Academy of Arts, Berlin
PulseAugur coverage of Academy of Arts, Berlin — every cluster mentioning Academy of Arts, Berlin across labs, papers, and developer communities, ranked by signal.
- 2026-08-24 product_launch ADK launched native live evaluation for voice agents. 来源
2 天有情绪数据
-
SRE代理开发强调软件工程严谨性的必要性
Ping Identity高级员工SRE Olga Mirensky使用ADK和Gemini Enterprise Agent Platform开发了一个SRE代理来诊断测试失败。在开发过程中，她遇到了无界循环、路由不一致和自信的幻觉等问题。Mirensky得出结论，AI代理应被视为软件程序，需要明确的状态、类型转换和保护措施才能可靠运行。
-
AI 使用 Google Cloud 和 Grafana 编排电影摄制组
本文详细介绍了 Thirai Kuzhu AI 的工程架构，这是一个旨在实时编排电影摄制组的自主系统。该系统使用 Google Cloud ADK 和 Grafana 构建，解决了从午夜流媒体崩溃到实时 AI 电影摄制组协调的各种挑战。该项目旨在创建一个拥有 369 个角色的电影操作系统。
-
Google releases ADK for Kotlin 1.0 for multi-agent AI systems
Google has released ADK for Kotlin 1.0, a new framework designed to enable the creation of production-ready multi-agent AI systems within Kotlin Multiplatform environments. This release brings feature parity with existi…
-
Google 概述了顶级AI Agent的4项设计原则
谷歌已确定顶级AI Agent的四项共同关键设计原则，将其与效果较差的多Agent系统区分开来。这些原则侧重于增强AI Agent的能力和性能。该分析旨在为构建更优越的AI Agent提供全面指南。
-
ADK 增加了 LLM 驱动的模拟用户进行语音代理实时评估
ADK 推出了语音代理的原生实时评估功能，允许开发者测试复杂的、基于图的工作流。这些工作流可以针对由大型语言模型驱动的模拟用户进行评估，音频输出由 Gemini TTS 提供。此功能旨在简化语音 AI 应用的开发和测试过程。
-
Google ADK CI/CD 工作流易受提示注入攻击
在 Google 的 ADK CI/CD 工作流中发现了提示注入漏洞，可能允许攻击者操纵 AI 代理。这些漏洞可能通过利用 AI 模型在开发管道中处理用户输入的方式，实现未经授权的操作或数据泄露。发现这些问题的安全研究人员强调，需要进行强大的输入验证和清理，以减轻 AI 驱动的开发环境中的此类风险。
-
开发者使用 ShapeCraft 构建多模型 AI 流水线进行内容审核
一位开发者详细介绍了他们如何为内容审核构建一个多模型 AI 流水线，该流水线使用三个不同的模型来处理流程的不同阶段。流水线始于一个轻量级模型进行初步分类，接着是一个更强大的模型用于起草回复，最后是一个严格的审查模型，以确保最终输出的准确性。开发者选择使用 ShapeCraft 库的 agentic 功能构建自定义解决方案，而不是 LangGraph 等完整的 agent 框架，认为它更适合他们固定的、顺序性的工作流程。
-
Google ADK LoopAgent 终止逻辑被误解，ADK 2.0 将弃用
Google 的 Agent Development Kit (ADK) 包含一个 LoopAgent，其终止条件被误解。该循环会一直运行，直到事件中的某个特定字段满足条件，而不是在子代理批准工作后立即停止。这种行为可能导致过多的 token 使用量，正如循环在批准后仍运行其最大迭代次数所证明的那样。ADK 2.0 将弃用这个代理家族，因此需要理解其当前机制。
-
新研究详细介绍了隔离式大模型代理中的信息遗漏问题
一篇题为《事实缺失之处》的新研究论文，提出了一种用于隔离式大模型代理管道中信息遗漏的分类法和归因方法。研究发现，高达73.4%的信息遗漏源于确定性中间件层，而非模型本身。研究还发现，增加上下文长度与更高的遗漏率密切相关。
-
开发人员使用 MCP、A2A、ADK 和 AG-UI 扩展货币代理
本文详细介绍了使用 MCP、A2A、ADK 和 AG-UI 扩展货币代理的过程。它为希望使用这些特定工具构建和增强代理的开发人员提供了分步指南。内容侧重于在代理开发框架内的实际实现和集成。
-
AI代理协议缺乏关键的发现和认证功能
一篇最近的观点文章强调了当前AI代理协议的一个关键差距，特别是多代理对话协议（MCP）和代理间（A2A）通信标准。虽然这些协议有效地管理了代理与工具的交互和任务委托，但它们未能解决代理发现、稳定寻址以及跨不同信任边界的安全认证等基本问题。作者认为，这些被忽视的传输层问题导致了生产环境中实际的故障，例如代理无法找到彼此或建立可靠的连接。