Agent

从 Context Engineering 出发，梳理 AI Agent 沙箱需要解决的隔离、文件系统、代码执行和生命周期管理问题，并比较主流技术方案。

基于 Anthropic 技术博客，探讨构建可靠 AI Agent 评估体系的方法论，包括任务定义、评估维度和实践建议。

通义 Deep Research 论文阅读笔记，分析其如何使用 30B 参数实现接近闭源模型的 deep research 效果。

写在开头 本文是对于Mem0的论文解读和使用记录； Mem0 是一款面向LLM应用的memory layer框架，同时是开源的。虽然它最早在 2024 年中旬亮相，起初的框架设计并没有太多亮眼之处，不过在最近，发布了一次比较重大的更新（基本上是重构了）采用了基于 AI-agent 的对话记忆提取、更新和查询等机制，实际体验下来，算是目前为止比较好用的了。 ...

本文是我在阅读 LangMem 的源码与相关文档过程中整理的一些学习笔记。 一直以来，我对智能体（Agent）的记忆机制充满好奇：理想的 memory 应该具备怎样的结构？又该如何设计？目前市面上关于 memory 的实现大多中规中矩，尚未看到令人眼前一亮的方案。为此，我决定多参考一些开源项目，以期获得新的灵感。 ...

开篇 “CloseAI” 终于又开源了新的项目，可惜OpenAI明确表示，Swarm是一个实验性框架，主要用于教育目的，不适合生产环境，也没有官方支持。不过从这样一个实验性的框架，至少能够了解到OpenAI对于Agent上的一些理解，对于Agent设计上能够有所帮助和借鉴。 ...

在使用大型语言模型（LLM）时，我们常常面临一个挑战：如何从模型输出中准确提取自己所需的信息。例如，当我们希望模型输出 JSON 格式的数据时，由于模型生成的内容并不总是稳定，可能需要额外编写大量的正则表达式来匹配并提取其中的有效信息。然而，由于 LLM 的能力，导致其输出结构并不永远可靠。 ...

本文将简单介绍如何评价LLM的tool-using 能力。 引言 在工具使用评估方面，过去的研究主要有以下几种思路： 对比工具使用和纯LLM在基准测试上的分数：例如Toolformer和LATM。 在Toolformer研究中，通过下游任务如语言模型评估基准测试、数学推理任务和问答任务来验证工具使用的有效性。 ...

写在开头 本文是基于最近组内技术交流的文字稿整理。 What is Agent？ 在探讨复杂的人工智能技术之前，让我们先回顾一下生活中的一个简单例子：扫地机器人。这种智能设备在房间中自主导航，避开障碍物，寻找最有效的清洁路径。它就是一个现实生活中的Agent——一个可以自主决策和行动的实体。 ...

系统介绍 OpenAI Function Calling 的工具定义、调用流程、参数校验、多工具协作和实际 Agent 开发模式。