strands-labs/strands-decider

StartLuxLabs/StartLux-Decision

这是一个开源决策模型系列的项目仓库，模型规模从 0.8B 到 27B，一次推理即为每个选项给出校准概率，仅在不确定时输出简短思考。项目提供面向 vLLM、llama.cpp 和 MLX 的推理引擎，并提供 Hugging Face 模型页、arXiv 技术报告、API 文档与博客链接。

为什么一个 AI 智能体不够用（以及如何运行 1000 个）——CJ Avilla 与 Harrison Stall（Anthropic）

Why One AI Agent Isn’t Enough (And How to Run 1,000) - CJ Avilla & Harrison Stall, Anthropic

一个 Anthropic 人员主讲的工作坊视频。开场以 Ken Thompson 一个月写出 Unix、IBM 用 1000 名工程师开发 OS/360、Linus Torvalds 在 1998 年遇到瓶颈作类比，引出管理 AI 智能体时的规模问题，随后介绍 Claude Managed Agents 中的 Flows：向 Claude 给出目标，它通过 API 自行规划并运行最多 1000 个智能体的多智能体拓扑。演示包括股票自选股扫描器、在关键阶段投入更多算力的方法、Bug Hunter 与 Explainer Studio 模板，并说明单智能体因惰性、自我偏好偏差和目标漂移而失灵。结尾讨论大规模安全运行：预算、中断、自动模式、凭据保险库和网络锁定。视频含时间轴。

emanuele-em/kanzo

这是一个自托管的看板工具，同时是浏览器看板和 MCP 服务器，让人和编码代理在同一批任务上协作；单个约 4 MB 的二进制文件，冷启动约 2 毫秒，无需账号和服务器，整个看板是一个文件夹并通过私有 git 仓库在多台机器间同步。标签包含 Rust、SQLite、local-first、Claude Code、Codex 等。适合用编码代理做任务管理、想要本地自托管看板的人阅读。

如何用决策模型做评估（Evals）

How To Use Decision Models for Evals

Hamel 博客的文章，讨论把 Jev、Perplexity Decider、Liquid d1、Cloudflare Clef、OpenAI Decisions API 等决策模型用作 LLM 判官的廉价替代方案。文中指出默认 0.50 阈值常被直接使用而未针对任务调整，因而先演示阈值调优，再比较成本与性能，并讨论如何解读模型分数以及校准对置信度估计的作用；实验使用某公寓租赁代理的 100 条对话轨迹，任务是找出含错误的轨迹。

构建智能体：何时把子智能体并入主智能体循环

Building agents: When to fold subagents into your main agent loop

这是 Anthropic Claude 平台的一篇开发者文章，讨论在什么情况下应减少子智能体、以及如何将它们迁移到主智能体循环中。文章介绍了子智能体的作用（验证、并行工作、模块化权限），并提到应用 AI 团队发现把路由器、规划器和领域子智能体并入主循环后，单一带技能的智能体在质量上常优于全提示设计和子智能体设计，且每任务成本与延迟往往更低。文中还提到配套的迁移工具包，含模式识别、方案评估和模拟系统演示。