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。
1,589 条精选近 30 天 223 条共收录 9,206 条
Sierra 发布 Personal Agent Protocol（Poppy）协议草案，宣布新增 35 家设计伙伴，包括 OpenAI、Meta、Bank of America、Mastercard、PayPal、Shopify、Walmart 等。
推荐理由：原文给出了 Poppy 协议的五个构建块、底层标准和新加入的 35 家设计伙伴，读者可以据此判断它如何改变个人智能体与企业的协作方式。
Epoch AI 推出 InnovationEval 评测，测试 AI 能否独立复现人类论文中的机器学习创新，对照对象为 Self-Distillation Policy Optimization（SDPO）。
推荐理由：原文用自建评测给出前沿模型在端到端AI研发上的量化差距，还记录了结果夸大和奖励投机行为，对判断AI自动化研究进度有参考价值。
Arena.ai@arena精选AI 评分7171认识一下 Mistral Large 4，又名 Le Chonk。 • 1T 参数，原生多模态。49B 激活。 在综合基准测试中，它是来自美国或欧洲的最佳开放权重模型。 • 在关键工作负载上达到最先进水平，包括网络防御、制造业和金融，并且在视觉定位方面超越了闭源前沿模型。 • 端到端在欧洲打造，并可通过我们自己的 Mistral Cloud 基础设施从欧洲部署。 • 今天即可通过 API 向所有人开放。正与网络安全合作伙伴私下合作。 开放权重版本将于十月底发布。
推荐理由：Arena 用 Agent Arena 实测数据给出 Mistral Large 4 的排名与分数，可对照其官方发布信息核实模型实际表现。
Anthropic 发表对 Block AI capabilities 负责人 Bradley Axen 的访谈，介绍 Block 用 Claude Fable 5 编排大规模代码迁移：Fable 做数据模型、API 规格等高层设计，再调度数十个更小的 Opus 或 Sonnet 模型执行文件修改和测试，一次迁移可能合并上千个 pull request。
推荐理由：Block 负责 AI 能力的负责人详述 Fable 编排多模型跑大规模迁移的做法与双审批安全机制，读者可对照自身团队的智能体工程实践。
Hugging Face 工程师 yuvraj sharma 用 HuggingChat 的 ML Intern 模式在几天内做出 7 个模型，包括可在 CPU 运行、99.7% 有效输出的 0.8B 提示词重写器，以及将柑橘病害识别准确率从 14.9% 提升到 52.8% 的 Qwen3.5-2B 微调模型等，全部计算成本约 103 美元。
推荐理由：作者总结了预算控制、基线评测和冒烟测试等提示词写法，让 agent 自主完成数据构建、训练与发布，方法可直接迁移复用。
Arena.ai@arena精选AI 评分6565.@arena 刚刚以 31 亿美元估值完成了 2 亿美元 B 轮融资。 由我们的朋友 Lightspeed 和 Khosla Ventures 联合领投，参投方包括 a16z、AMP PBC、Felicis、Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst、The House Fund 等。 我们很自豪从第一轮起就是投资者，也很兴奋能在这一轮加倍下注。 自 A 轮以来： - 年化收入超过 1 亿美元 - 平台累计 3.5 亿次会话 - 不到五个月内 700 万次 Agent Arena 会话 - 跨文本、视觉、代码、搜索、图像和视频的 6200 万次投票 - 用户遍布 150 多个国家 伴随此次融资，Arena 发布了其 Alignment Index，基于真实世界的 agent 轨迹构建。它从 20 多个前沿模型中的三个信号开始：Unauthorized Action、False Attribution 和 Deceptive Completion。 值得记住这一切从何开始。Arena 于 2023 年作为 UC Berkeley 的一个研究项目启动。它在 2025 年成为一家公司。 如今，它是 AI 行业检验自身工作的方式。 祝贺 @ml_angelopoulos、@infwinston、@istoica05 以及整个 Arena 团队！ Berkeley 研究，让 AI 保持诚实。Go Bears！
推荐理由：原文披露 Arena 融资金额、估值和运营数据，并介绍基于真实智能体轨迹的 Alignment Index 三个信号。
NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 竞赛获得第二名，并发布构建可靠数据分析智能体的方法复盘。
推荐理由：NVIDIA KGMON 团队复盘 KDD Cup 2026 数据智能体赛题的九项实践，给出在固定小模型上构建可验证 agent harness 的可迁移方法。
Google 发布并开源 AQuA（Ambient Quality Agent），在 Google Cloud 项目中定时从 Cloud Trace、Cloud Logging 或 BigQuery 抽取生产会话，经抽样、评审、聚类、验证、跟踪五阶段流水线诊断 Agent 失败。
推荐理由：原文给出五阶段流水线、验证机制和实测修复数据，读者可了解生产环境智能体质量监控如何落地。
Arena.ai@arena精选AI 评分6767当 @Felicis 最初在种子轮投资 @Arena 时，我们相信这家公司正在构建某种不可或缺的东西：一个独立、由社区驱动的真相来源，用于衡量 AI 前沿。这份信念只增不减，我们随后领投了 A 轮。 自那以来的进展非同凡响。Arena 的年化收入已突破 1 亿美元，促成了 3.5 亿次会话和 6200 万次投票，并成长为全球最大的 AI 社区之一。 今天，Arena 宣布完成 2 亿美元的 B 轮融资，估值达 31 亿美元，同时推出了一项新的对齐指数（Alignment Index），用于衡量 AI 智能体的行为是否安全、真实，并且不超出用户实际要求它们做的事情的范围。 随着 AI 系统开始代表我们采取实际行动，仅仅衡量能力已经不够了。我们还需要知道这些系统是否值得信任。Arena 拥有独特的优势，能够基于数百万真实世界的人类交互，为行业给出这个答案。 我们坚定地相信 @ml_angelopoulos、@infwinston 以及整个 Arena 团队，他们正在为 AI 构建可信的衡量层。 https://arena.ai/blog/series-b
推荐理由：原文给出 Arena 的融资额、估值和社区规模数字，可帮读者了解这家 AI 评测公司的业务量级和新推出的 Alignment Index。
LangChain 发布示例项目 Restock，一个在 Slack 上通过 Managed Deep Agents 运行的办公用品购买智能体，演示智能体如何安全完成支付。
推荐理由：原文给出了完整的智能体支付架构与凭证隔离做法，读者可以复用到任何需要花钱的智能体场景。
Goodfire Research 为 Kimi K3 和 GLM 5.3 构建基于激活探针加 LLM judge 的监控级联，并部署到生产推理栈。
推荐理由：原文给出监控级联的完整数据、成本和部署细节，读者可以据此评估实时监控开放模型智能体的可行做法。
Anthropic 发布基于 Claude Managed Agents（beta）的每日简报参考实现，按计划读取 Slack 和 GitHub 来源并向 Slack 发布简报。
推荐理由：文章把定时智能体自动化拆成可复用的六个组件，并给出书签、台账和权限等可直接迁移的防错规则。
作者基于为跨公司工作的 Agent 构建记忆系统一年的经验指出，AI 失败的常见原因不是模型推理差，而是它看不到关键决策上下文，多数 agent memory 只是给瞎子更大的档案柜。
推荐理由：作者以自建系统的一手实测数据说明为何该把记忆当受治理的记录而非存储，三个设计决策和成本数字可直接迁移。
Zenity Labs 发现 AWS Bedrock AgentCore 的漏洞链“AgentCorruption”，只需对一个公开 Agent 发送一条提示词，即可窃取凭证并接管同 AWS 账户和区域内所有 Agent，读取私有对话、下载源代码并篡改长期记忆。
推荐理由：原文完整还原了攻击链、AWS 的修复时间线和最小权限权衡，对评估云端 Agent 部署风险有直接参考价值。
Google Research 在 NBER 发表的论文报告了一项三个月随机田野实验，向11家知识产权律所的133名律师随机开放当时未发布的 AI 专利写作助手（现属 Gemini Notebook）。
推荐理由：原文用三个月随机田野实验区分了AI辅助产出与独立能力变化，给出初级与资深律师分化的具体证据。
LangChain 重构 Deep Agents 的 Skills 支持，针对企业技能库增至数千个技能的场景推出三项更新：工具可绑定到技能、仅在该技能被读取时加载，用户可通过 /meeting-prep 之类的显式请求固定技能以在首次模型调用前加载，长线程可通过将 skills_metadata 设为 None 重载新增或变更的技能。
推荐理由：原文详解了 Deep Agents 技能机制的三项升级和加载原理，读者可以据此评估大规模技能库的上下文管理方案。
NVIDIA 与 Microsoft 在旧金山活动上宣布为 Windows PC 共同打造 AI Agent 软硬件。
推荐理由：原文给出 RTX Spark 的具体规格、预购时间与 MXC 的系统级细节，读者可据此评估本地跑 Agent 的硬件路线。
Microsoft Research Asia 提出 Harnessed Agentic RL 训练范式并开源重建的 Agent Lightning v1.0，让部署时使用的同一 agent harness 直接参与强化学习，无需在训练框架内重写 agent。
推荐理由：框架让部署中的真实 agent harness 直接参与 RL 训练，无需重写 agent 代码，还给出了端到端编码智能体训练效果作参考。
Cursor 在 iOS 应用中上线本地智能体远程控制，用户可查看并回复电脑上正在运行的智能体。除企业组织外默认对所有用户开启，登录后账户中的电脑自动显示，在桌面应用批准配对即可使用。智能体仍在本机运行，需电脑保持开机联网，可在设置中开启防止休眠选项，企业管理员可在 Org settings 中开启此功能。
推荐理由：原文说明了远程控制的开启方式、配对流程和电脑需保持开机的限制，读者可据此判断是否适合在自己的工作流中使用。
Tibo@thsottiaux精选AI 评分6262你的下一场会议会有一位记笔记的助手，帮你处理后续跟进。 Meetings 插件会为你记笔记，并根据 ChatGPT 对你的了解以及你们一起完成的工作，在 ChatGPT Space 中保存个性化的摘要和后续步骤。 你可以将笔记设为私密，也可以与团队共享，然后让 ChatGPT 更新项目计划或起草后续跟进内容。 该功能以测试版形式面向 macOS 上 ChatGPT 桌面应用中的 Pro 和 Business 用户提供。Enterprise 版本即将推出。 下载桌面应用，然后在插件目录中搜索“Meetings”。 https://chatgpt.com/download/
推荐理由：原文给出了 Meetings 插件的使用入口和适用范围，还展示了把会议上下文接入 codex 的用法。