Agent架构

找到 5 篇关于此标签的文章

字节把内部数据助手搬上火山：AI 写 SQL 只占两成，剩下八成是工程脏活

字节跳动内部数据分析工具 iDA 正式上线火山引擎。它选择让 AI 直接写 SQL 而非自造语法,选择单 Agent 而非多 Agent 协作。这两条反潮流决策背后,是企业级 AI 落地的真实代价:模型能力只是入口,工程链路才是护城河。

DeepSeek 在 GitHub 开源的 dsh 框架把 Agent 拆成定义、提供方、消费方三层。换一个'零件'，代码就从本地工具变成云端沙箱。这不是炫技，是中国大模型公司在框架层的正经投入。

一篇来自掘金的技术文章，把 Agent 常见推理模式（如 ReAct、Reflex ion、Router）从「并列选一」重新整理成「三层递进」结构。这件事的意义在于：它直接影响企业在搭建 AI 自动化流程时的架构判断——选错层级，返工成本极高。

现在市面上的 AI 编程助手、智能客服，绝大多数都跑在一套「三层嵌套」架构上：最外层保持待命、中间层动态决策、最内层按顺序干活。这套架构决定了 AI 能做多复杂的任务，也决定了它在哪里会卡住、失控、或者无休止地转圈。理解这件事，比学会用某款 AI 工具更重要。

掘金上一篇第三方逆向分析拆解了 Claude Code 的内部架构，涵盖 Agent 循环、上下文压缩、 MCP 集成与 React Ink CLI 渲染四大核心子系统，为 AI Agent 开发者提供可复用的架构参考。