Luma@LumaLabsAI精选AI 评分6060
推荐理由：Luma 从视频生成跨到建站，用 Agent 一次性生成整站，描述即站点，对想快速验证品牌页面的创业者是个有趣的新工具。
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。
1,604 条精选近 30 天 203 条共收录 9,436 条
更新
精选归档 · 第 59 页
- Luma@LumaLabsAI精选AI 评分6060
Claude：Blog精选AI 评分6464 构建企业级AI智能体：领先企业的转型指南
2025年数据显示，美国员工工作AI使用率已从2023年的20%升至40%。真正获得持续竞争优势的企业正将智能体AI深度嵌入工作流程，并将机构知识编码成可累积的系统。本指南以欧莱雅、Lyft和乐天为例，提出企业AI转型三大支柱：跨越“智能体思维鸿沟”、基于实际工作流程培训员工、在压缩信息密集型流程时保留人工判断，以及构建能创造收入的新产品能力。Claude Cowork平台为此提供了无需定制开发的团队级解决方案，并包含六个月的落地框架。
推荐理由：从 L'Oréal、Lyft 这些案例看，企业怎么把 AI 智能体扎进业务流程，比泛泛而谈的 AI 转型文章实在得多。
OpenAI@OpenAI精选AI 评分7070使用Codex处理日常工作从未如此简单。 选择你的角色，连接你每天使用的应用，并尝试建议提示。 Codex能在研究规划、文档、幻灯片、电子表格等方方面面提供帮助。
推荐理由：OpenAI 的 Codex 把 AI 助理塞进了你的日常工作流，直接连通你每天用的应用，不用折腾配置，看一眼提示就能上手，做运营和产品的可以试试。
Claude：Blog精选AI 评分6464 Claude Code 构建经验：提示缓存的优化实践
Claude Code 团队分享了大规模优化提示缓存的核心策略。提示缓存基于前缀匹配工作，能显著降低延迟与成本，高命中率还能支持更宽松的订阅速率限制。关键实践包括：将静态系统提示和工具定义置于提示词前端以最大化共享前缀；通过消息而非修改提示词来传递更新信息，避免缓存失效；在会话中不切换模型、不增删工具，以维持缓存前缀稳定。此外，针对工具过多或“计划模式”等场景，可通过发送轻量存根或设计专用工具来规避缓存失效，从而在复杂功能中持续利用缓存优势。
推荐理由：Claude Code团队把提示缓存的坑和优化方法全盘托出，从提示顺序、工具加载到压缩技巧，每一个经验都是钱和延迟换来的，做agent的同行可以直接拿去做架构参考。
Ant Ling@AntLingAGI精选AI 评分7676引用Ant Ling@AntLingAGI上周，我们发布了 Ling-2.6-1T。今天，Ling-2.6-1T 正式成为开源模型~ 🤗 总参数 1T · 激活参数 63B 我们通过让测试、部署、定制和构建变得更简单，为开发者带来价值。 这款模型针对实际生产需求进行了“模型 token 效率”优化： • 更低的 token 开销：无需长推理链即可实现强大的智能 • 可靠的多步执行：更好的指令、工具、上下文和工作流控制 • 生产级部署：从代码生成到 bug 修复，兼容广泛的 Agent 框架 提前一瞥 @opencode 中的智能体能力
推荐理由：1T参数开源模型不是天天有，蚂蚁这个Ling-2.6-1T强调token效率和Agent能力，做Agent的可以直接去Hugging Face上跑一下，看看是不是真的在生产环境省token。
OpenAI：Alignment 研究博客精选AI 评分6666 无需人类同步监督的智能体操作自动审查机制
一项名为“自动审查”的新机制为代码智能体的部署提供了更安全的默认方案。该机制通过一个独立的审查智能体，对主智能体可能越界的操作进行异步的批准或拒绝，从而无需人类进行实时同步监督。这种方法旨在提升自主智能体在代码生成与执行过程中的安全性与可控性，是保障AI代理在边界内可靠运行的关键技术进展。
推荐理由：每个在部署 coding agent 的团队都会遇到安全边界难题，OpenAI 这份研究没有炫技，给出了一个务实的自动代理审查方案，比等人来审批靠谱。
ARC Prize：官方博客精选AI 评分6363 ARC Prize 用 ARC-AGI-3 分析 GPT-5.5 与 Opus 4.7 的推理失败模式
ARC Prize 分析了 GPT-5.5 和 Opus 4.7 在 ARC-AGI-3 上的 160 段推理回放，两模型在半私 数据集上的得分分别为 0.43% 和 0.18%，并开源了分析包。
推荐理由：作者基于 160 段推理回放归纳出三种可复用的失败模式分类，并对比两个模型在压缩策略上的差异。
Anthropic：Claude.dev 开发者博客精选AI 评分7373 Claude Code 团队复盘构建经验：提示词缓存决定一切
Anthropic Claude Code 团队成员 Thariq Shihipar 发文分享该 Agent 围绕提示词缓存构建的经验：缓存按前缀逐字节匹配，前缀中任何改动都会使其后全部失效。
推荐理由：作者来自 Claude Code 团队，把缓存命中率当事故监控，给出的排序、fork 与工具加载模式可直接迁移到自己的 Agent 工程。
Cursor Blog精选AI 评分5555 持续优化智能体工具链：上下文演进与效果评估
Cursor团队以构建软件产品的方式迭代优化其智能体工具链，核心围绕上下文窗口的演进。早期模型能力有限，工具链依赖大量静态上下文和防护机制；随着模型能力提升，团队已转向提供更多动态上下文获取方式并移除限制。评估改进效果采用线上线下结合：通过CursorBench等基准测试进行标准化质量评估，同时进行线上A/B测试，使用“代码保留率”和用户反馈语义分析衡量真实场景表现。团队持续监控并修复工具调用错误，以应对日益复杂的工具链状态。
推荐理由：Cursor 这篇 agent harness 复盘是今年聊 agent 基础设施最好的文章之一，从上下文管理到多 agent 调度，全是实战迭代的血泪经验，做 agent 的团队该逐字读。
Google Research：Blog精选AI 评分5757 谷歌研究团队应用实证研究辅助工具的四个领域
自去年秋季推出实证研究辅助（ERA）工具以来，谷歌研究团队已将其应用于多个科学领域以解决实际问题。在流行病学中，它助力流感与新冠预测；在宇宙学里，协助分析星系数据以探究暗能量；在大气监测方面，提升了二氧化碳排放的追踪精度；在神经科学领域，则用于解析大脑活动数据。这些实践表明，ERA能帮助科学家生成专家级的实证软件，其成果超越了黑箱模型，可发现兼具可解释性与机制准确性的解决方案，从而有效加速科学发现进程。
推荐理由：Google 把自家 ERA 工具在流行病学、宇宙学、气候监测、神经科学四个方向的实战案例摊开讲，虽然不是新模型发布，但对做 AI for Science 的人来说，这是一份难得的「AI 科研助手到底能干嘛」的全景参考。
OpenAI Developers@OpenAIDevs精选AI 评分6262推荐理由：这不是颠覆性更新，但对依赖 Responses API 搭 agent 的开发者是个实打实的好消息，loop 加速 40% 意味着延迟和成本双降，官方推荐的最佳实践值得直接套用。
LMSYS Blog精选AI 评分7474 秒级更新万亿参数——大规模分布式强化学习中的点对点权重传输技术
LMSYS团队针对SGLang中的强化学习工作负载，提出了一种基于RDMA的点对点权重更新机制，作为传统NCCL广播方法的补充。该设计利用源端CPU引擎副本和Mooncake TransferEngine进行P2P RDMA传输，将拥有1T参数的Kimi-K2模型的权重传输时间从53秒大幅缩短至7.2秒，提速7倍。其代价是每个训练等级需在CPU内存中额外占用一个32G的推理引擎副本。此优化最大限度地减少了网络冗余，允许推理服务器更快恢复rollout过程，且兼容所有主流开源模型。
推荐理由：LMSYS 把分布式 RL 训练的权重同步从 NCCL 广播改成 RDMA P2P，1T 参数模型传输快了 7 倍，做大规模 RL infra 的团队该认真看看这个工程方案。
Claude：Blog精选AI 评分6666 企业级部署指南：如何利用Claude Cowork推动全员AI协作
Anthropic发布《企业级Claude Cowork部署指南》，旨在帮助非技术岗位员工规模化应用AI。该指南基于内部团队及Thomson Reuters等客户实践，提供了从试点到全面推广的完整路径。核心内容包括一个五级成熟度模型、试点用例评估方法以及为期六个月的组织级部署路线图。Claude Cowork作为桌面应用，能深度集成本地文件、Slack、Google Drive及浏览器，并结合Claude for Excel/PPT实现跨文档工作流，适用于金融、法律、销售等多行业的生产场景。
推荐理由：Claude Cowork 把 agent 能力从开发者命令行搬到全公司桌面，配了五级成熟度模型和六个月落地路线图，企业 IT 负责人和产品经理值得拿这份指南当部署参考。
- Ant Ling@AntLingAGI精选AI 评分7272引用LMSYS Org@lmsysorg
👏 认识来自 @AntLingAGI 的 Ling-2.6-1T，这是一款万亿参数旗舰即时指令模型，专为大规模下的快速执行与高效率而打造。Day-0 支持现已在 SGLang 上线！ 1️⃣ 快速思考方式：比同类模型便宜约 4 倍，质量毫不妥协 2️⃣ 在 AIME26 与 SWE-bench Verified 上达到 SOTA 3️⃣ 专为高级编程、复杂推理与大规模智能体工作流而打造 4️⃣ 万亿参数能力，即时模型延迟 Cookbook：https://docs.sglang.io/cookbook/autoregressive/InclusionAI/Ling-2.6
推荐理由：万亿参数做到即时延迟和4倍成本优势，还有SWE-bench SOTA，这份承诺如果兑现，会改变大规模Agent部署的性价比计算。值得去cookbook跑一下验证。
- Ant Ling@AntLingAGI精选AI 评分6161引用vLLM@vllm_project
恭喜 @AntLingAGI 开源发布 Ling-2.6-1T！🎉 面向真实世界智能体工作流的新旗舰——Day-0 vLLM 支持已就绪。 📖 http://recipes.vllm.ai/inclusionAI/Ling-2.6-1T
推荐理由：vLLM 对 1T 模型的 Day-0 适配，说明开源推理栈对大尺寸模型的跟进速度越来越快，做私有化部署的可以直接参考官配 recipe 跑起来。
Mistral AI：News精选AI 评分7575 Mistral 发布 Mistral Medium 3.5，并在 Vibe 与 Le Chat 推出云端远程编码智能体和 Work 模式
Mistral 发布 128B 开源权重模型 Mistral Medium 3.5，并在 Mistral Vibe 与 Le Chat 推出云端远程编码智能体及新的 Work 模式，支持并行异步执行长时任务。
推荐理由：官方完整发布说明给出模型规格、基准分数、价格和功能入口，读者可以据此评估它对现有编码工作流的适用性。
Manus：Blog精选AI 评分6363 五大 Replit 替代方案实测：同一提示词对比 Manus AI、Lovable、Vercel v0、Base44 和 Hostinger Horizons
作者用同一个个人理财应用提示词实测 Replit 及五款替代工具。Lovable 约 5 分钟生成且最易上手，Vercel v0 输出设计质量最强，Base44 约 5 分钟交付最完整全栈功能，Manus 花 40 分钟、763 积分但成品精致，Hostinger Horizons 年付 6.99 美元/月起但构建多次出错、表现最弱；Replit 耗时约 16 分钟，结构扎实但视觉打磨不足。
推荐理由：作者用同一个理财应用提示词实测五款 AI 应用构建器，给出耗时、价格和真实短板，读者可据此按自身需求挑选工具。
Augment Code 博客精选AI 评分6767 Augment Code 实测 Karpathy 风格规则让编码 Agent 更省时省成本，但代码质量未提升
Augment Code 在 AGENTS.md 中加入约 2.5k 字符的 Karpathy 风格编码规则，用 Auggie、Claude Code 和 Codex 对 40 个 OpenClaw PR 各跑 6 次对照测试。
推荐理由：原文以 40 个 OpenClaw PR 的对照实验给出 Karpathy 规则对三个编码 Agent 的效率与质量影响，结论可迁移到自己的 AGENTS.md 配置。
Manus：Blog精选AI 评分6464 Manus 推出 Cloud Computer：云端专属机器全天候运行 Bot 与脚本
Manus 发布 Cloud Computer，一种云端专属机器，可 24/7 运行 Bot、Python 脚本和定时抓取任务，文件与安装的工具在任务之间保留。
推荐理由：官方介绍了 Cloud Computer 的持久运行、共享文件系统与三种环境分工，读者可据此判断哪些任务适合从临时沙盒迁移过来。
Claude：Blog精选AI 评分5858 智能体时代的产品开发：Claude Managed Agents 如何解放产品经理
Claude产品经理Jess Yan分享了处于测试版的Claude Managed Agents如何改变其工作流程。这套可组合的API能大规模构建和部署云端智能体，使她能在短时间内将想法转化为可运行的原型。她的日常工作由此分流：使用Claude进行开放式探索，然后利用Claude Code基于Managed Agents编写定制智能体来自动化特定任务，如采用分析和舆情监控。这些智能体接管了以往难以规模化的操作性工作，让她能将更多时间投入到与团队和用户的创造性合作中。
推荐理由：Anthropic PM公开用Claude Managed Agents搭建数据分析、舆情监控和演示生成agent的真实流程，对于想要用agent重构产品开发节奏的团队有实际参考价值，但不算爆炸性更新。