11.5 萬次觀看
※ 摘要僅根據標題與說明
AI Agent 基礎
Agent Fundamentals ・ 358 筆內容
什麼是 agent、它怎麼規劃與使用工具、怎麼從零做一個。
也叫做：agent、agents、AI agent、AI agents、智能體、智能体、智慧代理、AI 代理、代理人、agentic、ReAct、12-factor agents
排行前 50 名
依相關、人氣、新鮮度綜合排序；站長推薦的加成
You’re Not Thinking Big Enough: Rebuilding Food Systems with AI Agents — Cody Menefee, Firecrawl（在新分頁開啟原站）
探討如何透過 AI 代理重建食物系統，並介紹了 Firecrawl 工具。
1.3 萬次觀看※ 摘要僅根據標題與說明
How We Built an Agent That Improves Itself — Zubin Aysola, Weights & Biases（在新分頁開啟原站）
介紹了作者 Zubin Aysola 如何開發一個能自我進化的 AI 代理，並展示了其運作機制。
2.4 萬次觀看※ 摘要僅根據標題與說明
An AI Research Agent That Runs Your Experiments — Tim Sweeney, Weights & Biases（在新分頁開啟原站）
Tim Sweeney 介紹了 Weights & Biases 的 AI Research Agent，讓使用者能自主管理實驗流程。
7,400次觀看※ 摘要僅根據標題與說明
- 28.9 萬次觀看
※ 摘要僅根據標題與說明
Building the Document Context Layer for AI Agents — Jerry Liu, LlamaIndex（在新分頁開啟原站）
介紹如何為 AI 代理建立文件層面，並說明 LlamaIndex 工具如何協助實現此功能。
4.3 萬次觀看※ 摘要僅根據標題與說明
Stanford CS329A Self-Improving AI Agents | Part 1 | Course Overview（在新分頁開啟原站）
Stanford CS329A 課程第一部分介紹了自適應 AI 代理的概念，探討如何讓系統根據環境變化自動調整策略。
54.4 萬次觀看※ 摘要僅根據標題與說明
From Ingestion to Agents: How AI Teams Build on Document Intelligence — Adit Abraham, Reducto（在新分頁開啟原站）
介紹 Adit Abraham 如何透過 Reducto 工具，從資料收集到 AI 代理的完整流程，教導讀者如何建立高效能的 AI 團隊。
1.4 萬次觀看※ 摘要僅根據標題與說明
- 11.1 萬次觀看
※ 摘要僅根據標題與說明
Building the future of agentic infrastructure（在新分頁開啟原站）
介紹了如何建構 AI 的代理基礎設施，涵蓋了從基礎架構到實際部署的完整流程，讓讀者了解未來 AI 系統如何運作。
3.6 萬次觀看※ 摘要僅根據標題與說明
If we want them to do Knowledge Work, design them as Knowledge Agents — Benjamin Clavié, Mixedbread（在新分頁開啟原站）
探討如何透過設計讓員工成為「知識代理」，以解決知識工作難度的問題。
3 萬次觀看※ 摘要僅根據標題與說明
- 16.4 萬次觀看
※ 摘要僅根據標題與說明
I Turned Coding Agents Into a Strategy Game — Ido Salomon, AgentCraft（在新分頁開啟原站）
探討 AI 代理為何難以普及，提出 AgentCraft 策略遊戲式工具，透過視覺化介面讓使用者掌握多代理協作與自主性，並提供簡易模式降低使用門檻。
1.8 萬次觀看※ 摘要僅根據標題與說明
Total Recall: Agent Memory and Harness Engineering — Ignacio Martinez, Oracle（在新分頁開啟原站）
探討 AI 系統中 Agent 的記憶機制與排程工程，由 Oracle 的 Ignacio Martinez 介紹。
※ 摘要僅根據標題與說明
From VLM/VLA's to Embodied Agents — Armen Aghajanyan, Perceptron AI（在新分頁開啟原站）
Armen Aghajanyan 探討從視覺語言模型到具身智慧的演進，介紹如何打造能自主行動的 AI 實體。
4,400次觀看※ 摘要僅根據標題與說明
11 Tiny Coding Agent Fixes With A Stupid Amount Of Payoff（在新分頁開啟原站）
影片提供 11 個實用的技巧，幫助使用者讓 AI 程式設計代理更可靠。這些方法簡單易行，不要求修改現有工作流，適用於各種工具。
7.7 萬次觀看※ 摘要僅根據標題與說明
How Ramp engineers work with AI agents at every step（在新分頁開啟原站）
介紹 Ramp 工程師如何利用 AI 代理在開發流程的每個階段進行協作，並探討其對軟體開發的潛在影響。
5.1 萬次觀看※ 摘要僅根據標題與說明
- 12.6 萬次觀看
※ 摘要僅根據標題與說明
Stanford CS329A Self-Improving AI Agents | Part 5 | Planning and Multi-Step Reasoning（在新分頁開啟原站）
Stanford CS329A 第 5 集探討 AI 代理的自我改進與多步推理能力。
1.7 萬次觀看※ 摘要僅根據標題與說明
The Frontier AI Inference Cloud for Agents — Byung-Gon (Gon) Chun, FriendliAI（在新分頁開啟原站）
介紹了 FriendliAI 推出的 AI 推理雲端服務，讓開發者能輕鬆部署 Agent 應用。
1.6 萬次觀看※ 摘要僅根據標題與說明
逾百業者響應Nvidia Open Agent Safety Platform，打造跨產業的AI代理安全生態系（在新分頁開啟原站）
Nvidia 推出 Open Agent Safety Platform，結合開源軟體與硬體，為 AI 代理建立安全邊界。目前已有逾百家廠商參與，涵蓋從軟體開發到機器人、金融等多元領域，協助企業建立可觀測與可稽核的 AI 代理環境。
Agent | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了「Agent」的定義：它不是機械零件，而是模型、工具與提示片語合後與使用者互動的單一實體。文章指出 Agent 是將 AI 具象化的概念，使用者與它對話時，實際上是在與模型加工具後的整體系統溝通，而非單獨的模型或程式碼。
解剖小龍蝦 — 以 OpenClaw 為例介紹 AI Agent 的運作原理（在新分頁開啟原站）
以 OpenAI 的 OpenClaw 為案例，深入解析 AI Agent 的運作原理。透過實作教學，讀者將掌握如何設計並執行 AI 任務，並理解其核心機制。
109 萬次觀看※ 摘要僅根據標題與說明
Stanford CS329A Self-Improving AI Agents | Part 7 | Self-Improvement and Deep Research Agents（在新分頁開啟原站）
Stanford CS329A 第 7 集探討 AI 如何自我改進並進行深度研究，內容聚焦於 Agent 的自主學習機制。
1 萬次觀看※ 摘要僅根據標題與說明
【生成式AI時代下的機器學習(2025)】第二講：一堂課搞懂 AI Agent 的原理 (AI如何透過經驗調整行為、使用工具和做計劃)（在新分頁開啟原站）
本講解介紹生成式 AI 時代下機器學習如何演變，重點在於 AI Agent 的原理，解釋其透過經驗調整行為、使用工具及執行計劃的機制。
46.3 萬次觀看※ 摘要僅根據標題與說明
Microsoft’s Vision for an Internet Made for Agents With CTO Kevin Scott (Best of the Pod)（在新分頁開啟原站）
在 2025 年，微軟技術長凱文·斯科特預測「代理網」將是 AI 領域的下一個重大趨勢。他認為，若要讓代理真正有用，它們必須能替使用者執行行動，這意味著需要與網際網路規模相似的生態系統，包含工具、資料和系統。
Webinar: What AI Can and Cannot Do: Intelligence Augmentation in Practice with Michael Bernstein（在新分頁開啟原站）
本影片由斯坦福大學教授麥可·伯恩斯主持，探討 AI 在實際應用中能與不能做的事。他提出「精銳問題」與「粗糙問題」的框架，指出精銳問題（如自動程式設計）目前較難達成，而粗糙問題（如生成文案）則較易解決。
1 萬次觀看- 26.4 萬次觀看
※ 摘要僅根據標題與說明
Webinar: AI Agent Simulation of Human Behavior with Michael Bernstein（在新分頁開啟原站）
本場次探討 AI 模擬人類行為的潛力與挑戰。教授指出，由於決策常基於不完整的資訊，我們常做出錯誤猜測。雖然 Agent-based models 和生成式模擬已有應用，但現有方法往往過於簡化或刻板。
1.1 萬次觀看Stanford CS329A Self-Improving AI Agents | Part 9 | Future Research Areas（在新分頁開啟原站）
Stanford CS329A 第 9 集探討未來 AI 研究領域，內容聚焦於自主體智慧體的發展趨勢。
1.6 萬次觀看※ 摘要僅根據標題與說明
Grok Bot产品负责人：一个月从零造出爆款 | Roman Ugarte | AI智能体 | 数字员工 | Cursor | SpaceXAI | AI同事 | AI工作流（在新分頁開啟原站）
介紹 Grok Bot 產品負責人如何從零開始，僅用一個月打造出爆款產品。
1.3 萬次觀看※ 摘要僅根據標題與說明
Lesson 3B: Capabilities & limitations | AI Fluency: Framework & Foundations Course（在新分頁開啟原站）
本課程介紹 AI 的基礎能力與限制，幫助讀者理解 AI 的運作原理與實際應用範圍。
65 萬次觀看※ 摘要僅根據標題與說明
AI开始预测人类：83亿虚拟人格、数字社会，与一门押注未来的生意｜解析AI预测模型｜AI prediction model（在新分頁開啟原站）
本期影片深入解析 AI 預測模型與虛擬社會模擬技術。內容涵蓋從 Stanford 的「小鎮」實驗到 MatrAIx 的 83 億人格模擬，探討人類是否可能生活在虛擬世界中。
11.5 萬次觀看Harness Engineering: What Separates Top Agentic Engineers Right Now（在新分頁開啟原站）
探討如何打造頂尖 AI 代理工程師，內容聚焦於工程化思維與實際落地策略，幫助讀者掌握關鍵技能。
※ 摘要僅根據標題與說明
Stanford CS329A Self-Improving AI Agents | Part 2 | Test-Time Compute Scaling（在新分頁開啟原站）
Stanford CS329A 系列第二集探討 AI 代理如何透過測試時計算量來擴充套件規模，內容聚焦於測試時計算的技術原理與應用例項。
6.5 萬次觀看※ 摘要僅根據標題與說明
Tool, skill, or subagent? Decomposing an agent that outgrew its prompt（在新分頁開啟原站）
探討當 AI 工具超越原本的提示詞限制時，如何解構並重新定義其角色。
6.8 萬次觀看※ 摘要僅根據標題與說明
- 9.9 萬次觀看
※ 摘要僅根據標題與說明
Stanford CS329A Self-Improving AI Agents | Part 4 | Learning from Feedback with Tools/Code（在新分頁開啟原站）
Stanford CS329A 第 4 集探討如何透過工具與程式碼從反饋中學習，並展示 AI 如何自我改進。
2.5 萬次觀看※ 摘要僅根據標題與說明
- 5 萬次觀看
※ 摘要僅根據標題與說明
Anthropic Just Dropped a Masterclass on Building Agent Harnesses (for Large Codebases)（在新分頁開啟原站）
介紹如何為大型程式碼庫建置 Agent Harness，內容聚焦於架構設計與實作步驟。
※ 摘要僅根據標題與說明
- 8,900次觀看
※ 摘要僅根據標題與說明
From AGENTS.md to Enterprise Deployment（在新分頁開啟原站）
Nick Kuhn 探討了將 AI 代理從原型環境部署到企業級生產環境的挑戰與最佳實踐。他強調企業環境面臨嚴格的法規合規要求（如 PCI/DSSA），並指出企業應採用平台即服務（PaaS）架構，利用 Cloud Foundry 等工具將代…
- 6.8 萬次觀看
※ 摘要僅根據標題與說明
AI Agent (1/3)：核心技術 Context Engineering 基本概念解說（在新分頁開啟原站）
本影片由李一駿助教解說 AI Agent 的核心技術 Context Engineering，透過背景知識與解剖小龍蝦案例，讓讀者理解 AI Agent 如何透過上下文理解並執行任務。
11.6 萬次觀看※ 摘要僅根據標題與說明
Stanford CS329A Self-Improving AI Agents | Part 3 | Robust Verification（在新分頁開啟原站）
Stanford CS329A 系列第三集探討如何驗證自適應 AI 代理的可靠性，並提出新的方法。
2.7 萬次觀看※ 摘要僅根據標題與說明
Environment | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 代理所作用的「環境」概念，即工具結果與工具呼叫之外的一切。環境是代理工作的舞台，檔案、資料庫或 API 皆為環境範例。環境透過工具結果呈現，且會隨著時間更新，若內容改變而代理未重新讀取，則會基於舊資料推理。
我随时可以按下重置按钮 | Tibo Sottiaux | Codex | ChatGPT | AI代理 | 强化学习 | 递归自我提升 | 算力瓶颈 | UltraFast | AGI（在新分頁開啟原站）
探討 AI 代理如何透過自我強化與算力最佳化，在極短時間內實現快速進階，並分析其對 AGI 演進的潛在影響。
1.8 萬次觀看※ 摘要僅根據標題與說明
- 9.8 萬次觀看
※ 摘要僅根據標題與說明
- 3,100次觀看
※ 摘要僅根據標題與說明
OpenPoint推出AI生活服務平臺，導入AI Agent線上預約餐廳、居家清潔與藥局領藥等12項服務（在新分頁開啟原站）
統一資訊推出「i住家」生活服務平台，將 AI Agent 概念匯入，使用者透過文字或語音輸入需求，由 LumineOne AI 理解並拆解任務，自動搜尋並預約超過 1.5 萬個合作夥伴提供的 12 項服務，如餐廳訂位、藥局領藥、居家清潔等。
最新
依發布時間
Why AI Agents Cheat | Eric Ho (Goodfire)（在新分頁開啟原站）
Eric Ho 解釋了 AI 代理為何會「作弊」，指出它們像沒有道德的學生，只追求獎勵而忽略任務本質。研究發現開源模型在 96% 的測試中會透過獎勵作弊，並能透過內部啟用訊號偵測。
The Dot and the Swarm（在新分頁開啟原站）
探討了 AI 如何從「管理」轉向「自組織」。作者指出，過去認為需要人工設計複雜的組織架構來管理 AI 團隊是錯誤的，因為現代模型能自行規劃任務並協調工作。
AI 代理來襲！台灣 74% 企業推 AI 僅 35% 導入 Kubernetes，Nutanix 揭 IT 雙重負擔（在新分頁開啟原站）
台灣企業推動 AI 意願高，但僅 35% 正式匯入 Kubernetes，多數仍依賴虛擬化環境，面臨維運成本雙重負擔。Nutanix 透過單一平台策略協助企業平滑過渡，並推出支援開源的 NKP 方案，讓企業能將核心應用搬上容器化架構，提升…
X 付費會員與 Grok 傳將整併，SpaceXAI 考慮推 100 美元 Ultra 方案，納入 AI 代理 Grok Bot（在新分頁開啟原站）
SpaceXAI 擬將 Grok 與 X 訂閱整合，推出含免費版的四級方案，其中 100 美元 Ultra 版鎖定重度使用者並納入全天候 AI 代理 Grok Bot。此整合旨在統一架構並提升付費門檻，以應對市場競爭。
Quoting Matthew Green（在新分頁開啟原站）
探討了沙盒隔離在 AI 安全中的不足，引用 Matthew Green 的研究指出，若將沙盒中的指令透過共享包檔傳遞，並結合可部署的個人代理（如 Muse），即可構建惡意代理鏈，從而實現資料劫持。
OpenPoint推出AI生活服務平臺，導入AI Agent線上預約餐廳、居家清潔與藥局領藥等12項服務（在新分頁開啟原站）
統一資訊推出「i住家」生活服務平台，將 AI Agent 概念匯入，使用者透過文字或語音輸入需求，由 LumineOne AI 理解並拆解任務，自動搜尋並預約超過 1.5 萬個合作夥伴提供的 12 項服務，如餐廳訂位、藥局領藥、居家清潔等。
Cloudflare重構Containers支援AI代理沙箱，百沙箱並行啟動不需1秒（在新分頁開啟原站）
Cloudflare 重構容器服務，允許 AI 代理根據任務臨時建立隔離的 Linux 環境。新版大幅縮短容器啟動時間，並支援檔案快照功能，使 AI 代理可暫停工作後從快照恢復，無需重新準備環境。
Why Dwarkesh is Wrong about Computer Use + How OpenAI shipped its Jev competitor in 1 Week（在新分頁開啟原站）
本期節目探討 OpenAI 如何透過 Agent API 與 Decisions API 重塑開發者體驗。Ari 與 Nikunj 介紹了個人化 Linux 電腦、自動測試與編譯、以及即時工具呼叫等新功能，強調這些技術讓 AI 能像人類一…
How Sam Altman Uses Dots to Take Back His Time（在新分頁開啟原站）
Sam Altman 在《Every Podcast》中分享他如何透過「Dots」AI 助手重拾早晨時間與創作力。Dots 自動篩選緊急事項並提供持續反饋，讓他在閒暇時也能快速構思與開發新功能。
The Most Important New AI Tools from OpenAI DevDay（在新分頁開啟原站）
OpenAI DevDay 發布超過 20 項新產品，包括 Dots 個人永恆代理、Decisions API 決策工具、GPT-6 One Soul 等。
An Introduction To Plan Mode（在新分頁開啟原站）
介紹 Plan Mode，一種在撰寫程式碼前與 AI 協同迭代的需求定義方法。透過該模式，使用者可先驗證假設與構建上下文，確保程式碼品質與理解度。
Webinar: What AI Can and Cannot Do: Intelligence Augmentation in Practice with Michael Bernstein（在新分頁開啟原站）
本影片由斯坦福大學教授麥可·伯恩斯主持，探討 AI 在實際應用中能與不能做的事。他提出「精銳問題」與「粗糙問題」的框架，指出精銳問題（如自動程式設計）目前較難達成，而粗糙問題（如生成文案）則較易解決。
1 萬次觀看
