技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
1,552 条精选近 30 天 222 条共收录 8,768 条
LibTV推出Agent功能并内置Skill Hub，提供100多个覆盖武侠电影、皮克斯动画广告、电商口播等类型的视频Skill。用户输入想法后，Agent会分析需求并询问方向，自动生成视频分镜并串联成完整节点工作流，每个节点可查看和修改提示语。生成后LibTV会启动自查机制，自动检测并返修有问题的镜头。故事板视图提供图片与视频资产总览，支持在成片中直接打开剪辑时间线进行精细调整。用户还可自行创建Skill，上传三个文件即可，无需编程。实测中，Agent能输出剧情连贯、带粤语配音的成片，并支持双语字幕生成。
推荐理由：LibTV把成熟的视频流程做成可复用的Skill，并开放自定义上传，让创作者无需从节点开始，直接输出接近成片的作品，对于想缩短想法到成片距离的人，这是一个值得上手的效率工具。
GitHub 将 Copilot code review 迁移到与 Copilot CLI 共享的 grep、glob、view 工具集后，离线评测显示审查成本上升、有效问题检出减少。
推荐理由：原文用工具追踪展示迁移后 agent 的行为偏差，给出可迁移的提示词重写思路，比结论本身更有参考价值。
Cognition 用 FrontierCode 1.1 上的 3000 次评测对比 Fable 5 与 Opus 4.8，发现尽管 Fable 5 每 token 单价是 Opus 的 2 倍，在 Fusion 侧搭子架构下 Fable + Sidekick 每次运行成本 $1.86、得分 60.7，低于 Opus + Sidekick 的 $2.04 与 54.6。
推荐理由：原文用 3000 次评测拆解了每轮成本去向，说明逐 token 单价为何不能预测智能体实际账单，方法对评估编码智能体成本有可迁移性。
蚂蚁集团开源 AKernel（Agent Kernel），一个将整个数据中心视为 AI 智能体可编程扩展的分布式内核。它通过统一 Python SDK 实现计算、网络和存储的编程控制，支持单机、私有 K8s 及多云（阿里云、华为云）一键部署，冷启动仅需 40 毫秒。AKernel 代码由 AI 大量贡献，并内置基于 OpenTelemetry 的全栈可观测性。
推荐理由：蚂蚁把数据中心变成 Agent 的可编程扩展，对于需要大规模弹性编排 Agent 的团队来说，比用 Kubernetes 手写 YAML 直接得多，不过目前严重依赖阿里云和华为云，通用性还差一截。
PromptArmor 自 5 月中旬至 6 月底追踪 Claude 和 ChatGPT 的第三方连接器，发现 2517 个连接器中 931 个发生了能力或权限变更，新工具、权限范围、注入指令等在审批后持续漂移且缺乏重新确认机制。
推荐理由：研究用一手监测数据量化了连接器审批后的能力漂移，读者可据此重新评估组织的连接器治理流程。
Greg Brockman@gdb精选AI 评分6969ChatGPT Work 将智能体带到消费级规模。 它在可用性（你只需在手机上操作，无需笔记本电脑）和可及性上都有提升，适用于个人和职业生活。 非常期待看到人们如何使用它，以及它如何赋能用户！
推荐理由：OpenAI 把 Agent 从开发者交到普通人手里，这个动作比任何 benchmark 都重要，接下来要看 C 端用户会不会真用起来。
Greg Brockman@gdb精选AI 评分6666GPT-5.6 改变了我们对知识工作的看法。你的工作从处理单个任务转变为照看带有 AI 循环的系统。 在 @danshipper 的收件箱里，这看起来是这样的： GPT-5.6 扫过他的邮件，判断哪些值得他关注，研究相关背景，并为每封邮件附上简短摘要和拟好的回复。 Dan 批准、编辑，或者用 @usemonologue 口述他想改的地方。然后他就继续处理下一件事。 每轮扫查结束时，这个智能体会从 Dan 的修改和决定中学习，并记住它们，供下次使用。 今天我们发布 Tend，一个让你自己构建这类循环的实验。它是一个开源提示词和代码库，能把收件箱、招聘流程或客户支持队列变成你可以在 ChatGPT Work 中照看的系统。 先教 Tend 什么值得你关注。然后留意会发生什么：收件箱变得更轻松，指令变得更好，而你工作中的另一个循环也开始显现出来。
推荐理由：Greg 强调知识工作正从处理单个任务转向「照料系统」，Tend 开源项目把这个想法变成了可用的工具。对想用 AI 重构工作流的产品人和开发者很有启发，虽然还只是个实验。
百度搭子在成都百度AI Day上发布四项更新。个人版新增浏览器调用、智能路由（平均任务耗时降20%，Token利用率提升25%）、多端共享记忆及强化PPT生成，并上架“一镜”数字人制作、“灵医”报告解读等Skill。行业首个自媒体专业套件支持选题到复盘全链路。企业版支持团队协作与权限管理。搭子联盟启动，中国联通等已加入。上线三个月，日均提问量增长20倍。
推荐理由：百度搭子这次更新算不上行业事件，但浏览器调用和自媒体套件确实在缩减创作链路，企业版尝试把AI能力沉淀为组织资产，对深度使用百度的团队有实际价值。
Elon Musk@elonmusk精选AI 评分6868Grok Build is crazy. 先不管GPT-5.6是不是release到底好不好用。 先來大大稱讚一下 @grok 的 Grok Build，目前唯一集大成的 coding agentic workflow。 Grok Build 內建 Image 生圖，甚至還有圖片生影片的功能，生圖速度真的快到不行，圖片品質也完全不比 Codex 差。 更厲害的是，因為 Grok Build 本身就內建生圖和生影片能力，agent 可以直接完成圖像與影片生成，不需要再額外串其他 MCP 或外部服務，只要訂閱 Grok，就可以把這整套 creative coding workflow 跑起來。 我在 Agent Sprite Forge 上面也新增了Grok專用的 video2dsprite，因為 Grok Build 內建影片生成，現在可以先生成一段連續的 6 秒角色動作影片，再反編譯成 game sprite，這樣做出來的角色元素圖會非常順，而且大幅減少之前常見的對齊問題。 Grok Build搭配 Agent Sprite Forge 真的超好用，我做完這個2D橫向卷軸遊戲總共花了不到30分鐘... 之前叫Codex做，光生圖就要花不少時間，要做成這樣的遊戲大概需要1~2小時，重點是Grok的品質還比Codex做的還要更好... @elonmusk Grok Build is crazy. Grok Build + Agent Sprite Forge feels like the future of agentic game development.
推荐理由：这个 Grok Build 加 Agent Sprite Forge 的工作流把做 2D 游戏的时间压到了 30 分钟，之前要 1-2 小时，而且品质更好，独立游戏开发者可以直接抄作业。
PromptArmor 审查了当时可用的 487 个 Claude Connectors 共 7517 个工具，发现其中 189 个（约五分之二）的 386 个工具很可能在下游调用其他 AI 服务。
推荐理由：原文给出了 Claude Connectors 二次调用外部 AI 的实测比例、工具分类和具体风险，读者可据此评估企业数据流合规。
OpenAI 发布 ChatGPT Work，一个能跨应用和文件收集信息、将复杂项目分解为小步骤独立完成并持续工作数小时的 AI 智能体。它内置 Codex 技术，目前每周超 500 万用户使用 Codex，其中超 100 万用于非软件开发场景。ChatGPT Work 由今天同步推出的最新前沿模型 GPT‑5.6 驱动，具备多步骤推理和按模板生成材料的能力。该功能今天起面向 Pro、Enterprise 和 Edu 计划推出，未来几天扩展至 Plus 和 Business 计划。桌面版 ChatGPT 在所有计划（含免费版）中提供 Chat、Work 和 Codex 模式，且 Codex 应用已合并至新的桌面应用。
推荐理由：ChatGPT Work 把代理能力真正派发给了普通用户，配合插件、定时任务和电脑控制，这是 ChatGPT 从问答工具迈向自主完成复杂工作的关键一步。但我更关心 GPT-5.6 的推理提升到底多大，案例里没给数字。
Prime Intellect 发布 verifiers 0.2.0，预览重写后的 v1 核心，将环境解耦为 taskset、harness 和 runtime，任意 taskset 可在任意兼容 harness 下运行。
推荐理由：原文给出任务集、执行框架与运行时三层解耦的设计细节和训练案例，读者可以据此评估这套抽象是否适配自己的智能体训练流程。
AI at Meta@AIatMeta精选AI 评分6565来自 @finkd 的消息 — Muse Spark 1.1 已上线。
(1) 今天我们发布 Muse Spark 1.1——这是一款性能强劲的智能体与编程模型，价格非常低廉。它已通过我们全新的 Meta Model API 上线，并集成在 Meta AI 中。
推荐理由：Muse Spark 1.1 主打 agent 和 coding 能力，同时压到极低价，这可能是 Meta 低价模型策略的正式开场。虽然这次没给具体数据，但后续模型、API 的布局值得关注。
OpenBMB@OpenBMB精选AI 评分7171推荐理由：社区开发者用 MiniCPM 轻量模型做的本地数学助手，LaTeX 输入变得像聊天一样自然，是个小而美的端侧实用案例。
Meta Superintelligence Labs 发布 Muse Spark 1.1，定位面向智能体任务的多模态推理模型，在工具与计算机使用、编码、多模态理解上较 Muse Spark 有明显提升，支持 1M token 上下文窗口。
推荐理由：官方博客给出模型在智能体、编码、多模态上的能力细节和百万 token 上下文，并开放 Meta Model API 公测，可对照现有工作流评估。
一种为AI智能体设计的预检工作记忆架构：查询到来时，系统从磁盘上约90个索引化的技能库中检索最相关技能，仅加载到上下文窗口。本地开源模型Ornith 35B（350亿参数，通过Ollama在Apple Silicon上运行）执行任务，约80%常规任务由本地模型完成，困难任务路由至前沿模型。看门狗记录每次预检决策和技能调用，夜间通过异步推理处理全天轨迹，自动决定哪些技能需新增或固化（如日历排期转为确定性Rust代码），实现自我改进循环。昨天，看门狗首次未提出任何改进建议，系统或接近性能平台期。
推荐理由：Tunguz 把代理的记忆问题拆成预检+看门狗，不是大模型调参，而是软件架构层的优化，做 agent 的开发者可以直接偷师。
LangChain 与 NVIDIA 发布 NemoClaw for LangChain Deep Agents 蓝图，组合 LangChain Deep Agents Code、NVIDIA Nemotron 3 Ultra 和 NVIDIA OpenShell 运行时，帮助企业构建可控的开源智能体系统。
推荐理由：原文给出评测数字和分层架构细节，读者可以据此评估开源智能体栈在成本与治理上的取舍。
xAI 于 7 月 16 日发布 Grok 4.5，称其为最强模型，主打编码、智能体任务和知识工作，训练与 Cursor 合作完成。
推荐理由：官方公布了多项工程基准数据、token 效率和价格，读者可以据此比较它在编码和智能体任务上的实际表现。
提示注入已成为AI安全的首要威胁——大语言模型无法区分合法指令与恶意指令。此前推送式和拉取式攻击规模均有限。研究人员提出一种名为HalluSquatting的新型拉取式提示注入攻击，首次能组装大规模僵尸网络、执行分布式拒绝服务攻击（DDoS）并大规模感染设备。该攻击可作用于AI编码工具，标志着提示注入攻击从单点突破转向规模化利用。
推荐理由：这项研究首次揭示了利用 LLM 幻觉进行大规模 botnet 攻击的可行路径，影响范围覆盖几乎所有主流 AI 编程助手，每个依赖这些工具的开发者都该看一眼。
蚂蚁集团副总裁周俊在AICon演讲指出，万亿参数模型每运行15分钟算力成本约等于一辆特斯拉，效率是智能体时代最需解决的问题。团队提出从“更多Token”转向“更高Token密度”策略，采用7份Lightning Attention加1份MLA的混合线性注意力架构，使256K长上下文成本从指数级降至线性级，算力更多用于思考。通过Kpop算法区分工具调用与自然语言Token，结合思维链剪枝、自蒸馏等，Token输出减少约4倍而能力不降。在LongBench、BFCL等基准上提升显著，千亿参数模型在Agent任务中超越部分更大模型；小模型flash吞吐达2.4倍，五轮对话成本下降10倍以上。
推荐理由：蚂蚁百灵副总裁周俊这次分享，把大模型效率问题从零散优化推到了架构、训练、智能体协同设计的范式层面，7+1 混合注意力方案和 Kpop 算法对做模型的人是实质参考。