与「Agentics」相关的搜索结果

🏫 想把 AI agent 真正做上线的看这里，Agentic System Course 用 22 章讲透生产级 agent 怎么设计、搭建和运维。 Agentic System Course 的 fork 已经接近一百个，而且整套课是写给你和你的 AI 一起读的，仓库里同时放了 AGENTS.md 和 CLAUDE.md。 以前学 agent 开发，要么跟着某个框架的教程一步步敲，换个技术栈就全废；要么零散看博客，记忆、多 agent 协作、成本控制各讲各的。 这门课只给骨架：把记忆与状态、多 agent 协调、外部接口、可观测性、成本与延迟、安全运维这些承重的主题和取舍讲清楚，具体代码交给你的 AI 按你的技术栈去补。最后一章是一张设计画布，直接拿来设计你自己的 agent。 还有个顺手的：仓库自带一个评审 skill，把你的 PRD、设计文档或 agent 代码丢给它，它先判断你做的是个人项目、团队工具还是面向客户的产品，再挑相关章节出报告，每条问题都带严重程度、证据、章节出处和修复建议。课程拿 OpenCode、Hermes Agent、OpenClaw、Paperclip 四个开源项目当参考实现。 用 agent 学 agent，这个思路挺对味。 GitHub：

Elon Musk just explained how agentic AI traffic will be 1,000 times human internet traffic within 5 years. He says that, per Cloudflare, agent traffic has already passed human traffic, and he thinks even the 1,000x forecast is too low. ---- Full video on "Baron Capital" YouTube channel, (link in comment)

I think the best case is to make the "monitor" as un-agentic as possible. We don't mind being "monitored" by various random tiny insects we don't even notice, even guard dogs are fine, but we really do mind if it's a globally connected networked system. And the intermediate case, human security guards with no recording equipment, we mind only a medium amount. The best idea I've come up with so far is to make these monitoring devices out of open-source verifiable hardware that has etched on it an open-weight LLM that classifies for a limited number of activities (basically, just violence; sorry, no scanning for jaywalking or not wearing a mask or drugs or unauthorized manufacturing or illegal immigrants, really just violence) and only records and forwards if that's what it sees. The device has no storage, no ability to load new algorithms, this is all it does. Also, a hash of every recording is published onchain (and a device can't record the next one until it sees confirmation of the previous one) so we can all count how much recording is done. Finally, everyone has a legal right to take any such device they see and grab it and dissassemble and verify the hardware themselves. Explicitly fund university clubs, hacker groups, etc to regularly do this.

大厂的AI商战真是朴实无华，就是猛猛砸钱找专家，猛猛做数据标注。。。字节的Xpert，10月份有一个人领了18万。。。 AI时代，只要你有任何特长，只靠贡献自己的知识和努力，也能活得很滋润： ⓵专业问答与评测 -专业领域问答（医疗、法律、金融、STEM等） -模型回复打分与对比评测 -Benchmark出题与标准答案设计 ⓶聊天 / 对话相关 -多轮对话评估：对模型在聊天中的回复打分、排序、指出问题（准确性、自然度、逻辑、人设一致性等） -对话生成 / 改写：写或优化多轮对话数据，用于训练聊天机器人 -偏好排序（RLHF）：同一问题给出多个回复，选出更好的那个并写理由 -角色扮演 / 人设对话：按指定角色（医生、律师、客服、特定性格等）进行对话评测或数据生产 -对话纠错：找出聊天回复中的事实错误、逻辑漏洞、不当内容 ⓷内容生产类 -高质量专业内容撰写（案例库、知识库、语料） -复杂指令设计（多约束、高难度Prompt） -参考答案撰写 -专业内容改写与优化 ⓸代码 / 技术类 -代码生成评估 -Agentic Coding / 长程任务评测 -Bug查找与代码审查 -编程题出题与判题标准制定 ⓹语音 / 多模态类 -方言语音采集与标注 -语音转写质检 -视频/3D/动捕数据相关 -多模态内容评估 ⓺审核与质检类 -模型输出合规性审核（医疗、法律、金融强合规场景） -知识准确性审核 -已有标注数据的二次质检 ⓻其他 -访谈类任务 -数据采集（按脚本录制真实场景） -创意内容评估（影视、文学、设计美学等） 上面这些任务，简单到只要愿意花时间聊天，时薪也在三位数。更专业一些的比如生物、法律、金融、制造，就更加赚钱了。 可以参与的平台： 1、腾讯旗下的ExpertHub： 2、字节旗下的Xpert： 3、阿里的晓天睿士：

if you want to automerge thousands of pull requests , this is how she does it (via @poteto). 809 in june. 10,926 in october. merged prs a month that touch the grok bot team's code. i went through her posts and put the setup in one place. every pr still gets an agentic risk review plus bugbot. low- and medium-risk ones automerge. only higher-risk ones get a person. day to day, in her words, it's just grok bot and cursor projects. she used to have more cursor automations and replaced them with slack bots that have routines. she works on many streams in parallel with pstack: perf, bug fixes, agent-friendly refactors, her own skills, features, ui polish, the harness, release and observability. not from sitting in a review inbox. she's said the speed gains come from parallelizing. a single chat can take longer because of verification. she handholds it less, so she can run several large projects at once. the real setup is in the codebase and the checks around it. she treats the codebase as memory. every agent mistake needs to turn into a constraint. her team built their own framework for grok bot so some anti-patterns become hard to write at all. agents have to verify their own work. they run the app, and can sometimes model it in tla+. they produce screenshots or video that are easier to check than the whole pr. formal verification skills and ordinary run-and-debug skills work together. she calls this an inverse pyramid. push as much as you can into determinism (fuzzing, property tests, formal and runtime verification, stricter languages) instead of spinning up more agent swarms. in her oct 6 post, she tells sandcastle, a grok team bot, to cut. it runs a buildkite dry run, dms every pr author (they can object), kicks the build, and watches it. then it starts a fuzz swarm: usually 10+ agents on grok 4.7 xhigh, some directed, some chaos monkey, using their verification skills and feature map. when something is high priority, she tells sandcastle to @ mention poteto, her engineer bot, which then spins up a cursor project to triage and fix. her team ships a new stable version of the client at least once a day. that's a lot of machinery under "just grok bot and cursor projects."

Meet Gemini 4 Hydrogen. It brings cutting-edge intelligence to everyone, with speed and efficiency for everyday coding and agentic work. Across 4 thinking levels, it stands on its own or teams up with Carbon and Argon — 2.5X faster than 3.8 Flash, outpacing competing models in its class.

Following Carbon + Argon, Gemini 4 Hydrogen brings cutting-edge intelligence to everyone. Built for speed and efficiency for everyday tasks, coding and agentic workflows. Compared to 3.8 Flash, it finishes tasks 2.5x faster. Also has 4 thinking levels, so you only wait and pay for the reasoning depth a task requires. Rolling out today to all tiers of @GoogleAIStudio, the Gemini API, @GeminiApp, Search and paid Google AI Pro and Ultra subscribers in Google @Antigravity.

Introducing Edge0-145B and Edge0-120B, @Edge0_AI’s first device-native 100B-class foundation models with open weights. Cloud-level intelligence on your laptop. Free, offline, and fast enough for real vibe coding. - Smart: beats Claude Opus 4.6 on Terminal-Bench 2.1 (86.5% vs. 78.2%) - Light: needs just 29G memory, 1/3 of a standard setup (100G+) - Fast: decodes 75+ toks/s, prefills 1050+ toks/s on RTX Spark and Mac. - Steady: handles 128K–256K tokens of context without slowing down, even on long tasks Frontier-class agentic coding. No cloud API. No token bill. Your code and data never leave your machine. Open weights are live on @huggingface. Run it locally or plug it into your favorite coding agent.

Tens of thousands of offensive engagements, dozens of impactful security findings, no outages or incidents caused so far. Meet Shopify’s Cyber Chaos Monkey 🐒, our agentic vulnerability hunter.

🚀 گوگل یک PDF نه‌صفحه‌ای درباره Harness Engineering منتشر کرده؛ مفهومی که به نظرم باید هر کسی که با AI Agent کار می‌کند، جدی بگیرد. فرمول اصلی ساده است: Agent = Model + Harness یعنی مدل هوش مصنوعی به‌تنهایی ایجنت نیست. چیزی که آن را به یک نیروی اجرایی قابل‌اعتماد تبدیل می‌کند، زیرساختی است که دور آن می‌سازیم. اما این زیرساخت از چه چیزهایی تشکیل می‌شود؟ ۱. Guides: قوانین و دستورالعمل‌هایی که تجربه شکست‌های قبلی را به دانش دائمی تبدیل می‌کنند. ۲. Sensors: تست‌ها، Linterها و ابزارهای اعتبارسنجی که اجازه نمی‌دهند هر خروجی اشتباهی به مرحله بعد برود. ۳. Agentic Loop: چرخه برنامه‌ریزی، اجرا، بررسی و اصلاح؛ با محدودیت بودجه و امکان ارجاع به انسان. ۴. External Memory: حافظه‌ای خارج از مدل برای حفظ تصمیم‌ها، وضعیت پروژه و دستاوردهای جلسات قبلی. ۵. Permissions: کنترل دسترسی ایجنت به ابزارها و تعیین مرز استقلال آن. ۶. Observability: ثبت و پایش تمام فعالیت‌ها، هزینه‌ها، خطاها و تلاش‌های مجدد. اما داستان اینجا تمام نمی‌شود! چند پروژه متن‌باز برای ورود عملی به این حوزه: 🔹 Google Harness² 🔹 Learn Harness Engineering 🔹 Awesome Agent Harness 🔹 Harness Engineering و حالا یک مفهوم جذاب‌تر: Graph Engineering تصور کن چند ایجنت مستقل داشته باشی که هرکدام Harness مخصوص خودشان را دارند. یکی تحقیق می‌کند، دیگری تحلیل می‌کند، سومی کدنویسی می‌کند و چهارمی خروجی را اعتبارسنجی می‌کند. حالا اگر یکی شکست بخورد، شکستش می‌تواند به سیگنالی برای اصلاح عملکرد بقیه تبدیل شود. اینجا دیگر با یک چت‌بات یا ایجنت ساده طرف نیستیم؛ با یک سیستم اجرایی چندایجنتی روبه‌رو هستیم. یک نکته که نباید فراموش کنیم: Hermes را می‌توان به‌عنوان محیط اجرای ایجنت در نظر گرفت؛ جایی که ابزارها، مهارت‌ها، حافظه و گردش‌کارها کنار هم قرار می‌گیرند. Harness Engineering کمک می‌کند این محیط را قابل‌کنترل، قابل‌اندازه‌گیری و قابل‌اعتماد کنیم. به نظرم آینده متعلق به کسانی نیست که صرفاً مدل قوی‌تری انتخاب می‌کنند؛ بلکه متعلق به کسانی است که سیستم بهتری دور مدل می‌سازند. مدل، مغز است؛ Harness، سیستم اجرایی؛ و Graph، شبکه همکاری مغزهاست.