AI 资源库 · 已整理 26 项
查看与Agent 工作流相关的 AI 资讯、工具、Skill、工作流和开源项目。
这篇文章讲的是一个常见现象：AI Agent（智能体，能自己调工具、做决策的程序）在演示环境里表现完美，一放到真实公司环境就出问题。原因是演示时信息少且干净，而真实世界里数据来自多个系统、每天甚至每小时都在变，权限管理也复杂，Agent 往往处理不了这些。作者认为光靠向量搜索或 RAG（检索增强生成，即先查资料再回答）不够，Agent 还需要“业务上下文”——知道客户在不同系统里是不是同一个人、查到的信息是不是最新的、以及为什么要做某个决定。文章还提到 Arango 公司 COO Ravi Marwaha 将在 10 月 14 日的线上讲座中分享把 Agent 从演示推向生产所需的六项数据要求。目前该讲座尚未举行，文中未说明具体的六项要求细节。
提供的材料未提及具体可用工具。
CodeScene 公布了一个案例：用编程 Agent 在三周内重构了 30 万行 C 代码，花了大约 4000 美元的 token 费用，整个结果通过一个逐帧回放的验证工具来核对。过程中 Agent 还自己攒出了一套专门针对这份代码库的操作配方。不过有从业者提出疑问：这个范围算不算大、用的衡量标准是否合理，以及成果有多少要归功于那套验证工具，目前都还没有定论。对读者来说，这说明 Agent 大规模改代码已经能跑通，但离普遍可信还有距离。
Alex314618-create/JevRev · An LLM + Jev workflow that changes EVERYTHING. Boost your vertebrate brain with a spine inside.
JevRev 是一个 LLM + Jev 工作流系统，将工作分为三部分：JevSift 在任务开始时评估多条候选路径并筛选值得投入 token 预算的方向，JevLoop 逐轮审核结果并决定下一步动作（fix / verify / continue / replan / human），JevLong 对长时间多轮任务监测停滞、重复失败、偏移、工具调用问题和预算风险。Jev 负责快速、低成本的决策与过滤，LLM 负责提出并执行工作，二者通过 CLI 与 JSON/JSONL 协议通信，可与 Codex、Claude Code、OpenCode、CI 工作流或自定义宿主集成，并提供交互式 TUI 查看会话与证据。
DIAL-Studio/pm-agent-harness-kit · Product Manager agents + skills: PRDs, RICE, RFCs, sliced epics, experiment designs. Runtime-agnostic pack intent (opencode today, more to come).
PM-AHK 是一个面向产品经理的 Agent Harness Kit，包含 7 个按流水线协作的 PM 专用 Agent（pm-lead、pm-explorer、pm-strategist、pm-builder、pm-reviewer 以及辅助的 pm-coach、pm-smith）和 59 项技能，覆盖 PRD、用户故事、RICE 优先级、战略画布、实验设计、指标与财务、干系人对齐、增长、工作坊与职业发展等产品管理场景。项目宣称支持 opencode、Claude Code 和 Codex 运行时（copilot、cursor 计划中），可通过安装脚本部署，并提供可选的 MCP Harness 用于多会话流水线的状态管理与审计记录。
做 AI Agent 的团队常常需要回头检查 Agent 的每一步表现好不好，但原来的办法要么太死板，要么太贵太慢。现在一个叫 Jev 的模型可以直接接入 LangSmith 的评估功能，当“裁判”给 Agent 的行为打分。据文中介绍，它在分类任务上比一般大模型便宜约 450 倍、快约 200 倍，还能一次并行回答多个判断问题。你可以在任意追踪项目的 Evaluators 标签页里直接试用它。
TypeSafe AI 发布了一个叫 Jev 的新模型。它和普通聊天大模型不同，不写文章式回答，而是专门对一段内容做快速判断，比如“这条客服消息急不急”，并给出概率。这能解决 AI 助手每做一步都要调用一次大模型、又慢又贵的问题：Jev 在分类任务上号称推理快 200 倍、成本低 400 倍。它现在可以通过 LangChain 的 TypeSafeClassifier 调用，适合做模型路由、自动判断危险操作等场景；但它不能替代会写代码、会推理的大模型。