ax@ax-radar:~/curated $ grep -l 'curated=true' sources/
33 srcsignal 72%cycle 04:32

AX 严选 · 2026-09-13

2 · updated 3m ago
2026-09-13 · 星期日2026年9月13日
16:00
9d ago
AI HOT 精选· aihot-apiZH16:00 · 09·13
Tessl 提出 Agent 上下文归属模型:谁的知识谁负责,平台团队别抢
Tessl 的 Rob Hudson 和 Simon Maple 认为,让 AI 智能体(Agent)在企业里干活,最难的不是智能体本身,而是搞清楚谁该负责管理驱动它们的上下文、工作流和产出物。他们的核心规则很简单:上下文的所有权跟着组织单元走。个人和团队的领域知识归懂行的人管;赋能团队只提供工具和看护,不抢所有权。文章还区分了“上下文工程”(贴近业务...
#Tessl#Rob Hudson#Simon Maple
一句话点评
Tessl 两位技术负责人提出:Agent 落地最难的不是模型,而是“上下文归谁管”。核心规则:所有权跟着组织单元走——个人/团队的领域知识归懂行的人,赋能团队只给工具不抢权。文章还区分了“上下文工程”(贴近业务)和“循环工程”(可集中)。如果所有权搞错,要么中央团队成瓶颈,要么各自为政乱套。观点不新,但把“谁管上下文”这个常被忽略的问题讲清楚了。正文没披露具体落地案例或数据,偏方法论框架。
HKR 分解
hook knowledge resonance
打开信源
62
SCORE
H0·K1·R0
05:56
9d ago
AI HOT 精选· aihot-apiZH05:56 · 09·13
Agent 长任务上下文工程:四个机制防止模型跑偏和忘事
这篇讲的是怎么让 Agent 在执行长任务时不跑偏、不丢目标。作者拆了四个机制:预算控制(限制上下文长度,防止塞爆)、压缩(去冗余,省空间)、todo-state(记录当前进度,避免重复或遗漏)、记忆模块(保留关键信息,防止模型忘掉前面干了啥)。文章只讲了框架,没给实现细节和跑分数据,所以实用性得打个问号。如果是真的,这套思路对做长流程 Agent 的...
一句话点评
一篇讲 Agent 长任务防跑偏的框架文章,拆了四个机制:预算控制(限制上下文长度)、压缩(去冗余)、todo-state(记进度)、记忆模块(存关键信息)。思路对,但正文没给实现细节和跑分数据,实用性得打个问号。如果是真的,对做长流程 Agent 的团队有参考价值,但别急着抄作业。
HKR 分解
hook knowledge resonance
打开信源
60
SCORE
H1·K0·R0

更多

频道

后台