写作
多智能体
筛选文章 多智能体
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。
AI Engineering Harness：把 AI 代码放进可验证的工程闭环
介绍一个多 Agent 工程工作流，如何用独立 worktree、CI、冷启动审查、证据门和分层上下文控制 AI 生成代码的交付。
阅读要点看一套 Agent 工程如何从“能跑”走到可验证、可审查、可持续迭代。
阅读文章多智能体
第 1 页 · 12 / 33-
2026-10-05 至 2026-10-06｜AI Agent 工程阅读清单 5 条 Agent 工程材料，覆盖代码审查评测、Compaction 上下文恢复、Guardian 权限检查点、Skill 前置条件与多 Agent Workflow。
-
2026-10-01 至 2026-10-02｜AI Agent 工程阅读清单 5 条 Agent 工程材料，聚焦 Coding Agent Session、结构化决策、任务级 Git Fork、企业访问边界与长期 Harness 运行经验。
-
AI Agent engineering reading list, Sep 29–30, 2026 Seven readings on browser authorization, task cost, isolated workspaces, MCP events, runtime safety, and multi-agent routing, with source limits intact.
-
2026-09-29 至 2026-09-30｜AI Agent 工程阅读清单 7 条 Agent 工程阅读线索：浏览器授权、模型任务成本、独立工作区、MCP 事件、运行时安全与多 Agent 路由。保留论文和产品自报边界。
-
AI agent engineering reading list | 2026-09-24 to 09-25 Five updates on proactive safety intervention timing, state revision, TeamHarness, enterprise MCP permissions, and tool-result handling.
-
2026-09-24 至 09-25｜AI Agent 工程阅读清单 5 条 AI Agent 工程更新，重点看主动安全介入时机、状态修正、TeamHarness、企业 MCP 权限边界和 Tool 结果处理。
-
Agent markets: 85% of the loss comes before negotiation Anthropic's book market experiment locates most efficiency loss in preference representation. A look at model choice, preference evals, and market rules.
-
Anthropic Agent 市场：85% 的效率损失发生在谈判前 Anthropic 的 Agent 市场实验显示，主要效率损失发生在偏好表示和匹配阶段。本文拆解模型选择、偏好 Eval 与市场规则。
-
Claude takes a candidate to the lab, not a new CRISPR About 950 Claude agents helped identify ART. Human wet-lab experiments confirmed short RNA expression, but its main biological function remains unknown.
-
Claude 把候选推进湿实验，但这不是新 CRISPR Anthropic 用约 950 个 Claude Agent 从大规模逆转录酶候选中筛出 ART，并由人类湿实验验证短 RNA 表达，但 ART 的主要功能仍未知。
-
AI Agent 工程阅读清单｜2026-09-23 本期收录 GitHub Copilot 本地 Sandbox、Agensh、CliffCompaction、SWE-Serve，以及 Copilot OpenTelemetry。
-
AI agent engineering reading list | 2026-09-23 GitHub Copilot local sandboxing, Agensh, CliffCompaction, SWE-Serve, and enterprise OpenTelemetry support in the Copilot app.