微软正式发布 Agent Framework 1.0，.NET 首个原生智能体开发框架落地_服务软件

1. Anthropic发布万字长文：系统化评估 AI Agents 的工程方法

2. Skill 调用 Skill：Agent Skills 的乐高式组合写 Skill 的时候遇到一个问题：我的漫画生成 Skill 需要画图，但用户可能装了 Nano Banana Pro 的 Skill，也可能装了 Midjourney 的。我要在代码里写死调用哪个吗？不用。这正是 Agent Skills 设计的精妙之处。原理：启动即感知Claude 调用 Skill 时会加载 SKILL.md、注入指令、修改执行环境。但更关键的是启动阶段——Agent 启动时就预加载了所有已安装 Skill 的名称和描述。换句话说：Agent 一启动就知道自己有哪些能力。实践：松耦合调用我的漫画 Skill 里，画图环节是这样写的：> Check available image generation skills If multiple skills available, ask user preference> 检查可用的画图 Skill，如果有多个则提示用户选择好处是解耦。我不依赖任何特定的画图实现，用户装了什么画图 Skill，Claude 就调用什么。更妙的是 Claude 能动态适配目标 Skill 的能力：- 支持参考图 → 传角色设计图- 只支持文本 → 传文字描述所以我只需要说：“帮我画张图”，而不用：“用 Nano Banana Pro 的 API 帮我画张图”。为什么这样更好这种松耦合带来几个实际好处：1. 可替换：换画图引擎不用改上游 Skill2. 可扩展：新画图 Skill 自动可被调用3. 低维护：Skill 作者不用追踪下游依赖4. 用户自主：用户选自己喜欢的工具Skill 间相互调用是基于能力描述的松耦合。你只描述“需要什么能力”，Claude 在运行时自动匹配。这让 Skills 成了真正的乐高积木——独立模块，自由组合，构建复杂工作流。

3. Claude Skill 的思路并不复杂，为什么又是再次被 Claude 优先提出？

4. Skill Creator：构建 AI 智能体的skill技能。很多人在用 Claude Code 或 OpenClaw 时，慢慢就自己摸出了一套工作流——比如"我每次都先这样，然后那样，再加一个脚本"。Skill Creator 提供了一套结构化的框架，让你把这种高频工作模式固化成一个 Skill，然后：1. 保存下来，永久复用2. 根据测试反馈迭代改进3. 通过量化评估来验证有没有真的变好4. 最后打包分享给团队核心机制：Draft → Test → Review → Improve → RepeatSkill Creator 的设计逻辑很工程化：1. Draft定义 Skill 要做什么、什么时候触发、输出格式写成 SKILL.md —— 这是核心，包含人类可读的指令 + 元数据目标：200-500 行清晰的文档，不堆砌2. Test写 2-3 个现实场景的测试用例关键：不只跑一遍，要同时跑"用这个 Skill"和"不用 Skill"两个版本（baseline）捕获：时间、token 消耗、输出质量3. Review启动一个交互式评审界面（浏览器），可视化对比两个版本用户逐个看，打反馈，可以看定性输出（文件内容）和定量数据（性能指标）关键：提前草稿量化评估（assertions），而不是等结果出来再想4. Improve根据反馈改 Skill重新测试到新的 iteration和上一版本对比，看有没有真的变好5. 反复直到满意项目：github.com/anthropics/skills/tree/main/skills/skill-creator#HOW I AI# #程序员#

5. Microsoft：2026年值得关注的AI发展七大趋势

6. Deep Agents：LangChain开源的Agent框架，开箱即用的LLM应用方案。核心思想：给你一个开箱即用的Agent，需要定制再加工。Deep Agents基于LangGraph构建，内置了单Agent应用的标配能力：任务规划、文件系统访问、Shell执行、子Agent委托、自动上下文管理。会话长了自动总结，大输出存文件，子Agent有隔离的上下文窗口。启动简单，支持任何能调工具的LLM（OpenAI、Claude、开源模型都行）。需要时加工具、换模型、调提示词。支持MCP。对比其他框架：1.LangGraph：底层编排框架，基于图和状态机。完全可控，支持流式、持久化、断点恢复。缺点是学习曲线陡，小任务过度设计。2. CrewAI：多Agent协作框架，建在LangChain和LangGraph之上。提供Agent、Task、Crew等高级抽象，快速定义多Agent分工。优点是上手快，缺点是多Agent固定模式，非标准行为定制困难。3. AutoGen（Microsoft）：事件驱动，支持conversation-based Agent交互和group chat。v0.4引入强可观测性和异步模型。适合多Agent对话，不适合需要持久化和复杂状态的应用。4. Deep Agents的位置：单Agent框架，高于简单的ReAct（思维链+工具调用），低于多Agent系统。填补了这个缝隙：需要快速上手，但又要求工业级的规划、文件访问、子Agent能力。技术特点：1. Deep Agents采用trust-the-LLM模型——Agent可以做工具允许的任何事，安全边界由工具和沙箱保证。这套思路来自Claude Code，也就是LangChain在把Claude Code的经验系统化。2. 上下文管理做得细致：会话自动总结、大输出转文件、子Agent隔离上下文窗口。处理长期运行任务（爬虫、研究、报告生成）时能显著降低token消耗。应用场景1. 快速原型或一次性脚本 → Deep Agents足够2. 复杂单Agent任务（爬虫、研究、代码生成） → Deep Agents很合适3. 多Agent协作 → CrewAI更顺手4. 需要完全自定义Agent行为 → LangGraph完全控制5. 对话式多Agent互动 → AutoGen更原生项目：github.com/langchain-ai/deepagents#HOW I AI# #程序员#

7. 第一篇

8. Microsoft Agent Framework 使用 Skills

9. Microsoft Agent Framework 简单介绍与使用

10. 探索 Microsoft Agent Framework

11. 微软Agent Framework全解析

12. 用Microsoft Agent Framework，30 行代码打造会 “干活” 的 AI 代理

13. .NET Agent 开发进阶指南

14. Microsoft Agent Framework构建.NET AI Agent

15. Semantic Kernel + AutoGen = 开源 Microsoft Agent Framework

16. 2026 AI 元年

17. AutoGen 架构演进全梳理

18. 开源智能体开发框架对比分析

19. 微软Agent Framework深度解析对比AutoGen

20. Microsoft Agent Framework 1.0 正式发布

21. 【译】使用 .NET Skills 扩展你的编程智能体

22. 在Microsoft Agent Framework 用 Agent Skills 给你的智能体注入领域专业知识

23. Skill 能力边界说明

24. SKILL.md 本质是不是提示词？

25. 职业.Skill，一个 Skill 包揽你的工作

26. All about Claude code skill.md

27. Microsoft Agent Framework - 构建、编排和部署AI代理的全面框架

28. 几个案例搞懂Microsoft.Extensions.AI

29. WPF/C#：使用Microsoft Agent Framework框架创建一个带有审批功能的终端Agent

30. Microsoft Agent Framework - 把 Agent 暴露为 MCP Server

31. 微软Agent Framework深度解析：优于AutoGen的多智能体新开源框架

32. 微软的智能体框架：一个统一的未来

33. Microsoft Agent Framework - Workflow 基本概念

34. AutoGen 多Agent代码技术总结

35. 让 AI Agent拥有"专业技能包"：Microsoft Agent Skills

36. .NET开发者狂喜！微软+Ollama组合，终于实现本地Agent自由

37. 让 AI Agent拥有"专业技能包"：Microsoft Agent Skills

38. 基于 .NET 的 AI 流式输出实现AgentFramework+SignalR

39. 【AI】Agent Skills

40. LangChain1.0快速体验

41. 微软AutoGen框架介绍

42. 小白也能学会的LangChain+LangGraph：手把手搭建RAG智能体实战教程！

43. Microsoft AutoGen 框架总结

微软正式发布 Agent Framework 1.0，.NET 首个原生智能体开发框架落地

精选参考来源