Agent 小知识｜A2A 是什么：Agent 之间怎么通信
上一期我们聊了 Stateful Session：一次交互结束后，同一个 Agent 应用怎样保存状态，并在下一次调用时接着处理任务。但如果任务超出了它自己的能力，需要交给另一个独立 Agent，他们之间该如何“联络”呢？
Ruflo 怎么把上百个 Agent 管起来：编排、记忆、工具边界
Ruflo 是套在 Claude Code 和 Codex 外面的执行层：管 swarm 编排、跨会话记忆、MCP 与浏览器工具。这篇走一遍安装与两条实操路径，再拆 11 月 5 日 v3.71.4 的八条安全公告——它们正好暴露了 harness 的边界。
龙虾突然撕掉单人标签，整个科技圈的Agent可能都要换一种活法
GitHub Universe 现场，OpenClaw 用两台电脑演示了多人实时协同操控同一智能体的震撼场景，直接击碎“单兵作战”的行业迷思。
Agent为什么需要Workflow？State、Node与条件分支讲透
上一篇，我们在RAG的基础上，把 Function Calling、Tool Calling 和 Agent 之间的关系梳理了一下。大模型开始不只是“回答问题”，而是能够调用计算器、数据库、知识库、天气API，甚至业务系统。
只会搜关键词还不够，Agent 需要一套更聪明的本地搜索
ripgrep 之外，Agent 还需要语义检索。8 月底开源的 zvec-grep 把语义、BM25 全文、rg 正则和混合检索收进同一个接口，让 CLI 与 Agent 共用一份本地索引。
Agent Loop 深度解析：理解、规划、行动、观察与纠错
Agent 的最小核心可以表示为：理解目标->决定下一步->作用于环境->读取真实结果->更新状态并修正->满足条件后结束。模型提供语言理解和行动决策能力，Runtime 提供状态、执行、权限、恢复和终止控制，工具把模型连接到外部环境。
又一个 Agent 联网神器，一站式本地免费搜索 + 深度爬取 + 网页监控
让 AI 查最新技术文档，结果只能吐出过时的训练知识；调用云端搜索 API，每次查询都要花钱，Agent 一并发十几个搜索请求，账单蹭蹭上涨；Firecrawl、Exa、Tavily 有免费额度，高频使用很快耗尽，想要随心所欲就得续费；网页抓取失败没有报错提示，AI 拿着残缺的摘
为什么 AI 时代要懂 Node.js？——换台电脑，Agent 怎么就不认你了
一、一个让你想砸电脑的瞬间上一篇我们讲 Git，说它是 AI 改文件的“后悔药”。你看完挺满意：懂了，有 Git 兜底，以后让 Agent 随便动我的文件，改废了一键回滚，稳。然后你做了个特别自然的动作——把整个 AI 工具文件夹拷进 U 盘，插到另一台电脑上，双击启动。
低代码，Agent 编排和工作流平台差在哪：拆一遍 AgentSphere
业务团队想让 Agent 查资料、调接口、点网页、交回结构化结果，第一反应常是找个工作流平台画流程图。AgentSphere 走的是另一条路：把模型、能力、浏览器和模型路由配成一个实例，编排放进单个 Agent 的 ReAct 循环。
从0写一个会用工具的Agent：查库存、做计算、自动决策
前面几篇，我们已经把Function Calling、Tool Calling、Workflow、State、Node、Edge以及Agent之间的关系讲得差不多了。