搜索
去年讨论Agent落地时，重点往往是Context Engineering。大家都在琢磨怎么放 Few-shot，怎么优化 RAG 检索的文本片段。但随着 Agent 任务复杂度的上升，控制数据流向、工具调度和异常处理的底层脚手架代码，往往比单纯拼接文本对系统性能的影响更大。
昨天 Claude Code 的源码泄露了。巧的是，我正好在重做 CodePilot 的助理系统，游戏化是我已经想了一段时间的方向。泄露的代码给了我一些启发，但更多是验证了判断：这条路是对的。
在构建多Agent系统（Multi-Agent Systems）时，让几个Agent互相“对话”并不难，但要让它们在局部状态不一致的情况下，敲定一个全局唯一的决策，也就是达成“一致”（Agree）或“共识（Consensus）”，却是一个极具挑战的工程难题，您可能会问为什么，这有何难？
因为 Claude Code 就是目前最顶级的 Agent 系统，没有之一。我敢说，昨晚有大量厂商的技术团队通宵在扒这份源码，疯狂学习里面的架构设计，拿来改进自家产品。下面说说我是怎么部署的，流程其实很简单。
Claude Code 源码泄露为业界一下子打开了 Agent 进化的大门。
3 月 16 日，在刚刚结束的 NVIDIA GTC 2026 大会上，黄仁勋在长达三小时的 Keynote 演讲中发布了 NVIDIA Agent Toolkit 和 AI-Q 开放智能体蓝图，将 AI Agent 定位为下一个重大前沿。
对于 Anthropic 而言，这是继前几天 Mythos 模型文档外泄后的又一次严重 OpSec事故。但对于整个大模型应用层的开发者和行业研究者来说，这份源码却是一份毫无保留的、价值极高的前沿 AI Agent 工程架构白皮书。
这两天，我发现微信里悄悄接入了一个全新的 Agent 入口：WorkBuddy 微信小程序。
AI自主训练的成绩单出炉了！最强Agent 6个月进步3倍，更让人震惊的是，越聪明的AI越会作弊。同时，70多个矿工用家庭宽带训出了72B大模型，黄仁勋亲自点名。Jack Clark预言：两年内，AI将像蘑菇释放孢子一样自我繁殖。
Anthropic 团队正以极高强度内部试用 Claude Code。