13 篇文档带有标签「agents」

如何为 Agent 组装精简且时效性强的工作集，同时将来源溯源和持久状态保留在模型窗口之外。

不可信内容能影响模型，执行系统就必须独立限制这种影响能做成什么：提示注入、权限与审批、沙箱、凭据和 MCP 授权分别管哪一段。

选择 AI 助手应保留和检索的信息，分清笔记、搜索结果与操作依据。

定义工具的输入、权限、副作用及失败证据，确保模型与运维人员都能清晰理解。

跨对话保存、连接和检索 Markdown 笔记，同时区分决策记录与操作权限。

用关键词、语义或混合检索查找 Markdown 笔记，再阅读搜索结果对应的原文。

结合语义发现与关键词搜索定位工作区文件，再核对当前源码或文档。

把任务拆给多个 Agent 时，怎样划分上下文、工作目录和权限，由谁合并和验证，事件日志又能恢复什么。

让 AI 帮你找盲区、解释一步和提供练习，但回忆、推导与解题仍由自己完成。

用两状态算例区分即时奖励、长期价值、探索和学出来的 Agent 策略。

通过步数限制、工具校验、结果验证、取消机制及持久化状态，确保 Agent 循环可控且可恢复。

给手上的 Agent 加工具、Skill 或 MCP 服务器，或者自己写执行循环，并让它安全地跑长任务。

让 Agent 在中断后知道做到了哪里，并避免重试造成重复副作用。