多Agent | 人人都是产品经理

AI,个人随笔

刚刚，Claude Code大重构！内部3万Agent管理技术免费开放

Claude Code 的 Projects 功能全面重构，原生支持多 Agent：下达目标后云端派生多条 Git 分支并行写码并直接提 PR，新增共享记忆对齐上下文。Anthropic 内部并发跑着 3 万个 Agent，核心研发已有 26% 由 Claude 主导。

量子位

Anthropic Claude Code Git

AI

新Siri终于开始理解用户“个人上下文”了

Apple 给 Siri 补上了'个人上下文'能力：它能串联你常用的 App、联系人、行程与对话习惯，把零散信息拼成可用的助手记忆。实现思路借了多 Agent 协作——让感知、推理、执行分工处理。

字母榜

Apple Siri 个人上下文

AI

从目标到可靠交付：复杂 Agent 的执行、反馈、协作与记忆体系

当Agent被要求完成“读取售后数据、分析问题、生成报告、审批后发送邮件”这类复杂任务时，单一Prompt往往力不从心。本文深入拆解固定工作流、自主规划、多Agent协作、反馈机制与Memory等核心概念，揭示如何通过流程控制与人工审批构建可靠、可控的智能体系统。

Grace

Agent HITL 反馈机制

AI

智能客服 Agent 架构选型：从【能回答】到【能解决】到【能代办】

智能客服架构选型常让企业陷入两难：多Agent协作复杂度失控，单Agent又难保准确率。本文提出三层能力模型，从能回答、能解决到能代办，结合网易云商、阿里、Amazon MARCO等案例，解析不同阶段的架构设计与产品经理的核心关注点，助你找到适合自身业务的发展路径。

凌青

Agentic AI 多Agent 智能客服

AI,个人随笔

知识库和 Prompt 都有了，企业为什么还需要多 Agent？

企业AI助手正从知识问答迈向跨系统任务执行，多Agent架构成为解决复杂流程的关键。本文深度剖析了从单Agent到多Agent的演进逻辑，揭示知识库与Prompt的局限，以及如何通过责任划分、流程设计和协作机制，构建真正可靠的企业级AI任务执行系统。

Tuer AI

AI协作任务自动化企业AI

AI

从一个“上传病历”的需求，我把多 Agent 协作彻底搞明白了

当医疗AI遇上多Agent协作，一个看似简单的病历纪要生成需求，竟暗藏技术选型与合规布局的双重挑战。从单模型硬扛到多Agent分工，从Dify快速验证到LangGraph核心自研，这篇文章揭秘了医疗AI产品从架构设计到落地部署的全链路思考，尤其值得关注的是其中关于数据合规、失败兜底与人工干预的关键设计。

Niney

Dify LangGraph 医疗AI

AI,个人随笔

我挖到了Kimi K2.6+Hermes的六个神技巧，这下多Agent 24h组队干活真成了

当Claude认证与API成本成为开发者的双重枷锁，Kimi K2.6的发布带来了新的破局思路。其长代码能力与Hermes Agent的Profile机制深度结合，让多Agent协同开发从构想变为丝滑现实。本文将从OpenClaw迁移到Hermes多分身实战，拆解如何用K2.6构建低成本、高效率的AI开发工作流。