别再把 Agent 的每一步写死：OpenProse 如何用 Markdown 管理多 Agent 工作流
模型和调度框架不断变化，多 Agent 工作流怎样留下能复用的做法？
文章
由 AI 采访转化而来，每篇都能追到原视频。
电脑 Agent 会做一次还不够：Simular 怎样让它学会重放，出错后再接着做
电脑 Agent 偶尔完成任务，离每天执行同一流程还有距离。
不再只向闭源模型“租用智能”：Fireworks AI 怎样把训练、部署和反馈接成循环
把应用从闭源模型切到开源模型，成本可能降低，质量和维护工作却不会自动解决。
怎样知道 AI Agent 不是“看起来不错”？一套从 Trace 到 CI 的评测方法
Agent 每次回答和行动都不同，怎样知道新版本真的更好？
反洗钱 Agent 不该自己封账户：Nacho Martinez 怎样把记忆、工具和人工复核装进 Harness
反洗钱系统发现可疑交易后，模型的判断不能直接变成封锁客户账户的决定。
别再让 AI 跟表格聊天：一笔婚礼预算怎样变成可信的财务 Agent
当 AI 的分析会影响真钱，怎样让人有理由相信结果，而不只得到一张漂亮表格？
MiniMax M3 怎么把百万上下文和原生多模态放进同一个模型？
长上下文和视觉能力放进同一个模型时，算法收益还要经得起显存读取、训练稳定性和文本质量的检验。
40 亿参数模型如何用不到 500 美元的训练，胜过 2350 亿参数模型？
金融 Agent 答错，不一定是模型不懂金融，也可能是它编造表名、查询过宽或遇错后重复同一动作。
AI 写出更多、更大的 PR，谁来验证？Sonar 想让 Agent 接手整条验证链
AI 让代码改动变多、变大，团队仍要在合并前完成评审和集成检查。
Automattic 怎样教远程员工用 AI：两周集中学习，只是第一步
分布在全球的员工拿到 AI 工具账号后，未必有时间把它用进实际工作。
Argon 做出了网站、3D 定制器和报价工具，但生意还得从人群里找
AI 能很快做出网站、定制器和报价工具，下一步仍要找到愿意使用和付费的人。
Every 为什么放弃一人一个 Agent，改成全公司共用一个 AI 同事
Every 给员工各配一个 Agent 后，个性化体验不错，多套实例却越来越难维护，个人调好的技能也难以传播。