Claude Code + Obsidian：打造你的 AI 第二大腦
結合 Claude Code 與 Obsidian 的新工作流，將 LLM 從被動聊天機器人轉變為知識生產系統，實現了持久記憶與自動化知識編譯。
Search
Tag: #agentic-workflow156 results
AI 驅動開發的系統化工程實踐
本文概述了 AI 編碼的系統化方法，重點在於透過明確的約束與結構化需求來減少幻覺。它強調應將 AI 視為必須遵守嚴格架構「憲法」的開發者。
MedCalc-Pro：針對複雜醫療計算的全新 LLM 基準測試
MedCalc-Pro 是一個包含 2,268 個臨床案例與 77 種醫療計算器的全新基準測試，旨在解決現有 LLM 醫療評估的侷限性。該研究同時提出了一種專用代理框架，能處理多工具選擇與嵌套計算，並有效抑制參數誤差傳播。
為你的 eve agent 加入 GitHub 工具集
Vercel 為 eve agent 發布了全新的 GitHub 工具集，讓開發者能以極簡代碼構建功能完備的 GitHub 代理。此更新包含預設配置及針對寫入操作的內建安全機制。
🤖
TRACE：用於 LLM 代理的開源層級記憶系統
TRACE 引入了一種用於 LLM 代理記憶的層級主題樹結構，在 EventQA 基準測試中顯著優於 Mem0 和 MemGPT 等現有解決方案。它為管理長期對話歷史提供了一種比扁平化 RAG 區塊更高效的替代方案。
📰
為 AI 代理構建主動式上下文策展系統
作者分享了為程式編寫代理構建主動式上下文管理系統的經驗，強調資訊密度比單純的上下文壓縮更重要。該專案採用多層次記憶架構與語義檢索，以維持代理的專注度。
RLVR 技術提升企業 SaaS 工作流的工具使用準確度
本研究探討利用強化學習與可驗證獎勵 (RLVR) 來提升大型語言模型在 Jira 和 Confluence 等複雜企業 API 環境中的表現。透過在無需人工標註的情況下對工具調用軌跡進行訓練，該方法顯著減少了靜默失敗與工具調用幻覺。
Vercel 在 MCP 和 CLI 中新增 Agent Runs 支援
Vercel 在其 MCP 工具和 CLI 中引入了對「Agent Runs」的原生支援，讓開發者能直接檢查 AI Agent 的執行軌跡、推理過程與工具使用情況。此整合使編碼 Agent 能透過查詢專案元數據與追蹤資料，自動進行除錯。
Fable 5 創下 AI 自由工作者效能新紀錄
Anthropic 推出的最新模型 Fable 5 在自動化自由工作者任務方面創下了新的效能紀錄。儘管表現優異，該模型在處理複雜的實際工作流程時仍需人類監督。
Mnemosyne：用於可靠 AI 工作流的代理事務處理系統
Mnemosyne 引入了代理事務處理 (ATP)，將 AI 生成的動作視為未經信任的提案，並透過確定性約束確保其有效性。它提供了一個強大的運行時環境，用於驗證、修復和提交 AI 工作流，同時維護系統狀態的完整性。