跳到正文

技术方向

Agent 智能体 最新动态

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。

1,627 条精选近 30 天 143 条共收录 8,729 条

更新

精选归档 · 第 41 页

6月18日周四第 801–820 条
  1. The Decoder:AI News78

    Nature两篇研究:MIRA和AMIE诊断与治疗计划媲美甚至超越医生

    德国团队开发的MIRA智能体在模拟电子病历中操作85,000种选项,500余例急诊诊断准确率88.9%,对比测试(311例)得分87.8%,高于资深专科医生(78.1%)和混合团队(71.1%)。MIRA在阑尾炎(98.6%)和胰腺炎(92.3%)最佳,未发现危险药物交互或剂量错误,性能不受语言影响,代码已公开。谷歌AMIE采用双智能体架构,在100个多访视病例中治疗计划适切率95%(初级保健医生72%),并在药物知识基准RxQA上超过医生。两项研究均警告模拟环境与现实存在差距,实际性能可能更低。

    推荐理由:两项 Nature 研究把 AI 诊断推到了和医生掰手腕的水平,但更值得关注的是那个被埋起来的实验:更强的模型一上来,精心搭建的 double-agent 架构几乎归零。医疗 AI 的护城河可能不是架构而是接入院内系统的能力。

  2. Hugging Face 社区博客74

    AI 智能体够格吗?在自有工具上评测开源模型

    Hugging Face 发布面向 AI 智能体使用场景的基准测试框架,以 transformers 库为案例评估库的智能体友好度。框架使用 pi coding agent 与开源模型驱动,通过 Hugging Face Jobs 分散任务确保硬件一致。评估关注 agent 完成任务的成本、延迟、token 使用量和失败率,而非仅最终结果。此前 hf CLI 经优化后 agent token 使用量减少 1.3-1.8 倍(最高 6 倍),该框架旨在验证类似优化对 transformers 的效果。

    推荐理由:Hugging Face 这波实验打破了我的直觉——为大型模型优化的 CLI+Skill 方案反而让小模型正确率暴跌,做 agent 工具链的人应该马上看这个标杆。

  3. The Decoder:AI News72

    Adobe 为 Photoshop、Premiere 等多款 Creative Cloud 应用加入 AI 智能体

    Adobe 将其“创意智能体”扩展至 Photoshop、Premiere 等应用,以公开测试形式提供 AI Assistant。该智能体可自动完成多步骤常规任务,如 Premiere 分拣素材和粗剪、Photoshop 换背景、Illustrator 批量生成文件、InDesign 更新版式等。Firefly 新增面向个人创作者的品牌套件、产品图转短视频及 Quick Cut 自动剪辑功能。Adobe 工具已集成至 ChatGPT、Claude 及 Microsoft 365 Copilot,Google Gemini 和 Slack 集成即将推出。

    推荐理由:Adobe把AI助手直接塞进了Photoshop、Premiere这些上亿人用的创作工具,干的虽然是粗剪、排版一类的苦力活,但却是AI从生成器转向流程助手的关键一步,值得所有创意工作者上手试试。

  4. Google DeepMind:Blog65

    保障AI智能体的未来安全

    Google DeepMind发布AI Control Roadmap,这是一套针对内部先进AI智能体的系统级安全框架。该框架在传统模型对齐之上增加防线,假设AI智能体可能不对齐,通过威胁建模、沙箱隔离、端点安全、提示注入防御以及基于已验证行为逐步授予权限的机制建立信任。据估算,到2030年仅美国市场AI智能体就能创造2.9万亿美元经济价值。

    推荐理由:DeepMind 首次系统性地公开了内部 AI 代理安全控制路线图,把代理当潜在「内鬼」来防的思路很务实,分析了 100 万个任务轨迹的监控实践尤其值得做 Agent 安全的人细看。

  5. 公众号:月之暗面70

    Kimi Work 新增目标模式与插件中心,6月推出额度消耗5折福利

    月之暗面旗下 Kimi Work(Beta 版)新增「目标模式」,支持设定终点后由 Agent 自主循环推进任务,最长连续运行24小时,过程中人类可随时中断调整。同时上线「插件中心」,可选装百度网盘、Canva可画、钉钉、飞书、WPS、Notion、Cloudflare 等外部应用。6月限时福利期间,Kimi 电脑客户端 Work 模式所有任务会员额度消耗减半,即从0.02%降至0.01%。

    推荐理由:目标模式把 Kimi Work 从对话助手变成了能连续运行 24 小时的自主 Agent,配合插件中心打通办公软件,对需要长时间执行复杂任务的用户是实际可用性的大升级。

  6. 公众号:月之暗面72

    Kimi Work 上新:目标模式、插件中心和 6 月限时福利

    Kimi 电脑客户端为 Kimi Work(Beta 版)新增「目标模式」和「插件中心」两个特性。目标模式基于循环机制,可让 Agent 连续工作 24 小时自主推进长任务;插件中心支持连接百度网盘、钉钉、飞书、WPS、Canva可画等外部应用。6 月内使用 Work 模式所有任务额度消耗打 5 折,一个 token 当两个用。

    推荐理由:目标模式的价值在于把Agent的连续工作时长拉到24小时,人类只需定义终点,模型自主收敛策略,改变了长任务的处理方式。

  7. OpenRouter:Announcements57

    如何在 OpenRouter 上使用 OpenAI Codex CLI

    Codex CLI 支持自定义 OpenAI 兼容提供商,只需在 config.toml 中配置即可将请求路由到 OpenRouter。用户无需修改 Codex 本身,就能获得提供商故障转移、使用跟踪以及跨所有模型的统一密钥。

    推荐理由:这篇教程教开发者如何将 OpenAI Codex CLI 路由到 OpenRouter,配置不复杂,对想用 Codex 又希望多模型切换的朋友是个顺手的小贴士。

  8. IT之家·人工智能71

    苹果 Xcode 27 核心首次深度集成 AI 智能体:支持自然语言修 Bug、构建 App

    在 2026 年 WWDC 期间,苹果发布 Xcode 27,其核心组件首次整合 AI 智能体,能理解 Swift 语言并通过多轮自然语言对话辅助开发。AI 可跨多个文件修改整个代码库,也能根据提示与资源生成应用设计并独立构建完整应用,建成后仍可通过对话添加特效、动画等。Xcode 27 支持接入 Anthropic、OpenAI 和 Google 等第三方 AI 模型,同时引入 Core AI 框架提供现代 Swift API 调用端侧模型,并升级开源框架 MLX。

    推荐理由:Xcode 27 把 AI 智能体直接嵌进 IDE,支持多文件编辑和第三方模型,对苹果生态开发者是效率跃迁,非苹果开发者可以略过。

  9. PromptArmor:Threat Intelligence70

    PromptArmor 演示 Codex Approve-for-me 智能体批准恶意 NPM 安装

    PromptArmor 实测显示,OpenAI 的 Approve-for-me 审批智能体会批准执行恶意 NPM 安装命令,即使主 Codex 智能体已被外部贡献者在 GitHub issue 的 HTML 注释中隐藏的一行提示词注入影响。

    推荐理由:作者实测演示了 agent 审批链被提示词注入绕过的具体路径,并给出 Claude 和 Codex 侧可直接执行的关闭配置。

  10. Claude Code:GitHub Releases57

    Claude Code v2.1.181 发布

    Claude Code v2.1.181 发布,新增 `/config key=value` 语法允许在提示中直接设置任意配置项,新增 `sandbox.allowAppleEvents` 选项使沙盒命令支持 Apple Events,新增 `CLAUDE_CLIENT_PRESENCE_FILE` 环境变量用于抑制移动端推送通知。内置 Bun 运行时升级至 1.4,改进了长段落流式输出(逐行显示)和 API 连接中断后自动重试。子 agent 面板优化:空闲 agent 30 秒自动隐藏、列表最多 5 行。修复了提示缓存读取、Write/Edit 在网络驱动器产生 0 字节文件、启动性能回归(约 120ms)、启动阻塞(最长 15 秒)、macOS TUI 冻结、子 agent 时长显示错误、API 重试指示器残留、AWS 凭证刷新等问题。

    推荐理由:一次工程师式的磨刀更新,修复了网络驱动器写入、macOS TUI 冻结等一批痛感明显的 bug,新增的 /config 快捷语法也顺手,但对非 Claude Code 用户来说就是一串技术细节。

  11. Google Developers Blog64

    Google 分享 A2UI 与 MCP Apps 三种集成架构模式

    Google 分享了三种集成 A2UI 与 MCP Apps 的架构模式,旨在结合两者优势。A2UI 采用声明式框架,通过 JSON payload 定义 UI,由宿主原生渲染,确保一致性与安全性,但受限于预定义组件库。MCP Apps 在 iframe 中使用标准 Web 技术提供自定义界面,但存在设计碎片化、性能与安全挑战。三种模式包括:通过 MCP 服务器提供 A2UI,利用 MCP Resources 或 Tool 调用传递 JSON,实现“一次编写,原生渲染”的跨平台能力;以及静态与动态交付方案。Google 正考虑扩展 MCP 以原生支持 A2UI。

    推荐理由:Google 这篇指南给出了三种具体的架构模式,帮开发者同时用上 A2UI 的原生安全性和 MCP 的定制能力,对正在做 Agent UI 的团队是直接的工程参考。

  12. MarkTechPost77

    Vercel 发布开源 AI 智能体框架 Eve:每个智能体就是一个文件目录

    Vercel 发布开源 AI 智能体框架 Eve(npm 包,Apache-2.0 许可)。Eve 采用文件系统优先设计:每个智能体对应一个磁盘目录,目录结构直接映射模型、指令、工具、技能、连接、子智能体等能力,无需额外注册代码。内置六大生产级能力:持久执行(每步检查点,崩溃后可恢复)、沙箱计算、人机审批、安全连接(支持 MCP 和 OpenAPI)、多通道(Slack、Discord、Teams 等)以及追踪与评估(OpenTelemetry)。Vercel 内部运行了上百个智能体,包括数据分析工具 d0(月处理超3万查询)、自动销售代理 Lead Agent(年费约5000美元、回报32倍)和支持智能体 Vertex(自主解决92%工单)。

    推荐理由:Vercel 把自己跑了 100 多个 agent 的框架开源了,用目录即契约的方式把耐久执行、沙箱、审批等全打包,对想在生产环境跑 agent 的团队是今年最务实的发布之一。

  13. Jim Fan81

    NVIDIA GEAR实验室推出ENPIRE系统,首次实现物理世界自主研究。系统让8个Codex智能体控制8台机器人,配备GPU和token预算。安全方面采用硬运动极限切断和扭矩受限夹爪两层硬件保障,支持通宵无人运行。奖励函数通过视觉分类器离线固定并冻结,防止智能体作弊。实时监测机器人利用率(MRU)、token利用率(MTU)和GPU利用率,以Tokens-to-Success和Time-to-Success评估效率。ENPIRE自主完成扎带、整理细针、安装GPU等高精度任务,发现8机器人并行探索显著更快。系统将开源。

    引用Jim Fan@DrJimFan

    今天,我们首次在物理世界中实现了 AutoResearch!隆重推出 ENPIRE:我们为 8 个 Codex 智能体配备了一支机器人舰队、一批 GPU 以及充足的模型 token 预算。我们让它们自由行动,目标只有一个:尽可能快地完成任务,让机器人保持忙碌但确保安全,不浪费宝贵的算力。这一点毋庸置疑。 随后人类退居幕后,我们的观察开始了。机器人舰队开始苏醒:它们学会寻找视觉线索、重置场景、练习新技能、调整控制栈、在线阅读论文、进行辩论、反思、陷入困境,然后直接在硬件上重新尝试。我们所做的只是为 Codex 提供了一个通往原子世界的 API,剩下的便是涌现。 ENPIRE 能够自主完成高精度任务,例如绑扎带、整理精细的插针以及安装 GPU。我们还发现了一种新型的“物理规模扩展”:8 个机器人并行探索的效率显著高于数量更少的机器人。 我们 NVIDIA GEAR 实验室的一部分现在可以彻夜不休地自我改进。我们只需在早上阅读报告即可。 /目标:我们都去度假,而 Jensen 甚至不会察觉 ;) 我们将开源所有内容,这样你也可以在家中托管一个自主运行的机器人实验室!详情请见下方帖子:

    推荐理由:Jim Fan团队让8个机器人在真实世界自主研究,从安装GPU到发现物理扩展定律,这是具身智能第一次真正脱离人类监督探索物理任务,比任何虚拟环境的Agent实验都更接近AGI的物理锚点,做机器人的必须关注。

  14. Google Developers Blog63

    谷歌发布Agentic Resource Discovery(ARD)开放规范

    Agentic Resource Discovery(ARD)是一项开放规范,用于在Web上发布、发现和验证AI工具、技能与智能体。它基于两个原语:组织在其自有域名下托管catalog描述可用能力,registry作为搜索引擎索引catalog并响应发现请求。ARD支持加密验证,使客户端与端点连接前确认发布者身份,然后直接通过原生协议调用能力。Google Cloud的Gemini Enterprise Agent Platform通过Agent Registry提供企业级支持,包括URN命名、出站策略、工具固定和基于Agent Identity的信任验证。该规范现已发布,开发者可通过托管`ai-catalog.json`文件使其服务可发现。

    推荐理由:虽然才刚发布,但 ARD 有可能成为代理网络的“robots.txt”,做 agent 开发的都该看一眼,它解决的是跨组织发现和信任这个真问题。

6月17日周三
  1. 公众号:智谱84

    GLM-5.2上线并开源:专注Coding与长程任务

    智谱上线并开源GLM-5.2,在Code Arena盲测中取得全球可用模型第一。该模型实现1M无损上下文,在FrontierSWE上仅比Opus 4.8低1%,在Terminal-Bench 2.1上相比GLM-5.1提升17.5%。模型已通过Hugging Face与ModelScope开源,采用MIT协议,API同步上线。

    推荐理由:1M上下文与长程交付能力将AI编程的边界从代码片段推向完整多端应用,团队评估编码助手时需重新考虑单次任务可交付的工程规模。

  2. Together AI 研究与产品博客64

    Together AI 实测 Kimi K2.7 Code 对比 Claude Fable 5:落地页成本约低 94%

    Together AI 用 Kimi K2.7 Code 和 Claude Fable 5 各生成 12 个落地页做对比,Kimi 平均成本约低 94%(约为 Fable 的 1/16、Opus 4.8 的 1/8),质量评分接近但整体略低。

    推荐理由:原文给出12个落地页的逐页成本与质量评分对比,还展示了用设计 MCP 补充视觉参考这一可复用的提效方法。

  3. OpenRouter:Announcements67

    Subagent:让模型把琐碎任务委托出去

    OpenRouter 推出 openrouter:subagent 服务器工具,允许前沿模型在生成过程中将独立的琐碎任务(如文档总结、结构化数据提取、文本重格式化)委托给更小、更便宜、更快的 worker 模型执行,从而节省前沿模型的 token 消耗。

    推荐理由:这是 OpenRouter 对 agent 交互模式的一个小但实用的创新,让主模型自动将摘要、格式化等确定性子任务分派给更便宜的小模型,做多模型编排的开发者可以直接拿来用。

  4. Anthropic:Research76

    Anthropic:智能体编码中专业知识回报持续存在

    Anthropic 基于约40万次 Claude Code 交互会话(2025年10月至2026年4月)分析发现:人类主导规划决策(做什么),Claude 主导执行决策(怎么做)。领域专业知识越强,模型每次指令完成的工作量越多。各类职业完成任务的成功率与软件工程师平均相近;领域专家成功率更高,但与中级用户差距不大。七个月间调试会话占比下降近一半,使用转向端到端智能体任务(部署运行代码、分析数据、编写非代码文档),典型任务价值平均上升约25%。

    推荐理由:这份报告用40万次真实会话数据揭示了一个反直觉发现,决定Agent编码成败的,不是会不会写代码,而是对自己领域问题的理解深度。对非技术背景用AI编程的人和产品经理都是重要信号。

  5. LangChain:Blog63

    LangChain 详解 Deep Agents SDK 的上下文管理机制

    LangChain 介绍 Deep Agents SDK 的上下文压缩机制:超过 20,000 tokens 的工具结果卸载到文件系统、上下文达 85% 时截断旧的写/编辑工具调用、空间不足时执行带结构化摘要的总结,完整原始消息保留到文件系统供检索。文章还建议以更低阈值(如 10-20%)人为加大压缩频率来放大信号,并用针在草堆等针对性评测验证摘要后信息可恢复与目标不漂移。

    推荐理由:原文给出 Deep Agents SDK 的三种上下文压缩机制和阈值触发细节,以及放大信号做评测的可迁移方法。

  6. OpenRouter:Announcements62

    OpenRouter Presets:当模型下线时保持 AI 智能体运行

    Anthropic 在 Claude Fable 5 发布仅数天后便对其进行了限制。如果代码硬编码模型 slug,该限制也会导致服务中断。OpenRouter 的 Presets 功能将模型选择移至服务器端,使用户无需重新部署即可切换模型、设置回退策略并强制执行数据策略。

    推荐理由:给 Agent 开发者的实用提醒,硬编码模型名会在供应商限制时塌方,用 Presets 换模型、设降级方案比现改代码省心。