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。

1,552 条精选近 30 天 222 条共收录 8,768 条

更新

精选归档 · 第 50 页

5月19日周二第 981–1000 条
  1. OpenRouter68

    OpenRouter上的任何工具调用模型现在都可以自主调用网络搜索和网页抓取功能。 模型可以自行决定何时搜索、搜索什么以及搜索次数。 我们新增了@p0作为新的网络搜索提供商。了解更多：https://openrouter.ai/announcements/agentic-web-tools

    推荐理由：OpenRouter 把 agentic web search 变成了开关，模型决定何时搜索。对于还在自己搭搜索管道的开发者，这是官方偷懒答案。

  2. Rohan Paul78

    AI代理在实际应用中需为每个外部服务重复构建集成逻辑，成为其发展的主要瓶颈。针对此问题，Membrane推出了一种通用“技能”解决方案。通过该单一技能，Claude Code、ChatGPT、Cursor等主流AI代理能够用一条指令调用超过10万个不同的API，涵盖从Stripe支付服务到NASA火星车数据等各类服务。这极大简化了开发流程，将定制化集成转变为通用的连接能力，降低了使用门槛。同时，Membrane正发起社区挑战，鼓励用户提交小众API以获得演示和免费额度激励，旨在持续扩展其连接生态。

    引用Membrane@membrane_ai

    我们构建了一个技能，可以将任何 agent 连接到任何 API。 Stripe。NASA 火星车。国际空间站追踪器。Evil Insult Generator。全部即时连接。 在回复中丢出你能找到的最冷门的 API。我们会挑选出令人惊喜的那些，展示它们如何运作——并送你 25 美元的免费 Membrane 额度。 越极客越好。 npx skills add membranehq/agent-skills@integrate-anything

    推荐理由：Membrane 把十万个 API 集成压缩成一行命令，做 agent 的人不用再写胶水代码，直接拿来用就行，省心。

  3. Claude Code：GitHub Releases65

    Claude AI助手v2.1.144版本更新

    Claude AI助手发布了v2.1.144版本。此次更新主要新增了对后台会话的`/resume`支持，并将“extra usage”更名为“usage credits”。同时包含了多项重要修复：优化了网络异常处理，解决启动卡顿问题；修复了窗口大小调整和长时间会话导致的终端显示错乱；解决了macOS特定文件夹下的崩溃问题。此外，还改进了模型选择持久化、文件读取、工具调用以及MCP服务器分页工具列表的处理，并减少了在VS Code中的渲染故障。本次更新显著提升了工具的稳定性和用户体验。

    推荐理由：如果你被 Claude Code 启动卡住 75 秒折磨过，这次更新终于修了，还支持后台会话 /resume，体验好了一个档次。

  4. Claude Platform：开发者版本说明72

    Claude Platform 发布 MCP Tunnels 与托管智能体更新

    Claude Platform 推出 MCP Tunnels 研究预览，支持连接私有网络内的 MCP 服务器。Claude Managed Agents 新增自托管沙箱选项，并支持在活跃会话中更新智能体的 MCP 服务器与工具配置。当工具输出超过 100K 字符（约 25K tokens）时，系统自动将完整内容溢出至沙箱文件，模型仅接收含文件路径的截断预览。

    推荐理由：自托管沙箱和 MCP tunnels 是 Claude 平台向企业开发者伸出的橄榄枝，合规与内网连接痛点被明确回应，对生产环境部署是实质性补丁。

  5. xAI：News68

    Grok平台技能功能上线

    xAI于2026年5月18日正式推出Grok的“Skills”功能，旨在提供持久的专业知识支持。该功能允许用户对Grok进行一次性的偏好、格式规则或工作流程设置，即可在所有对话中持续生效，无需重复说明。Skills功能已在网页、iOS和Android平台全面上线，内置了创建与编辑Word文档、PPT演示文稿、Excel电子表格及处理PDF文件等开箱即用的技能。用户可以覆盖内置技能进行自定义，也能够通过对话快速创建新技能，从而实现工作流自动化与专业文档的便捷生成。

    推荐理由：Grok 终于有了自己的「GPTs」式技能系统，文档、表格、PPT 一把抓，对办公场景的覆盖比单纯的对话助手实用多了，值得 Grok 用户上手一试。

  6. Anthropic：Newsroom64

    Anthropic收购SDK与MCP服务器工具开发商Stainless

    Anthropic宣布收购SDK与MCP服务器工具开发商Stainless。Stainless自2022年成立以来，一直为Anthropic官方SDK的生成提供支持，其工具能将API规范转化为TypeScript、Python、Go等多语言的SDK、命令行工具及MCP服务器。此次收购旨在增强Claude平台的开发者体验，提升AI代理连接外部数据与工具的能力，从而在MCP协议基础上进一步拓展连接生态。

    推荐理由：Anthropic收购Stainless，表面是SDK团队整合，深层是给Claude的Agent连接能力铺路。未来MCP服务器的质量和数量可能会跨一个台阶，做Agent开发的值得关注。

  7. Cursor Blog74

    Composer 2.5 发布与技术解析

    Cursor 平台发布了智能与行为表现大幅提升的 Composer 2.5。该模型更擅长执行复杂指令和长期任务。其改进基于训练规模的扩大、更复杂的强化学习环境及新的学习方法。关键技术包括：使用文本反馈进行针对性强化学习以纠正具体错误；采用基于真实代码库、规模达前代25倍的合成数据进行训练；并引入分片Muon优化器等新架构。模型基于Moonshot的开源检查点构建。开发团队正合作训练一个计算量十倍的更大模型，并在大规模训练中发现了新型奖励作弊问题。

    推荐理由：Cursor的Composer 2.5不只是换个模型，它在长任务上的耐性和指令跟随的准确性提升肉眼可见，训练细节里藏的’文本反馈修正‘方法，对做AI产品的应该会有所启发。

  8. METR：Research76

    METR 发布前沿风险报告，评估 Anthropic、Google、Meta、OpenAI 内部 Agent 失控风险

    METR 于 2026 年 2 月 16 日至 3 月 16 日开展试点评估，Anthropic、Google、Meta 和 OpenAI 参与并共享最强内部模型及非公开信息。

    推荐理由：METR 联合四家前沿 AI 公司评估内部 Agent 的失控风险，给出手段、动机、机会三分框架和量化基准结果，可帮助读者理解内部部署风险的现状边界。

  9. LlamaIndex：产品、工程与评测64

    LlamaIndex 用 LiteParse 构建带 PDF 原文高亮引用的财务尽调 Agent

    LlamaIndex 工程师发布了一个财务尽调 Agent 演示应用，用 LiteParse 解析 SEC 文件并获得文本的 bounding box 坐标，使 Agent 回答能在原始 PDF 页面上高亮精确来源。

    推荐理由：作者完整拆解了一个约 600 行代码的尽调 Agent 实现，检索与引用方案可直接迁移到类似的文档问答项目。

5月18日周一
  1. Hugging Face 社区博客64

    Hugging Face 推出开放 AI 智能体排行榜（Open Agent Leaderboard）

    Hugging Face 发布开放 AI 智能体排行榜，用于比较完整智能体系统而非仅底层模型，并同时报告成功率和每次任务成本。排行榜统一了六项已有基准测试（SWE-Bench Verified、BrowseComp+、AppWorld、tau2-Bench Airline & Retail、tau2-Bench Telecom），覆盖代码修复、网络研究、个人任务、客服和技术支持。通过统一协议，各智能体系统以相同接口连接所有基准。结果显示相同模型搭配不同智能体系统会产生显著不同的分数和成本。配套 Exgentic 框架用于运行和复现评估，相关论文开源。

    推荐理由：以后选agent不能只看模型跑分了，这个榜单把整个系统拉出来比，成本、失败成本全摊开，做agent的可以立刻去查自己架构差在哪。

  2. IT之家·人工智能70

    腾讯 AI 设计智能体 Ardot 公测：一句话生成可编辑设计稿，一键转代码

    腾讯云正式公测自研AI设计智能体平台Ardot。该平台核心功能包括：用户通过一句话指令即可生成App页面、官网、海报等可编辑设计稿；支持调用团队自有组件库生成规范稿，并能直接导入Figma文件保留原有设计。同时，Ardot具备设计稿一键转换为代码的能力，可对接CodeBuddy等开发工具实现代码还原。平台还提供多人在线实时评论、标注反馈和版本对比等协作功能，其微信小程序即将上线。

    推荐理由：一句话生成可编辑设计稿不稀奇，但一键转代码加兼容 Cursor 这套组合拳让 Ardot 成了产设研协作的一个新选项，做项目和产品的可以上手试试。

  3. Prime Intellect63

    Prime Intellect 开源自进化合成智能体环境 general-agent

    Prime Intellect 开源 general-agent 环境 v1，通过 Synthesizer 与 Solver 双智能体博弈生成自进化任务语料，目前包含 4,504 个任务、1,040 个领域和 8,159 个独特工具，每个任务经求解器按难度带实证校准。

    推荐理由：原文给出了任务规模、难度校准方法和早期 SFT/RL 结果，读者可以评估这个自进化合成环境对智能体训练的参考价值。

  4. Cognition 模型 / Devin 博客68

    Cognition 推出 Devin Auto-Triage 自动排查告警并生成修复 PR

    Cognition 推出 Auto-Triage，Devin 可自动监控 Slack、Linear、GitHub、Sentry、Datadog 和 webhook 等来源的告警，立即检查代码库与可观测性工具、并行派生 sub-Devin 调查，输出结论、下一步或直接开 PR。

    推荐理由：原文来自官方发布，说明了 Devin Auto-Triage 的告警自动排查流程、记忆机制和安全设计，工程师可据此评估是否接入现有事故响应链路。

  5. Manus：Blog60

    Manus 发布定时任务 2.0，支持在同一任务、项目和网页应用中持续运行

    Manus 发布定时任务 2.0，让定时能力覆盖任务、项目和网页应用等更多上下文。定时任务可留在同一任务上下文继续运行，沿用项目里的文件、技能、连接器和输出标准；Manus 构建的网页应用可内置定时动作，刷新数据或生成摘要。更新还提供侧边栏、日程视图和日历视图查看运行记录，支持跳过确认、连接器和云电脑等高级设置，目前已面向所有用户开放。

    推荐理由：官方介绍定时任务 2.0 的运行方式与可见性变化，用户可据此判断周期性工作如何接入任务、项目和网页应用。

5月17日周日
  1. Google DeepMind：Blog55

    Gemini for Science：面向科学的AI实验与工具，开启发现新时代

    Google 推出 Gemini for Science 项目，发布一系列基于 Gemini 模型的科学工具与实验性应用。该项目旨在扩展科学探索的规模与精度，通过人工智能辅助研究人员处理复杂计算、模拟实验系统并加速数据分析流程。具体工具覆盖材料科学、气候模拟、生物信息学等多个领域，目标是将大规模生成式模型能力整合进科研工作流，推动跨学科研究的突破性进展。

    推荐理由：Google DeepMind把Co-Scientist和AlphaEvolve打包成实验工具集，试图用AI智能体加速假设生成、计算实验和文献综述。虽然还只是原型，但这是科学AI走向产品化的信号，科研人员可以试试。

  2. xAI65

    你现在可以在 Hermes Agent 中使用 X Premium 订阅，并且 Hermes Agent 现在可以搜索 X 帖子。 https://x.ai/news/grok-hermes [引用 @xai]：You can now use your @grok subscription inside @NousResearch Hermes Agent. http://x.ai/news/grok-hermes

    引用xAI@xai

    你现在可以在 @NousResearch Hermes Agent 中使用你的 @grok 订阅。 http://x.ai/news/grok-hermes

    推荐理由：xAI 把 Grok 和 X 搜索带到 Hermes Agent，看着是功能更新，其实在把自家数据和模型能力向第三方 agent 开放，这一步比新模型更值得追踪，做 agent 的该看看。

  3. Ant Ling80

    又一次Day0协作，又一次社区胜利。感谢@vllm_project团队始终可靠的支持~ 🫡🫡

    引用vLLM@vllm_project

    恭喜 @AntLingAGI 的 Ring-2.6-1T 开源！🎉 Ling-2.6-1T 的思考版兄弟——万亿规模，专为智能体执行和复杂推理打造。 Day-0 vLLM 支持已就绪。 🤗 http://recipes.vllm.ai/inclusionAI/Ring-2.6-1T

    推荐理由：蚂蚁百灵把万亿参数的 thinking 模型开源，vLLM 第一天就能跑，想自己搭 agent 推理服务的可以直接动手了，开源生态的齿轮转得比想象中快。

  4. Ant Ling76

    蚂蚁集团发布万亿参数推理模型Ring-2.6-1T，专为现实世界智能体工作流构建。该模型采用MIT许可，上下文长度通过YaRN技术从128K扩展至256K，并采用Async RL与IcePop混合训练架构。其核心特点是具备双推理努力模式：“high”模式用于快速智能体循环，“xhigh”模式用于深度推理，旨在实现更好的成本与性能平衡。模型已开源，欢迎社区反馈。

    引用Adina Yakup@AdinaYakup

    蚂蚁集团刚刚发布了 Ring-2.6-1T 🔥 1T 推理模型，专为真实世界的 agent 工作流打造。 ✨ MIT 许可证 ✨ 128K >> 256K 上下文（YaRN） ✨ 异步 RL + IcePop 训练架构 ✨ 双推理强度："high" 用于快速 agent 循环，"xhigh" 用于深度推理 = 更好的成本/性能权衡 👀

    推荐理由：蚂蚁把1T推理模型以MIT许可开源，还专门为Agent循环做了高低推理双模式，做开源Agent的团队直接多了一个强力基座可选。

5月16日周六
  1. IT之家·人工智能75

    突发！OpenAI 大规模重组，总裁 Brockman 夺权挂帅

    OpenAI宣布进行史上最大规模重组，将ChatGPT、Codex和API三大核心产品线合并为统一组织。联合创始人兼总裁Greg Brockman正式全面接管产品战略，成为实际掌权者，而ChatGPT原负责人Nick Turley被调离核心岗位。此次重组旨在整合资源，聚焦“智能体时代”，并秘密开发集成多项功能的“超级应用”桌面端产品。与此同时，竞争对手Anthropic估值飙升至9000亿美元，使OpenAI面临严峻挑战。

    推荐理由：OpenAI在IPO前夜突然把ChatGPT、Codex和API合并，Brockman亲自上阵，这不是例行架构调整，而是为了对抗Anthropic的估值反超和人才流失的一次绝境自救。想看懂OpenAI接下来怎么打Agent这张牌，这篇必须看。

  2. OpenAI：官网动态56

    销售团队如何使用 Codex

    销售团队可利用 Codex 基于实际工作输入，自动生成一系列关键销售文档。具体功能包括创建管道简报、会议准备材料、预测审核、客户计划以及停滞交易诊断。这一应用将日常沟通与数据转化为结构化、可操作的销售支持内容，帮助团队提升效率与决策质量。

    推荐理由：OpenAI 官方出的销售工作流指南，把 Codex 拆成一整套可复制的步骤，prompt 能直接复制用，销售团队省时间，但实质是已有功能的整理，不是信息增量。