SAP凭借更智能、受治理的Joule代理，进一步推进其自主企业战略
SAP SE 今日在其面向开发者的年度 TechEd 大会上宣布了一系列人工智能创新，进一步强化了其 Joule 智能体解决方案和 Business AI 平台，其中包括表格数据基础模型。Joule Work 的新功能将助力 AI 智能体提升效率，并与开放协议实现互操作。在此背景下，模型上下文协议[…] 该文章“SAP 以更智能、受管的 Joule 智能体推动企业自主化发展”首发于 SiliconANGLE。
AI NEWS JOURNAL
全部 AI 动态
保留完整资讯流，用来源、主题和时间找到你关心的消息。
把15个国民级App接入灵光后，我造出了最舒适的国产Personal Agent
自从拿到蚂蚁灵光2.0这个Personal Agent的内测，它已经成为我的私人管家了。到现在，我已经通过Skill、MCP、GitHub项目或者内置的方式，把15个国民级App都接进去了。基本上我打开「帮我管」那一栏里，定时任务里会定时刷新值得关注的信息。灵光不是我用的第一个Personal Agent，前前后后一共测了12个，测到后面，我越来越觉...
个人智能体全球爆发，“中国版Muse”蚂蚁灵光2.0率先交卷
该说不说，这两年 AI 进化得飞快，从整理资料、做 PPT 到敲代码，相信大家都已经习惯让它代劳了。 可你发现没有？ 一旦关掉对话框回到现实，AI 好像就和你没关系了。它在它的云....
AI 智能体的土拨鼠之日：在 Amazon Bedrock 上使用 OpenAI 模型的提示缓存模式
每当智能体采取一步行动时，它都会在执行前重新读取其全部上下文。以下是 Amazon Bedrock 上的 OpenAI 模型如何通过提示缓存让您的智能体记住相关信息，从而在无需每轮都重新发送相同的工具、指令和历史记录的情况下，降低输入成本并减少延迟。
AI 智能体的上下文工程（智能体记忆）始于检索
代理在笨拙的搜索、过大的结果集以及过时的数据上浪费了时间和上下文。了解 LangChain 的深度代理所采用的检索技术，以获取恰当的上下文。
利用深度智能体进行上下文工程：如何在无需将所有内容都保留在上下文中时实现记忆
长期运行的智能体在上下文不断累积时会性能下降。了解如何通过卸载、摘要、技能、子智能体和记忆机制，让您的智能体保持专注的上下文窗口。
DocuSign 如何通过将 Claude Code 与 dbt v2、dbt MCP 和 agent 技能相结合，将分析工程时间缩短了一半
DocuSign 将 Claude Code、dbt Agent Skills、dbt MCP 和 dbt v2 集成到一个工作流中，并测得生产力提升了50%。
如何用一个连接 MCP 的 AI 智能体在六分钟内解决仪表板调试问题
一个 AI 智能体利用 BI 层内的 dbt 血缘关系，在喝咖啡的工夫里就解开了三个数据谜团。
LangChain发布“公司级智能体框架”五大核心组件
LangChain于2026年10月25日发布博客，系统阐述其在营销、销售与工程团队内部部署AI智能体（GTM Agent、OpenSWE、Content Studio）所沉淀的五大通用架构原则：原生集成工作环境（Slack）、动态身份模型（OBO+固定凭证）、双层记忆机制（全局/用户级）、沙箱化代码执行、高比例调度运行（非手动触发）。所有智能体均基于Managed Deep Agents平台构建。
推荐理由：该资讯源自LangChain官方博客，发布时间（2026-10-25T18:06:32.000Z）早于当前系统时间（2026-10-25T23:01:18.857Z），内容聚焦已落地的内部智能体实践，细节具体（如Slack线程隔离、GitHub账号归属逻辑、Notion/Twitter权限分层等），未含未经验证的预测或外部宣称，符合时效性与事实性要求。
微软开源Agensh：支持1024个自主协作AI编码代理的去中心化框架
微软研究院于2026年10月25日开源Agensh，一种无需中央协调器的多代理运行时框架，支持1至1024个LLM编码代理在ProgramBench上自组织协作。系统基于Gitea、Mattermost和DeLM风格共享看板实现去中心化协调，所有代理运行同一提示驱动的五步循环，已在Linux+Docker环境下验证可扩展性。
推荐理由：该成果代表多智能体系统架构的重要演进——摒弃传统‘主控代理’范式，通过提示工程与轻量服务组合实现大规模自组织；其在ProgramBench上的实证数据（如128代理使5任务均分提升49%）为分布式AI工程提供新基准；MIT许可证开源且兼容Copilot CLI等主流单代理工具，具备实际开发参考价值。
Anthropic开源OS级沙箱sandbox-runtime：为AI代理提供无容器的文件与网络隔离
Anthropic于2026年10月24日开源sandbox-runtime（srt），一款不依赖容器的OS级沙箱工具，用于限制AI代理、MCP服务器及CLI工具的文件读写与网络访问权限；支持macOS（Seatbelt）、Linux（bubblewrap）及Windows（alpha），npm包v0.0.81，Apache-2.0许可。
推荐理由：该工具代表AI安全基础设施的重要演进——通过操作系统原生隔离机制实现细粒度、进程树全覆盖的沙箱控制，直面提示注入与权限泛滥风险，且已投入Claude Code内部使用验证效果。
拜耳作物科学基于Amazon Bedrock AgentCore构建多智能体决策引擎ADE
拜耳作物科学在Amazon Bedrock AgentCore上构建了Agentic Decision Engine（ADE），一个面向育种专家、分析师与研究人员的自然语言多智能体平台，作为其现有Connected Decision Engine（CDE）的增强层而非替代。该系统已上线生产环境，服务超100名R&D用户，通过22个领域专用智能体与约20个API工具实现约80%问题自助解决。
AI Agent Memory: How LLM Agents Manage State in Production
Learn how AI agent memory works, explore short-term and long-term memory architectures, and discover how to combine n8n and Cognee to build AI workflows that retain context, share knowledge, and learn across sessions.
译文排队中，当前为原文 · en向大赦国际代理基金会捐赠代理技能
向Anthropic的Agent AI基金会新闻提供代理技能:我们致力于保持代理技能开放、社区驱动和供应商中立。 今天,我们正在向Linux基金会下的代理AI基金会(AIF)捐赠该标准,去年我们与Block和OpenAI共同创立了该基金会,我们向该基金会捐赠了示范背景议定书(MCP)。 我很高兴注意到去年12月我给这个电话, 当时Anthropic第一次宣布技能是"开放标准": 我并不感到惊讶,看到这个结果 在AAIF, 最近的新家 MCP规格。 我透过Datasette-mcp插件, 发现这篇文章, 净MCP 找到,如果我曾经谈论 如何我想要的技能T
AI代理幻觉检测的多层方法：面向生产环境的实用框架
本文系统梳理了AI代理（AI Agent）在实际工作流中产生幻觉的四类典型模式（事实性、上下文性、虚构性、自相矛盾），并提出需结合可信度检查、源验证、自我一致性评估、语义熵分析及人机协同阈值等多维度检测手段，而非依赖单一评分。强调检测必须嵌入工作流闭环，与可观测性、错误处理和人工审核路径深度集成。
自托管大模型 vs. 云API：如何智能路由请求
本文对比自托管大语言模型与云API在数据隐私、成本、延迟和能力上的权衡，介绍开源可部署模型的硬件要求（如VRAM与量化）、典型技术栈，并以n8n为例说明如何构建混合式路由工作流，在本地与云端模型间按任务敏感性、复杂度或合规要求动态分发请求。
API 版本管理策略：保障工作流集成稳定性
本文对比 URI、HTTP 头、日期和查询参数四种主流 API 版本化策略，分析其在可读性、缓存兼容性与调试便利性上的差异，并详解如何通过主动监控弃用头（Deprecation/Sunset）、响应码（如 410 Gone）及 n8n 工作流内置机制实现平滑迁移。
有状态 vs 无状态：AI Agent 构建中的上下文管理策略
本文探讨 AI Agent 系统中 stateful（有状态）与 stateless（无状态）架构的核心差异，分析其对可扩展性、容错性及上下文连续性的实际影响，并以 n8n 平台为例说明如何分层设计内存节点（Memory nodes）与状态存储（state stores）以实现灵活、可控的状态管理。
Deep Insight：AWS开源多智能体系统如何解决五大生产级挑战
AWS解决方案架构团队推出的开源多智能体系统Deep Insight，面向CSV数据自动分析与自然语言报告生成场景，系统性应对生产环境中常见的五大挑战：智能体编排、按角色选模、稳定运行、安全代码执行与可观测性，并已在LG电子和re:Invent 2025 TechRecon等真实场景落地验证。
AWS发布自适应智能体框架AAIF：基于Strands Agents实现边缘-云协同的分层AI任务调度
AWS提出Adaptive Agentic Intelligence Framework（AAIF），利用Strands Agents构建分层智能体架构，通过本地小型语言模型（SLM）动态路由任务——常规IoT遥测与视觉分析在边缘执行，复杂推理交由Amazon Bedrock云端大模型处理；框架支持混合部署、成本可控，并集成责任AI控制建议，但当前为概念验证实现，未提供第三方验证或商业落地数据。