最新文章

把开源模型接到 API 只是起点。SGLang 以高效能 LLM／多模态模型 serving 为核心，提供 OpenAI 相容介面、原生生成 API 与多种部署路径。本文从实际导入角度拆解它解决的问题、上手方式、效能工程边界，以及哪些团队适合先试。

Paperclip 是一套开源 control plane，将不同 runtime 的 AI agent 放进同一个组织、任务与治理架构。本文从 goal、org chart、heartbeat、预算、审批与 audit log 拆解它如何把多 agent 自动化从零散 session 推向可观测、可恢复且有边界的工作系统。

AutoGen 将多代理系统拆分为 Core、AgentChat 和 Extensions，并通过 AgentTool、MCP Workbench 与 AutoGen Studio 支持从原型搭建到工具编排。本文正视其已进入维护模式的现状，解析架构、权限与可观测性要求，并梳理现有系统和新项目的采用与迁移策略。

googleworkspace/cli 以 Rust 打造 gws，透过 Google Discovery Service 动态建立命令面，搭配结构化 JSON、schema 探索、分页、OAuth、Agent Skills 与 helper commands，让人类、Shell 与 AI Agent 共用同一套 Workspace 自动化介面。本文拆解它的架构、优点、安全边界与适用场景。

MCP 的价值不只在于让模型呼叫工具，更在于把工具、资料与可重用的互动介面接到同一套协定。FastMCP 以 Python decorator、型别注记与现成的 server／client API，让团队能从一个可验证的小型 MCP Server 开始，再逐步处理传输、部署、授权与治理。

多数 RAG 系统把文件切成固定片段，再用向量相似度找上下文；PageIndex 改用阶层式文件树与 LLM 推理来定位内容。本文从架构、上手流程、成本与限制拆解这个 vectorless RAG 引擎，说明它适合哪些长篇专业文件，以及为什么它不是所有场景的向量资料库替代品。