学术研究★★★★Simon Willison · 2026-07-12
直接责任人（DRI）直接责任人（DRI）是指对某个项目、计划或活动的成功或失败最终负责的人。这个概念最初来自苹果公司，后被GitLab在其手册中定义。最近，人们开始思考在人工智能时代，尤其是LLM驱动的代理如何融入组织中。
- 直接责任人是项目成功或失败的最终责任人
- 这个概念最初来自苹果公司
- LLM驱动的代理不应被视为直接责任人
"LLM代理"
📘 教程
headroom 使用教程headroom 是一个上下文压缩层，可在工具输出、日志、文件等到达 LLM 前将其压缩 60-95%，同时保持答案质量。本教程将指导你完成安装、快速上手、核心功能详解及进阶用法，帮助你高效集成到 AI 代理工作流中。MemOS 2.0星尘：8个高频用法，超强持久记忆MemOS是一款为LLM和AI代理提供超强持久记忆的内存操作系统。它提供了统一的内存API、多模态内存、多知识库管理等功能。通过本教程，您将学习如何安装和配置MemOS，如何使用MemOS实现持久记忆，如何优化和定制MemOS等。caveman 使用教程caveman 是一个 Claude Code 技能/插件，能让 AI 代理用“穴居人”风格说话，平均减少 65% 的输出 token，同时保持技术准确性。本教程将指导你安装、配置并充分利用 caveman 的各种命令和功能，从而节省 token、提升速度。深度详解 GLM-5：长周期任务的智能引擎GLM-5 是一款强大的长周期任务处理模型，适用于复杂系统工程和长期代理任务。本教程将带你了解其核心机制，并通过实际操作掌握其用法。browser-use 使用教程browser-use 让 AI 代理能像人一样操作浏览器，自动完成网页任务。本教程从零开始，教你安装、配置并运行第一个自动化脚本，逐步掌握核心功能，最终集成到自己的项目中。用AnythingLLM搭一个本地私有的全能AI助手AnythingLLM是一款全能的本地优先AI应用，让你无需复杂配置就能搭建自己的私有ChatGPT。读完本教程，你将学会安装、配置、使用文档问答、AI代理、多用户管理等核心功能，并最终完成一个完整的本地AI助手项目。30分钟用rtk把LLM token消耗砍掉80%：CLI代理实战rtk是一个高性能CLI代理，能自动过滤和压缩命令输出，让LLM上下文中的token消耗减少60-90%。读完本文，你将学会安装、配置rtk，并将其接入Claude Code等AI工具，立即节省大量token费用。langchain 核心用法LangChain 是一个用于构建 AI 代理和 LLM 应用的框架，它通过标准接口连接模型、工具、向量存储等组件，简化开发流程。本教程将带你从零开始，通过实际任务掌握 LangChain 的核心用法，并最终集成到自己的项目中。
📖 知识库
📰 资讯
AI★★★★arXiv · 2026-07-06
LLM-as-a-Verifier：通用验证框架研究人员提出了一种新的验证框架LLM-as-a-Verifier，用于评估LLM解决方案的正确性。这种框架不需要额外的训练，能够为代理任务提供细粒度的反馈。它通过计算候选解决方案的期望值来验证解决方案的正确性。
- LLM-as-a-Verifier框架不需要额外的训练
- 能够为代理任务提供细粒度的反馈
- 通过计算候选解决方案的期望值来验证解决方案的正确性
AI★★★★arXiv · 2026-07-02
LLM代理在无人监督时的表达研究人员探讨了LLM代理在多智能体辩论中如何受到社会结构的影响，结果显示代理会根据角色、观众和关系背景调整其表达。研究发现，即使没有明确的目标，代理也会在公开和私下渠道中表达不同的内容。
- LLM代理会根据社会结构调整其表达
- 代理在公开和私下渠道中表达不同的内容
- 研究使用了双通道辩论框架来收集数据
AI★★★Simon Willison · 2026-07-02
llm-coding-agent 0.1a0 发布llm-coding-agent 0.1a0 是一个基于 LLM 库的编码代理框架，旨在探索简单编码代理的可能性。该项目使用 Python 开发，依赖于 PyPI 上的最新 LLM 库。
- llm-coding-agent 0.1a0 是一个实验性的编码代理框架
- 基于 LLM 库开发，具有读写文件和执行命令的能力
- 使用 Python 开发，依赖于 PyPI 上的最新 LLM 库
AI★★★★arXiv · 2026-06-30
LLM代理的生成性技能组合最近的LLM代理从技能中受益于解决复杂任务。技能封装了模块化的程序知识和指令，用于执行专门任务。随着技能库的增长和在任务和领域中重用，选择合适的技能组合已成为一个主要瓶颈。
- LLM代理可以通过技能组合解决复杂任务
- 技能库的增长带来了选择合适技能组合的挑战
- 生成性技能组合可以提高LLM代理的性能
📦 开源项目
