Agent面试:AgentScope 的 Agent、Message、Model、Memory、Tool
面试官把 AgentScope 的 Agent、Message、Model、Memory、Tool 放在一起问，真正想听的不是“五个组件的定义”，而是你能不能说清：谁负责决策，谁负责传递，谁负责生成，谁负责保存，谁负责执行。
Muse豆包遭集体“拉黑”，AI还能替我办事吗？
Meta在9月初用Muse打响个人Agent第一枪，而后OpenAI的Dots、阿里“千问Go”、字节“Spell”、腾讯LightVela等相继跟进，个人Agent创企Instinct完成10亿美元融资…
DeepAgents笔记——生产化
生产化让 DeepAgents 的长任务成为有身份、有状态、有边界、有证据、有退路的运行单元。代理自主推进的步骤越多，应用越需要知道它做到了哪里、留下了什么，以及何时必须由人接手。 原型里的成功往往以最终回答衡量：给一个任务，代理查资料、写文件、调用工具，再交出结果。
教程 04 · 上下文工程：压缩、Skills 与 Memory
面向：agent 跑长了会变笨、token 成本失控、或者想让它"记住"东西的开发者 难度：中等0.
Muse豆包遭集体“拉黑”，AI还能替我办事吗？
Meta在9月初用Muse打响个人Agent第一枪，而后OpenAI的Dots、阿里“千问Go”、字节“Spell”、腾讯LightVela等相继跟进，个人Agent创企Instinct完成10亿美元融资…
8000字，Codex逆袭ChatGPT抓马史首次大公开
Every CEO Dan Shipper花费数月，采访了OpenAI联合创始人Greg Brockman及六位Codex核心成员，写了一篇8000多字的长文《How Codex Happened》。
LangChain 学习路线（07）：Agent 入门，从 RAG 问答到智能体调用
前六篇，我们已经学习了 LangChain 的核心组件、LCEL、RAG、Milvus、混合检索和 Rerank。现在，我们开始进入一个新的阶段：Agent（智能体）。之前构建的 RAG 应用，主要解决的是一个问题：用户提出问题，系统从知识库中找到相关资料，再交给大模型生成答案。
DeepAgents笔记——记忆
DeepAgents 的记忆不是把所有历史都永久保存，而是把跨会话仍然有价值的事实、偏好和规则放进受作用域约束的文件中，让代理在下一次任务里能可靠复用，也能被纠错和淘汰。 初学者第一次听到“记忆”时，容易把它理解成更大的上下文窗口：把用户说过的话都存起来，下次再喂给模型。
别让 Agent 只会聊天：Agno 把 Codex 接进服务层
最近很多团队都在用 Codex、Claude Code 之类的编码 Agent。真正落到工程里，问题很快会从“它会不会写代码”，变成另外一组更麻烦的事：一次运行属于哪个用户？上下文怎么续？工具调用怎么记录？服务重启后去哪找结果？同一个会话同时来了两条任务怎么办？
Agent记忆系统的设计实践：一张表、一个索引、三套淘汰策略
从会话上下文的简单拼接，到跨会话的长期记忆，再到可被检索的语义知识，一个Agent能记住什么、记住多久、在该忘的时候敢不敢忘，决定了它是玩具还是工具。