让 Agent 在沙箱里跑 1,000 个任务：AWS 团队发现了哪些故障？
Agent 在本地跑通的任务，搬到远程沙箱后仍可能被目录权限、依赖路径或资源限制卡住。
文章
由 AI 采访转化而来，每篇都能追到原视频。
Agent 说“做完了”还不算：WorkOS 如何让它自己交出证据
编码 Agent 声称任务完成，怎样确认用户需要的功能真的可用？
银行 Agent 说“退款已发出”，其实什么也没做：Langfuse 怎样给高风险 Agent 设上线门槛
高风险 Agent 的回复看起来正常，怎样判断它真的完成了任务？
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？
把科学问题变成分数以后，AI会加速研究，也会放大奖励漏洞
科研 Agent 能快速搜索大量程序，科学家怎样确保它优化的是有意义的问题？
Jev 不是另一个聊天模型：它想让代码直接调用“判断力”
当软件需要的是一个判断而非一段聊天，模型接口应该怎样设计？
别让 AI 替你写，让它重复你已经说清楚的东西
AI 写出的文字可以通顺正确，却仍然像任何人都能说的话。
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。
Agent Loop 什么时候省时间，什么时候只是在反复烧 Token？
Agent 反复生成、检查和修正，什么时候值得让它自己循环？
Peter Sellis 复盘 Snap 和 Discord：相机怎么卡住变现，核心增长怎样拉回来
消费产品怎样增长，同时不丢掉核心体验？
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？