智能体 标签

智能体工程应由模型负责调查、实现、验证等内循环，人类负责外循环的质量证据、发布裁决和可解释责任；随着 AI 生成代码占比上升，瓶颈从生成转向审查、验证、理解和维护，团队需要用测试、日志、权限、审计与问责契约建立反压机制，避免认知投降、认知债务和编排成本失控。

文章复盘 AI 设计产品 Seede 创业第一年，围绕 agent engineering、AI coding、SEO、数据埋点、文档、分销和组织协作总结实践，指出 AI 加速了构建但放大了维护、治理、权限、质量和交付债务，判断 SaaS 不会消亡，AI native 时代更需要面向长期运行的基础设施与通才型人才。

AI编码代理显著提高代码产出，但真实交付价值增幅有限，质量、缺陷、审查时长和零审查合并风险上升，软件工程瓶颈已从写代码转向验证与信任；审查策略应按风险半径分层，用测试、CI和异构AI审查处理低风险与重复工作，让人类负责意图判断、高风险路径和最终合并，团队优势将来自可信审查体系而非代码生成量。

Agno是agno-agi推出的开源Python SDK，定位为AI智能体平台基础设施而非单一框架，支持多框架代理构建，并通过生产级API、SSE、WebSocket、存储、记忆、知识库、追踪和100+集成实现运行管理，提供RBAC、多租户、数据隔离和自有云部署，帮助企业掌控代理技术栈、数据与权限。

CLI-Anything 是 HKUDS 的开源自动化 CLI 生成项目，通过 Claude Code 插件和 CLI-Hub 将现有软件一键转为可被 AI 智能体直接调用的生产级命令行工具，无需 API、GUI 自动化或重写，基于 7 阶段流水线接入真实后端，已覆盖 18 个领域且 2280 项测试全通过，核心影响是打通 AI 智能体与传统软件的直接操作链路。

蚂蚁开源Ling-2.6-flash，104B总参数、7.4B激活参数，主打代理场景下的高推理效率与低token消耗，采用混合线性注意力和稀疏MoE，在4×H20上最高340 tokens/s、长输出吞吐最高约提升4倍，并以1500万token维持有竞争力表现，在工具调用、多步规划和任务执行基准上接近或达到同级SOTA，但复杂场景仍存在工具幻觉、中英切换和复杂指令服从不足。

智能体失效的主因不是模型能力不足，而是缺少明确的系统外壳，可靠方案是用Harness Engineering把模型置于受控执行层中，通过约束行为、外置状态、逐步校验和局部恢复，配合工具截断、模式验证、状态管理、编排与重试机制，避免长流程中的幻觉、格式漂移和整体崩溃。生产级AI竞争力取决于系统设计而非提示技巧。

Token正从技术单位变成AI经济的基础计量与交易单位，中国日均调用量已达140万亿、两年增1400倍，成本虽持续暴跌但总支出因需求扩张反而上升，智能体接棒人类成为新增消费主力，中国模型凭低成本开源和算法效率抢占全球份额，最终推动AI产业进入按Token定价、竞争和监管的新阶段。

研究基于34198个真实技能发现，LLM Agent在真实场景中因技能选择、检索和适配困难，技能增益大幅衰减，部分模型甚至不如无技能基线；混合语义检索优于直接搜索，但真正有效的补救是面向具体任务的反思式技能重组，可显著恢复通过率并提升技能加载与使用。

AI智能体的持续学习不只发生在模型权重，还包括驱动代理的harness和可配置的context，三层都能基于执行轨迹持续更新；模型更新面临灾难性遗忘，harness可通过分析任务日志迭代代码，context可在代理、用户或组织层离线或实时写入记忆；构建会长期变强的智能体，关键不只是训模型，而是用轨迹统筹优化三层。