我筛过的 LLM 和 agent 信息源
最近刷了不少 LLM 和 agent 相关的内容，有些确实有用，但大部分都是噪音。
所以我给自己攒了一份实用清单：几个信息源，再加一套思考框架，帮我做出不止能跑 demo 的 agent。
目前固定在看的有这几个：
- 小红书上的各种“更新”帖（反应快，当趋势雷达用）
- Latent Space Podcast
- Anthropic 博客（Newsroom / 动态）
- LangChain 博客
现在我正把它们理成一套体系。
思考框架（借鉴 Anthropic 的“Building Effective Agents”）
我从 Anthropic 那儿偷师来的核心思路很简单：
先用最简单的 workflow 把问题解决掉，复杂度真的需要了，才一步步把它“agent 化”。
这个思路很对工程师的胃口：给 agent 放权之前，先做出一个能观测、能测试、能 debug 的东西。
做 agent，我分三层来想：
1) 基础组件（primitives）
不管做什么系统，这几样都会反复用到。
- 工具 / 动作空间
Tool calling 已经是标配了，真正费功夫的在别处：agent 怎么发现工具，权限怎么管，schema 怎么写规范，还有工具一多，怎么不让上下文爆掉。
- 环境 / 状态
Agent 干活的地方不在聊天记录里，在环境里：浏览器、文件系统、UI 状态、终端、数据库。
- Memory / context engineering
- 存什么，不存什么
- 什么时候写进去
- 怎么检索
- 怎么压缩，又不影响正确性
“Memory”没法打个勾就完事，背后是一连串设计决定：
2) 模式（可组合的架构）
我不会一上来就奔着“通用 agent”去，更习惯用模式来想问题，下面这几种拼在一起很干净：
- Prompt chaining / Routing / Parallelization
- Orchestrator-Workers
- Evaluator-Optimizer（审查 → 改进 → 再评估，一轮轮循环）
3) Harness 和 eval（可靠性）
Demo 和能上线的东西，差就差在这一层：
- 可追踪
- 失败模式分类
- 安全重试
- 工具报错怎么处理
- 长时间跑下来不跑偏
可靠性量不出来，我就不信。
我的信息源（按“每分钟干货量”排序）
大致这么分：
- Tier 0：一手信息源，订阅了定期扫一眼
- Tier 1：“翻译官”，也就是把研究讲成工程经验的 podcast 和 newsletter
- Tier 2：benchmark 和 eval，当校准工具用，免得自己骗自己
Tier 0：一手信息源（必看）
Anthropic（研究 / 工程）
- Building Effective AI Agents
- Demystifying evals for AI agents
OpenAI 文档（agent 和 tool calling）
- Function calling
- Agents Python 文档
LangChain / LangGraph / LangSmith
- Deep Agents
- LangSmith Agent Builder
Manus（context engineering，很实用）
- Context Engineering for AI Agents: Lessons from Building Manus
Hugging Face（盯开源生态）
- smolagents
Google DeepMind 博客（看研究趋势）
- DeepMind 博客
Tier 1：podcast / newsletter（每周挑几期）
- Latent Space Podcast
- High Agency (Humanloop)
- The Cognitive Revolution
- The Gradient Podcast
- TWIML AI Podcast
- Import AI (Jack Clark)
Tier 2：benchmark / eval（拿来校准）
- AgentBench（把 LLM 当 agent 来测的 benchmark）
- WebArena（网页环境的 benchmark，很适合测浏览器和工具类 agent）
中文信息源（快，噪音也多，但还是有用）
这些我当趋势雷达用，不当事实看。图的是先拿到“早期信号”，再回 Tier 0 核实。
网站 / 多平台同步更新
- 量子位（QbitAI）
- 机器之心（Jiqizhixin）
我真在看的公众号
论文、产品更新、行业动态，这几个号一直跟得很快：
- 量子位 / QbitAI（公众号：QbitAI）
- 新智元（常有人拿“智能+中国”来概括它）
- 机器之心（公众号：almosthuman2014）
- PaperWeekly（偏论文解读/研究动态）
- DeepTech 深科技（偏“深科技”与产业侧）
- 机器学习研究会（更偏学术/研究社区）
小红书（我拿来筛内容的关键词）
MCP、LangGraph、agent eval、context engineering、tool calling、memoryYouTube（重实现，轻炒作）
- AI Engineer
- Latent Space（视频）
- LangChain
- Hugging Face
X（Twitter）上抓“早期信号”的账号
机构
- Anthropic
- LangChain
- Hugging Face
- Google DeepMind
个人
- Harrison Chase
- Simon Willison
- Jack Clark
动手实践（免得一直纸上谈兵）
1) nanochat：极简的端到端 ChatGPT 式技术栈
每次觉得自己看得太多、动手太少，我就回到一个 repo，把它底层是怎么串起来的从头捋一遍。
- Karpathy
我记笔记的模板：
- 数据怎么处理，token 怎么切？
- 训练循环里，工程上的关键点在哪？
- 有哪些 eval？最小能用的 eval 长什么样？
- 端到端看，推理 / serving 的循环是怎么跑的？
2) Memory 优先的 agent（MemGPT / Letta）
我越来越确信，对要长时间跑的 agent 来说，memory 是真正能拉开差距的东西。倒不是因为它多炫，主要是它能减少重复，前后也更连贯。
我关心的几个点：
- memory 分层（工作记忆 vs 长期记忆 vs 外置记忆）
- 写入策略（什么时候把 memory 正式存下来）
- 检索策略（取回什么，什么时候取）
- 压缩，但不能影响正确性
这部分链到了另一个页面，我在那边做些小实验（同一个任务连跑好几天，统计步数、重试次数和工具报错）。
我的每周节奏（轻量版）
- 每天（10 分钟）：扫一眼 Tier 0（Anthropic / OpenAI / LangChain / Manus）
- 每周（1 小时）：听一两期 podcast（Latent Space 或 High Agency）
- 每周（30 分钟）：读一篇 eval 或 benchmark 论文，或者一篇专讲 eval 的文章
- 每两周：写一篇短笔记，记下“学到了什么 + 打算怎么用”
给自己的提醒（免得跑偏）
- 别追新热词，去追新的失败模式，看别人是怎么修的
- 多看复盘和生产环境的实战故事，少看“十大框架”这类榜单
- 可靠性还量不出来，就不算做完