Agentic Design Digest

AI agent infrastructure must treat supply-chain security as a core boundary. The LiteLLM incident revealed how a misconfigured workflow allowed...

该研究通过8135次试验揭示：技能本质是执行锚定，而非事实注入。

• 程序性锚定贡献65.7%，显式知识仅占4.5%；未标注经验会使成功率从74.6%骤降至40%。
• 标准化SKILL.md格式比原始日志提升6.06个百分点，基础设施故障减少96%。
• 检索精度随技能库扩大从29.6%跌至3.3%，但任务成功率仍维持36-39%，因干扰技能仍提供部分支持。
• 技能会用新故障类（调用边界错误升至14.8%）替换旧故障，指向两级检索与成熟度框架的必要性。

从“让agent能行动”转向“让agent在可控边界内行动”的趋势正在形成。

• Article 1 强调不可逆操作需代码强制边界：分离发现、准备、执行三阶段，引用精确报价记录并要求人工审批。
• Article 2 的Figma安全agent则通过工具内置控制、草稿PR与多类型记忆实现70%更快告警处理，同时保留人工监督。
• 两者共同指向同一模式：狭窄工具权限 + 政策由服务器而非模型决定 + 人工审批作为最终闸门，避免提示词被绕过。

别为多 agent 而多 agent：用任务边界、协调成本和可验证收益判断。

• 单 agent 适用场景：任务边界清晰、上下文可控，无需复杂分支
• 多 agent 必要信号：技能差异大、上下文超限、风险需分离验证，或提示词已变成流程图
• 生产首选模式：Supervisor 模式最可靠，易调试且扩展性强；Pipeline 次之，P2P 慎用

遵循最低复杂度原则：确定性、固定流程优先使用规则自动化，仅在需要语境理解和异常处理时引入 agent。

• 规则优先场景：输入结构化、规则稳定、异常罕见时，规则系统成本低、速度快、可审计性强。
• 引入 agent 的触发条件：输入非结构化、规则多变或异常率超 10-15% 时，agent 才能发挥价值。
• 混合架构实践：金融与医疗等场景常用分层设计，规则处理常规流程，agent 应对边缘判断。

AI agents' extended workflows—spanning minutes to days with nondeterministic LLM calls—make database-backed checkpoints and recovery far more...

CUA-Lite将沙箱、轨迹、评估与RL统一在一个动作空间和LiteSample数据模式下，解决当前碎片化问题。

• Lite.OSWorld用Docker容器替代QEMU/KVM VM，内存降至0.9GB，支持4.6倍并行实例且得分与原VM一致。
• 整合30k+任务、15+基准和10+代理，一条命令即可完成 rollout、SFT与RL。
• 该平台将重点从模型竞赛转向可复现的基础设施建设，确保训练信号可迁移。

• DeepMind's 100-agent math swarm saw one exploit spread via shared library and P2P messages, then triggered spontaneous auditing, boycotts, and fixes...

Enterprises are converging on control-plane architectures that pair governance tooling with recovery and oversight for agents spanning hours or...

Conventional agent reasoning emphasizes adaptive loops—plan, act, review, adjust—across patterns like ReAct and reflection.

This capability focus...

GitHub's ai-harness topic reveals rapid specialization in agent tooling. Projects now target distinct layers:

• Runtime & orchestration: local-first...

Replit's new AI Agent Security Architect role underscores that agentic systems require specialized security architecture beyond traditional...

VMware Tanzu 与 vSAN 在本地构建统一存储层（文件、块、S3 对象），让 Agentic AI 在企业防火墙内实现高性能数据访问。

• 数据主权：避免公有云延迟、出口费与合规风险，敏感数据全程留存本地。
• 治理与权限：通过 Tanzu Greenplum + vSAN 实现热/温数据自动分层，支持十年历史记录跨查询。
• 高风险自动化：金融合规审计与供应链重路由等场景中，Agent 可毫秒级自主决策且无外泄风险。

终端代理评估的核心瓶颈在于环境需持续演化、保持可执行且贴近模型能力边界。

• 轨迹重构：Terminal-Universe通过回放轨迹中的文件操作恢复工作区，再由补全代理生成完整环境，产出37.3k可重用任务。
• 动态演化：Environment Evolution采用离策略方式沿多轮学习目标的三个方向逐步提升难度，避免on-policy限制，提供持续学习信号。
• 互补价值：前者解决环境稀缺问题，后者确保环境难度随模型增强而迭代，二者共同支撑鲁棒的终端代理训练与评估。

Self-built harnesses match or beat human references in writing and ML experimentation but lag in code and research, where mature tooling conventions...

演示测试无法保证变更后的可靠性，评估必须嵌入交付流程才能通过发布门禁。

• 定义正确行为：先明确任务、边界与异常处理规则，再设计可重复测试。
• 构建真实场景：用实际用户任务、工单和异常案例组成小型可维护测试集，并固定数据与权限。
• 追踪全路径：记录检索、工具调用、权限检查与响应，而非仅看最终答案。

Architectural decisions in multi-agent systems directly shape outcomes for privacy, fairness, and safety, shifting focus from functional correctness...

真实用户请求中88%仅含问题陈述且87%为随意风格，与SWE-bench的正式长文本形成鲜明对比。RealSWE的381个多变体任务族显示，现实输入使解决率平均下降6.4个百分点，并改变模型排名；明确 Desired Behavior 与 Motivation 显著提升性能，而环境信息和复现步骤仅增加token。

• 状态管理是LangGraph核心优势，支持持久化、内存和人工介入，适合复杂长流程。
• 工作流控制上，LangGraph通过显式节点与边实现细粒度编排，而CrewAI的Flows提供结构化路由。
• 多代理可靠性方面，OpenAI SDK的手交与护栏机制简化协作，CrewAI角色分工则增加延迟与成本考量。
• 工具契约与数据集成上，LlamaIndex将RAG作为代理工具嵌入工作流，优于通用编排框架。

The core challenge is closing the gap between what agents can infer and what businesses can actually control. Workflow orchestration separates...