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。
Claude Duet主动运行后，企业Agent要把四个边界写进Runtime
Anthropic 在 2026 年 10 月 21 日开放了 Claude Duet 研究预览，同时明确提醒，当前版本仍可能误读邮件线程或误判事项紧急程度。
API、MCP、iPaaS，企业 Agent 怎么选？
企业开始做 Agent 之后，经常会遇到几个词：API、Function Calling、MCP、iPaaS。它们都和“调用系统”有关，放在一起讨论时，很容易把边界混在一起。
18.Agent 并行化实战：任务拆分、并发执行与结果汇总
上一篇介绍了 Routing（路由模式），主要解决不同类型的请求应该进入哪条处理路径。本篇继续讨论另一种常见的任务编排方式——Parallelization（并行化模式）。在实际 Agent 应用中，一个复杂任务往往包含多个相互独立的子任务。
Agent 的大脑和手要分开：沙箱里从不存凭证
把 agent 的执行环境做成"随时可以死"的东西，反而让整个系统更可靠——这是 Anthropic 平台团队在 2026 年最反直觉的一次架构选择。具体做法是把 agent 拆成两半：脑子是会话日志与 harness，跑在持久服务器上；手是沙箱或容器，只在需要执行时启动。
Agent不会崩溃，它只会一本正经地给你错答案
传统软件出事，是很吵的：抛异常、返500、告警响、值班的人被半夜叫起来。Agent出事，安静得多。HTTP 200，延迟正常，日志干净，仪表盘全绿。然后它对着你的客户讲了一个根本不存在的退款政策，讲了一个月，直到有人翻聊天记录才发现。
蒸馏一个Agent，到底要蒸什么？首篇「系统级综述」来了
本文约3000字，建议阅读5分钟从模型蒸馏到Agent蒸馏。Agent 的任务求解能力来自模型、可复用资源与执行控制的共同作用，知识蒸馏也因此需要从模型层面扩展到完整智能体系统。
Agent 支线知识：Personal Agent 如何跨应用完成任务？
在日常工作中，我们经常会在多个应用之间切换。比如我们在企业微信上和同事开了一个会，相关的工作是想要放进我们的 todolist 软件中。如果会议涉及到外部合作的话，还要和在飞书上和对接方将相关的信息。这些分布在不同应用的事情，进行信息同步的时候，需要我们小心地逐一核对细节。
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。
Agent面试:多 Agent 拆分不算账，延迟和成本会先失控？
把一个 Agent 拆成“规划、检索、执行、审核”四个角色，答案不一定更可靠，但调用次数、上下文复制和等待链路一定会增加。面试里最稳的回答不是“复杂任务用多 Agent”，而是：先证明单 Agent 的失败来自职责冲突或上下文污染，再用评测证明拆分后的质量增益足以覆盖延迟与成本。