Show HN: Claudaholic – Keep Up with Claude2 months agohttps://www.claudaholic.com/本文概述了提升与AI代理协作技能的日常练习方法，围绕六个方面展开。每个方面包含六项日常任务：判断力（六次捕捉代理错误的调用）、编排（六个工作流问题）、架构（六个设计问题）、杠杆（六次预算调用）、品味（六次品味调用）以及知识（六个知识片段）。目标是通过这些每日练习证明技能，以跟上Claude的步伐。
Building Agentic Workflows in Python with LangGraph2 months agohttps://machinelearningmastery.com/building-agentic-workflows-in-python-with-lan...LangGraph 将智能体表示为包含状态、节点和边的图；状态是共享的 TypedDict，节点是更新状态的函数，边定义执行顺序。MessagesState 通过 add_messages 归约器提供内置的消息历史，自动累积对话内容。模型调用放置在节点内部；工具使用 @tool 装饰器注册，并通过 bind_tools 绑定到模型。ToolNode 负责执行工具；tools_condition 在 ReAct 循环中在图中的模型节点和工具节点之间路由。检查点（例如 InMemorySaver）使用 thread_id 在单独的图调用之间持久化对话状态。标准 ReAct 模式每次使用工具涉及两次模型调用：一次决定调用，一次解释结果。
I Cut an AI Agent's Token Use by 94%2 months agohttps://vivekhaldar.com/articles/compiling-an-ai-agent-skill/AI智能体代币使用量因将稳定工作流部分编译为确定性代码而减少94%。自然语言技能初始用于灵活性，分析历史记录后创建专门化工具。LLM仅用于语义判断步骤，如候选选择和草案起草，而非重复性任务。优化模式：以自然语言表达工作流，收集记录，编译稳定部分，保留LLM调用以进行关键判断。大型模型供应商的激励可能不优先考虑代币减少，为独立开发者创造了机会。