10月26日，Amazon Web Services在深圳举办开发者盛会，Gitee产品总监林靖靖分享了AI如何重塑研发流程，并介绍了Gitee在DevOps智能化方面的实践。尽管AI应用增多，研发仍面临需求、开发、测试和评审等挑战。Gitee通过数据驱动构建研发闭环，推出“Xtreme极智AI”平台，专注于智能文档、协同管理和代码开发，提升研发效率。

agentic-rag-for-dummies 是一个轻量级智能问答系统，支持对话记忆和多代理处理，提升交互自然度。它采用分层索引和模块化设计，集成 Gradio 界面，便于部署。awesome-claude 汇总了 Anthropic Claude AI 的资源，提供多语言 SDK 和云服务接入。cursor-talk-to-figma-mcp 实现了 Cursor AI 与 Figma 的双向交互和设计管理。eigent 是开源协同办公应用，支持多智能体协作，提升生产力。VoxCPM 是无分词文本到语音合成系统，专注自然语音生成。

父智能体（Orchestrator）接收到来自 task 工具的返回值，类似于调用普通的 read_file 函数，但执行速度较慢，由另一个智能体处理。

研究表明，组织在站点可靠性工程中逐渐采用多智能体AI系统来辅助工程师进行事件调查。AI负责提出假设和查询，人类则进行判断。研究发现，集中式团队结构更有效，强调明确角色设计和安全控制，以减少混乱、提高效率。总体而言，AI是增强工程师的工作，而非取代。

DeepTutor是香港大学数据智能实验室开发的个性化学习系统，支持知识检索、理解、练习和评估。它结合了检索增强生成、知识图谱和多智能体协作推理，提供文档级问答、自动练习生成和互动可视化学习，适用于大学教学和自学。系统基于Python/FastAPI和Next.js，支持Docker部署。

NVIDIA推出的多智能体智能仓库（MAIW）和零售目录丰富蓝图旨在提升零售供应链效率，解决数据孤岛和客户期望上升的问题。MAIW通过AI协调仓库管理，实时分析操作，优化工作流程；零售目录丰富蓝图则利用生成AI生成高质量产品内容，提高产品上架效率。这些方案帮助零售商实现更高效的运营和更好的客户体验。

谷歌发布了多智能体系统设计模式指南，介绍了八种基本架构，如顺序管道和人机协作模式。每种模式都有详细解释和示例代码，强调去中心化和专业化，以提升系统的模块化和可靠性。

随着生成式人工智能的发展，企业级软件架构正在转型。C#在多智能体系统中表现出优越的并发性能和类型安全，适合高性能企业应用；而Python在模型训练和快速原型开发中仍具优势。结合C#与Python可实现最佳效果。

本文探讨了上下文工程在多智能体系统中的重要性，强调上下文作为系统的一等公民。ADK框架通过分层存储和编译视图优化上下文管理，有效解决了上下文膨胀和信息过载问题，提高了智能体的效率和可靠性。

ARK平台通过整合云原生与人工智能，为多智能体系统工程提供新范式，解决了传统智能体库在管理、协作和可观察性等方面的挑战，采用Kubernetes原生工作负载，支持可声明管理和长效状态维护，适合企业级多智能体系统的持续交付与治理。

ARK平台通过深度整合云原生与AI，为多智能体系统工程提供新范式，解决了传统智能体库在管理、协作和可观察性等方面的问题，支持可持续交付与治理，适合大规模智能体操作。

Agentic Data Scientist是一个自适应的多智能体框架，旨在将规划与执行分离，并持续验证结果。它将复杂分析分解为可执行的阶段，支持多种工具和科学技能，适用于复杂分析、自动实验管道和企业工作负载。