关于最近尝试slock、multica等多Agent有感： One agent 还是 multi-agent？ 本质区别就一个：每个智能体是否拥有独立的系统提示词、记忆和技能集。 两种范式： 1. **One agent**：所有智能体共享同一套系统提示词、技能集和 memory。切换角色靠 prompt 驱动——"你是一个前端开发工程师"、"你是一个 QA"——让它自己加载对应的技能去完成任务。 2. **Multi-agent**：真正把智能体拆开，彼此信息不共享，共同知识靠项目文档来维护。 哪个更好？我觉得短时间内 one agent 更实用，multi-agent 暂时没看到什么亮眼的结果。 后者唯一说得通的好处是：你可以维护一个跨代码库工作的 code review 机器人——它天然适合做一个独立 agent，能在不同项目间积累经验。但如果反过来，为了某个项目就拆出一堆 agent，这合理吗？一个公司会为每个项目单独配一个 QA、单独配一个研发吗？ 所以按项目拆 multi-agent 是有问题的。真要搞多 agent，它应该是一个**后端 agent**：服务多个项目，在多个项目间共同积累经验，而不是每个项目都复制一套 agent 出来。

GitHub 正式上线 GH-600 认证：Agentic AI 开发者认证！ 这套认证专门针对负责设计和管理 AI 智能体系统的开发者。 考核内容涵盖多智能体编排（multi-agent orchestration）、安全防护（guardrails）以及生产环境下的 AI 工作流。 GitHub 明确了新的岗位要求，开发者不仅要会使用 AI，更要具备监督和控制 AI 系统运行的能力。 在 Web3 与 AI 结合的自动化趋势下，这套技术栈将成为核心竞争力。

🤖 AI Agent 学习地图 — 从基础 LLM 概念到自己构建多 agent 系统，为“想学习 AI 或 AI agent 的人”设计。 结构化 7 阶段学习路径，从「LLM 是什么、token 怎么算」一路到 multi-agent 编排、本地部署， 每阶段都有必做的 動手練習 练习、必修阅读、精选 project

腾讯的workbuddy能爆火，再一次证明了我在2025年反复讲的论断： 老板和商业真正需要的AI，不是多么准确和处理复杂长任务的AI Agent， 而是需要掌控力，需要随时干预，需要纷繁复杂的可视化，需要随时找人过来详细汇报，需要随时插嘴、随时微操作、随时打断、随时调整目标、随时推翻重来的一个工具。 我反复说，绝大多数拟人化企业过家家的multi agent之所以受欢迎，因为恰恰迎合了绝大多数老板和想当老板的普通人的这些奇葩性癖。 人们并不是认可multi agent的产出结果高于一个agent，而是完全沉迷于可视化、操作、下达任务、选择、推翻、汇报、打断、骂街、决策、画大饼这些企业过家家的游戏操作。