相关新闻

placeholder

yan5xu

3周前

LangChain Blog 系统性总结了 "Scratchpad" 和 "Reference" 等文件系统交互模式。 Manus 创始人 Yichao "Peak" Ji 的深度复盘，首次提出 "Filesystem is the Ultimate Context" 这一核心论断。 Anthropic Agent Skills 官方详解 Skills 机制：通过 `` (YAML+Mar

placeholder

Geek

3周前

对 New API 审美疲劳了 试试 AxonHub 一个 AI 万能插座(网关)，提供统一 API，兼容 OpenAI 与 Anthropic 格式，支持自动故障转移、细粒度权限控制、模型映射、参数覆盖及多种部署方式。

placeholder

ginobefun

3周前

Anthropic 再发 Agent 神文：像人类工程师一样思考，解决「长程任务」难题 Anthropic 双 Agent 架构通过功能列表、增量提交与端到端测试，解决 AI Agent 长程任务上下文管理与持续性难题。 #AI Agent #长程任务 #Agent架构

placeholder

meng shao

3周前

[Anthropic 工程博客] 构建长运行智能体的高效框架 Anthropic 最新工程博客探讨了如何为长运行智能体设计有效的“框架”，以应对复杂任务在多会话间的持续执行挑战。基于 Claude Agent SDK 实际经验，强调通过结构化环境和渐进式工作流程，让智能体像人类软件工程师一样，逐步推进项目，而非试图一蹴而就。 长运行智能体的核心挑战 长运行智能体目标是处理跨小时或数天的复杂任务

placeholder

九原客

4周前

暴论：模型服务商应该只提供 completion 接口，甚至连 chat completion 都不提供，更别说 Response API、Anthropic 的beta 特性等等。 这些统一 client/sdk 实现～

关联事件

#多智能体之争：Anthropic生态VS单智能体

81

Anthropic与Cognition就多智能体系统构建展开激辩，核心争议在于上下文共享与否。Anthropic强调构建多智能体生态，提升复杂任务处理效率，近期发布多智能体构建指南，阐述“协调者-执行者”架构，并通过代理协调和系统评估提升任务性能，认为单个智能体的上下文有限，压缩比太大就会失真。Cognition则更关注单个Agent的效率和稳定性。Anthropic还发布了关于多智能体系统的文章，详细阐述构建多个智能体所面临的工程挑战，并强调带宽、结构、机制的重要性。这场争论反映了AI发展路径的不同选择，对未来AI系统的设计和应用具有重要意义。