Liquid AI 发布端侧 MoE 模型 LFM2.5-8B-A1B
Liquid AI 发布端侧 MoE 模型 LFM2.5-8B-A1B，专为消费级硬件上的快速可靠工具调用打造，Base 和 post-trained 版本已在 Hugging Face 开放。
推荐理由：官方给出了与上一版和同类模型的对比数据，以及本地部署路径，适合评估端侧工具调用模型的选型。
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。
1,552 条精选近 30 天 222 条共收录 8,768 条
更新
精选归档 · 第 47 页
Liquid AI 模型与工程博客精选AI 评分7070
LangChain：Blog精选AI 评分6363 Lyft 如何用 LangGraph 和 LangSmith 构建自助式 AI 智能体客服平台
Lyft 的 SCX 数据科学与 MLE 团队基于 LangGraph 的 router 多智能体架构和 LangSmith 的追踪监控，搭建了让非技术领域专家独立开发 AI 客服智能体的自助平台。
推荐理由：Lyft 的自服智能体平台实践给出了可迁移的架构与提示词质量经验，适合正在搭建多智能体客服系统的团队参考。
OpenAI：官网动态精选AI 评分5656 使用 Codex 构建自改进税务智能体
OpenAI、Thrive 与 Crete 合作，使用 Codex 构建了一个自改进的税务智能体。该智能体能够自动处理报税流程，提升工作准确性并加速整体工作流。
推荐理由：OpenAI 联合 Thrive 把 Codex 塞进税务流程，做出了能自我纠错的申报 agent，金融自动化的同学可以看看他们的错误反馈循环怎么设计的。
IT之家·人工智能精选AI 评分7575 AI 制造 AI：面壁智能开源全球首个完全由 AI 编写的生产级训练框架 ForgeTrain
面壁智能联合清华大学与OpenBMB开源社区发布了ForgeTrain框架。该框架是全球首个完全由AI编写、零人类代码介入的生产级大模型训练框架。面壁智能已使用ForgeTrain在华为昇腾芯片上完成了其新一代「小钢炮」模型MiniCPM5-1B的预训练，其综合性能在AA榜单上位列2B规模以下Top 1。ForgeTrain框架代码及用于制造该框架的Agent Harness工具链已完全开源。
推荐理由：全球首个AI独立编写的训练框架，零人类代码，并且真的在国产芯片上训出了领先模型。'AI造AI'的闭环第一次被完整打通，做模型训练的团队都该去fork一下，复现过程本身就是一堂课。
公众号：数字生命卡兹克精选AI 评分6565 从0到1速通OpenAI Codex：安装、设置与实操教程
近日OpenAI的AI智能体Codex热度飙升。教程涵盖完整使用流程：从官网下载安装，支持从Claude Code和Cowork一键导入配置；界面分对话区和项目区，权限可选默认、自动审查或完全访问；模型推荐GPT-5.5，推理等级用高或超高，速度可选快速（1.5倍速度、2倍token消耗）或标准；建议开启引导模式、记忆功能，并设置全局AGENTS.md规则（卡帕西模板）；通过Skills和插件管理扩展能力；演示了开发网页（使用计划模式、批注功能圈选修改）和开发用药提醒App（需安装Xcode编译到手机）。
推荐理由：如果你还在观望要不要入坑Codex，这篇保姆级教程把安装、设置、开发网页到打包APP全流程踩了一遍，那个@Computer Use帮你装Xcode的操作一看就懂，想动手的现在就能跟做。
Claude Code：GitHub Releases精选AI 评分7171 Claude Code v2.1.152 更新发布
Claude Code 发布 v2.1.152 版本更新。核心改进包括：`/code-review --fix` 现在会将审查建议直接应用于工作目录；技能与斜杠命令支持通过 frontmatter 的 `disallowed-tools` 移除模型工具；新增 `/reload-skills` 命令可不重启会话重新扫描技能目录；`SessionStart` 钩子现可返回 `reloadSkills: true` 重新扫描技能，并可通过 `hookSpecificOutput.sessionTitle` 设置会话标题；新增 `MessageDisplay` 钩子事件以变换或隐藏助手消息。其他更新涉及插件市场管理、主模型不可用时自动切换至 `--fallback-model`、会话用量统计优化等。同时修复了终端样式退化、沙箱警告显示、思考摘要、MCP 服务器去重、远程会话连接及多种会话卡顿问题。
推荐理由：Claude Code 这次更新把代码审查从'查问题'推进到'直接修'，Skills 系统补上了热加载和工具限制，做工程自动化的团队应该立刻更新。
Claude：Blog精选AI 评分7575 Code w/ Claude 伦敦活动：重塑开发体验
在Code w/ Claude 伦敦活动上，Anthropic 宣布了 Claude Managed Agents 的两项新能力：自托管沙箱（公开测试版）和 MCP 隧道（研究预览）。这两项功能使 AI 智能体的工具执行环境与企业私有网络内的 MCP 服务器连接均可运行在客户自有基础设施或指定托管服务商处。活动还介绍了如何通过 Claude Code、优化思维预算以及模型努力级别来提升开发体验。目前，包括 Spotify、Base44 和 Legora 在内的客户已在使用这些新功能。
推荐理由：Claude 平台企业部署的最后一公里被补上了，自托管沙箱和 MCP 隧道让 agent 真正能进生产环境，做 2B 的企业级应用终于有了安全底座。
PromptArmor：Threat Intelligence精选AI 评分7474 PromptArmor 披露 Codex for Everything 可经邮件提示词注入外泄关联数据
PromptArmor 披露，OpenAI Codex for Everything 中一封恶意邮件可通过间接提示词注入操纵 Codex 生成含预填 Google Form 链接的 Markdown 图片，自动将用户正在审查的邮件内容外泄到攻击者表单，无需额外用户交互。攻击于 2026 年 4 月 21 日经 HackerOne 负责任披露，OpenAI 已修复，5 月 21 日公开。
推荐理由：原文完整披露了攻击链、时间线和修复情况，读者可以据此理解 Codex 场景下间接提示词注入导致数据外泄的具体路径。
Tomasz Tunguz 博客精选AI 评分5858 智能体重力：谁在运行你的智能体？
在数据时代，数据重力是核心力量；而在智能体时代，智能体重力将扮演同样角色。智能体运行需要巨大算力，主要平台将激烈争夺以将其留在自家生态。平台上的智能体与数据越多，其智能体重力就越强。例如，Databricks在微软平台推出的某个功能，虽未明言此目的，却让用户更容易在Databricks中构建智能体，而非微软自家的Fabric。这可能使用户不知不觉间将高价值的智能体及数据工作负载迁移至该平台。因此，赢得并维持智能体重力，将成为智能体时代的核心竞争主题。
推荐理由：Tomer Tunguz 提出「Agent Gravity」概念，把数据平台竞争的逻辑从数据引力延伸到了代理引力，做 Infra 和做 Agent 的人都应该读一读，这可能会影响你对平台锁定的判断。
Anthropic：Engineering精选AI 评分7070 我们如何对不同产品中的Claude进行隔离控制
Anthropic通过三重机制控制Claude智能体的部署风险，包括用户误用、模型异常行为和外部攻击。其防护策略聚焦于三个层面：通过沙箱、虚拟机和网络出口控制限制智能体运行环境；利用系统提示词和模型训练引导其行为；以及对MCP服务器、第三方插件等外部内容实施细粒度权限管理。文章以Claude Code、claude.ai和Claude Cowork为例，阐述了不同产品如何设计对应的隔离架构。
推荐理由：Anthropic 这次没画饼，实打实把 Claude 三款产品两年来的安全坑和架构演变全摊开讲了，从沙箱逃逸到钓鱼攻击，做 agent 的人读一遍能少踩很多坑。
Cognition 模型 / Devin 博客精选AI 评分7171 Cognition 完成逾 10 亿美元 D 轮融资，估值达 260 亿美元
Cognition 宣布完成逾 10 亿美元融资，估值 260 亿美元，由 Lux Capital、General Catalyst 和 8VC 领投。公司称今年企业使用量增长超 10 倍，年化收入达 4.92 亿美元；Mercedes-Benz 将八个月的遗留系统改造项目缩短至八天，Itaú 用 Devin 自动修复 70% 的安全漏洞。
推荐理由：官方公布融资与运营数据，包括 26B 估值、4.92 亿美元年化收入和企业客户案例，可用于评估 Devin 的实际落地规模。
MiniMax：Blog精选AI 评分7575 MiniMax Agent Team：为长期运行与持续演进而生
MiniMax对其Agent Team进行了整体升级并更名为Mavis。本次更新的核心是推出Agent Teams功能，允许用户在MiniMax Agent桌面端并行运行多个不同角色的智能体，组成团队以协作处理单一智能体难以完成的复杂长时任务。同时，原有的TokenPlan与Agent Plan合并为统一订阅，整合了CLI、API及Agent对M2.7模型、音乐、视频和语音功能的访问，其信用额度可在智能体与API之间共享。此次升级旨在解决单智能体在执行长期任务时容易出现的停滞、判断模糊及质量衰退问题，通过主智能体快速响应、任务拆分并行执行与关键节点汇报的机制，提供更流畅的用户体验。
推荐理由：MiniMax 把 Agent 从单兵作战升级成团队协作，解决了长任务里「Agent 变蠢」和「为什么没理我」两大痛点，做复杂任务的可以认真看看。
Ant Ling@AntLingAGI精选AI 评分6868引用Jia Guo@Jia__Guo好奇我们万亿级智能体基础模型背后的秘密武器吗？它来了！🥳 去年，我们发布了 IcePop，通过双边掩码来稳定 MoE RL。随着我们深入探索，意想不到的事情发生了：掩码比例下降了，而训练-推理不匹配却持续增长！😞 今年，我们推出 𝑲𝑷𝒐𝒑🪩，它用二元 KL 散度取代固定比例约束，自适应地掩码不合适的 token！掩码比例会随训练过程中训练-推理差距的波动而自适应调整，从而在长时程智能体 RL rollout 中保持策略优化稳定且有效。 通过这一简单改动，它使我们的 Ring-2.6-1T 在纯 RL 训练下于 SWE-bench-Verified 上取得超过 76 的成绩！ 无需修改基础设施。无需 routing replay。只需一个参数，用 𝑲𝑷𝒐𝒑 为你的智能体 RL 赋能！ 点击了解更多细节！ 📜Blog: https://ringtech.notion.site/kpop
推荐理由：蚂蚁团队把 IcePop 升级成 KPop，从固定掩码变成自适应 KL 区域，思路很巧。Ring-2.6-1T 纯 RL 直接冲到 SWE-bench 76+，做 agentic RL 训练的同学值得翻一下博客。
IT之家·人工智能精选AI 评分7777 “龙虾之父”Peter 开源 skill-cleaner，为 AI 智能体技能“做体检”
“龙虾之父”Peter 开源了 skill-cleaner 工具，用于诊断和优化 AI 智能体的技能提示词。该工具包含5项核心功能，包括技能提示词预算审计、重复技能检测、未使用技能筛查、技能根目录审计和描述精简优化。其脚本采用标准 token 预算核算逻辑，旨在帮助减少冗长描述对 token 预算和上下文窗口的占用。已有用户实践显示，将技能描述从90多词精简至40词以内，能提升智能体选择技能的准确率。
推荐理由：Peter 直接开源了一个给 Skill '减肥' 的工具，把描述精简、重复检测、预算审计全自动化了，装完跑一遍就能直观看到哪些 Skill 在烧你的 token。做 Agent 的可以立刻装上试试。
IT之家·人工智能精选AI 评分7777 谷歌 AI 框架 AlphaProof Nexus 攻克 2 道悬置 56 年数学难题
谷歌 DeepMind 推出 AlphaProof Nexus，结合大语言模型与 Lean 形式化验证，在 353 个开放 Erdős 问题中自主解决 9 个，其中 2 个已悬而未决 56 年。该系统还在 OEIS 的 492 个开放猜想中证明 44 个，每个问题推理成本仅数百美元。
推荐理由：AlphaProof Nexus 不是刷榜，是真解了 Erdős 难题，56 年悬而未决的那两道——这说明 AI 开始从具身数学题爬向纯数学研究了，做理论的人该认真看一眼。
Hugging Face 社区博客精选AI 评分5858 Harness、Scaffold 与 AI 智能体术语辨析
本文旨在厘清 AI 智能体领域中易混淆的关键术语。文章指出，模型（如 Claude、GPT）本身是无记忆、无循环的大语言模型。其行为由“Scaffolding”（行为定义层，如系统提示、工具描述）塑造，而“Harness”（执行层）负责调用模型、处理工具调用与控制循环，是智能体运行的核心。两者结合，模型才能成为智能体。文章以 Claude Code、Codex 为例，说明同一模型搭配不同 Harness 会产生迥异体验，并提出了 Agent = Model + Harness 的常见理解框架。术语尚未统一，本文旨在提供一个实用的心智模型。
推荐理由：Agent圈术语混乱的文章很多，但HF这篇把harness、scaffold、context engineering的关系讲得最透，做agent开发的读完至少能少吵一半的架。
Tibo@thsottiaux精选AI 评分7070使用计算机使用功能，你可以让 Codex 取消你不再需要的订阅。观看过程非常愉快。没有特指哪个，对所有订阅都有效。
推荐理由：Codex的Computer Use功能展示了一个意想不到的实用场景，它能自动操作网页帮你取消订阅。这个演示让AI从写代码直接跳到了处理生活琐事，可操作性极强，看完就能试。
Greg Brockman@gdb精选AI 评分8686引用Vaibhav (VB) Srivastav@reach_vb更新：根据反馈，我想出了一个更好的提示词版本 让 Codex 查看你的会话、Memories 和 Chronicle，识别模式，复用已有的内容，只创建最小可用的 skill、subagent 或自动化。 "回顾我最近 30 天的工作，如果可用历史更短则回顾全部可用历史，找出值得打包的重复性手动工作流。 按以下顺序使用可用证据： - 最近的 Codex 会话和任务摘要。 - Codex Memories 和 rollout 摘要，以发现跨会话重复出现的模式。 - Chronicle（如果已启用），以发现 Codex 之外的重复性工作。仅将 Chronicle 用于发现；尽可能在相关源系统中确认重要细节。 - 现有的 skills、自定义 agents 和自动化，以便复用或扩展已有的内容，而不是重复创建。 广泛寻找那些重复、耗时、易出错、上下文繁重或能从一致流程中受益的工作。包括编码、研究、写作、规划、沟通、运营、分析和个人事务方面的工作流。 仅当候选对象满足以下条件时才采取行动： - 至少出现过两次，或明显可能重复出现且重复成本高昂； - 具有稳定的输入、可重复的流程，以及明确的输出或停止条件； - 能实质性提升速度、质量、一致性或可靠性； - 尚未被充分覆盖。 选择最小的合适形式： - Skill：可复用的工作流或操作手册。 - 自定义 subagent：适合委派的有界专家角色或调查任务。 - 自动化：定时或周期性的检查、报告、提醒或监控。 - 跳过：过于一次性、模糊、敏感或证据不足而无法打包的工作。 首先产出一份简洁的候选清单，包含： - 重复的工作流 - 支持性证据和日期 - 频率/置信度 - 推荐形式：skill、subagent、自动化、扩展现有内容或跳过 - 为什么值得或不值得创建 然后只创建高置信度且缺失的项目。保持它们范围狭窄、实用、感知来源且易于验证。不要创建推测性、重叠或过于宽泛的资产。 最后总结： - 你创建或扩展了什么 - 你刻意跳过了什么 - 在打包之前还需要更多证据的内容
推荐理由：GDB 这个 prompt 把 Codex 从写代码的帮手变成了你的私人效率教练，让它自己找出你过去一个月里哪些重复工作该自动化，深度 Codex 用户直接抄作业就行。
Manus：Blog精选AI 评分6262 Manus 推出 Shopify 连接器，可在对话中搭建、管理并运营店铺
Manus 宣布 Shopify on Manus 正式向所有付费用户推出，通过与 Manus 对话即可创建 Shopify 开发店铺、搭建店面并连接到 Shopify。
推荐理由：官方介绍了集成的实际工作方式、认领流程和数据权限边界，电商商家可据此判断是否把店铺日常运营搬进对话。
Boris Cherny@bcherny精选AI 评分7878引用ClaudeDevs@ClaudeDevs自动模式的两项更新： · 现已在 Pro 套餐中可用 · 除 Opus 4.7 外，现也已支持 Sonnet 4.6 按 Shift+tab，让 Claude 运行。
推荐理由：Boris 透底 Claude Code 最高效用法，auto mode 免确认弹窗、支持并行 session，把 AI 编程从串行变并行，值得一开。