LangChain 解析 AI Agent 上下文工程的检索起点与技巧
LangChain 官方博客提出 agent 上下文工程应从检索做起，以 Deep Agents 构建的竞品分析 agent 为例，分析低效搜索、上下文过载和不相关过期内容三类问题。
推荐理由：文章结合 Deep Agents 竞品分析案例给出检索优化技巧与代码示例，读者可按需迁移到自己的 agent harness 设计中。
内容形态
教程实践 最新动态
拿来就能用的实操内容：提示词技巧、工作流搭建、工具用法与踩坑经验。
8 条精选近 30 天 8 条共收录 40 条
更新
教程实践的精选
LangChain 官方博客精选AI 评分7373
波士顿动力官方博客精选AI 评分5555 波士顿动力给 Atlas 换上轮子做研究测试台，探索执行器极限与 sim2real
波士顿动力 Atlas 团队把机器人双脚换成滑板车轮改装成研究测试台，用学习型全身控制器驱动，验证执行器在性能包络边缘的表现。团队称轮式 Atlas 不是产品，而是利用 Spot 和 Stretch 客户经验数据研究极端场景下可靠性的平台；项目通过在 MuJoCo 中精确匹配真实电机模型缩小 sim2real 差距，侧滑动作中策略自发学会用轮子滚动，360 度跳跃动作一次训练即成功上机。
对A股整机与本体、数据采集环节中性偏利好，波士顿动力验证sim2real与执行器极限属技术探索，非量产进展
推荐理由：Atlas 团队工程师亲述轮式改装与 RL 全流程，读者可借此理解 sim2real 落地时电机建模与策略训练的配合方式。
量子位精选AI 评分6363 量子位实测LobeHub：主管Agent可派任务、写代码、临时招人
量子位作者实测LobeHub的AI协作平台，组建AI编辑部完成选题简报和热点网页制作，全程约30分钟，主管Agent Sienna能拆任务、派活、验收并临时新建两位Worker接续工作。
推荐理由：作者用两轮编辑场景实测LobeHub的多Agent协作，读者可借此了解主管Agent派活、招人、验收机制的真实运行情况。
机器之心精选AI 评分6868 Anthropic新实验：写了413份笔记的，输给只写9份的
机器之心报道了Anthropic发布的一篇文章，探讨了Claude记忆系统的设计经验。核心结论反直觉：想让AI记性好，光让它“记笔记”是不够的，实验中写了413份笔记的表现不如只写9份的。
推荐理由：原文介绍了Anthropic关于AI记忆系统的实验，揭示了笔记数量与表现的反直觉关系。
Tom's Hardware精选AI 评分7878 微软高管发布开源GPU任务管理工具gputaskman
微软VP Scott Hanselman发布了开源GPU任务管理工具gputaskman（v0.3.0），支持Windows、Linux和macOS。该工具可显示进程级GPU使用情况和VRAM消耗，并专门拆解AI/LLM任务的权重、KV缓存等细节。代码以MIT许可证在GitHub开源。
推荐理由：该工具提供细粒度VRAM监控，帮助开发者排查AI工作负载的资源占用。
机器之心精选AI 评分6868 北大提出MapFlow，实现跨模型注意力复用以降低计算成本
机器之心报道北京大学提出的MapFlow方案，旨在解决多模型协作中上下文交接时的重复计算问题。该方案允许不同模型间复用注意力机制，减少KV缓存的重算开销，为兼顾效果与成本的AI Agent应用提供路径。
推荐理由：北大提出MapFlow方案，通过跨模型复用注意力机制降低多智能体协作中的KV重算开销。
机器之心精选AI 评分6464 DeepSeek 公布下一代 agent harness 理念
机器之心报道，DeepSeek 公布下一代 agent harness 理念。文章为面向工程实践的架构思路探讨，并非对 DeepSeek Harness 现有产品功能的介绍，开头讨论了以 Coding Agent 为代表的单任务 Agent 过去一年已证明模型能用工具解决复杂问题，且越来越少需要人类持续监控和逐步干预。
Tom's Hardware精选AI 评分6262 Tom's Hardware 科普大语言模型核心概念：KV cache、权重、量化与推理如何运作
Tom's Hardware 发布一篇 LLM 术语入门，解释模型、权重、数据类型与量化、上下文窗口、KV cache、MoE、RAG 及推理的 Prefill 和 Decode 两阶段。文中指出 KV cache 可在同一会话内复用但可能占用超过模型本身的 VRAM，长上下文存在 lost in the middle 效应，Decode 速度通常受内存带宽而非算力限制，并介绍了 Speculative Decode 和 MTP 等加速技术。
推荐理由：文章面向本地部署读者，把权重、量化、KV cache、MoE 和推理两阶段等术语逐一拆解，可作为阅读硬件与模型新闻前的概念铺垫。