Agent面试:AgentScope 的 Agent、Message、Model、Memory、Tool
面试官把 AgentScope 的 Agent、Message、Model、Memory、Tool 放在一起问，真正想听的不是“五个组件的定义”，而是你能不能说清：谁负责决策，谁负责传递，谁负责生成，谁负责保存，谁负责执行。
终于跑通！WorkBuddy搭配DeepSeek，AI漫剧一晚自动成片
做一部 AI 漫剧，过去很多人以为起码要折腾一周。找提示词、调三视图、逐段出图、配音、校对台词，一天投入十几个小时，往往只换来短短几集。整部剧做完，人已经熬麻了。现在有人把这条路跑通了：WorkBuddy 配合 DeepSeek，输入故事主题，睡一觉，素材全齐。
别再迷信 Agent 的自主性了
作者 | QCon 全球软件开发大会 策划 | Kimmy 编辑 | 宇琪 如果 Agent 只是回答一个问题，答错了，用户可能再问一次；但如果 Agent 开始下单、参与调度、修改生产系统、调用真实业务能力，那么一次错误可能带来的就不只是体验问题，而是实际业务风险。
在 agent 技能撑爆上下文之前，先评估它
很多团队现在开始尝试 SKILL.md 文件，但测试方式几乎一样：把 prompt 粘进聊天框，看它在一台笔记本上跑通一次，然后合并进主干。作者认为，当你把三页 CLI 文档塞进 markdown 文件，却没有配套评估循环时，你大概率不是在帮前沿模型，而是在迷惑它。
招 Agent 工程师，为什么张口就是 LangChain？
招聘 Agent 工程师，JD 第一行常写「熟悉 LangChain」。LangChain 最早在 2022 年 10 月开源，这个时间点正好赶上大模型应用爆发的前夜。
办公Agent的“最后一公里”，不在模型，在环境
从一个很具体的时刻说起。晚上十点，人已经离开工位，电脑合上了。两小时前派出去的一项行业信息扫描任务，如果是在云电脑环境里跑的，此时结果已经保存在云端，第二天通勤路上打开手机端就能查看，当天的选题方向基本就有了轮廓。
Agent 越用越多，企业为何仍不够 AI Native ？
作者 ｜ 籍云 AI 生码率飙升，端到端交付却没有变快；通用 Agent 提效办公生产力，整体业务效能却未同步提升。当企业把 AI 工具推向业务流程，“局部更快、整体不快”的现象值得审视。
Agent记忆系统的设计实践：一张表、一个索引、三套淘汰策略
从会话上下文的简单拼接，到跨会话的长期记忆，再到可被检索的语义知识，一个Agent能记住什么、记住多久、在该忘的时候敢不敢忘，决定了它是玩具还是工具。
Agent越做越多，人反倒更忙了，真正难的地方在哪
最近网上总在聊Super-agent，有人说谁抢了先，有人说谁慢了半步。我看热闹看了几天，觉得比时间先后更值得问的是：它为什么现在出现，又能不能真的用起来。毕竟架构图谁都能画，难的是落到日子里。我先说个自己的感受。我同时开过几个AI窗口写东西，一个查资料，一个改句子，一个排格式。
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。