构建可靠的生产级 Agent 基础设施：基于 Restate 的持久化执行与状态管理
AI Engineer
随着 AI Agent 从单次问答演变为长生命周期、异步运行的分布式实体，传统 Agent SDK 难以应对网络故障、状态并发与人机协同等生产级基础设施挑战。本文结合 Restate 架构，深入探讨如何利用分布式事件日志、持久化执行（Durable Execution）、虚拟对象（Virtual Objects）与推送模型，构建具备容错自愈、双向交互控制及高并发隔离的生产级 Agent 技术栈。
从循环到有向图：重构大语言模型时代的 AI 系统架构与图工程设计
Best Partners TV
本文系统探讨了从循环工程向图工程演进的必然趋势。通过剖析循环结构在上下文腐烂、错误级联、工具过载、控制粒度缺失及目标失明等维度的根本缺陷，深度拆解了图工程由节点、边、状态与策略构成的核心架构。文章结合经典拓扑结构与具体应用案例，提供了完整的技术决策框架与主流多智能体框架对比，指明了在确定性骨架中释放智能体自主性的设计路径。
重构智能体：通过三层解耦与持久执行层突破半衰期瓶颈
AI Engineer
本文深度解析了智能体系统架构快速迭代下的应对之道，提出了将系统解耦为执行层、上下文层和计算层的三层模型。文章重点论述了执行层在状态持久化、断点续传、柔性编排原语及全链路可观测性中的关键作用，并展示了如何通过自适应审查闭环与基于业务结果的评分机制实现智能体的自我迭代。
利用AI编程代理实现基础设施的自我修复
AI Engineer
本视频展示了如何利用AI编程代理自动检测并修复应用程序基础设施中的问题。通过监控CPU、内存利用率、请求错误率和响应时间等指标，系统能识别内存泄漏和慢查询等常见故障。核心理念是构建一套耐久执行的工作流，从问题检测到自动生成并提交修复代码的拉取请求。视频还介绍了开源AI代理Open Code及其无头服务器架构，以及如何将其部署在Railway平台上，实现基础设施的智能运维。
Pydantic AI与Temporal：构建持久化、容错的AI智能体工作流
AI Engineer
Pydantic的Samuel Colvin演示了Pydantic AI、Temporal和Logfire如何协同工作，以构建持久化、容错的AI智能体工作流。他通过一个“20个问题”游戏和一个“深度研究”智能体案例，详细解释了Temporal的确定性工作流和活动机制，以及如何在系统崩溃后无缝恢复。此外，他还介绍了Pydantic Evals进行模型评估，并预告了即将推出的Pydantic AI Gateway平台，强调了在复杂AI应用中实现可靠性和效率的重要性。