共 5 篇文章
每个开发者都应该知道的 30 个核心智能体工程概念
该文翻译自 sai rahul 的 X 推文，系统梳理了 30 个核心智能体工程概念，涵盖执行循环、状态管理、Agent模式（规划者/执行者、路由器/专家、Map-Reduce）、配置文件、MCP、实时文档检索、持久记忆、子智能体编排、沙箱与权限、提示词注入防御、pre-commit 关卡、链路追踪等六大工程层，为开发者提供理解 AI 智能体底层机制的完整框架。
淘宝主播 Agent 的 Harness 工程实战
淘宝主播Agent用模型外层的Harness骨架解决高风险高并发直播中模型不可控、易漂移的问题。以执行循环/工具/上下文/状态/钩子/评估六元组加分层架构为基础，用上下文压缩与Reducer、五层纵深防御、DAG全局规划、三层记忆与信任度进化，把不确定的模型能力工程化成可用可控可演化的工业级产品，适合直播及Agent工程团队。
Agent 开发指南：技术太多，该怎么学？
核心判断：Agent 一旦能写文件、跑命令、花真钱，稀缺的不再是代码而是可验证的可信结果，出路是在概率性推理核心外建立确定性执行外壳。全文以 Harness 为主线，拆解目标契约、五类记忆、子智能体与交接的责任划分，并比较平台全栈争夺、模型公司并购、入口分化、沙箱与桌面宿主拓扑、语言分层、技能包治理。建议：先定义完成证据与不可重试副作用再谈自治，接口同时服务人和机器，双栈学习并以指标决策重写。
每天提心吊胆用 Agent，实际是在给自己加班
通过舍得放权与不舍得放权两位使用者的对比，讨论Agent权限与安全。指出替我审批不是安全，而是用麻烦感换安全感的自我安慰，会陷入审批疲劳、用肌肉记忆放行风险操作（类比XSS混进确认框）。真正的安全是三者：最小权限、沙箱隔离、全程可审计，而非每一步都审；又放权又捂数据会让Agent靠脑补干出四不像。主张Agent只按给定边界行动，判断力放在动手之前。
每位 AI 工程师都应了解的关于智能体沙箱的 5 件事
Google Cloud总结智能体沙箱应了解的5件事：冷启动营销数据基于空循环而非真实运行时；隔离谱系取决于与邻居共享的代码层（进程/V8、OCI容器、gVisor、微虚拟机）；对自主智能体而言网络出口比虚拟化是更大攻击面；状态分叉与内存快照比原始启动时间更重要；选择沙箱用4问题决策清单。强调默认拒绝出站流量、剥离凭证，多租户不可信执行选gVisor或MicroVM。