南晚Nanwan

🎉上交大AI硕士 | 港大博士在读｜专注 Agent / Vibe Coding / AI算法 | OPC跑通稳定年入百万
🌈分享真实踩坑 | OPC创业路径 | 商业模式 | 行业观察 | 技术分享
🎉持续输出小白能看懂的内容 | 正在用AI创业中

[南晚Nanwan @snwiki238337]

https://t.co/ggrDEbAK68

[南晚Nanwan @snwiki238337]

有用过GLM-5.3-Flash的说说咋样嘛哈哈，我刚开了GLM的MAX

[Zixuan Li @ZixuanLi_]

Yesterday, we rolled out a configuration update for GLM-5.3-Flash to improve performance in some agentic use cases.

If it underperformed Ox Alpha in your workflow between August 26 and 27, please give it another try and let us know if the experience has improved.

[南晚Nanwan @snwiki238337]

@ZhuiDao760 想的清楚做的就清楚，每个Agent的边界、功能、职责等

[南晚Nanwan @snwiki238337]

很多企业的团队在自己定制Agent的时候会出现一个问题，一旦遇到了复杂的任务、问题等等的时候，就开始设计多 Agent 协作。但在大多数Agent产品的早期，这通常不是第一优先级。引入多 Agent 之前，可以根据三个问题去判断边界和是否需要加强多Agent：
• 单 Agent 的任务边界清楚？（边界不清 = 职责重叠/死循环）
• 每一步有可验证的中间结果？（无校验 = 错误逐层放大）
• 失败后能定位到底是哪一步错了吗？（无 Log = 调试成本指数级上升）
如果这三件事还没做扎实，多 Agent 往往只是把一个难调的问题，变成多个互相甩锅的问题，最后得到的Agent不过是一个协作不清晰的混乱的小组。从根本上来讲，协作不是能力的来源；清晰的分工与可验证的状态才是。
早期架构的正确演进路径：
优化 Prompt/CoT ➔ 单 Agent + 结构化输出 ➔ 确定性 Workflow (如 LangGraph) ➔ 复杂多 Agent。
先用确定性的代码逻辑把单点打透，在进行架构上的改进和逻辑重构，而不是直接上来复杂的多Agent协作，这只会掩盖调优上的偷懒。

[南晚Nanwan @snwiki238337]

@Guluhehe 是的，能用一个Agent解决事情如果扩展散发到了多个Agent，那么这个组织架构一定是存在问题的

[南晚Nanwan @snwiki238337]

@momo_peggy 还真是财大气粗，有往后延一个月

[南晚Nanwan @snwiki238337]

我觉得其实很简单，但是做起来不简单。

总的来说就是一句话：你的优势是否存在于功能之外，并且难以被快速复制。

如果能做到这一条的话，我认为腾讯抄过去也无法做到真正的打破你的护城河

[追道 @ZhuiDao760]

@snwiki238337 想起多年前一个面试问题，当你的这个产品被腾讯抄过去的时候，你的护城河是什么

[南晚Nanwan @snwiki238337]

这ZCode是用什么玩意开发优化的，这内存占用太离谱了吧

[南晚Nanwan @snwiki238337]

https://t.co/chzRk4snJ9

[南晚Nanwan @snwiki238337]

@lucianwhy 喔，千问也有，一直没太关注千问的

[南晚Nanwan @snwiki238337]

豆包输入法windows版本啥时候上，等了好久了还不出

[南晚Nanwan @snwiki238337]

@QT9277 一针见血👍。Agent的记忆本就是控制遗忘的过程，哪些该忘记哪些该留下

[南晚Nanwan @snwiki238337]

大部分的人都把“上下文更长”理解成“Agent 记忆更好了”。
长上下文解决的问题是你还能把更多信息塞进去。但是呢记忆真正要解决的是，对话流进行到此时此刻到底该保留、调用、更新还是遗忘什么。
如果把所有历史对话都留给模型，不是记忆系统，本质上只是把检索和判断的成本推给了模型。
能工作的 Agent Memory，核心不是存得多，而是过期信息能不能退出决策链路，保持决策链路中信息的干净、必要。

[南晚Nanwan @snwiki238337]

@momo_peggy 我也感冒了，而且我哥也感冒了这几天😂

[南晚Nanwan @snwiki238337]

@momo_peggy 着眼红了😅

[南晚Nanwan @snwiki238337]

@shuizhuyu 对的，主要是看个人习惯的，有的人喜欢先学原理再进框架，有的喜欢先框架再原理。

[南晚Nanwan @snwiki238337]

一个学习Agent的简单线路：
LLM 基础
↓
LangChain
↓
LangGraph
↓
Agent 核心原理
↓
Context Engineering
↓
Agent Engineering
↓
论文 + 源码
↓
自己实现 + 做真实产品

[南晚Nanwan @snwiki238337]

@g_yummy89085 我看到了网上有内测包的，但是都说是体验不太好，macos上的体验还是很不错现在，windwos估计是因为兼容什么的卡住了。

[南晚Nanwan @snwiki238337]

@chasen_liao 嗯对的，我平常还是习惯直接边做边学

[南晚Nanwan @snwiki238337]

找到一个不错的Agent项目，600多star，比较适合接触了一点基础，想要进阶的人，属于偏向实战派的：https://t.co/Jnz9lkU9f9

一共是24 个章节，基本沿着一条很清晰的路推进的：先讲最基础的 Agent Loop——模型调用工具、拿到结果、再继续推理；然后逐步加上工具运行时、权限与沙箱、Hooks、任务规划、子 Agent、Skills、上下文压缩、长期记忆、错误恢复、后台任务、定时调度、多 Agent 协作、MCP 接入、可观测性和评测。

是一个不错的教程型的Agent实战项目

[南晚Nanwan @snwiki238337]

一个学习Agent的简单线路：
LLM 基础
↓
LangChain
↓
LangGraph
↓
Agent 核心原理
↓
Context Engineering
↓
Agent Engineering
↓
论文 + 源码
↓
自己实现 + 做真实产品

[南晚Nanwan @snwiki238337]

@ai_xiaomu 直接本地部署了吗，看官网定价定的比deepseek还低

[南晚Nanwan @snwiki238337]

@Stephen4171127 我觉得不该去掉，这个东西其实可以并行跟agent核心原理等，但是因人而异，有人适合先研究原理和内核再去做真实产品，有人适合边做产品边学。不过的确先去学习langchain系列的是有难度的