Ruflo 怎么把上百个 Agent 管起来：编排、记忆、工具边界
Ruflo 是套在 Claude Code 和 Codex 外面的执行层：管 swarm 编排、跨会话记忆、MCP 与浏览器工具。这篇走一遍安装与两条实操路径，再拆 11 月 5 日 v3.71.4 的八条安全公告——它们正好暴露了 harness 的边界。
Agent面试 · Sandbox安全 ：Agent 工具权限分级到底如何审批
面试官问 Agent 工具权限分级，不是在要一张“高、中、低风险”表，而是在问谁决定动作能不能执行、批准后参数被换掉怎么办。一句话答案：模型负责提出动作，策略服务负责裁决，工具网关只执行带有短期授权且内容未变的动作。
轻量模型杀进Agent：Muse Ember值不值
这两天最该盯的不是「又大了一点」的旗舰模型，而是 Meta 把轻量模型推到了能跑长上下文 Agent 的位置。Muse Ember 给到的关键数字是：100 万 Token 上下文、输入 0.10 美元/百万 Token、输出 0.
豆包工作产品分析：组织级 Agent 的产品拆解
核心结论:豆包工作不是「豆包的办公皮肤」，而是字节把 TRAE 的执行栈、扣子的编排生态、飞书的企业上下文收拢后，推出的组织级 Agent 发行版，于 2026 年 8 月 25 日独立发布。
Agent 工程化连载｜搞定观测评估治理之后，企业 Agent 该怎么持续
很多团队把 Agent 的监控、评估、风险治理搭完之后，就以为大功告成。 上线跑一段时间才发现问题一堆：幻觉反复出现、工具调用循环、成本莫名飙升，但是没有一套机制沉淀问题、验证修复效果。前面两篇连载，我们讲清楚了 Agent 怎么观测、评估、治理，解决 Agent 黑盒问题。
美国大模型算力搬中国：不是段子，是康波下行期的一次硬约束重排
标题里的“或搬中国”，不是马斯克明天把xAI机房从孟买搬到乌兰察布，也不是OpenAI在深圳租个机柜。它指的是一层更冷的东西：当美国AI的瓶颈从“有没有芯片”滑向“有没有电、有没有变压器、有没有并网窗口、有没有五年交付周期”时，算力物理底座的再分配，开始变成一道资本必答题。
你的 Agent 会调用哪些工具？工具 schema 和权限边界是怎么设计的？
开场：一道专测"工具设计与安全边界"的题你的 Agent 会调用哪些工具？有搜索、查数据库、还能发邮件、写代码什么的，功能挺全的。工具不是越多越好——你把"搜索"和"查数据库"分开，各自解决什么问题？工具少了会怎样、多了又会怎样？（停顿）……分开就是功能更全，应该更好吧？
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。
DeepSeek 的 Super-agent 设计，和我们的工程实践
看完 DeepSeek Harness 的 Super-agent 设计，作者把自家一年多的折腾翻了出来:任务分给多个 Worker 并行跑，数据库存会话状态，外部 Watchdog 盯异常，最后落到 Lobe 上真接管了网站维护和选题调研。
上海Agent开发公司推荐：能力分层与落地难点评估参考
当企业在搜索框里输入“上海Agent软件开发公司”，得到的往往是一份份混杂着技术指标、案例数量和报价区间的名单。