02:03LangChain@LangChainAI精选Rippling AI 采用多智能体系统架构,每个主管智能体下辖三个专业 Deep Agent:读取智能体负责查询结构化数据,RAG 智能体检索非结构化信息(如 HR 文档、手册),行动智能体执行写入操作。主管智能体分析查询并决定调用哪个子智能体。该架构将复杂企业任务拆解为专业分工,提升自动化效率与准确性。AI产品多智能体系统RipplingDeep Agents企业AI架构设计推荐理由:做企业级 AI 应用或 HR 系统集成的团队值得关注——Rippling 的 Deep Agents 架构展示了如何用多智能体分工处理结构化与非结构化数据,直接复用思路可加速自家产品智能化。原文
16:14shao__meng@shao__meng精选场外衍生品市场名义价值 846 万亿美元,45% 的保证金追缴存在争议,其中过半源于双方对同一份 CSA 合同的理解不同。该系统将流程拆为四层:ADE 按专用 Schema 提取字段并绑定源页码;三个 Claude Agent 并行归一化抵押品描述、时区和货币条款,纯规则验证 Agent 预审矛盾项;五步骤纯 Python 计算器执行确定性运算,零 LLM 调用;最终生成带追溯、推理链和可独立运行脚本的审计包。核心洞察是争议根源在合同解读而非数学,LLM 负责模糊语义判断,规则负责一致性算术,两者接口显式化。该分离原则适用于保险理赔、监管报告等一切文档解释驱动确定性计算的高风险场景。AI产品智能体金融科技LLM应用可审计性架构设计推荐理由:金融衍生品团队终于有了解决保证金争议的架构方案——把 LLM 的模糊判断和规则的确定性计算分离,做 OTC 清算、合规或风控的开发者可以直接参考这套可审计设计。原文
AITOP5月29日 08:02Opus 4.8发布:编程助手的“静默时刻”,是解放开发者,还是新门槛?🔥Anthropic 把 AI 编程的“确认键”彻底删掉了!Claude Code 搭载全新 Opus 4.8 模型,长时间任务不跑偏、不废话、不中断,像一个资深工程师一样默默干活,从功能开发到漏洞清扫全包圆,你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”,现在它直接交完整交付物……自主编程的最后一层窗户纸,被捅破了。做自动化开发和代码审查的团队,这个模型建议直接上手,效率差距肉眼可见……
12:13arXiv: OpenAI@Roberto Cruz, David Rey-Blanco精选研究者提出MDIA,一个由7个专科路由节点组成的多智能体临床推理图,在HealthBench Professional基准(525个病例)上,使用未微调的GPT-5.4-2026-03-05模型达到0.6272分,比OpenAI的ChatGPT for Clinicians高出3.72个百分点。性能提升主要来自系统架构设计,包括专科路由、多轮上下文保持、药物状态安全门控、站点过滤搜索、长度感知合成和引擎级可靠性。实验还发现,使用不同模型作为评分者时结果差异显著,例如Gemini 2.5 Pro评分时MDIA得分0.6585,表明评估需要多个独立评分模型。该研究证明,智能体临床基准性能既取决于基础模型,也取决于编排架构。论文多智能体临床推理HealthBenchGPT-5.4架构设计10 个信源在谈推荐理由:医疗AI开发者注意了:MDIA用架构设计而非提示工程就超越了专业临床模型,做临床决策系统的团队值得研究其7节点路由和药物安全门控设计。原文