2. Prompt、规划、推理与工作流
Prompt、规划、推理与工作流学习总览这份文档聚焦 Agent 的"大脑工程"——如何写好 Prompt、如何让模型推理、如何把多步任务编排起来。
AI给我干哪来了
本文深度解析 L3 阶段的技术特征、产业信号与工程挑战，揭示为何“会做事”比“更聪明”更能定义未来 AI 产品的竞争壁垒。技术圈最近流传一张梗图:一个人瘫在折叠椅上，头埋得很低，周围飘满了字——”SaaS is dead””Karpathy””agentic engineering””Single until series B””Claude banned openclaw””Gstack””Peptide stack”。
第62篇：流式输出工程落地 | SSE/WebSocket、任务中断控制
前面几篇我们把Agent的能力、评估、容错都搭好了。但还有一个非常影响用户感受的问题：响应太慢了。用户问一个问题，Agent要先规划、再调工具、再检索、再生成，整个流程跑下来可能要10~20秒。如果这10秒里用户看到的是一个转圈的加载图标，大部分人会直接关掉。
RL特训出「押题大师」？破解模型微调中的多样性危机与灾难性遗忘
论文标题:The Choice of Divergence: A Neglected Key to Mitigating Diversity Collapse in Reinforcement Learning with Verifiable Reward。
当 AI 开始围绕“项目”运转，产品工作的逻辑正在改变
拿产品经理来说，数据分析、竞品调研、PRD 撰写、原型设计本来就是同一条链路上的不同环节，但今天的 AI 工具往往还是割裂的:在同一个工作流下，工具要不断切换，上下文要反复补充，前一个环节的结论也很难自然进入后一个环节。SOLO 桌面端 + 网页端已于 3 月 31 日正式开启内测。
WorkBuddy专家团提示词全曝光：多Agent协作原来是这样产品化的
同理，一个成熟的 Agent 系统里，通常也会有多 Agent 调度机制，比如主 Agent 拆任务、子 Agent 执行任务、主 Agent 汇总结果。
数据驱动 x 敏捷开发，字节是如何践行这两大技术理念的
10月27，在「稀土开发者大会」上，火山引擎总经理谭待以《数据驱动x敏捷开发，业务高速增长的双引擎》为主题，深度解密了字节跳动业务快速发展的两大技术理念——数据驱动、敏捷开发，分享如何构建数据驱动的飞轮，以及如何通过全栈云原生架构，支撑大规模应用实现敏捷开发。
AI 终极瓶颈：算力狂奔遇 “超级电荒”，燃气轮机成幕后大 Boss？
电网是连接电源与负荷的物理骨架，其老旧与不通是造成并网拥堵的根本原因，必须进行电网升级，加大输电线路建设的扩容，以满足新增负荷的地理调配需求。
当 AI 开始围绕“项目”运转，产品工作的逻辑正在改变
拿产品经理来说，数据分析、竞品调研、PRD 撰写、原型设计本来就是同一条链路上的不同环节，但今天的 AI 工具往往还是割裂的:在同一个工作流下，工具要不断切换，上下文要反复补充，前一个环节的结论也很难自然进入后一个环节。SOLO 桌面端 + 网页端已于 3 月 31 日正式开启内测。
WorkBuddy专家团提示词全曝光：多Agent协作原来是这样产品化的
WorkBuddy 的专家系统如何将复杂的 Agent 技术封装成用户友好的生产力工具？本文深度拆解其专家与专家团的设计逻辑，从提示词工程到多 Agent 协作机制，揭示 AI 产品如何实现从技术底层到用户价值的完美跃迁。