主题： Agent 系统
研究 Agent 的架构、工具调用、记忆、权限和多 Agent 协作，关注它们如何从演示走向可以长期运行的真实系统。
这里收录 31 篇围绕「Agent 系统」的文章。主题页只聚合长期维护的知识领域，具体产品、人物和技术名词保留为文章关键词。
全部文章
-
Claude Managed Agents：AI 平台正在变成结果交付层
Anthropic 团队把 Managed Agents 定位为一套可运行、可部署、可拥有身份、可被组织接管的执行基础设施。真正的竞争点开始落在状态、工具、沙箱、权限、长期运行和多 Agent 编排上。
-
Anthropic 前沿 Agent 记忆系统与 Dreaming 机制高亮
Mahes 把 Anthropic 这一年多的产品演进放在一条清晰链路里：MCP 给 Agent 外部工具和数据，Claude Code 与 Agent SDK 提供执行 harness，Skills 让 Agent 获得可复用能力。
-
对话姚顺宇：从理论物理到 AI 的跨界探索与行业洞察
姚顺宇反复用物理史解释当下大模型研究：我们对模型内部机制的理解仍然粗糙，但这不妨碍工程前进。
-
Claude Code 创始人 Boris Cherny 访谈：AI coding 的下一阶段
Claude Code 的起点很值得看：它并不是在模型已经完全成熟后才被设计出来的，而是 Anthropic 团队意识到产品形态落后于模型能力。
-
Demis Hassabis（DeepMind）访谈：AGI 技术进展、AI 在科学领域的应用与创业建议
这次访谈的价值不在于 Demis 又说了一遍 AGI 很快，而在于他把 DeepMind 路线里的几条线串起来了：记忆与持续学习、AlphaGo 式搜索、Agent、科学发现、多模态世界模型，以及深科技创业在 AGI 时间线下的防御性。
-
OpenClaw 与 Agent 时代：AI 驱动的工作范式与软件生态变革
这篇访谈最值得保留的地方，不是 OpenClaw 或 Claude Code 哪个工具更好，而是它把 Agent 从工具讨论推进到了工作界面、公司形态、商业模式和人的角色变化。
-
https://www.latent.space/p/unsupervised-learning-2026
这组摘录来自 AIE Europe 会后的判断，讨论的是 agent infra 是否开始稳定，以及稳定到底体现在哪里。
-
AutoGLM 技术探秘：让 AI 学会“点点点”的挑战与策略
最近 AI 领域有个挺火的方向，就是让 AI 像人一样去操作图形界面（GUI），比如自动帮你订外卖、处理邮件等等。
-
ChatGPT 之 GPTs 的使用与分析：5 分钟构建一个天气画报
在 GPTs 推出之后，我用它花了 5 分钟就配置了一个生成天气画报的 GPTs，目前看 GPTs 在提升 AI 应用研发效率上面还是做的非常好的，但并没有超出期望，它只是一种研发范式的创新。
-
ChatGLM3 的代码解释器（Code Interpreter）实现原理
在之前的文章《ChatGLM3 的工具调用（FunctionCalling）实现原理》里面，我们介绍了 ChatGLM3 工具调用的原理，其本质就是让大模型通过微调学会根据 prompt 中的函数的定义学会下一步应该调用哪个函数。