标签：agents
3 篇笔记 · 1 篇论文笔记 · 4 个资源导读
笔记（3）
- 01 构建高效的智能体：从简单可组合的模式出发
Anthropic 把“智能体系统”分为预先编排的工作流和自主决策的智能体，归纳出增强型 LLM 这个基础单元和五种常见工作流模式，核心主张是：从最简单的方案开始，只有当复杂度确实带来可测量的收益时才往上加。
- 02 面向 AI 智能体的上下文工程
上下文是有限的“注意力预算”。上下文工程关注的是每一轮推理时该把哪些 token 放进窗口：系统提示要找准“高度”、工具要精简、示例要典型，运行时按需检索，长任务则依靠压缩、结构化笔记和子智能体。
- 11 揭秘 AI 智能体评测
系统讲解智能体评测：基本术语（任务、试验、评分器、记录、结果、harness、评测套件），三类评分器的取舍，能力评测与回归评测的区别，编码 / 对话 / 研究 / 电脑使用四类智能体怎么评，pass@k 与 pass^k，以及一条从零建立可信评测的八步路线，最后说明评测和线上监控、A/B 测试、人工审阅如何互补。
论文笔记（1）
- D27 机器超级智能：用“智能体—环境”循环给智能下一个数学定义
Shane Legg 2008 年的博士论文（导师 Hutter）。先汇总人类、动物和机器的智能定义，归纳为“智能衡量智能体在广泛环境中实现目标的能力”；再借助 Solomonoff 归纳与 AIXI 写成公式：在所有可计算环境上按 2^−K(μ) 加权求期望表现。还证明了可计算预测器的根本局限，并讨论超级智能的风险。
资源导读（4）
- 资源 Hugging Face AI 智能体课程
Hugging Face 的免费智能体课程。先从“思考 → 行动 → 观察”循环和一个手写的 dummy agent 讲清楚机制，再介绍 smolagents、LlamaIndex、LangGraph 三个框架，最后用 GAIA 基准做结业项目。它贯穿整条路线，是主线练手项目。
- 资源 Lilian Weng：LLM 驱动的自主智能体（2023）
一篇写于 2023 年 6 月的综述，被广泛引用。它把 LLM 智能体拆成“规划、记忆、工具使用”三大组件，并梳理了当时的代表性研究。体系阶段从这里开始，先搭起概念框架，再用 Anthropic 2024–2026 年的工程文章去更新它。
- 资源 Chip Huyen：Agents（智能体）
一篇工程视角的长文，改编自作者的书《AI Engineering》。核心观点：智能体由“所处环境 + 可用工具”定义。文章重点讲工具的三种类型、如何把规划和执行解耦、计划粒度的取舍，以及如何按“规划失败 / 工具失败 / 效率”来评估智能体。
- 资源 12-Factor Agents：构建可靠 LLM 应用的 12 条原则
仿照经典的“12-Factor App”，从工程实践角度总结出 12 条（外加附录 1 条）构建生产级 LLM 应用的原则。核心主张：好的智能体大部分是普通软件，LLM 只在合适的位置做决策；提示、上下文窗口和控制流都应该由开发者自己掌控。