AI产品经理技能5：30 秒搞懂Agent 的定义与 L1 到 L4 能力分层
做AI产品久了，你大概率会遇到同一个场面:所有人都在聊 Agent，会上张口就是多智能体协同、自主工作流、自动执行。
Agent调用工具出错怎么优化？
Agent 有了工具，不等于会用工具。该查优惠，它去查了优惠券；参数缺了字段，它照样发起调用；同一个请求，它一遍遍重试，把 Token 烧光。这些场景看起来零散，却几乎是每个接过 Agent 项目的人都会遇到的日常。
Agent方向还有哪些值得研究的问题？别只做工具拼接
这两年，Agent已经成为大模型研究中的热门方向。但对于准备SCI、CCF论文的研究生来说，真正值得研究的，不是如何让大模型接入更多工具，而是Agent能否在复杂环境中稳定地完成任务。
Kimi开始"出租"数字员工：Agent计价锚点，正从软件预算滑向人力预算
不是租模型API——那玩意儿按token卖了好几年——是把“AI员工上班的全套后台基础设施”打包出租:云沙箱、会话记忆、工具链、断线恢复、审计日志，全部包圆。
Agent 从 Demo 到生产，究竟还差几步？4周实战课来了
整个 11 月，课程以连续 4 周、每周 1 期、每期 1 小时的形式，聚焦 Agent 快速构建、质量验收、安全防护和成本治理四大关键环节。
不用服务器、不用域名，一个免费 Agent 分享
这两年折腾 AI，我发现一个挺有意思的现象，用户在变少，开发者变多。套用网上的一张图来表达可能更清晰。有想法的人，依靠 Vibe Coding 搭建应用，但做出来的东西，使用者却寥寥无几。一方面固然是人群的转变，技术平权让应用不再是稀缺资源。
低代码，Agent 编排和工作流平台差在哪：拆一遍 AgentSphere
业务团队想让 Agent 查资料、调接口、点网页、交回结构化结果，第一反应常是找个工作流平台画流程图。AgentSphere 走的是另一条路：把模型、能力、浏览器和模型路由配成一个实例，编排放进单个 Agent 的 ReAct 循环。
大多数AI Agent项目失败，并非因为模型太弱，而是工具调
开篇：为什么大多数AI Agent项目卡在工具调用而非大语言模型过去两年，AI Agent 的演示视频屡屡刷屏：规划行程、检索资料、操作浏览器、调用 API。
Ai系统学习65天 · Agent 核心组件：规划 / 工具 / 记忆
拆开 AI 的发动机，看它凭什么把事做成你有没有遇到过这种事：流程搭好了，AI 也接上了，头两天跑得挺欢，第三天开始出怪事——该发的消息没发，该查的价格是上周的，你说过「我们不用绝对化词」，它照样给你来一句「全网最强」。多数人第一反应是：模型不行，换个更贵的。真不是。