长周期运行智能体（Long-Horizon Agents）深度研究报告
深度研究报告：涵盖长周期智能体的上下文管理创新（Context-Folding、MemAct）、工业架构演进（DeerFlow、Anthropic接力架构、Cognition反思）、持久化记忆框架（Zep、Mem0）以及评估体系重构（SWE-Bench Pro、Harvey LAB）。
TAG
#LLM
共 26 篇文章。
Autoresearch（uditgoenka）深度分析：一个被过度包装的好点子
客观分析 uditgoenka/autoresearch 项目：它是什么、能做什么、真正的局限在哪里，以及与 Karpathy 原版的本质差距。
Superpowers：给 AI Coding Agent 的结构化开发方法论
Superpowers 是一套开源的 AI coding agent 工作流插件，通过 14 个技能模块硬性约束 AI 的开发流程，防止跳步骤和自作主张，让 Claude Code、Cursor、Copilot 等工具变得更可控、更有纪律。
用 Skill 自动发布 Notion 文章：notion-publisher 的用法与实现
这篇文章记录了 notion-publisher skill 的使用方式、适配过程和实现原理：如何让 Codex / Claude Code 通过 Notion MCP 发布文章，并让 OpenClaw 在无 MCP 环境中通过 CLI runtime 调用 Notion API 创建和更新页面。
CrewAI Evaluation 学习笔记：我如何评价 Agent 是否可靠
我从 CrewAI Evaluation 出发梳理 Agent 评测：可运行不等于可靠，评测要覆盖任务完成度、过程质量、稳定性和成本。
BrowserUse 学习笔记：我如何理解浏览器 Agent
我把 BrowserUse 当成浏览器 Agent 的一个典型样本来学习：它不是简单打开网页，而是让模型围绕页面状态、动作和目标形成闭环。
Open Deep Research 学习笔记：我如何理解研究型 Agent
我从学习者视角梳理 Open Deep Research：它的重点不是多搜几个网页，而是把问题澄清、资料收集和报告写作组织成稳定流程。
大模型数据生成学习笔记：从 Self-Instruct 到多 Agent 数据流水线
我从学习者角度梳理大模型数据生成方法：Self-Instruct、CAMEL、ShareGPT、Baize 和 Data-Copilot 的共同问题是如何让数据可控、可验证、可复用。
MCP 课程学习笔记：我如何理解工具、上下文和 Agent
我把 MCP 当成连接模型、工具和数据源的一套通用协议来学习。真正重要的不是概念本身，而是它如何让 Agent 稳定拿到上下文并调用外部能力。
DeepSeek API 主流厂商比较：我的选择思路
我从学习和实际接入角度比较 DeepSeek API 的几类主流渠道：官方接口、云厂商平台和第三方聚合服务，重点关注稳定性、价格、延迟和迁移成本。