速報 代理人架構與上下文工程驅動的UML自動生成 背景:大型語言模型已被用來自動化程式碼文件化。本研究提出以代理人分工與上下文工程為核心的方法,透過五類專責代理人與一層按重要性決定性壓縮的中介表示,將大型專案IR壓縮成可供生成UML圖的視圖,並在多語言、多圖類實驗中展現高語法有效性與穩定品質。
深度分析 Tavily 代理人深度研究:上下文工程與代幣效率的突破 研究代理人正成為 AI 的關鍵應用。Tavily 以上下文工程與工具抽象化提升效率,代幣使用降低 66%,並在 DeepResearch Bench 取得領先表現,預示未來研究流程將更自動化與成本友善。