智能体开发
智能体自我反思模式实战：让 Agent 自己审自己的输出
智能体自我反思模式的三种架构对比：基础反思、Reflexion 与 LATS，含 LangGraph 循环代码、反思提示词结构、循环上限与熔断建议，以及为什么反思必须配合 trace 与评测。
#智能体
AI专区
Claude Opus 4.6 发布：1M 上下文、智能体团队与可控推理
Claude Opus 4.6 是 Anthropic 迄今最强的模型，带来 1M token 上下文、可并行编排的智能体团队、上下文压缩（compaction）与可调 effort 控制，适合长程编码与企业级知识工作。
智能体开发
智能体断点续跑怎么做：LangGraph checkpoint 与中断恢复实战
智能体断点续跑核心是每步落盘、按 thread_id 恢复：LangGraph checkpointer 配置、interrupt 人工审批、幂等与 checkpoint 膨胀三个生产注意点。
智能体开发
A2A 协议入门：智能体之间怎么互相发现、委托与交付
A2A 协议定义智能体互相发现、委托任务与交付结果的开放标准：Agent Card、Task、Artifact 四步流程，与 MCP 互补，已入 Linux Foundation AAIF。
智能体开发
智能体反思模式（Reflection）实战：评估器-优化器循环怎么搭才有效
反思模式的正确形态是带外部信号的评估器-优化器循环；无外部判据的自省在推理任务上会降准确率。三次调用的接线方式、双模型取舍与止损规则一篇讲清。
AI专区
Claude API 会话压缩：长对话省 token、保留近期原文
Claude API 支持按需压缩会话（conversation compaction），把历史消息摘要成一个签名块，既节省 token 又保留近期原文的完整性，适合长程智能体与超长上下文场景。
AI专区
Claude API 对话中途注入工具：不改 tools、不失效提示词缓存
Claude API 新增 inline tools 能力，可在对话进行中通过系统消息动态添加、修改或升级工具定义，且不会让已命中的提示词缓存失效，是长程智能体的实用技巧。
AI工具
AI 数据分析工具怎么用：让模型写码、让代码算数的四层架构
让大模型读 CSV 直接给结论必然产生幻觉。正确做法是模型负责理解与写代码、pandas 或 SQL 负责确定性计算。本文给出意图层、计算层、合成层、展示层四层架构与三条硬规则提示词写法。
AI专区
长时运行智能体怎么搭：跨上下文窗口的 Harness 设计与 5 条落地规则
长时运行智能体跑偏的根因不是模型不够强，而是每个上下文窗口都从零开始。本文给出 Anthropic 官方验证的双阶段 harness：initializer agent 铺环境、coding agent 每轮只做增量推进，并附进度文件写法、…
AI专区
提示词注入怎么防：AI 智能体上线前必须做的 7 层防护
提示词注入防不住单点，只能靠分层：输入筛查、系统提示硬化、工具结果隔离、JSON 封装、最小权限、输出复检、红队演练。本文按 Anthropic 官方防护框架给出 7 层可落地的做法与代码。
智能体开发
Dify 搭建智能体教程：零代码跑通第一个 AI 应用
Dify 搭建智能体不需要写代码：本文基于 Dify 官方文档演示从创建应用、配置知识库 RAG 到可视化编排发布的完整流程，并对比云端与自托管两种部署方式的选择要点。
AI专区
GitHub Copilot 和 Claude Code 区别怎么选：编辑器副驾 vs 终端智能体
GitHub Copilot 是嵌在编辑器里的「副驾」，Claude Code 是终端里的「自主智能体」；前者补全对话随用随取，后者能读仓库跨文件改代码。选哪个取决于你要边写边帮还是交给它去干一整段。
AI专区
OpenAI Agents API 公开测试版：把智能体编排压成一次 API 调用
OpenAI Agents API 进入公开测试版，开发者可用一次 API 调用拿到托管的智能体运行时——自动处理会话、编排与上下文。本文讲清它解决什么、怎么用、与 MCP/Function Calling 的关系，并附可直接抄的代码示例。
