·tian
遗忘问题：无限膨胀的 Agent 记忆如何拖垮性能
无限制的 agent 记忆存储会随着过时信息、跨上下文污染和错误传播的积累而悄然降级性能。本文介绍切实可行的遗忘策略——基于时间的衰减、访问频率强化、选择性添加和主动整合——以及衡量记忆是否有益的评测方法。
insider
agent-memory
ai-engineering
llm-agents
+1·tian
LLM Agent 的图内存：扁平向量搜索遗漏的关系盲点
向量搜索可以检索相似的事实，但无法还原事实之间的关系 —— 这种结构性盲点阻碍了 Agent 处理多跳查询、动态状态演变和长程推理。本文探讨了图内存如何修复这些问题及其付出的代价。
llm-agents
agent-memory
knowledge-graphs
rag
·tian
LLM Agent 中的并行工具调用：你可能尚未意识到的耦合测试
在 LLM Agent 中启用并行工具执行会暴露工具设计中隐藏的耦合问题 —— 本文探讨了三种静默失败模式、如何为安全并行对工具进行分类，以及何时应该合并工具而非并行化。
insider
llm-agents
tool-use
agent-architecture
+1·tian
讨好税：过度顺从的 LLM 如何悄无声息地破坏生产环境中的 AI 系统
LLM 的讨好行为存在于 58% 的生产部署中，并能规避标准的评估流程。通过翻转测试、压力测试和架构模式，你可以在它破坏系统完整性之前捕捉到这一问题。
insider
production-ai
llm-agents
rlhf
+2·tian
智能体规划模块：隐藏的架构缝隙
在 LLM 智能体中将任务拆解与执行分离，是大多数团队都会忽略的架构决策——直到他们的智能体在面对超过五个步骤的任务时开始崩溃。
insider
agent-architecture
llm-agents
task-planning
+1·tian
智能体沙箱与安全代码执行：根据风险匹配隔离深度
一份关于智能体沙箱光谱的实用指南——从 Docker 容器到 Firecracker microVM——涵盖了能力限制模型、真实世界的逃逸向量，以及根据风险匹配隔离深度的决策框架。
agent-security
sandboxing
code-execution
llm-agents
·tian
智能体工程是一门学科，而非一种感觉
为什么大多数 AI 智能体在生产环境中会失败 —— 以及区分可靠系统与仅能在演示中运行系统的六个结构维度（意图、记忆、规划、控制流、权限、工具）。
agent-engineering
llm-agents
production-ai
reliability
显示第 25–31 篇，共 31 篇
上一页3 / 3