An approval notification should identify the pending action, target and expiry. If the action changes before execution, the old approval should stop applying. That keeps routine progress quiet without making the decision ambiguous. #AgentEngineering #AIAgents #Engineering
November 4, 2026 at 11:05 PM
An approval notification should identify the pending action, target and expiry. If the action changes before execution, the old approval should stop applying. That keeps routine progress quiet without making the decision ambiguous. #AgentEngineering #AIAgents #Engineering
What is the one check that finally caught your agent lying about done? #AgentEngineering #SoftwareTesting
October 30, 2026 at 3:05 PM
What is the one check that finally caught your agent lying about done? #AgentEngineering #SoftwareTesting
Agent 一跑起来，第一个撞墙的往往不是模型能力，是 429。
并行工具调用 + 多 Agent + 自动重试，一不小心就把配额打爆，还会引发重试风暴：越重试越被限流。
限流不是异常，是常态，要当正常路径来设计👇🧵
#AIAgent #AgentEngineering #DevTips
并行工具调用 + 多 Agent + 自动重试，一不小心就把配额打爆，还会引发重试风暴：越重试越被限流。
限流不是异常，是常态，要当正常路径来设计👇🧵
#AIAgent #AgentEngineering #DevTips
October 26, 2026 at 5:30 PM
Agent 一跑起来，第一个撞墙的往往不是模型能力，是 429。
并行工具调用 + 多 Agent + 自动重试，一不小心就把配额打爆，还会引发重试风暴：越重试越被限流。
限流不是异常，是常态，要当正常路径来设计👇🧵
#AIAgent #AgentEngineering #DevTips
并行工具调用 + 多 Agent + 自动重试，一不小心就把配额打爆，还会引发重试风暴：越重试越被限流。
限流不是异常，是常态，要当正常路径来设计👇🧵
#AIAgent #AgentEngineering #DevTips
Add one table tonight: outbox(id uuid, payload jsonb, created_at timestamptz, sent_at timestamptz). Point your relay at unsent rows. That is the whole fix.
#AgentEngineering #Kafka
#AgentEngineering #Kafka
October 23, 2026 at 2:05 PM
Add one table tonight: outbox(id uuid, payload jsonb, created_at timestamptz, sent_at timestamptz). Point your relay at unsent rows. That is the whole fix.
#AgentEngineering #Kafka
#AgentEngineering #Kafka
用户点了「取消」，Agent 却还在后台跑：继续调 API、继续写文件、继续烧 token。
长任务 Agent 最常漏掉的不是怎么开始，是怎么停下来。取消不是 kill 进程那么简单👇🧵
#AIAgent #AgentEngineering #DevTips
长任务 Agent 最常漏掉的不是怎么开始，是怎么停下来。取消不是 kill 进程那么简单👇🧵
#AIAgent #AgentEngineering #DevTips
October 23, 2026 at 5:30 PM
用户点了「取消」，Agent 却还在后台跑：继续调 API、继续写文件、继续烧 token。
长任务 Agent 最常漏掉的不是怎么开始，是怎么停下来。取消不是 kill 进程那么简单👇🧵
#AIAgent #AgentEngineering #DevTips
长任务 Agent 最常漏掉的不是怎么开始，是怎么停下来。取消不是 kill 进程那么简单👇🧵
#AIAgent #AgentEngineering #DevTips
给循环装三道保险：
🔸 硬上限：单任务最大步数、最大 token、最大时长，三个都要
🔸 重复检测：同一工具 + 近似参数连续出现 3 次，强制换策略或升级给人
🔸 无进展检测：连续 N 步没产出新信息，就收手汇报
「放弃并说明原因」也是合格的输出。
#AgentEngineering #BuildInPublic
🔸 硬上限：单任务最大步数、最大 token、最大时长，三个都要
🔸 重复检测：同一工具 + 近似参数连续出现 3 次，强制换策略或升级给人
🔸 无进展检测：连续 N 步没产出新信息，就收手汇报
「放弃并说明原因」也是合格的输出。
#AgentEngineering #BuildInPublic
October 21, 2026 at 5:30 PM
给循环装三道保险：
🔸 硬上限：单任务最大步数、最大 token、最大时长，三个都要
🔸 重复检测：同一工具 + 近似参数连续出现 3 次，强制换策略或升级给人
🔸 无进展检测：连续 N 步没产出新信息，就收手汇报
「放弃并说明原因」也是合格的输出。
#AgentEngineering #BuildInPublic
🔸 硬上限：单任务最大步数、最大 token、最大时长，三个都要
🔸 重复检测：同一工具 + 近似参数连续出现 3 次，强制换策略或升级给人
🔸 无进展检测：连续 N 步没产出新信息，就收手汇报
「放弃并说明原因」也是合格的输出。
#AgentEngineering #BuildInPublic
What is A2A and why is it important for agent to agent communication? healthaiinsights.substack.com/p/executive-... #agenticAI #ai #a2a #agentengineering #healthAIinsights
Executive Education: What is the Agent2Agent (A2A) Communication Protocol and Why is it Useful?
A2A is worth watching because it could help move agentic AI from isolated applications toward coordinated, enterprise-wide automation
healthaiinsights.substack.com
October 19, 2026 at 1:32 PM
What is A2A and why is it important for agent to agent communication? healthaiinsights.substack.com/p/executive-... #agenticAI #ai #a2a #agentengineering #healthAIinsights
"任务完成！" —— 这是 Agent 最爱说、也最不该直接信的一句话。
模型判断完成，靠的是「看起来差不多了」，不是「验证过了」。
有一个简单原则：完成标准要写在 Agent 之外，由代码来判定。
#AIAgent #AgentEngineering #DevTips
模型判断完成，靠的是「看起来差不多了」，不是「验证过了」。
有一个简单原则：完成标准要写在 Agent 之外，由代码来判定。
#AIAgent #AgentEngineering #DevTips
October 19, 2026 at 5:30 PM
"任务完成！" —— 这是 Agent 最爱说、也最不该直接信的一句话。
模型判断完成，靠的是「看起来差不多了」，不是「验证过了」。
有一个简单原则：完成标准要写在 Agent 之外，由代码来判定。
#AIAgent #AgentEngineering #DevTips
模型判断完成，靠的是「看起来差不多了」，不是「验证过了」。
有一个简单原则：完成标准要写在 Agent 之外，由代码来判定。
#AIAgent #AgentEngineering #DevTips
模型厂商悄悄更新了别名指向的版本，你的 Agent 突然开始多调一次工具、少写一段说明、JSON 偶尔多个逗号。
没人改过一行代码，线上却变了。
用 "latest" 别名跑生产，等于让别人替你发版👇🧵
#AIAgent #AgentEngineering #DevTips
没人改过一行代码，线上却变了。
用 "latest" 别名跑生产，等于让别人替你发版👇🧵
#AIAgent #AgentEngineering #DevTips
October 19, 2026 at 5:30 PM
模型厂商悄悄更新了别名指向的版本，你的 Agent 突然开始多调一次工具、少写一段说明、JSON 偶尔多个逗号。
没人改过一行代码，线上却变了。
用 "latest" 别名跑生产，等于让别人替你发版👇🧵
#AIAgent #AgentEngineering #DevTips
没人改过一行代码，线上却变了。
用 "latest" 别名跑生产，等于让别人替你发版👇🧵
#AIAgent #AgentEngineering #DevTips
Agent 跑了 40 分钟，第 12 步挂了。你的系统是重来一遍，还是从第 12 步接着跑？
没有 checkpoint 的长任务 Agent，每次失败都是重新烧钱 + 重新赌运气。
长任务要像数据库事务一样想问题👇🧵
#AIAgent #AgentEngineering #DevTips
没有 checkpoint 的长任务 Agent，每次失败都是重新烧钱 + 重新赌运气。
长任务要像数据库事务一样想问题👇🧵
#AIAgent #AgentEngineering #DevTips
October 16, 2026 at 5:30 PM
Agent 跑了 40 分钟，第 12 步挂了。你的系统是重来一遍，还是从第 12 步接着跑？
没有 checkpoint 的长任务 Agent，每次失败都是重新烧钱 + 重新赌运气。
长任务要像数据库事务一样想问题👇🧵
#AIAgent #AgentEngineering #DevTips
没有 checkpoint 的长任务 Agent，每次失败都是重新烧钱 + 重新赌运气。
长任务要像数据库事务一样想问题👇🧵
#AIAgent #AgentEngineering #DevTips
把「参数校验」做成一道门：
① 工具定义用严格 schema——类型、必填、枚举、范围写死
② 服务端二次校验——别信模型填的，进了代码再验一遍
③ 校验失败返回「可读的错误」，带字段和原因，别只回一个 400
让 Agent 拿到的是「哪里错了、怎么改」，
不是一句冷冰冰的报错👇
#AgentEngineering #BuildInPublic
① 工具定义用严格 schema——类型、必填、枚举、范围写死
② 服务端二次校验——别信模型填的，进了代码再验一遍
③ 校验失败返回「可读的错误」，带字段和原因，别只回一个 400
让 Agent 拿到的是「哪里错了、怎么改」，
不是一句冷冰冰的报错👇
#AgentEngineering #BuildInPublic
October 14, 2026 at 5:30 PM
把「参数校验」做成一道门：
① 工具定义用严格 schema——类型、必填、枚举、范围写死
② 服务端二次校验——别信模型填的，进了代码再验一遍
③ 校验失败返回「可读的错误」，带字段和原因，别只回一个 400
让 Agent 拿到的是「哪里错了、怎么改」，
不是一句冷冰冰的报错👇
#AgentEngineering #BuildInPublic
① 工具定义用严格 schema——类型、必填、枚举、范围写死
② 服务端二次校验——别信模型填的，进了代码再验一遍
③ 校验失败返回「可读的错误」，带字段和原因，别只回一个 400
让 Agent 拿到的是「哪里错了、怎么改」，
不是一句冷冰冰的报错👇
#AgentEngineering #BuildInPublic
正确姿势：结构化输出 + 输出校验，成闭环。
① 让模型按 schema 输出 JSON——字段、类型写死
（多数 API 都有 json mode / structured output）
② 输出后立即校验——字段全不全、类型对不对、值合不合法
③ 校验不过就自动重试，带上错误信息让它重答
把「解析」从下游挪回 Agent 这一端👇
#AgentEngineering #BuildInPublic
① 让模型按 schema 输出 JSON——字段、类型写死
（多数 API 都有 json mode / structured output）
② 输出后立即校验——字段全不全、类型对不对、值合不合法
③ 校验不过就自动重试，带上错误信息让它重答
把「解析」从下游挪回 Agent 这一端👇
#AgentEngineering #BuildInPublic
October 12, 2026 at 5:30 PM
正确姿势：结构化输出 + 输出校验，成闭环。
① 让模型按 schema 输出 JSON——字段、类型写死
（多数 API 都有 json mode / structured output）
② 输出后立即校验——字段全不全、类型对不对、值合不合法
③ 校验不过就自动重试，带上错误信息让它重答
把「解析」从下游挪回 Agent 这一端👇
#AgentEngineering #BuildInPublic
① 让模型按 schema 输出 JSON——字段、类型写死
（多数 API 都有 json mode / structured output）
② 输出后立即校验——字段全不全、类型对不对、值合不合法
③ 校验不过就自动重试，带上错误信息让它重答
把「解析」从下游挪回 Agent 这一端👇
#AgentEngineering #BuildInPublic
三条立刻能做的：
① 流式输出——推理的每一步、每次工具调用，边跑边吐，
别等全部完成一次性丢出来
② 显式进度——「正在查订单 → 正在比价 → 正在生成摘要」
让用户知道走到哪了
③ 可中断可恢复——长任务随时喊停，还能从断点继续
黑箱等待，是 Agent 流失用户最快的方式👇
#AgentEngineering #BuildInPublic
① 流式输出——推理的每一步、每次工具调用，边跑边吐，
别等全部完成一次性丢出来
② 显式进度——「正在查订单 → 正在比价 → 正在生成摘要」
让用户知道走到哪了
③ 可中断可恢复——长任务随时喊停，还能从断点继续
黑箱等待，是 Agent 流失用户最快的方式👇
#AgentEngineering #BuildInPublic
October 12, 2026 at 5:30 PM
三条立刻能做的：
① 流式输出——推理的每一步、每次工具调用，边跑边吐，
别等全部完成一次性丢出来
② 显式进度——「正在查订单 → 正在比价 → 正在生成摘要」
让用户知道走到哪了
③ 可中断可恢复——长任务随时喊停，还能从断点继续
黑箱等待，是 Agent 流失用户最快的方式👇
#AgentEngineering #BuildInPublic
① 流式输出——推理的每一步、每次工具调用，边跑边吐，
别等全部完成一次性丢出来
② 显式进度——「正在查订单 → 正在比价 → 正在生成摘要」
让用户知道走到哪了
③ 可中断可恢复——长任务随时喊停，还能从断点继续
黑箱等待，是 Agent 流失用户最快的方式👇
#AgentEngineering #BuildInPublic
三条设计原则：
① 组合而非枚举——暴露「做一件事」的复合工具，
而不是让模型自己拼 N 个底层 API
② 一个工具一个意图——「查订单」「改订单」「退订单」分开，
别做一个「订单万能接口」
③ 收窄默认——危险参数不暴露，交给代码层写死
工具越少、越明确，模型越不会跑偏👇
#AgentEngineering #AgentDev
① 组合而非枚举——暴露「做一件事」的复合工具，
而不是让模型自己拼 N 个底层 API
② 一个工具一个意图——「查订单」「改订单」「退订单」分开，
别做一个「订单万能接口」
③ 收窄默认——危险参数不暴露，交给代码层写死
工具越少、越明确，模型越不会跑偏👇
#AgentEngineering #AgentDev
October 9, 2026 at 5:31 PM
三条设计原则：
① 组合而非枚举——暴露「做一件事」的复合工具，
而不是让模型自己拼 N 个底层 API
② 一个工具一个意图——「查订单」「改订单」「退订单」分开，
别做一个「订单万能接口」
③ 收窄默认——危险参数不暴露，交给代码层写死
工具越少、越明确，模型越不会跑偏👇
#AgentEngineering #AgentDev
① 组合而非枚举——暴露「做一件事」的复合工具，
而不是让模型自己拼 N 个底层 API
② 一个工具一个意图——「查订单」「改订单」「退订单」分开，
别做一个「订单万能接口」
③ 收窄默认——危险参数不暴露，交给代码层写死
工具越少、越明确，模型越不会跑偏👇
#AgentEngineering #AgentDev
落地三条（比离线 eval 更即时：
eval 是「上线前测」，这是「每次跑都验」）：
① 收尾前让 Agent 对照原始需求，逐条核对「做到了吗」
② 关键输出（代码/配置/邮件）先跑一遍自检规则再交付
③ 自检不过就自动改一轮，改完再验，上限设 2-3 轮防死循环
多花一次推理，少一次返工👇
#AgentEngineering #BuildInPublic
eval 是「上线前测」，这是「每次跑都验」）：
① 收尾前让 Agent 对照原始需求，逐条核对「做到了吗」
② 关键输出（代码/配置/邮件）先跑一遍自检规则再交付
③ 自检不过就自动改一轮，改完再验，上限设 2-3 轮防死循环
多花一次推理，少一次返工👇
#AgentEngineering #BuildInPublic
October 9, 2026 at 5:31 PM
落地三条（比离线 eval 更即时：
eval 是「上线前测」，这是「每次跑都验」）：
① 收尾前让 Agent 对照原始需求，逐条核对「做到了吗」
② 关键输出（代码/配置/邮件）先跑一遍自检规则再交付
③ 自检不过就自动改一轮，改完再验，上限设 2-3 轮防死循环
多花一次推理，少一次返工👇
#AgentEngineering #BuildInPublic
eval 是「上线前测」，这是「每次跑都验」）：
① 收尾前让 Agent 对照原始需求，逐条核对「做到了吗」
② 关键输出（代码/配置/邮件）先跑一遍自检规则再交付
③ 自检不过就自动改一轮，改完再验，上限设 2-3 轮防死循环
多花一次推理，少一次返工👇
#AgentEngineering #BuildInPublic
「规划器（planner）+ 执行器（executor）」分离：
① 规划器只看全局——拆任务、定顺序、评估风险，输出一份可审的计划
② 执行器只干一步——拿着明确的子任务，不操心「接下来怎么办」
③ 计划先给人过目——多步任务上线前，人能改、能拦
计划是一等产物，不是模型的心路历程👇
#AgentDev #AgentEngineering
① 规划器只看全局——拆任务、定顺序、评估风险，输出一份可审的计划
② 执行器只干一步——拿着明确的子任务，不操心「接下来怎么办」
③ 计划先给人过目——多步任务上线前，人能改、能拦
计划是一等产物，不是模型的心路历程👇
#AgentDev #AgentEngineering
October 7, 2026 at 5:30 PM
「规划器（planner）+ 执行器（executor）」分离：
① 规划器只看全局——拆任务、定顺序、评估风险，输出一份可审的计划
② 执行器只干一步——拿着明确的子任务，不操心「接下来怎么办」
③ 计划先给人过目——多步任务上线前，人能改、能拦
计划是一等产物，不是模型的心路历程👇
#AgentDev #AgentEngineering
① 规划器只看全局——拆任务、定顺序、评估风险，输出一份可审的计划
② 执行器只干一步——拿着明确的子任务，不操心「接下来怎么办」
③ 计划先给人过目——多步任务上线前，人能改、能拦
计划是一等产物，不是模型的心路历程👇
#AgentDev #AgentEngineering
解法：把工具调用设计成「幂等」——重试 N 次，效果只发生一次。
三条落地：
① 写操作带幂等键（idempotency key）——同一 key 重复提交，服务端只处理一次
② 优先用 upsert 语义——「创建或更新」而非「创建」，天然可重试
③ 检查再执行——用唯一引用先查「做过了吗」，再做
让重试安全，Agent 才敢放开手脚👇
#AgentEngineering #BuildInPublic
三条落地：
① 写操作带幂等键（idempotency key）——同一 key 重复提交，服务端只处理一次
② 优先用 upsert 语义——「创建或更新」而非「创建」，天然可重试
③ 检查再执行——用唯一引用先查「做过了吗」，再做
让重试安全，Agent 才敢放开手脚👇
#AgentEngineering #BuildInPublic
October 7, 2026 at 5:30 PM
解法：把工具调用设计成「幂等」——重试 N 次，效果只发生一次。
三条落地：
① 写操作带幂等键（idempotency key）——同一 key 重复提交，服务端只处理一次
② 优先用 upsert 语义——「创建或更新」而非「创建」，天然可重试
③ 检查再执行——用唯一引用先查「做过了吗」，再做
让重试安全，Agent 才敢放开手脚👇
#AgentEngineering #BuildInPublic
三条落地：
① 写操作带幂等键（idempotency key）——同一 key 重复提交，服务端只处理一次
② 优先用 upsert 语义——「创建或更新」而非「创建」，天然可重试
③ 检查再执行——用唯一引用先查「做过了吗」，再做
让重试安全，Agent 才敢放开手脚👇
#AgentEngineering #BuildInPublic
举个客服 Agent 的例子：
坏做法：把 50 条退换货规则全写进 prompt。
好做法：写一个 check_return_policy(order) 工具，
规则放代码里，模型只负责「什么时候该调它」。
规则进代码 = 可测试、可版本化、可单独改；
规则进 prompt = 改一条牵动全局。
#AgentEngineering #BuildInPublic
坏做法：把 50 条退换货规则全写进 prompt。
好做法：写一个 check_return_policy(order) 工具，
规则放代码里，模型只负责「什么时候该调它」。
规则进代码 = 可测试、可版本化、可单独改；
规则进 prompt = 改一条牵动全局。
#AgentEngineering #BuildInPublic
October 5, 2026 at 5:30 PM
举个客服 Agent 的例子：
坏做法：把 50 条退换货规则全写进 prompt。
好做法：写一个 check_return_policy(order) 工具，
规则放代码里，模型只负责「什么时候该调它」。
规则进代码 = 可测试、可版本化、可单独改；
规则进 prompt = 改一条牵动全局。
#AgentEngineering #BuildInPublic
坏做法：把 50 条退换货规则全写进 prompt。
好做法：写一个 check_return_policy(order) 工具，
规则放代码里，模型只负责「什么时候该调它」。
规则进代码 = 可测试、可版本化、可单独改；
规则进 prompt = 改一条牵动全局。
#AgentEngineering #BuildInPublic
Deeper Dive: Why Smart AI Agents Can Still Make Bad Teams - Seven Lessons for Agent Engineering
agenticaiinsights.substack.com/p/deeper-div...
#agenticAI #agents #agentengineering #ai #teams
agenticaiinsights.substack.com/p/deeper-div...
#agenticAI #agents #agentengineering #ai #teams
Deeper Dive: Why Smart AI Agents Can Still Make Bad Teams - Seven Lessons for Agent Engineering
Agent intelligence and team intelligence are different engineering problems
agenticaiinsights.substack.com
October 2, 2026 at 2:49 PM
Deeper Dive: Why Smart AI Agents Can Still Make Bad Teams - Seven Lessons for Agent Engineering
agenticaiinsights.substack.com/p/deeper-div...
#agenticAI #agents #agentengineering #ai #teams
agenticaiinsights.substack.com/p/deeper-div...
#agenticAI #agents #agentengineering #ai #teams
三条立刻能做：
① 用 tracing（LangSmith / Langfuse / OpenTelemetry）记录每次工具调用
② 把「重放」当验收标准——同样输入能否稳定复现结果
③ 长任务加 checkpoint，失败从断点重试，别从头烧 token
先让 Agent 可调试，再让它更聪明。
#BuildInPublic #AgentEngineering
① 用 tracing（LangSmith / Langfuse / OpenTelemetry）记录每次工具调用
② 把「重放」当验收标准——同样输入能否稳定复现结果
③ 长任务加 checkpoint，失败从断点重试，别从头烧 token
先让 Agent 可调试，再让它更聪明。
#BuildInPublic #AgentEngineering
October 2, 2026 at 5:30 PM
三条立刻能做：
① 用 tracing（LangSmith / Langfuse / OpenTelemetry）记录每次工具调用
② 把「重放」当验收标准——同样输入能否稳定复现结果
③ 长任务加 checkpoint，失败从断点重试，别从头烧 token
先让 Agent 可调试，再让它更聪明。
#BuildInPublic #AgentEngineering
① 用 tracing（LangSmith / Langfuse / OpenTelemetry）记录每次工具调用
② 把「重放」当验收标准——同样输入能否稳定复现结果
③ 长任务加 checkpoint，失败从断点重试，别从头烧 token
先让 Agent 可调试，再让它更聪明。
#BuildInPublic #AgentEngineering
他给的解法值得每个做 Agent 的人记：
把 MCP 当「带智能发现的 OpenAPI」——
→ 工具返回结构化数据，不是一段 text
→ 工具靠文档/描述可被发现
→ 用代码沙箱（codemode）编排多个工具调用
返回 text，模型得再「读」一遍，费 token 又易错；
返回结构化数据，才能直接进下一步逻辑。
#AgentDev #AgentEngineering
把 MCP 当「带智能发现的 OpenAPI」——
→ 工具返回结构化数据，不是一段 text
→ 工具靠文档/描述可被发现
→ 用代码沙箱（codemode）编排多个工具调用
返回 text，模型得再「读」一遍，费 token 又易错；
返回结构化数据，才能直接进下一步逻辑。
#AgentDev #AgentEngineering
September 30, 2026 at 5:30 PM
他给的解法值得每个做 Agent 的人记：
把 MCP 当「带智能发现的 OpenAPI」——
→ 工具返回结构化数据，不是一段 text
→ 工具靠文档/描述可被发现
→ 用代码沙箱（codemode）编排多个工具调用
返回 text，模型得再「读」一遍，费 token 又易错；
返回结构化数据，才能直接进下一步逻辑。
#AgentDev #AgentEngineering
把 MCP 当「带智能发现的 OpenAPI」——
→ 工具返回结构化数据，不是一段 text
→ 工具靠文档/描述可被发现
→ 用代码沙箱（codemode）编排多个工具调用
返回 text，模型得再「读」一遍，费 token 又易错；
返回结构化数据，才能直接进下一步逻辑。
#AgentDev #AgentEngineering
In this deeper dive we look at how agents use skills. What is under the hood?
agenticaiinsights.substack.com/p/manager-ed...
#agenticAI #agents #agentengineering #skills #ai #llms #management #manager
agenticaiinsights.substack.com/p/manager-ed...
#agenticAI #agents #agentengineering #skills #ai #llms #management #manager
September 23, 2026 at 2:29 PM
In this deeper dive we look at how agents use skills. What is under the hood?
agenticaiinsights.substack.com/p/manager-ed...
#agenticAI #agents #agentengineering #skills #ai #llms #management #manager
agenticaiinsights.substack.com/p/manager-ed...
#agenticAI #agents #agentengineering #skills #ai #llms #management #manager