一个完美的 Agent 框架应该是什么样子的？

aws 的 strandsagents 在文档里也强调了对评估的支持，看起来也挺不错的。UI 协议上的支持就差点意思。

Pydantic AI 框架看起来设计的挺不错的，有很好的 UI Stream 支持，支持 ag-ui,vercel sdk 的协议，并且是从代码层面支持评估。不仅仅有 LLM as judge，而且还有基于 telemetry span 的评估。最绝的居然支持 Temporal 这类持久化执行的框架，生态集成的不错，不过目前只是看文档得出的结论

昨天 34 分钟一公里蛙泳，转身没学会😭，感觉姿势有问题，效率上不去🤦‍♂️

Cursor 出 Visual Editor for Cursor Browser 了，前端更方便了

很有远见

Manus坚持 Zero Predefined Workflow（预设程序）。面对每一个用户的每一次任务请求，哪怕是重复任务，我们都交由模型自己判断：这个任务应该拆成哪些步骤？每一步需要调用什么原子能力？Less structure, more intelligence.
未来的 Agent 会拥有更加完整的系统，更理解你的上下文，掌握更多的工具，并主动为你完成任务。我们背后的 infra 就是在为明年可能出现的「有人愿意付费让一个 agent 全天候 24 小时在后台为自己工作」做准备。

提示词工程看到过最好的教程 @yan5xu 太强了

后面实现自己的框架的时候就可以按照这个路线来了

喝完这个开始 vibe 编程

要是想要坐庄该怎么办？

我们为什么现在讨论“上下文工程”？整个行业自身仍处在学习如何构建可靠 AI 软件的阶段。

提示词或者Agent 系统看起来就很适合使用 Pareto 优化的方式来演进。

Pareto 优化是针对 多目标（multi-objective）优化问题 中的一种判断标准。它强调：在存在多个、且相互冲突的目标时，某个解决方案若已经达到了 无法在一个目标上改进而不在至少一个其它目标上退步 的状态，就称为“Pareto 最优”或在“Pareto 前沿（Pareto front）”上