批次来源页：Agent 工程实践选集：可追溯、通信协议、记忆与持续学习

来源类型： 批次综合页（微信文章4-批次018）
日期： 2026-08-24
标签： agent-engineering, traceability, a2a-agui, agent-memory, agent-evolution

覆盖文件数： 12 篇

覆盖文章列表

核心主题

本批次 12 篇（去重后 11 篇）围绕"Agent 工程实践"呈现一条清晰主线：当 Agent 从演示走向高频生产，工程重点从"模型会不会做"转移到"做了之后能否被看见、被撤回、被评估、被累积"。三篇工程文（1、11、12）分别从协同编辑、万亿级 Trace 数据管道、图原生证据链三个角度回答"可追溯"；一篇协议文（4）给出机器对机器（A2A）与机器对人（AG-UI）的通信标准答案；记忆与成长线（3、8、10）则覆盖 Coding Agent 的跨会话记忆、规则文件膨胀的"灾难性记忆"现象与后训练式的持续学习。

商业侧同样有信号：银联 APOP 让智能体进入真实跨境交易（2），勤策刘昭给出"对话式 Agent 卖不掉、嵌入工作流才卖得掉"的 ToB 判断（7），而追剧追踪器（5/6）展示了最朴素的 Agent 入门任务形态。加上 Obscura 轻量无头浏览器（9）作为执行基础设施，本批次足以拼出"可追溯 + 协议 + 记忆 + 商业化 + 轻量执行"的 Agent 工程全貌。

关键发现

可追溯与可回滚：从"改得动"到"退得回"

• ① 协同文档中 Agent 附属于操作用户、但每次改动带独立身份边界（sessionId/runId/messageId）：Ctrl+Z 永远只撤人类手动编辑，Agent 撤回走对话框按钮，且撤回 AI 修改不得误伤同一时刻人类在第 4 段的补充；记录层用 baseJson + 按序 stepsJson（ProseMirror Step 序列化，同 runKey 只存一份基线）而非前后快照，展示层做块级对齐 + 文本级细化两层 diff，构成"事实层→展示转换层→用户决策层"闭环。作者判断：编辑 Agent 与聊天 Agent 的最大区别不在模型，而在完整闭环。
• ⑫ Semantica（semantica-agi，4,030 星、08-11 当日 +967 登 GitHub Trending #1，v0.6.0）：把 AI 决策当作一等图节点（record_decision / trace_decision_chain / check_decision_rules），以 W3C PROV-O 记录来源、Rete/Datalog/SPARQL 做确定性推理，图构建与推理明确不依赖 LLM；多后端可替换（RDF：Oxigraph/Blazegraph/Jena/RDF4J；LPG：Neo4j/FalkorDB/Apache AGE/Neptune）。作者冷静提示：v0.6.0 恰恰修复了 7 个来源追踪/规则推理正确性 bug 与远程 Fuseki 静默写入失败，"把决策放进图里不会自动让决策正确，它首先让来源、规则和因果链有机会被检查"。
• ⑪ 某头部 AI 企业的 Agent Trace 管道：单次长任务可含数千次工具调用、数百万 context tokens；生产高峰在线 Trace 每小时 TB 级、累计万亿级。开源 bend-ingest-kafka 用 Raw Mode 先把原生 JSON + Kafka 元数据（topic/partition/offset 作为稳定身份标识）全量落 Raw Table，offset 延迟提交保证 at-least-once，下游 Stream + MERGE INTO（ROW_NUMBER/QUALIFY 取最新 action）把重复消除在业务表上；10 万条全链路实测生成 100 个文件、20 次 COPY INTO、0 错误，单 Worker 吞吐约 15,208 rows/s。
• ⑪ 工程原则可复用："不要让接入层理解所有业务语义，先完整、稳定、可恢复地接住数据，再把复杂加工交给更擅长增量计算的数据平台"；同时 Trace 不只是排障日志，更是 Evals 数据集、归因分析与模型迭代的底座（"trace is eval"）。

通信协议：A2A 管机器对机器，AG-UI 管机器对人

• ④ A2A 是 Google 2025 年 4 月发布、后捐给 Linux 基金会、现 0.3.x 的 Agent 间远程协作协议，本质是"sub-agent 的远程版"+ 为不信任网络补的三块机制：信任（AgentCard 能力名片，支持签名，六种认证方案 + OAuth）、可靠性（Task 状态服务端权威持有，webhook 回调 + at-least-once 需幂等消费）、序列化（Part 四种形态 text/raw/url/structured data）。Task 八态状态机：SUBMITTED→WORKING→（INPUT_REQUIRED/AUTH_REQUIRED 可回 WORKING）→COMPLETED/FAILED/CANCELED/REJECTED；跟进方式三选一：SSE、tasks/get 轮询、webhook。
• ④ AG-UI 由 CopilotKit 发起，LangChain、CrewAI、Google ADK、AWS Bedrock 等官方适配，解决长时运行、流式产出、非确定执行的 Agent 在前端可见性缺失问题：RunStarted/RunFinished 圈定边界、Step 事件渲染进度、TextMessageStart→Content(delta)→End 逐字输出、ToolCallStart/Args/End 让用户看见工具入参、StateSnapshot+StateDelta(JSON Patch) 支持断线重连重建、interrupts/resume 实现人工介入断点续跑。文中澄清：AG-UI 不是 Vercel 的，Vercel AI SDK 是被适配的十几个后端之一，官方 @ag-ui/vercel-ai-sdk 只是翻译层。
• ④ 取舍对比：A2A 任务级粒度（读者是程序，抽查终态即可）、状态在服务端；AG-UI 渲染级粒度（读者是人，三秒无反馈即觉卡死）、状态在事件流。实践结论：一个 Agent 可同时暴露 A2A 接口（对其他 Agent）与 AG-UI 接口（对用户界面），共享同一执行内核——协议是接口层，不是两套系统。

记忆、规则与持续学习：经验如何变成能力

• ⑧ 一份覆盖 1,867 个 GitHub 仓库、247,694 条规则生命周期的论文：CLAUDE.md/AGENTS.md 平均增长 226%、文件大小 +140%，末版规则数中位数 39 条（前 10% 达 131 条），排除整写后每次相关提交净增 4.9 条；作者命名为"灾难性记忆"（Catastrophic Remembering）——规则留下了，加规则的理由消失了；规则越老越难删（多人维护时更明显），因为删规则要证明"未来不会失败"，完整审计理论成本 O(2^|D|)；77.3% 的规则消失发生在整份重写/迁移，重写后规则降到 59.5%，10 次提交内又回涨到 91.5%（重写后增速反而更快）。
• ⑧ 受控实验（51 步、184 世界）：无注释组超出理论最小规则集 211.3%，有效注释组仅 1.4%（超额规则减少 99.3%）；只写尝试过程不写结果比不写注释更差；预先加入 16 条噪声规则，模型对真实规则满足率从 65.6% 降至 41.5%（-24.1pp）——规则越多越不保险。落地建议：规则带 ID（如 [API-TEST-01]），触发事件/复现次数/已证伪方案/被替换原文放到不自动加载的 docs/agent-rule-rationales.md；注意宿主差异——Claude Code 会在注入前剥离块级 HTML 注释，Codex 暂无同类承诺。
• ③ MemoraX Code（npm install -g @memorax/memorax-code）：为 Claude Code、Codex 增加长期项目记忆，新会话自动带回相关经验、跨 Agent（Codex→Claude Code）不丢项目知识、长对话压缩后关键约束仍可召回、稳定工作偏好（如 UV 管理 Python）自动沿用，且记忆可在平台查看/修改/删除（"记住了什么"同样重要）；已适配 Claude Code、Codex、DeepSeek Harness、OpenCode。
• ⑩ 火思动力 Kevin Ding：GUI Agent 实验中 VLM + Prompt + 规则 + SFT 只能修好已知题，新任务一出现就回落——"今天的 Agent 已经会工作，但还不会成长"；判断"市场需求、技术条件、数据供给第一次对上"（好 Baseline / 生产轨迹数据 / RL 基础设施成熟）而创业；立场鲜明："外围系统（Prompt、记忆、Harness、工作流）只能改变上下文，只有后训练才能稳定提升模型自身能力"；3C 质检案例持续训练后误报率降 60%、复核人力节省约 2/3、漏检率压到 4% 以内；自研 PyroDash 大小模型协同（小模型发 Handoff 信号再叫大模型），五项数学推理中高精度模式平均准确率比纯大模型高 6.36pp 且成本降 20.4%，低成本模式推理成本降 96.4%——"RL 也可以训练系统怎么分工"。
• ⑩ 行业侧证：7 月底 Salesforce 判断未来竞争取决于 Agent 能否从工作结果中持续学习；OpenAI 同时推出企业 Agent 产品 Presence，把生产环境持续评估与上线后调整放到更重要的位置；6 月 Google 开源 OpenRL（借鉴 Thinking Machines Lab 的 Tinker）、英伟达推进 Agent RL；Scale AI、OpenPipe、Tinker 等向 Post-training 靠拢，Post-training 正成为 Agent 基础设施的明确一层；Pyromind 定位"RLaaS 中立层"——"Base Model 解决入场资格，后训练决定它能不能留在场上"。

交易执行与 ToB 商业化：进工作流、卖可计量价值

• ② 麦肯锡预测 2030 年智能体驱动消费交易或达 3-5 万亿美元、占电商交易 20-30%；60% 亚太旅行者用 AI 做行程规划，2025 年零售/旅游网站智能体访问量同比增 18 倍。银联推智能体支付开放协议框架 APOP，配套 UAPS（智能体身份/意图/认证/授权管理）与 UACP（智能体-商户中间层，标准化串联商品发现/订单/支付/履约）；7 月与 TripGuru.ai 签约（已连接全球 30 万+酒店、20 万景点），与连连数字（覆盖 100+ 国家、1040 万+跨境企业/独立站商户）探索"人在场"的智能体 B2B 采购：企业预设品类/预算/供应商范围/单笔上限，意图管理 + 认证 + Token 授权绑定具体交易；另有科大讯飞、Wonder 港澳打车自动结算与唐人街外卖小额高频支付。
• ⑦ 勤策刘昭："凡是对话形式的 Agent 都卖不掉"——客户不为概念买单，卖得好的是语音抄单/下单、门店洞察、陈列检核这类嵌在原有工作流里的 Agent（"用户不想和系统来回交流，想让系统帮他把事做了"）；"卖结果"不是按客户经营结果抽成，而是软件满足需求后必须产生可计量价值（省多少时间、减少多少错误、替代多少重复动作），其 Agent 收费已与使用量/调用量挂钩；FDE 在勤策仍叫实施顾问——岗位名不必新造，变化可先被原有组织吸收；AI 先改变研发：大公司壁垒更高、小工具长尾需求被释放；人才逻辑从"年轻能拼"转向"经验 + AI 使用能力重新组合"。
• ⑤⑥（含重复文）闪电黄世亮用 WorkBuddy 三分钟生成"本地追剧追踪器"：扫描文件夹→生成本地网页→点集即播（点过的变灰、可标记看到第几分钟），同样适用于网课/音频课/电子书；其价值在于给出最小可用 Agent 入门任务：真实、易验收（网页能开、集数对、能播放），已覆盖 Agent 核心能力（读文件、写代码、调工具、跑程序、处理错误、保存状态、测结果）——"你给它一个目标，它自己观察环境→用工具→执行→检查→修改"。

轻量执行基础设施

• ⑨ Obscura（Rust 编写，GitHub 2.1w+ 星）：内存 30MB vs 无头 Chrome 200+MB，二进制 70MB vs 300+MB，页面加载 51-85ms vs ~500-800ms，启动即时 vs ~2s；通过 V8 运行真实 JavaScript、实现 Chrome DevTools Protocol，可直接替换无头 Chrome，兼容 Puppeteer/Playwright（puppeteer-core/playwright-core 连 CDP 即可），提供 fetch/scrape/serve 子命令与并行抓取（--concurrency 25）；stealth 隐蔽模式做每会话指纹随机化（GPU/屏幕/canvas/音频/电池）、真实 userAgentData（Chrome 145）、event.isTrusted=true、拦截 3,520 个跟踪域名；原生渲染引擎已上线（无需 Chromium，但作者明确长尾 CSS、部分 Web API、媒体播放等仍与 Chromium 有差异），Docker 镜像基于 distroless/cc 仅约 57MB，官方提供 MCP 指南与独立 benchmark 仓库。

提取的概念

• concepts/agent-memory — MemoraX Code 的跨会话/跨 Agent 项目记忆，与"记住什么可以管"的运维观直接对应
• concepts/memory-architecture — 规则文件"执行规则与维护理由分层"（ID + 独立理由文档），与记忆架构分层思想同源
• concepts/agent-to-agent-protocol — A2A 的 Sub-agent 远程版 + 信任/可靠性/序列化三块机制、AgentCard 与八态 Task
• concepts/agent-observability — Agent Trace 从 Kafka 到 Databend 的全链路接入、Raw Mode 与可观测性存储
• concepts/agent-evaluation — Trace 作为 Evals 数据底座、OpenAI Presence 的生产环境持续评估
• concepts/agent-self-improving — 火思动力的持续后训练判断：外围系统改上下文，后训练改能力
• concepts/agent-identity — 协同文档 session/run/message 身份边界、APOP 智能体身份与授权、A2A AgentCard 三重身份表述
• concepts/agent-collaboration — 协同文档中 AI 编辑的"看得见、退得准、不误伤"协作闭环
• concepts/knowledge-graph 与 concepts/Graph-Engineering — Semantica 把决策、来源、因果链组织为可查询图
• concepts/ai-browser — Obscura 轻量无头浏览器：30MB 内存、CDP 兼容、反指纹与原生渲染
• concepts/mcp — Semantica 通过 MCP server 暴露，Obscura 提供 MCP 接入指南
• concepts/harness — Trace 记录 Prompt/工具/Harness/模型版本变化对结果的影响
• concepts/workflow-system — 勤策"嵌在工作流里"的 Agent 与固定 SOP 型任务的工作流解法
• concepts/agent-runtime — AG-UI 面向长时运行、流式、非确定执行的运行时事件模型
• concepts/agent-evolution — "上线之后才开始的竞争"：Agent 从一次性交付到持续学习的演进

提取的实体

• entities/claude-code — CLAUDE.md 规则膨胀问题的主角之一，也是 MemoraX Code 适配对象与注释剥离行为差异方
• entities/codex — AGENTS.md 规则、跨 Agent 记忆场景中的另一端；第 5 篇还用 Codex 把几万篇 PDF 转成 md
• entities/workbuddy — 追剧追踪器（本地 Agent 入门任务）的生成工具
• entities/google — A2A 协议发布方、OpenRL 开源（Post-training 基础设施）与 Agent 生态枢纽
• entities/openai — 企业 Agent 产品 Presence，把持续评估/上线后调整产品化
• entities/anthropic — Claude Code 规则文件加载细节（块级 HTML 注释剥离）与 Coding Agent 生态
• entities/scale-ai — Agent Evals/Post-training 方向的竞争者，印证 Post-training 成为基础设施层

与 OpenClaw/Hermes 的关系

本批次的工程结论可直接校准 OpenClaw 与 Hermes 的记忆与可观测设计：规则文件 226% 膨胀与"灾难性记忆"警示了 OpenClaw 式 workspace 规则/记忆积累的路径依赖——应尽早采用"规则 ID + 独立理由文档 + 自动清理（保留人工审核）"的分层结构，MemoraX Code 这类跨会话记忆产品验证了该需求的工具化可行性；多条路径（协同文档 diff/撤回、A2A/AG-UI 双接口、Raw Table + MERGE 的 Trace 链路、Semantica 图证据链）共同指向"Agent 的每次动作都应产出可回放、可审计的桩"，这与 OpenClaw/Hermes 的 session/任务体系天然兼容——Hermes 做编排时，A2A 可承担 Agent 间远程协作、AG-UI 可承担前端实时过程展示，而 Kafka→Databend 式管道则是其规模化 trace 存储的现成蓝本；Obscura 亦可作为 Hermes 网页操作/抓取能力的轻量化替代后端（MCP 接入）。

我的判断

• 判断 1："可追溯/可回滚"将在一两年内成为生产 Agent 的默认硬性要求（置信度 85%）。理由：协同文档（回滚边界）、Data 工程（Trace 即 Evals）、图基础设施（决策证据链）三条完全独立的路径在同一时间窗收敛，且监管/审计需求推动。2026-2028 预测：出现类 OpenTelemetry 的 Agent Trace 开放标准，"每步动作可回放、可归因"进入采购清单；无审计能力的 Agent 在 ToB 招标中一票否决；决策证据链将像今天的日志一样默认生成。
• 判断 2：规则文件的"备注理由 + 分层管理"会从论文走向工程规范，并催生"记忆运维"类工具（置信度 70%）。理由：226%/O(2^|D|) 的量化证据 + 添加/删除成本不对称解释了"删不掉"的普遍性，MemoraX Code 类产品已出现但仍是黑箱。2026-2028 预测：主流 Coding Agent 支持规则注释过滤或独立理由文档格式；出现自动"规则废弃检测"Agent（基于回归测试/失败统计），但生产、合规、权限类规则的删除保留人工审核。
• 判断 3：Agent 竞争主战场将移向上线之后，"过去 30 天学会了什么"成为选型问题（置信度 75%）。理由：Salesforce、OpenAI Presence、火思动力与英伟达/Scale AI 的多方信号同向，且 ToB 客户已开始追问"用一年后提升多少、沉淀什么"，对话式 Agent 在业务场景卖不动是已验证事实。2026-2028 预测：持续后训练（RLaaS）成为独立商业层，但两大瓶颈决定谁能赢——业务目标到 Reward 的翻译（生成式 Reward/Reward Model 是关键变量）与客户敏感数据回流合规；Agent 评估从演示 Benchmark 转向生产指标的长期回归（误报率/漏检率/成本曲线），"上线即完成"的交付逻辑被"上线才开始学习"取代。