大多数AI Agent项目失败，并非因为模型太弱，而是工具调
开篇：为什么大多数AI Agent项目卡在工具调用而非大语言模型过去两年，AI Agent 的演示视频屡屡刷屏：规划行程、检索资料、操作浏览器、调用 API。
AI Agent 知识库实战：用 RAG 让 AI 从海量资料中精准找到答案
上一篇文章，我们讨论了 AI Agent 如何记住重要信息，以及如何利用历史资料帮助自己完成任务。但这里还有一个问题：如果一个 AI Agent 需要处理的资料越来越多，比如几百份 PDF、上千篇行业文章、企业内部文档和产品说明书，它还能准确找到自己真正需要的信息吗？
北大助理教授创业押注实时RSI：让AI摆脱“出厂即定型”
而另一条值得探索的路线，是让模型在发布之后继续成长，在与用户和环境的交互中不断积累新的知识和能力。近日，在中关村科学城组织的 ACC2026 活动上，DeepTech 就大模型的持续学习、实时 RSI 以及个人智能体的未来，与北京大学人工智能研究院助理教授张牧涵展开对话。
AI GEO+Agent投喂：原理、操作与注意事项
摘要AI GEO+Agent投喂是将AI Agent技术与生成式搜索引擎优化（GEO）结合，通过智能运营中枢完成从数据监控到内容创作、分发的全链路自动化运营的方法。
上千个AI Agent组队，8天敲出一套操作系统，这次AI摸到了硬件设计
11 月 9 日，Anthropic新出的这两个模型，AI的能力边界，又被狠狠往外推了一大截。大多数我们之前对AI的印象，还停留在写代码、改文案、回答问题。就算是写程序，大家默认它只能做一些零碎活，复杂一点的底层工程，还得靠人一点点啃。这次Fable 5.2和Mythos 5.
GitHub 14.3K+ Star！AI Agent 时代开源统一身份认证！一站搞定鉴权
01 你正在遭遇的身份痛点一句话人话总结 Casdoor：一款可以完全私有化部署的 IAM/SSO 服务端，核心职责就是确认你是谁，并把你安全地交给各个业务应用。它和普通的登录 SDK 最大区别：自带完整可视化 Web 管理后台，不是仅在反向代理前面补一层拦截。
Data Agent 落地挑战：忽略技术框架、语义能力和运营体系，投入可能打水漂
编辑 | Tina Data Agent 看似轻松上手，但真正落地却充满挑战。虎兴龙在专访中指出，90% 的难点源于软件工程，而统一语义层建设是成功的关键。
AI Agent到底是什么？一文看懂智能体的技术架构与落地实践
让 AI 回答一个问题，已经不算新鲜事。但如果你说：“帮我整理本周的销售数据，找出异常，并生成一份分析报告”，AI 能不能自己查数据、分析结果、制作报告，遇到问题时再调整步骤？这就是 AI Agent，也就是“AI 智能体”，正在探索的方向。
Token、幻觉、Agent……这 8 个 AI 概念，其实是一条线
打开任何一个 AI 教程，你都会被名词砸晕：Token、上下文、幻觉、提示词、推理、智能体、Function Calling、MCP……很多人的学法是把这些词当并列的名词去背，背了忘、忘了背，最后还是不会用。
AI Agent开始执行文件任务，难点正在从写代码转向可靠交付
用户不再只问AI能不能写一段Python代码，而是会提出更具体的要求:把一个目录里的表格整理好，提取多份文档中的关键信息，按照指定规则汇总数据，再生成可以继续使用的文件。