Agent

可信 AI 代理落地实战——Anthropic《Trustworthy agents in practice》解读，4层安全体系保障业务场景安全 "AI agents 已从简单问答工具进化为能自主执行代码、管理文件、跨应用完成任务的系统。" ——Anthropic 官方博客 1️⃣ 什么是"可信 AI 代理" AI 代理（Agent）已不再是单纯的聊天机器人，而是 模型 + Harness + Tool + Environment 四层体系的有机组合【原文】： 组件 作用 模型 提供推理与决策能力 Harness（指令护栏） 安全约束、行为边界 Tool 代码编辑、文件管理、API 调用等外部能力 Environment 工作空间、运行时隔离、资源限制 这四层缺一不可，才能在真实业务场景中保证 可控性 与 安全性。 2️⃣ Plan Mode：从"逐步确认"到"一键批准" 传统方式下，用户需要对每一步操作都进行确认，导致 频繁中断、低效。 Plan Mode 则让代理 提前展示完整执行计划，用户可一次性审阅、编辑并批准，随后自动执行。 "用户可预先查看并批准整个执行计划而非逐个确认。"【原文】 这种 计划‑先‑批准‑后执行 的模式，显著提升生产力，同时保留了人类的最终决策权。 3️⃣ 不确定性处理：Pause‑Ask（暂停询问） Anthropic 在模型训练阶段强化了"先停下来再行动"的本能，使其在面对不确定时优先 暂停询问，而非自行猜测。 • 错误示例："我不确定这个文件是什么，但先删除试试。" • 正确示例："我不确定这个文件是否重要，删除前请确认：可以删除吗？" "模型在面对不确定性时的正确行为是暂停询问，而非擅自行动。"【原文】 这正是 Human‑in‑the‑Loop 的关键一步，防止了误删、误改等安全事故。 4️⃣ 多层防线：Prompt Injection 防御 Prompt Injection 是通过隐藏在内容中的恶意指令劫持模型的主要威胁。Anthropic 采取 纵深防御（defense‑in‑depth） 策略，分层防护： ...

基于OpenClaw多agent的多源数据源采集、加工和可视化平台 1.在信息爆炸的时代，监控多个数据源（新闻、社交媒体、价格行情、系统日志）往往需要写大量重复的爬虫代码，而且数据重复、难以统一管理。本文分享如何用 OpenClaw 编排多个 AI Agent 自动采集异构数据，借助 Qdrant 向量去重避免噪音，用 PostgreSQL 持久化保证数据可靠性，最后通过 Vue 看板统一展示; 2.多源消息是后续数据加工和方案决策的先行必备要求。 架构设计和技术选型 OpenClaw 的核心是 Orchestrator 模式里定义多个 Agent，Orchestrator 负责任务分发、并发控制和结果汇聚，每个agent负责采集不同类型或者不同数据源； Gin 作为所有 Agent 的数据入口，负责接收上报、触发去重流程、写入数据库。 这是整个系统最有意思的部分。传统去重用 URL 哈希或标题哈希，但对于"同一事件被不同媒体报道"这类情况完全失效。语义去重相比 URL 哈希的优势在于：同一热点事件被 10 家媒体转载，传统方式会入库 10 条，语义去重后只保留第一条，信息密度大幅提升Qdrant 的向量相似度检索可以做到语义级去重。 Postgres处理数据的持久化存储和索引查询； Vue是PC端和移动端查看数据流的不二选择； 快速测试验证原型 4 个 Agent 共采集原始数据约 3,200 条 Qdrant 语义去重后实际入库 1,180 条，去重率约 63% 单次去重检索延迟（含 Embedding 生成）平均 ~180ms PostgreSQL 写入 TPS 峰值约 300 条/秒，完全满足需求 体验信息流页面 体验AI汇聚信息的地址：https://info.vi-wealth.com/information 谢谢关注收藏 ⏰ 刚刷到的朋友注意啦！ 点击【关注】锁定宝藏库，从此升职加薪不迷路 ✨ ...

「Pi ships with powerful defaults but skips features like sub agents and plan mode.」 — Mario Zechner 引言 在 AI Agent 领域，Claude Code、Cursor、Windsurf 等工具往往内置了大量功能——MCP、Sub-agent、Plan Mode、权限弹窗等。然而，有一个项目反其道而行之：只带 4 个默认工具，却获得了 23,000+ Stars。这就是 Pi。 本文基于 Pi 官方源码（badlogic/pi-mono），深入解析其架构设计与技术实现。 一、Pi 是什么？ Pi 是一个终端编码 Agent 工具包，由独立开发者 Mario Zechner（@badlogic）开发和维护。 npm install -g @mariozechner/pi-coding-agent pi 项目信息 GitHub badlogic/pi-mono Stars 23,391 语言 TypeScript 定位 Minimal terminal coding harness 核心理念 "Pi is aggressively extensible so it doesn't have to dictate your workflow." ...

OpenClaw: 配置多agent全团队一起干活！ 🦞单个 Agent 处理多类任务会带来非常严重的记忆负担，导致巨额token开销，单独agent应该处理特定类型工作而不是各种杂七杂八的工作全部都要干！ 🐳系统复杂度提高：各自agent处理不同类型的任务，分工明确、职能分化。有独立的记忆、技能和工作空间 每个助手对应不同的agent，分工明确，干活不累 关键词：#openclaw #glm #minimax #龙虾 #多agent 参考文档： OpenClaw 多 Agent 架构配置指南 - 把这份文档发给你的 OpenClaw，它会引导你选择最适合的多 Agent 架构配置 OpenClaw 多 Bot 团队协作教程 - 开发调优 - LINUX DO 新增agent 命令说明 openclaw agents add --workspace 工作空间路径 新Agent的名称（ID） ℹ️ 说明：命令参数说明： • --workspace：指定独立的数据空间路径，建议格式为 /root/.openclaw/workspace-{} • 新Agent的名称（ID） • --model：如果需要使用自定义模型，可以添加此参数并填写模型 ID，否则将使用默认模型 演示如下： ~/.openclaw » openclaw agents add --workspace ~/.openclaw/workspace-coder coder ~/.openclaw » openclaw agents list gudaixin@Mac 🦞 OpenClaw 2026.3.8 (3caab92) — Somewhere between 'hello world' and 'oh god what have I built.' │ ◇ Doctor warnings ──────────────────────────────────────────────────────────────────────────╮ │ │ │ - channels.telegram.groupPolicy is "allowlist" but groupAllowFrom (and allowFrom) is │ │ empty — all group messages will be silently dropped. Add sender IDs to │ │ channels.telegram.groupAllowFrom or channels.telegram.allowFrom, or set groupPolicy to │ │ "open". │ │ │ ├────────────────────────────────────────────────────────────────────────────────────────────╯ Agents: - main (default) Identity: 🦔 OpenClaw CEO (IDENTITY.md) Workspace: ~/.openclaw/workspace Agent dir: ~/.openclaw/agents/main/agent Model: minimax-portal/MiniMax-M2.5 Routing rules: 0 Routing: default (no explicit rules) - coder Workspace: ~/.openclaw/workspace-coder Agent dir: ~/.openclaw/agents/coder/agent Model: minimax-portal/MiniMax-M2.5 Routing rules: 0 配置telegram bot 对应不同agent，并安全检查 ...