让 Agent 在对话中成长：自进化机制的五层实现
自进化 (Self-evolution) 是 Agent Harness 的核心模块，拥有自进化能力后 Agent 才能在长期的任务交互中不断成长，总结和改进自己的技能、记录用户的反馈和偏好，从被动应答升级为能够主动复盘和自我成长的 Agent。本文以 CowAgent 开源项目为例，介绍 Agent 框架中五层自进化机制的架构设计和工程实现。
标签 Agent 下的文章
DeepSeek V4 模型的 Agent 能力实测
DeepSeek V4 系列发布之后，关于它能不能用、好不好用的讨论很多，但大部分评测还停留在普通对话或编码上。CowAgent 作为一个开源中立的 Agent 框架，则更关心模型在 Agent 链路中的真实表现，包括任务规划、复杂编码、长期记忆、浏览器自动化、知识库构建、长上下文处理等，本文针对这 6 项能力在 CowAgent 中对 DeepSeek V4 模型做了全面测试。
RAG优化进阶 - 智能体平台的知识库优化实践
RAG（Retrieval-Augmented Generation，检索增强生成）技术经过近两年的快速发展，已经从初期的概念验证阶段进入到了大规模企业级应用的关键时期。在这个过程中，单纯依靠简单的文档切分和基础的向量检索技术已经无法满足企业对于知识库问答质量的要求，需要在RAG技术的各个环节进行更为深入的优化。