LangChain Deep Agents 集成 Claude Skills 的一种实现方式
apframework.com

框架和工具日渐完善：DeepAgents 是由 LangChain 团队开发的开源 Python 工具包，专门用于构建能够处理复杂任务的智能 AI 代理。
apframework.com

夏季的结束

机器之血一篇文章，提及“谁掌握了数据入口，谁就掌握了 AI 进化的主动权。”，不禁联想到其他跟随者和闭门造车者后续更加艰难的日子
所引用内容 from www.jiqizhixin.com

LangGraph 与 FastMCP 2.0（MCP 2.0）的集成，两种方式：
1. 客户端集成：将 FastMCP 服务器暴露的工具、提示与资源，作为 LangGraph 工作流中的可调用节点（最常见）。
2. 服务端封装：把已有的 LangGraph Agent 封装为 FastMCP 服务器，对外以标准协议提供能力（反向集成）。
www.apframework.com

U14App 团队的 Deep Research
apframework.com

试了 LangChain 的 Open Deep Research，工程代码不多。过程中 UI 出行文字重叠，最终报告正常，也通顺，参考文献一部分准确。
apframework.com

等待 JVM 平台上的 agentic flows（代理型工作流）框架
Embabel 简介： apframework.com

按照源码阅读方式，拆解 DeerFlow 的实现过程：
架构 -> 流程 -> 核心模块 -> 核心机制 -> 功能模块
DeerFlow 深度解析： apframework.com

凯利模型，使用“是否积极参与”与“是否独立思考”，这两个维度把员工分为四类：
・积极参与+独立思考=明星
・积极参与+不独立思考=顺民
・不积极参与+独立思考=隐士
・不积极参与+不独立思考=绵羊
初步理解上：讲得很好，逻辑闭环。细想后发现：积极参与和独立思考可以覆盖很多类别，应用时需要进行细化，但是模型又需要概括…
如果不想消耗时间深究，那只是又多知道了一个模型，等待遗忘，如果在遗忘之前有机会应用或者加深理解，也许会变成知识