拜耳用 3 层反思循环把 AI 拉进制药生产线：上下文工程和 harness 工程到底在干什么
拜耳制药和 Thoughtworks 在 Martin Fowler 的博客上发表了一篇完整案例，讲他们花了两年多时间把 PRINCE（Preclinical Information Center）从关键词搜索工具演变成多智能体 RAG 系
Vercel 发布 eve 开源智能体框架：Agent 界的 Next.js 终于来了
Vercel 发布开源智能体框架 eve，采用文件系统优先设计，将 Agent 定义为目录结构以降低理解成本。框架内置持久化会话、沙盒计算、人类审批、安全连接、多渠道部署及可观测性六大生产级能力，解决重复造轮子痛点。eve 目前处于公开预览阶段，框架免费但托管服务收费。该框架标志着 AI Agent 开发正从混乱走向标准化，大幅缩短从 demo 到上线的距离，但需注意 beta 阶段的 API 变动及供应商锁定风险。
谷歌说 AI 不该假装确定：忠实不确定性如何终结幻觉困局
谷歌研究团队提出“忠实不确定性”框架，主张 AI 应诚实表达置信度而非盲目追求零错误，以解决大模型“自信错误”导致的幻觉问题。该研究指出传统降幻觉方法存在高昂“效用税”，建议将输出区分为自信错误与诚实猜测。这对 AI Agent 尤为关键，能优化元认知判断与工具调用效率。开发者可通过调整评估指标、提示词及路由策略落地应用，推动系统从可用迈向可靠。
LangChain 让 Agent 的技能不再只靠提示词：Interpreter Skills 把确定性写进代码
LangChain 发布实验性功能 Interpreter Skills，专门用于解决 AI Agent 执行路径不确定的问题。该功能通过增加代码模块，将确定性逻辑从提示词转移至代码，使模型仅负责判断与委托。其核心优势包括执行确定性、解释器内状态持久化及精细化安全边界，有效缓解长流程中的“上下文焦虑”。这标志着 Agent 架构向“提示词定义意图、代码保障执行”的混合模式演进，提升了任务执行的稳定性与可靠性。
氛围编程的规则文件为什么总是没用？
针对 AI 编程中被动规则失效问题，哥伦比亚大学提出 Zoro 框架，通过 Enrich、Enforce、Evolve 三步将静态规则转为主动控制。评估显示该框架使规则遵循率提升 57%，推动用户从提示词工程转向规则工程。研究指出长会话中规则注意力衰减是失效主因，建议开发者采用规则与任务绑定、要求证据输出及定期修剪规则集等策略，以增强 AI 对意图的可靠执行。
多智能体为什么比单智能体强？Anthropic 用 90.2% 的数据给了答案
Anthropic 研究显示，多智能体系统性能比单智能体提升 90.2%，其核心在于主智能体拆解任务与子智能体并行执行。尽管该架构 token 消耗约为单智能体的 15 倍，但在复杂任务中优势显著。业界已总结出五种协作模式，并有 n8n、CAMEL-AI 等落地案例。然而，多智能体仍面临调试难、输出不稳定等挑战。建议仅在任务复杂需并行、分工明确且能承担高成本时采用，简单任务直接使用强模型即可。
别被多智能体的概念吓住，真正跑通工作流的人都在关注这些细节
多智能体协作在创意交付端仍存短板，但在结构化任务中价值显著。实测显示，Super Agent 生成幻灯片虽快但排版难控，而自动化销售线索处理及编程辅助等场景因规则明确、流程可定义，能实现高效落地。多智能体的核心竞争力在于清晰定义职责边界、输出格式与异常处理，而非概念本身。建议优先梳理任务结构化程度与人机分工，注重参数配置等实操细节，避免盲目追求平台概念，以构建真正可用的生产力工作流。
OpenClaw 遇到对手了：Hermes Agent 的自我进化路线到底能不能跑通
开源个人 Agent 领域呈现 OpenClaw 与 Hermes Agent 的路线之争。OpenClaw 主打全平台覆盖与可视化协作，强调交互广度；Hermes Agent 则聚焦自我进化与跨会话用户建模，追求认知深度，并提供一键迁移工具争夺用户。尽管 Hermes v0.14.0 已具备生产级能力，但其自我进化机制仍面临技能质量、记忆膨胀及 token 效率等挑战。这场竞争标志着个人 Agent 赛道已从功能验证迈向设计哲学比拼的新阶段。
Google 开源 Agent Executor：你的 AI Agent 终于不用每次断线就从头来了
Google 开源 Agent Executor（AX），专为生产环境长周期 Agent 设计的分布式运行环境。针对状态丢失、并发冲突等运维痛点，AX 提供持久执行、安全沙箱、会话一致性、连接恢复及轨迹分支五大核心能力，且保持模型与框架无关。配套项目 Agent Substrate 优化了 K8s 资源调度。该项目目前处于早期预览阶段，旨在填补 Agent 落地基础设施空白，建议用于技术预研而非直接投产。