标签

LLM

用多智能体系统替代救火式工程支持——Grab 数据团队的架构实践

来源: infoq.com 60
数据平台团队最头疼的不是技术难题,而是日复一日的重复性支持请求:表权限报错、管道延迟、数据质量异常……这些工单把工程师拖进"救火循环",真正该做的平台基建工作反而被挤到角落。Grab 的 Central Data Team 用一套多智能体系统把这类重复任务自动化,让工程师的精力重新回到平台建设上。 数据仓库平台一旦服务数百个业务团队,支持请求的量级会迅...

Prempti:给 AI 编程代理套上缰绳

来源: cncf.io 60
AI 编程代理已经不再是实验玩具。Claude Code 坐在你的终端里,读文件、跑命令、发网络请求、写代码——全是以你的名义。便利是真实的,风险也是真实的:一个没有约束的代理可以误删生产配置、把密钥推到公开仓库、或者执行一条你根本没打算运行的 shell 命令。Prempti 的切入点很直接——策略(Policy)与可见性(Visibility),让...

DeepSeek 的 Agent 公式:Model + Harness = Agent,工程外壳才是关键

来源: oschina.net 59
DeepSeek 近期挂出"Agent Harness 产品经理"岗位,正式组建 Harness 团队。招聘信息里一句话把思路钉得很死——Model + Harness = Agent。模型是引擎,Harness 是底盘、方向盘和刹车。引擎再强,没有底盘也跑不起来。 这个公式不是修辞,是工程事实。下面拆开看 Harness 到底要包什么,以及你自己怎么...

用 20 行 Python 把 AI Agent 跑在本地——Google Antigravity SDK 实战入门

来源: oschina.net 53
调用远程 Agent API,是过去两年开发者把 AI 嵌入应用的主流路径。这条路走得越深,痛点越明显:每次请求都要跨网络往返,延迟从几百毫秒飙到数秒;定制只能靠 prompt 拼凑,想改推理策略就得和平台方博弈;一旦服务端限流或断线,你的产品就跟着停摆。Google 在 I/O 2026 上发布的 Antigravity SDK,给出了另一条路——用...

AgentScope Java 1.1.0:Harness 工程框架落地,从本地提效到分布式 Agent 一套搞定

来源: my.oschina.net 138
AgentScope Java 1.1.0 把之前规划中的 Harness Framework 全部交付了。这意味着 Java 开发者不再需要自己拼凑 Agent 的基础设施——消息路由、服务发现、容错重试、分布式编排这些"脏活"都由 Harness 承担,你只需要关注 Agent 的业务逻辑。 从个人提效的 Coding Agent 到企业级的 SR...

Gemini 3.5 Flash:速度翻 4 倍,Google 把赌注押在了 Agent 上

来源: oschina.net 52
Google I/O 2026 上,Gemini 3.5 Flash 正式亮相。这不是一次常规的模型迭代——从命名到定位,Google 明确把"Agentic"写进了产品基因。3.5 Flash 超越了上一代 3.1 Pro 在多项硬核基准上的成绩,同时把推理速度拉到 4 倍。对正在搭建 Agent 系统的开发者来说,这个组合值得认真拆解。 先看三个最...

OpenAI 推进全球教育计划:AI 进校园的下一步

来源: openai.com 68
OpenAI 的 Education for Countries 项目正在进入新阶段——不再只是试点和概念验证,而是通过正式合作、教师培训体系和定制化工具,把 AI 真正嵌入各国公立教育体系。这对一线教育工作者和开发者意味着:AI 教育工具的 API 接口、集成方式和部署规范正在变得可落地、可复制。 此前 OpenAI 在教育领域的尝试多集中在个别学校...