写作
把正在构建的东西，写成可复查的笔记。
记录智能体系统、多模态工具和公开构建中的长期思考与证据。
筛选文章 全部文章
编辑精选
精选文章，先从这里开始
先看方法、架构与工程实践，再按主题继续阅读。
Agent 该继续跑，还是重新开一轮？读懂预算分配、记忆与评测
结合 When Agents Slow Down、Reflexion、Hyperband 和 Agent 评测，说明怎样比较连续修改与独立尝试，并设计可复现的预算分配实验。
阅读要点比较连续修改与独立尝试，按相同预算设计评测，并检查最终结果能否通过验收。
阅读文章把 AI Agent 拆成三层，Tau 架构解决了什么
以 Tau 为例，说明模型适配、Agent 核心和应用层的职责，以及工具和前端如何在不互相依赖的情况下协作。
阅读要点分清模型适配、Agent 核心与应用层，检查工具和界面之间的依赖。
阅读文章用事件流连接 Agent Loop 和前端
说明 Agent 如何执行工具并继续调用模型，区分流式增量与最终消息，并用一个不依赖模型服务的 Python 示例观察前端状态。
阅读要点用 Python 示例观察工具调用、错误和结束事件，区分界面更新与会话记录。
阅读文章专题、教程与项目实践
第 1 页 · 12 / 142-
Impeccable：把 AI 前端设计要求变成可检查的工作流 Impeccable 把 PRODUCT.md、DESIGN.md、61 条确定性规则和浏览器组件 Review 组合成 AI Coding 的前端设计验收流程。
-
Meta 的 AI 数学论文开始标注模型参与 Meta 公布 6 篇与 Muse Spark 协作的数学论文。更值得关注的是贡献来源、第二组复核、并行结果和形式化验证怎样进入公开论文。
-
Moli：浏览器 Agent 默认只读结构，需要时再渲染 Moli 把 DOM 与样式作为结构源数据，只在坐标、命中测试和截图等任务需要时计算 layout 与 paint。
-
Google 让 Gboard 的联邦学习隐私可以被外部审计 Google 把 TEE、访问策略、远程证明、透明日志和可复现构建接成联邦学习的外部验证链，并已用于 Gboard 下一词预测。
-
Muse Gadgets 把 ESP32 和 Raspberry Pi 接进 Muse Muse Gadgets 用 ESP32 与 Linux Device SDK 把屏幕、按钮、传感器、执行器、文件和命令接成 Muse 的设备端点。
-
EmDash 1.0 separates plugin catalogs from publishing EmDash 1.0 separates author identity, signed releases, plugin discovery, and runtime permissions. Installers verify records independently.
-
EmDash 1.0：插件目录不必拥有发布权 EmDash 1.0 把作者身份、签名发布记录、插件目录和运行权限拆开，目录负责发现，安装端独立校验。
-
Agents API browser auth keeps passwords out of model input How Agents API separates site approval, login credentials, and screenshots, and why network access and site approval cannot replace action-level confirmation.
-
OpenAI 给 Agents API 加了浏览器，密码不走模型上下文 拆解 Agents API 的网站访问审批、独立登录通道与截图输出边界：为什么能联网不等于已授权，站点批准也不能代替高影响动作确认。
-
Instant agent steering and recoverable tool calls A close reading of Codex instant_interrupt: ending model output, continuing background tools, and preserving state when users change requirements mid-run.
-
Agent 中途改需求：即时转向、抢占与可恢复工具调用 拆解 Codex instant_interrupt：用户在 Agent 运行途中补充要求时，模型输出如何收口，后台工具如何继续，以及状态怎样避免重复或丢失。
-
Cloudflare redesigns its CLI for agents Cloudflare launches cf in open beta, using Wrangler usage data to explain default JSON, command search, and typed configuration.