从业者具备结构化思维、多智能体框架熟练度和业务理解力，目前多以AI应用架构师或多智能体开发工程师名义招聘，已成为企业智能体化转型的关键角色之一，前景广阔。#新媒沈阳聊ai#

59. 企业级AI应用落地：森马如何通过AI网关解决大模型“多而杂、难观测、不稳健”的挑战？

60. 黄仁勋最新访谈：AI时代，软件没有价值了吗？很多企业在用AI上都踩了大坑#黄仁勋 #软件 #智能体 #Openclaw #龙虾

61. 我用豆包大模型2.0手搓了macOS，Seedance 2.0后字节再送春节AI大礼

62. 最近，360安全团队发现了OpenClaw一个高危漏洞。 OpenClaw创始人随后邮件确认了这个漏洞。而发现这个漏洞的，不是某个安全专家，而是一个我们刚发布不到一周的智能体。#openclaw #网络安全 #红衣聊AI #安全漏洞

63. 智源：ArXiv CLI重磅开源！2亿+开放论文，即将化身科研智能体的技能包

64. “我们没做我们就说是为了企业安全考量” 这种话术🙈//@摇摆时间线ZHLMI:是的，实际上我给它个地址或者直接给 skill 都能装上//@韦恩卑鄙:"也不支持外部安装，没有技能动态安装机制" 其实是不对的，因为claude code 核心对于skills 权限非常的松你当前路径有他就可以调你告诉他地址他就敢用npm给你装。

65. 登顶Hugging Face GAIA全球榜首！中兴超级智能体终结「AI黑盒」时代

66. 网页链接langchain发了篇官博，探讨了智能体如何利用文件系统进行上下文工程，以提升其性能和可靠性。智能体失败的主要原因并非模型能力不足，而是缺乏正确的上下文信息。上下文工程的目标是精准地将必要信息填入模型的上下文窗口，避免信息缺失、冗余或不相关。常见的上下文工程挑战包括：信息过多（检索内容远超所需）：如网络搜索返回大量无用内容，浪费token并增加成本。信息过少或超出上下文窗口：复杂任务需大量信息，单次无法加载全部。难以定位小众信息：所需信息埋藏在大量文件中，语义搜索效果有限。缺乏持续学习能力：无法从交互中积累新知识。文件系统是解决这些问题的关键工具，其优势体现在：作为“草稿板”：将大体积工具输出（如网页内容）存入文件系统，按需通过grep等工具提取关键信息，减少上下文占用。动态管理上下文：存储长期计划、子任务结果或复杂指令，按需调用，避免系统提示过载。精准搜索：利用ls、glob、grep等命令在结构化目录中快速定位特定文件、行甚至字符，尤其适合代码或技术文档。持续学习与自我更新：智能体可通过用户反馈更新自身“技能文件”，将新知识写入文件系统，实现长期记忆与能力进化。#科技先锋官#

67. Cursor 如何将其编程智能体投入生产环境

68. 美团、港大联手开源 OpenSpace

69. 智能体技能自举开发框架

70. 【Skills】11-Trace2Skill

71. ibbot智体机灵的角色智能体高工

72. SkillReducer

73. Agent Skills

74. D2Skill

75. SkillNet

76. SkillNet

77. AI Agent Skills 系统性技术指南

78. AI智能体实战笔记（二）

79. [完整13章]多 Agent+Skills+SpringAI 构建自主决策智能体 - 哔哩哔哩

80. Skill 是如何被 AI 智能体自主调用的？

81. 有人开源了autoagent，让元智能体自主改进领域智能体，产生模型共鸣

82. 当 AI 智能体学会"自我进化"

83. 智能体开发-自进化流派。动机

84. Agent Skills技术协议与开源实现，让大模型拥有“即插即用”技能

85. AI Agent核心技能全解析

86. 智能体工程入门

87. Agent 专属必备神器，轻松实现智能体自主查找 Skill、完成安装适配

88. 【AI编程】如何设计提升AI智能体性能的技能

89. 智能体来了

90. 【熟肉】什么是智能体技能

91. Agent 能力自动升级

92. AI 智能体自主进化

93. Agent必备神器！让Agent自己找Skill装Skill

94. AutoSkill

95. AI智能体标准化发展

96. Anthropic开源Agent Skills标准，2025年底起AI应用进入“技能工程”新阶段

97. 什么是 Agent Skills（智能体技能），以及智能体如何使用它们？

98. Anthropic 发布的“Agent Skills（智能体技能）”技术协议，通过一套结构化的指令、脚本与资源文件夹，使得智能体可动态发现并加载这些内容，从而在特定任务上表现更优。

99. AI Agent Skills

100. 程序员AI学习|Day1️⃣1️⃣|Agent Skill

101. 豆包这个新出的“技能商店”，可能是普通人的第一个AI金矿

102. 可信AI | 中国信通院正式启动智能体技能（Agent Skills）首批评估工作

103. AI选型终极指南

104. SkillsBench测试了4.7万技能，4个核心发现

105. Agent Skills: 缺失的技能 #ai #agent #skills #coding #claude

106. Agent Skills智能体技能技术规范

107. 15.4k star的开源AI技能库agentskills

108. Agent Skills 概览

109. 为现实世界的智能体装备智能体技能

110. AI 智能体界的 npm 来了！Vercel 推出 Skills.sh，欲统一智能体指令集

111. Spring AI 的实现将智能体技能（Agent Skills）引入 Java 生态系统，确保大语言模型的可移植性——定义一次技能，即可在 OpenAI、Anthropic、Google Gemini 或其他支持的模型中使用。

112. Skill开发黄金法则！谷歌放出5种智能体Skill设计模式

113. 让 AI 学会"记仇"

114. Github热榜！这款Node.js SDK让AI Agent开发更自由

115. 【开源】Agent Spec 是一个面向 AI Agent 系统的开放规范框架，旨在用统一的声明式语言描述智能体及其工作流结构。

116. AI 技能革命 2026：OpenClaw Skills 如何重新定义智能体能力边界

117. 一套开箱即用的「程序员智能体 Skills 配置」，拿来即用！

118. 95%的智能体都栽跟头？不是不够聪明，原来是这两个方向没弄明白

119. AI 智能体应用商店，聚合28万个开源技能包

120. 动态上下文-给你的AI智能体装个“技能U盘”

121. 豆包重磅升级！模型、应用、场景，字节全都要！

122. 4 步搞定智能体工具调用🔥新手也能玩转 AI 技能构建

123. 企业级AI智能体进化：从技能执行到Skills经验库驱动

124. [完结13章]多 Agent+Skills+SpringAI 构建自主决策智能体 - 哔哩哔哩

125. SkillOrchestra: 技能感知的智能体编排

126. 【导语】: 这张图片展示了 Agent Skills（智能体技能）的工作流程，由 ByteByteGo 出品。整个流程分为5个主要阶段，通过9个步骤完成从用户查询到最终输出的完整过程。【主要内容】: 第一阶段：用户查询（User Query）用户提出请求，例如"分析数据并起草报告"。这个查询进入 Agent Runtime（智能体运行时），标志着流程的开始。第二阶段：构建提示词 + 技能索引（Build Prompt + Skill Index）系统会将三部分信息组合在一起：系统提示词（System Prompt）、用户查询（User Query）以及技能元数据（Skills metadata）。这三者共同构成了后续推理的基础。第三阶段：推理与选择技能（Reason & Select Skill）这个阶段涉及两次 LLM（大语言模型）调用。首先，LLM 接收组合后的提示信息进行思考；然后，LLM 决定需要调用哪个具体技能（例如"我需要技能X"），并将这个选择返回给 Agent Runtime。第四阶段：将技能加载到上下文中（Load Skill into Context） Agent Runtime 根据选择从技能库中加载对应的技能。技能库中包含多个技能，每个技能都有 SKILL.md 文档和相关的 Scripts（脚本）。系统加载选中的技能后，再次调用 LLM，这次是将具体的技能内容（包括文档和脚本）提供给模型。第五阶段：最终输出（Final Output） LLM 基于加载的技能生成最终回复，返回给 Agent Runtime，最后由 Agent Runtime 将结果（如"这是分析报告..."）呈现给用户。整个流程的核心思想是：Agent 通过维护一个技能库，能够根据用户请求动态选择并加载合适的工具/知识，从而扩展自身能力，完成特定任务。这种架构让 AI 系统更加模块化和可扩展，不同的技能可以独立开发和管理。

127. 豆包2.0发了，字节在AI上换了打法

128. 企业微信推出 CLI 工具，内置 12 个智能体技能

129. 关于征集智能体技能（Agent Skills）技术规范参编单位，并持续征集智能体测试床入驻单位的通知

130. 炸了！豆包2.0正式上线，国产AI这波真的站起来了！

131. 智能体技能（Agent Skills）：赋予AI记忆与使命

132. 支持智能体自主调用Skills技能，MaxKB开源企业级智能体平台v2.7.0版本发布

133. Agent Skills 的一次工程实践

134. 利用TRAE CN IDE工具制作skills和智能体

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！