Agent 的基本架构由哪些核心组件构成？
开场：一道最能暴露"漏组件"的题 Agent 的基本架构由哪些核心组件构成？大概说一下。 需要一个 LLM 来做推理，然后要有工具，让模型能调用 API、查数据库…… 就 LLM + 工具？那"记忆"放哪？"规划"又由谁来做？工具和记忆是不是一回事？
同样用一个模型，为什么有的公司的 agent 更好用？
差别出在哪里，LangChain 的联合创始人兼 CEO Harrison Chase 在伦敦的 Interrupt 大会开场时，用一整场的时间回答了这个问题。
如何打造企业用的 Agent？一次产研平台的真实复盘
产品在问 AI 业务规则，研发在翻代码回忆逻辑，测试在手动拼需求文档——每个人都在变快，但组织没有。因为上下文各不相同，结论就对不齐。
“能接入”到“可管控”， 瑞数信息如何管理Agent生命周期安全？
当AI Agent逐渐成为企业研发、办公和业务流程中的“数字员工”，企业面对的问题也随之改变：过去关注AI能否提升效率，如今还需要考虑它是否可管、可控、可审计。据报道，某跨国咨询公司的内部AI平台曾遭遇自主智能体攻击。
Agent进设计组后，被裁掉的是可被换算的那部分工作
Agent进设计组后，被裁掉的是可被换算的那部分工作裁员指标不是Agent算出来的，是管理层换算出来的“编码时间缩短一半”如何变成“裁20%”先把中间环节补上。工具本身不会发出裁员通知，发出通知的是人。
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 智能体：不再只会回答，AI 能自主完成任务
先看一组对比。你问 AI：「帮我订一张下周二去上海的最便宜机票。」普通聊天机器人会给你一份漂亮的攻略：推荐几条航线、列出比价网站、提醒你提前值机——说得头头是道，然后呢？然后就没有然后了，票还得你自己订。
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。
构建 Agent：何时将 Subagent 并入主 Agent 循环
原文：https://claude.
Agent 设计模式：常见编排方式、适用场景与工程实践
上一篇我们完成了企业知识助手的综合实践，将 Context、RAG 、Tool Calling、State、Memory 和权限控制等能力组合到一个完整的 Agent 应用中。但随着任务复杂度增加，仅具备这些能力还不够。