在文章开始前，请您先打开Claude code，输入/skill，检查一下您的Claude code有多少个skills？是20个？50个？还是已经突破了100个？自从Anthropic推广Agent Skills以来，我们都爱上了这种“即插即用”的模块化体验。它把臃肿的多智能体编排（MAS）变成了一组优雅的Markdown文件调用，让API账单和延迟同时暴跌了50%以上。
最近，Cursor 也发表了一篇文章《Dynamic context discovery》，分享了他们是怎么做上下文管理的。结合 Manus、Cursor 这两家 Agent 领域头部团队的思路，我们整理了如何做好上下文工程的一些关键要点。
Agent 并不是一次性输出的系统。它们运行在多轮交互之中：调用工具、修改内部状态、根据中间结果不断调整策略。也正是这些让 Agent 变得有用的能力 ——自主性、智能性与灵活性 —— 同时也让它们变得更难以评估。
百炼升级了其提出的「1+2+N」的蓝图：其中最底层的 1 是模型与云服务，中间层的 2 是高代码、低代码的开发范式，在最上层的 N 则是面向不同任务的开发组件。这套能力覆盖了生产级智能体构建的全生命周期。
“99%的企业级 Agent 都只是玩具！”
Agent 的工具可以 “以终为始”。
过去一段时间，我们介绍了很多小白入门级的agent框架，也介绍了包括langchain在内的很多专业级agent搭建框架。
这篇文章的思路来自 Philipp Schmid，由 minghao 推荐 https://www.philschmid.de/agent-harness-2026
「我们想解决的不是 『做 AI 工作流』，是『根本不需要有工作流』。所有要求用户『预先构建工作流』的 Agent 都是错的。」在 Agencize AI 产品发布之前，我们和张浩然聊了聊他对于生产力工具和工作流的看法，以及 Agencize AI 的真正竞争力。
一家名为 Qveris AI 的初创公司，聚焦于 Agent 时代的 Infra 层，正致力于为 Agent 设计原生搜索和行动路由引擎。据悉，截至目前该公司已获得近千万元种子轮融资。如果说具身智能是为 AI 安上了与现实世界交互的“身体”，那么 Qveris AI 正在做的事就是给智能体（Agent）装上了数字世界的“眼、耳、手、脚”。
