-
改变世界前先认识世界 : Ontology 决策结构化实践
本文介绍了商家财务团队通过 Ontology（本体）与决策结构化实践，实现 Agent 工作全托管的经验。团队摒弃了预设固定 workflow 或打包 Skill 的传统方式，将业务知识建模为包含业务、系统、交付和治理四层的 Ontology 图谱，并将专家判断固化为可执行的 decision_function。Agent 在执行时严格遵循“先取证、再决策、后行动”的闭环，根据证据动态生成工作流，…- 3.1k
- 0
-
AI 自迭代的小游戏 Agent：2周上线6款小游戏，3天迭代12款小游戏
本文介绍了一套覆盖小游戏从选型、生产到上线迭代全链路的自迭代 Agent 系统。针对单点 AI 提效无法带动整体业务提速的痛点，该系统将分散的 AI 能力串联，由人定义北极星指标与行动边界并审核关键方案，AI 负责策略、开发与数据归因。架构上分为数据感知、运营 Agent、生产 Agent 及游戏基础工程等层级，通过 LangGraph 与 Claude Agent SDK 协同，实现多 Agen…- 3.3k
- 0
-
重新理解数据可视化：让仪表盘真正推动决策
本文引自 Meriem Benhabiles 的文章《Rethinking Data Visualisation: A UX Approach To Dashboards That Actually Drives Decisions》，译者对原文部分进行了部分删改与调整以便读者理解。 这篇文章想说明一件事：很多仪表盘数字没错，图也做了，会议里大家看完却没有下一步。卡住的地方往往不在数据本身，而在呈…- 1.3k
- 0
-
模型怎么选？TRAE 真实用户经验：7 个场景直接对号入座
工具越多，选择本身反而变成了第一道成本。 很多 TRAE 友可能遇到过一样的场景：当他打开 TraeCode，往下拉模型列表，每个看起来都能使用，于是很多人的日常是这样的：随手点一个，跑出来不对味，换一个，再不对味，再换。等换到第三个的时候，本来想写的那段代码，已经忘了要怎么写。 我们本次特别征集了来自一线开发者的真实使用心得，有一个特别明显的共识：大家早就不问「哪个模型最强」了，而是在问「这一步…- 1.1k
- 0
-
别再只卷Prompt 了，真正拉开Agent差距的是Context Engineering
如何写出让模型“最听话”的提示词？这就是 Prompt Engineering 的核心问题。它催生了 Zero-shot、Few-shot、Chain-of-Thought 等大量技术，这些方法有一个共同点：它们都在优化“单次 LLM 调用”——写好一条输入，获得一条更好的输出。这在单轮任务里非常有效，但“单轮”是它的硬边界。 1. 引言：从 Prompt Engineering → ReAct …- 1.3k
- 0
-
对话OpenAI产品设计负责人：只会往聊天框里堆功能的产品设计师，只是在假装做AI产品
当工程师借助 AI 更快地写出代码，产品设计却成了科技行业里最焦虑的一群人。工具扩大了他们的能力，也让组织对他们的期待变得模糊。 OpenAI 产品设计负责人 Ian Silber 对此给出了一个乐观的判断：现在可能是做设计师最好的时候。他曾在 Instagram 工作八年，经历过 IGTV 的失败和 Reels 的成功。加入 OpenAI 三年后，他面对的是另一类设计难题——同一个产品，既要帮助…- 3.2k
- 0
-
让 Agent 像人一样记忆：本地长期记忆系统 HL-Mem 的设计与取舍
HL-Mem 是一套旨在让 Agent 像人一样具备长期记忆能力的本地化记忆系统，其核心设计理念是将记忆视为受治理的认知系统而非简单的数据存储。该系统借鉴认知科学原理，采用事实与经验双通道架构，通过保留不可变的原始事件（Event）和可更新的结构化事实（Claim），实现了证据可追溯、时间可解释（区分有效时间与记录时间）以及记忆的动态修正与遗忘。在工程实现上，HL-Mem 坚持运行时独立和本地优先…- 1.9k
- 0
-
从钉群提问到任务交付：团队级 Agent 基础设施全链路实践
依托钉群无人值守、跨群会话记忆、组织知识检索及前端专业 Skill，阿里云云原生消息前端团队自研的内部研发协作平台 Domino 正经历关键演进——从单一的代码执行工具，升级为能够理解团队上下文、持续沉淀演进并闭环真实交付的研发 Agent 系统。 从上一次实践说起 在此前，Domino 诞生于内部的一个前端源码定位工具，随着能力的不断增强，逐渐演变为了覆盖需求理解、编码、评审、部署和验收的研发平…- 1.3k
- 0
-
10个技巧，让你的Workbuddy比别人好用！
很多人在使用 WorkBuddy 时，都可能遇到过：对话一长就开始出错；只想聊思路，但直接生成了文件；技能装了不少，真正要用时反而不知道怎么选…… 大家在实际使用 WorkBuddy 的过程中，也陆续遇到了一些很具体的问题：有些功能会用，但还不够顺手；有些小设置调一调，使用体验就会差很多。 所以这一次，我们把其中最常被问到、也最值得掌握的一些问题单独整理了出来，形成了 10 个对应的操作技巧，帮助…- 1.3k
- 0
-
Agent 长程任务断点续传：从框架 Checkpoint 到跨进程恢复的完整实践
本文介绍了针对 Agent 长程任务中断恢复需求的完整实践方案，旨在解决用户主动、工具执行及系统级中断带来的稳定性问题。该方案采用“框架层 Checkpoint + 上层任务调度”的两层架构，在不修改 Spring AI Alibaba 框架源码的前提下，通过扩展 InterruptableAction、利用 Hook 机制注入自定义逻辑（如关机信号检测、消息顺序修正、多工具调用 Mock 返回及…- 3.2k
- 0
-
TraeCode 插件市场上线：让 AI Coding 连接更多工具
TraeCode 插件市场正式上线 首批精选插件（Plugins）及技能（Skills），覆盖开发工具｜调研分析｜界面设计｜效率提升 现在，你可以直接把外部工具和服务接进 TraeCode，让 AI 带着代码上下文一起调用 TraeCode 插件市场正式上线。通过插件，开发者可以直接发现、启用和调用不同插件，把原本分散在外部的工具与服务接入 AI Coding 流程。 这意味着，当你在 TraeC…- 2k
- 0
-
腾讯文档「AI工作台」上线！全面接入WorkBuddy Agent底座
过去，用AI办公，我们更习惯「让AI帮我做一件事」：写内容、做总结、生成PPT… 但一项工作，往往远不止一个动作。资料要整理、内容要修改、团队要协作、文件还要归档。AI帮你完成了一步，但工作并没有因此结束。 今天，腾讯文档宣布AI服务全端升级，正式推出「AI工作台」。 此次升级基于WorkBuddy提供的Agent内核框架，结合腾讯文档自研的编辑引擎和专业Skill，让AI不只生成内容，还能直接进…- 1.2k
- 0
-
天猫技术大型 AI 项目的研发协同实践
本文以天猫新品 MDI 项目为例，阐述了大型 AI 项目研发协同从“超级个体”到“全员赋能”的四个进化阶段：在单兵攻坚期，通过构建结构化知识库让 AI 深度理解项目上下文，打造“超级个体”；在加人提速期，借鉴站点地图思路进行物理隔离分工，利用 Spec 变更规则及上下文缝补机制（MCP）解决多人协作冲突与推理链断裂，实现效率横向复刻；在高速迭代期，部署独立“技术哨兵机”还原预发合并态，通过云端 A…- 2.3k
- 0
-
把聊天变成剧情卡，ParaDoor把AI陪伴做成了多人世界
星绘、猫箱之后，再做AI互动故事。 AI陪伴类产品，如今是最容易做出样子，却也最难做出差异化的赛道。 角色卡片、回复质量、语音和图片几乎每家都在做，长期记忆也越来越常见。 用户打开不同应用时，经常会遇到相似的首页，相似的角色分类，以及一套熟悉到不用学习的聊天流程。最近一段时间，它们开始试着给角色补上新的玩法。 Character.AI已经不满足于让用户挑一个角色聊天，它先后加入了社区信息流、短视频…- 1.4k
- 0
-
QoderWake 1.0 正式发布：从桌面里的 Agent，到工作现场的数字员工
5 月，QoderWake v0.1 开启全球公测，预置 6 个特训岗位，5 分钟让一位数字员工上岗。 在 QoderWake 里，每一位数字员工叫 Waker。在过去三个多月的时间，各类工种近 10 万个的 Waker 被创建，跑出约 2000 万次有效任务。其中一半由时间和事件自动触发执行，在人开口之前就已经开始。有效任务曲线跟着工作日走，工作日上升，周末回落。QoderWake 已经进入了企…- 3.2k
- 0
-
DeepSeek Harness背后的“心脏”：Cordis 到底是什么
DeepSeek Harness 的"一切皆插件"背后，跑的是一个叫 Cordis 的框架——原本服务于第三方 QQ 机器人，如今被 DeepSeek 用作整个 Agent 运行时的地基。这篇文章希望用通俗易懂的语言，把 Cordis 的魅力介绍给大家：为什么"卸载"和"协作"能变成框架的默认行为，为什么"改配置不用重启&quo…- 1.9k
- 0
-
微信正式直连WorkBuddy，消息一键变上下文
WorkBuddy 最近太拼了，一天一个版本。 有时甚至是一天 2 个版本。 这不，WorkBuddy 5.5.0 版本，就已支持将微信聊天记录发送到 WorkBuddy。 让 WorkBuddy 总结或作为上下文执行任务。 这标志着，腾讯的两张船票，正式互通了。 PC 版上，微信上选中要转发的内容，不管是图片、聊天文字、视频、链接、文档、公众号文章等，都支持。 点击转发。 选择「转发到其他应用」…- 1k
- 0
-
让产品经理在Agent时代高效产出的skills和kit分享
整理一波帮助产品经理用好 Agent 的 Skill 和项目底座，从需求分析、定型，到 PRD 生成、原型图绘制，到产品 Demo、开源项目拆解，到 Vibe-Coding 上下文构建。 一共 7 个，都已经开源，欢迎 Star、贡献想法。 01 PM-Make：把模糊想法整理成清晰的产品描述 这是一个在产品构思阶段使用的 Skill，它会根据你(或者你领导/甲方)一句模糊的产品描述，提出一系列澄…- 1.3k
- 0
-
Qoder上线“眼镜版”，将接入千问AI眼镜、乐奇AI眼镜
今天，阿里智能体编程平台Qoder上线“Qoder眼镜版”，将首批接入千问AI眼镜和乐奇AI眼镜。未来，用户无需打开手机、触碰屏幕，戴上眼镜就能随时随地通过语音交互让Agent执行任务。 和传统语音助手的单轮问答模式不同，Qoder集成了全双工语音方案，用户可以像和同事交流一样交代任务、追问进展、追加要求，用户在骑车、徒步甚至手拿咖啡时都能随时处理紧急任务。 基于AI眼镜的即时决策能力，用户遇到高…- 1.2k
- 0
-
腾讯内测Cheso，一个专做 PPT 的 AI Agent，实测有吓到我
腾讯正在内测的 AI 产品，你永远不知道有多少。 据了解到，当前腾讯正在内测一个叫做 Cheso 的 AI Agen，专做 PPT。 产品slogan：Al-powered Presentations that WOW Everyone 翻译过来是：让人惊叹的 AI 驱动的演示文稿。 看到底惊不惊艳，放几张Cheso 做的 PPT 样例看看。 先不看内容，光看颜值，还是很能打的。 接下来具体体验下…- 1.5k
- 1
-
AI Coding 的观测与科学降本：从一次 Trace 到自动调优闭环
围绕 AI Coding，业界早期的关注点集中在“模型能否写代码”这一问题。目前，该问题已有明确答案。本文主要介绍两个问题：能不能规模化，以及能不能低成本地规模化。 在 Agent 研发过程中，我们重点关注两项核心指标：其一是质量，即能否完成预设目标；其二是效率，即完成该目标所需消耗的 token 规模。据此，本文将系统介绍如何借助智能体观测与优化平台 AgentLoop，在不牺牲质量的前提下，对…- 1.3k
- 0
-
场景营销互动&体验 AI Coding— AI Native 视觉还原的两个支点：上下文工程与循环工程
三个月前，我们介绍了 Tarot Pixel—— 一个不替 Agent 写代码，而是让 Coding Agent 自己看懂设计稿的系统。三个月后，一份混乱的设计稿让我们看到了更深层的问题，也催生了一种新的工程范式。这篇文章讲两件事：当上下文工程深入到"治理脏数据"，以及当上下文做到位了之后，为什么还需要循环工程（Loop Engineering）。（文章内容基于作者个人技术实践…- 1.1k
- 0
-
企业级 MultiAgent 的记忆系统：短期上下文与四层记忆架构实现
目录 一、背景及整体架构概览 二、记忆架构概览 三、短期记忆加载详情 1.关键实现 2.Redis 存储结构 3.Token 窗口控制策略 四、短期记忆写入详情 五、长期记忆加载实现详解 1.并行加载设计 2.语义检索实现 3.Token Budget 分配策略 六、长期记忆写入实现详解 1.写入入口与去重 2.LLM 智能判断 3.去重与冲突处理 4.先写后删策略 七、核心设计与运行观测 八、总…- 1.2k
- 0
-
Agent 场景下 Token 成本优化的实战技巧
在 Agent 落地的过程中，我们很快会遇到一个现实问题：效果还没跑出来，账单先跑出来了。 本文基于我们在agent项目中的真实实践，从基础认知到架构优化，系统梳理 6 个 Token 节省手段。简单方法立省 50%，高级方法降幅可达 90%+。 先搞懂 Token：你的钱到底花在哪了 Token 是 LLM 处理文本的最小单位，不是字数，也不是单词数。LLM 不直接处理文字，而是先把文本切分成 …- 1.2k
- 0