#agent

前两年的 LLM APPs， 无论是 ChatBot 形态的 ChatGPT 或者 IDE 形态的 Cursor，他们的共同点是都需要占据“注意力”，也就是“同步”。 2025 仍是未知。 可以确定的是：不需要占据前台和注意力的，也就是异步或者说后台执行的是一种基本确定的属性。 - 和同事讨论 Agent (Dify App Type) 重构时我的看法

上条我分享了Lovart的邀请码就很想写个“与Agent的协作规范”，如何更好的用起来Agent，然后我就让o3、Manus、Skywork、Genspark等写个“与它们自己如何协作”的回复。还是能清晰感知到AI、Agent的能力边界，我人工写个：

BrowserUse 找了个方法解决 Agent 浏览网页时被登录验证拦住的问题 你可以在他们那里保存你的账号和密码，到时候 AI 就会自己填写然后登录

AI现在能独立做PPT了吗？最近在研究这个问题。 首先，所有往现成模板里填内容的AI产品我都没测，这是过渡产品，排版任务本质上还是由人完成的。内容和排版是有机整体，真正能做好的一定是Agent。 测试了4个Agent产品：天工、扣子空间、Manus、Lovart，结果如下 👇

如果你搞不懂什么是Agent / workflow / Agentic / ReACT 那可以看看我的大白话注释： ---------------- Agent ， 广泛意义上讲，是一个智能黑盒，你给一个input，Agent识别意图，按照它自己的设定去给你一个output 这个黑盒里，很可能出现套娃情况，那也就是MultiAgent，但实际上对外是无感知的，大家仍然把它理解成「一个」Agent

思科的Agent是典型的垂直Agent例子。 其护城河不是agent work flow，而是网络虚拟化这套API，是ICT行业多年从On-Premise到cloud native转型的成果。 ICT的厂商谁没有完成cloud native的转型，谁就不可能把AI融合到它的产品中。 思科的例子，也应用于其他领域。 这个阶段，tool是垂直Agent的护城河。

需求面前，Agent 并不比 workflow 高级 （这边的讨论氛围太好了，拜几位大 V 转发，这个号算是冷启了。也发发我在其他平台的一些旧文） 一位刚融资的 AI 创业朋友夜里两点给我发微信："我们团队争论一整天了，投资人希望看到更'高级'的 agent，但我们现在的 workflow 方案其实更实用...你说我们该怎么选？" 你看，搞 AI 的人人都在 FOMO（Fear Of Mis

智能不是意识，本质上所有的问题都是搜索问题！上周末对谈的话题，从开源、分布式、Agent、智能和意识，最后到自我抽离😜 和 Mohan 聊得很抽象 完整版下周发✨

突然觉得Lovart还是被低估了。 让Claude 4 opus生成了科幻加暗黑的十幕故事。 故事丢给Lovart，本意只是想生成20张图。 没想到Agent一通操作，不仅生成了20张图，还生成了BGM，还调用可灵生成20段视频。 已经运行了半小时。 现在告诉我它要给视频加字幕，让后合并成一个最终视频。 很期待最终能出来个什么！

把大模型变成炉石传说卡片，哈哈哈。 同样的提示词。 豆包或即梦生成的图片。 没有Lovart这种垂直Agent设计的专业。

最近参与了几个新AI工具的内测，全都是各种Agent。 效果也都可圈可点。 下半年Agent工具要全面爆炸。 预感以后，有人问做的是什么 AI 产品，如果不带个“Agent”，都不好意思跟人打招呼了...

读书笔记：当 LLM 成为 Agent——从自然语言到“协议语言”的演化 这两周选了四篇极其出色的文章做了分享，ReSearch, ReTool, APR 和 PASTA。 它们虽然解决的具体问题不相同，但 general 的目标都一致，即让LLM知道 when and how 做决策，这就是agent的核心，要做精准的决策。 而这种精准与人类语言的模糊性不一致，但 LLM 的 token

Agent 的中文翻译，〝能动者〞是不是比〝智能体〞更好些？

「Agent, RAG, Reasoning」论文 ReSearch: Learning to Reason with Search for LLMs via Reinforcement Learning ReSearch，充满了 ReAct 的影子。它教会模型“何时求助于世界”；但局限在于，ReSearch 只能依赖一种工具。 作者提出了一种创新的框架，名为 ReSearch，旨在

「codex, ACI, Agent」论文 SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering 从 Human‑Computer Interaction (HCI) 到 Agent‑Computer Interaction (ACI) —— AI IDE 的基石与框架 今天 OpenAI 开源了

前几天AI圈朋友聚会，大家会介绍正在做什么AI项目。 有人说自己在做Agent，立马有人问：“针对人的，还是针对AI的？” 这提问水平和沟通档次，噌的一下就起来了！ 未来一定会出现大量给AI提供服务的Agent。 大量小额实时结算，真的有可能靠虚拟货币？ 但Agent间沟通、交易全黑盒，风险感觉相当高。

明天去见agent 卖掉房子走人 我们日本见

「LLM， Agent, RL的关系」 在LLM的语境下，Agent是能理解问题，自主进行推理（Reasoning），并采取行动的系统。你可以把它想象成一个非常聪明的助手，当你提出复杂问题时，它不会立即给出答案，而是会在内心进行推理和规划（Planning），再给出最终决定。 如果我们回顾prompt engineering中提高LLM Reasoning能力的方法，如Self-Consis

「Agent」论文：Executable Code Actions Elicit Better LLM Agents 从 ReAct 到 CodeAct 如果让我在所有 LLM 论文中选择我最喜欢的一篇，2022 年的 ReAct 绝对是前三名之一。 ReAct 大道至简，天才般地将复杂的强化学习（RL）过程，通过口头表达的方式表现出来，至今依然是 Agent 项目中最简单、最有效、最稳健的

更强的reasoning， 更好的Agent 论文分享： Thinking Machines: A Survey of LLM based Reasoning Strategies 在我们开发Agent的项目的时候，需要 更好的LLM reasoning的能力，以获得更高的任务完成准确率。 那么有哪些方法可以增强LLM的reasoning能力呢？ 沿着之前我分享的Testing time s

OpenAI 这套开发工具把Agent开发需要的基础能力都提供了，搜索、RAG、意图识别、内容审核、Computer use 以及 Browser use，整个Agent开发的成本瞬间降低了很多。 预期可见的会出来一批Agent方向的产品。

又更进了一步，现在可以在字节 coze 上使用我们的FOLOTOY AI玩具开放的端插件构建链接物理世界的 agent 了

AI Agent——“Agent”这个词本身就意味着它拥有“决策权（agency）”，所以它能自己在执行过程中遇到问题时做出决定而不需要确认，需要确认的是“Copilot”。但问题在于，如何保证 Agent 做决策时，能在没有确认时做出我们期望的结果？

为啥很少看到给agent做工具的融了钱的公司 当下都是给人类做agent agent马上作为生产力大规模应用了 那各种agent脚手架需求会大面积爆发 当下创业做这个我觉得是比较好的切入点吧 比如针对agent的权限管理 针对agent的钱包支付应用 我们都不用说未来针对agent的招聘市场啥的 这还没有那么大规模做不了供需匹配 但底层的权限 支付 这些当下就会用得上吧.. 有在做这方

AI发展从2022年到现在，已经经历了Chatbot、Copilot和Agent三个范式变迁。 Chatbot是用户聊天，遇到代码和文章需要手动复制，体验仍然是割裂的。Copilot阶段AI无缝衔接到了工作软件当中，读取工作环境的上下文，体验整合。但Copilot副驾驶仍需要用户手动确认。 Agent阶段则是全自动。 Cursor当中的YOLO（You Only Look Once）模式，自己