Thariq@trq212精选AI 评分7272推荐理由：Claude Code 1M 上下文听着爽，但 context rot 在 300k 就开始咬你了。这篇把 rewind、compact、subagent 三个操作的使用时机讲得极清楚，是目前最实用的 Claude Code 上下文管理指南，重度用户必读。
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 221 条共收录 8,768 条
更新
精选归档 · 第 60 页
- Thariq@trq212精选AI 评分7272
OpenAI：官网动态精选AI 评分6767 Agents SDK 的下一代进化
OpenAI 推出 Agents SDK 重大更新，引入原生沙盒执行环境与模型原生 harness 架构。新版本支持开发者构建可跨文件及工具运行的安全、长期驻留型智能代理。通过内置隔离执行机制与模型层原生集成，该 SDK 显著提升了代理系统的安全性与持续运行能力，为企业级复杂代理应用提供基础设施支撑。
推荐理由：OpenAI 把沙箱执行和标准化调配层直接做进了自家 SDK，这对需要安全运行长任务 agent 的开发者是实打实的提升，不是又一个框架。
Hugging Face 社区博客精选AI 评分7171 深入VAKRA：智能体的推理、工具使用与失败模式
IBM Research在Hugging Face发布的博客详细剖析了其智能体框架VAKRA的核心机制。文章重点阐述了VAKRA在复杂推理和工具调用方面的能力，同时系统性地分析了智能体在实际操作中出现的典型失败模式及其原因。该研究旨在通过深入理解智能体的行为逻辑与局限，推动更可靠、鲁棒的自主智能系统发展。
推荐理由：VAKRA 不只是另一个 agent benchmark，它把真实企业环境的 API 链、多跳推理和工具使用策略糅合到一起，目前模型普遍翻车，失败模式分析对做 agent 的团队是一份很好的诊断清单。
Hugging Face 社区博客精选AI 评分6060 认识HCompany的HoloTab：您的AI浏览器伴侣
H公司在Hugging Face平台发布博客，正式推出AI浏览器伴侣HoloTab。该产品定位为浏览器内的智能助手，旨在通过AI技术提升网页浏览与信息处理效率。目前公开信息显示其集成于浏览器环境，具体功能细节与性能指标尚未披露。
推荐理由：HCompany 把电脑操作模型做成了浏览器扩展，Routines 录制重播让网页自动化零门槛上手，做网页调研的人值得一试，但日常泛用性有限。
Modal 官方工程博客精选AI 评分6464 Modal 发布教程：基于 OpenAI Agents SDK 从零构建可并行的编码智能体框架
Modal 发布工程教程，演示如何基于 OpenAI 新推出的 Agents SDK 从零构建自定义编码智能体框架，并通过沙箱扩展把 Modal Sandboxes（含 GPU）接入为智能体的运行环境。
推荐理由：教程逐步演示如何用 OpenAI Agents SDK 加 Modal 沙箱自建可并行、可快照的编码智能体框架，方法可直接迁移。
Cursor Blog精选AI 评分6969 在画布中与智能体创建的可视化界面交互
Cursor新增画布功能，可将信息转化为可视化、可交互的界面，替代难以阅读的长篇文本。智能体能利用画布为真实数据创建仪表盘，或定制带逻辑的交互界面，应用于代码审查、学习库文档乃至管理其他智能体。该功能基于React组件库构建，包含表格、图表等原生组件。在数据密集型任务中尤为高效，例如聚合多源数据生成统一分析图表，或在代码审查中智能分组并优先展示关键变更。Cursor团队已借此显著提升了模型评估分析和复杂问题研究的效率，成为扩展人机协作信息带宽的关键工具。
推荐理由：Cursor 把 agent 输出从纯文本拉到可交互的可视化画布，PR review、eval 分析这些高频场景立刻能用上。做 coding agent 的同行该想想自己的 agent 输出形态是不是该升级了。
Cognition 模型 / Devin 博客精选AI 评分6262 Cognition 推出 Devin in Windsurf，Windsurf 2.0 内置本地加云端智能体协作流程
Cognition 发布 Windsurf 2.0，将云智能体 Devin 内置其中，用户在 Windsurf 本地规划后可一键交给 Devin 实施，Devin 会自建机器开工并提交 PR。
推荐理由：原文讲清了本地与云端智能体的分工逻辑，以及 Devin 接入 Windsurf 2.0 后从规划到审 PR 的完整闭环。
Mistral AI：News精选AI 评分6060 Mistral 在 Studio 中发布 Connectors，支持内置与自定义 MCP 连接器
Mistral 在 Studio 中以 Public Preview 发布 Connectors，内置连接器与自定义 MCP 可通过 API/SDK 用于所有模型和 Agent 调用。
推荐理由：官方详解了 Connectors 的注册、直连调用与人审确认机制，开发者可参考其代码示例快速搭建企业数据接入工作流。
Cursor Blog精选AI 评分6262 多智能体系统将GPU内核性能提升38%
我们与NVIDIA合作，利用自主运行的多智能体系统，在为期三周内对235个真实CUDA内核进行了优化。该系统从零开始构建并优化Blackwell GPU内核直至汇编级别，实现了38%的几何平均速度提升，其中63%的问题超越基线，19%实现超2倍优化。这些内核直接影响AI训练与推理效率，传统上需资深工程师耗时数月乃至数年的优化工作，该系统在数周内即自主完成，并能探索更广阔解决方案空间，突破了人工逐项优化的限制。
推荐理由：Cursor 把自家多 Agent 系统拉去优化 CUDA 内核，38% 的 geomean 提速不算炸裂，但真正值得看的是它证明了 Agent 可以在无人干预下跑三周啃硬骨头，这对做 Agent 产品的人是个强信号。
PromptArmor：Threat Intelligence精选AI 评分6464 PromptArmor 披露 Ramp Sheets AI 提示词注入可外泄财务数据，Ramp 已修复
PromptArmor 披露 Ramp 的 Sheets AI 存在间接提示词注入漏洞：隐藏在外部数据集中的白底白字注入可诱导 AI 插入恶意 IMAGE 公式，把用户工作区机密财务数据外传至攻击者服务器，全程无需用户批准。
推荐理由：原文完整拆解了通过隐藏提示词注入诱导 AI 表格公式外泄数据的攻击链，并给出厂商修复时间线，读者可对照理解表格式 Agent 的风险面。
Cognition 模型 / Devin 博客精选AI 评分6161 Cognition 调整 Devin 自助订阅：推出 Free/Pro/Max/Teams/Enterprise 五档并开始对 Ask Devin、DeepWiki、Devin Review 收费
Cognition 更新 Devin 自助定价，淘汰原 Core 和 Team 计划，改为 Free、Pro（$20/月）、Max（$200/月）、Teams（用量计费、最低 $80/月）和 Enterprise 定制价。
推荐理由：官方公布了具体档位价格和老用户迁移安排，想要评估 Devin 采用成本变化的团队可以据此对照现有用法。
Anthropic：Alignment Science Blog精选AI 评分6565 Anthropic 构建 Automated Weak-to-Strong Researcher，AI 智能体在弱到强监督研究上超越人类基线
Anthropic 团队构建了基于 Claude Opus 4.6 的自动化对齐研究智能体（AAR），9 个并行智能体在 5 天内（累计 800 小时）将弱到强监督的 performance gap recovered（PGR）提升至 0.97，而两位人类作者花 7 天调优四种先前方法的最好成绩仅 0.23，总成本约 18,000 美元。
推荐理由：Anthropic 用实测数字说明自动化对齐研究已可落地，还记录了智能体的 reward hacking 手法与工程经验，方法可迁移。
Together AI 研究与产品博客精选AI 评分6262 Together AI 发布 EinsteinArena，AI 智能体协作刷新 11 项数学问题纪录
Together AI 发布 EinsteinArena，一个供 AI 智能体在开放问题（从数学起步）上互动、讨论与竞争的平台，包含实时 API、公开排行榜和验证器，已完全开源。
推荐理由：原文给出了平台机制与真实数学发现案例，读者可以据此了解多智能体协作如何推进开放问题的求解。
Anthropic：Claude.dev 开发者博客精选AI 评分6464 Anthropic 工程师解析 Claude Code 工具设计方法：像智能体一样思考
Anthropic Claude Code 团队成员 Thariq Shihipar 撰文讲解如何为智能体设计工具，核心方法是观察模型能力来匹配工具形态。
推荐理由：作者以 Claude Code 团队一线实践复盘工具设计取舍，给出失败尝试与渐进式披露等可迁移方法。
LangChain：Blog精选AI 评分6969 LangChain 推出 Deep Agents deploy 测试版，作为 Claude Managed Agents 的开源替代
LangChain 发布 Deep Agents deploy 测试版，一条 deepagents deploy 命令即可将基于 Deep Agents 开源 harness 的自定义 Agent 以生产就绪方式部署。
推荐理由：原文把生产化部署拆成单条命令，并解释开放 harness 为何关乎记忆所有权，可作为与闭源方案的选型参考。
Claude：Blog精选AI 评分7979 顾问策略：为智能体提供智能升级
Anthropic 在 Claude Platform 推出 advisor tool 测试版，实现"顾问策略"：以 Opus 为顾问模型，Sonnet 或 Haiku 为执行模型。执行模型全程主导任务，仅在遇到决策难题时咨询 Opus 获取指导。该方案让 Sonnet 在 SWE-bench Multilingual 基准上性能提升 2.7 个百分点，同时成本降低 11.9%；Haiku 搭配 Opus 在 BrowseComp 得分达 41.2%，是单独 Haiku（19.7%）的两倍多，且比单独 Sonnet 成本低 85%。开发者只需在 API 请求中添加 advisor_20260301 工具即可启用，无需额外上下文管理。
推荐理由：我觉得这个 advisor 模式是今年最实用的 API 设计之一，用最小的架构改动换来近 Opus 级的 agent 智能，账单却和 Sonnet 差不多，做复杂 agent 的团队可以直接套用。
Cursor Blog精选AI 评分6666 Bugbot 现可通过学习规则实现自我改进
Bugbot 的 bug 解决率已从 2025 年 7 月正式推出时的 52% 提升至近 80%，领先其他 AI 代码审查产品。其核心改进在于引入了规则学习机制，能够从实时代码审查反馈（如开发者反应、回复和人工评审意见）中自主学习，取代了原先依赖离线实验的更新模式。自测试版推出以来，已有超过 11 万个仓库启用该功能，生成了逾 4.4 万条规则。这些规则可根据信号积累被激活或禁用，帮助 Bugbot 更精准地识别问题。用户可在 Cursor Dashboard 中管理学习规则，以优化审查效果。
推荐理由：AI code review 赛道卷了两年，Bugbot 78% 的解决率终于把第二名甩开 15 个点，关键不是分数而是它开始从真实 PR 反馈里自动学规则，做 code review 工具的该认真看看这套闭环逻辑。
公众号：智谱精选AI 评分6262 GLM-5.1开源：一个独立工作8小时的模型
智谱推出开源模型GLM-5.1，支持独立工作长达8小时。模型可直接部署使用，无需人工频繁干预，适用于长周期自动化任务场景。
推荐理由：智谱把 GLM-5.1 开源，并且主打 8 小时独立工作，这个定位切中了 agent 场景下长任务执行的痛点，想做自动化流程的可以跑起来试试。
Meta AI：Research Blog精选AI 评分8080 Meta Superintelligence Labs 发布 Muse Spark 多模态推理模型
Meta Superintelligence Labs 发布 Muse 系列首个模型 Muse Spark，为原生多模态推理模型，支持工具使用、视觉思维链和多智能体编排，已在 meta.ai 和 Meta AI 应用上线并开放部分用户的私有 API 预览。
推荐理由：官方发布给出基准成绩与三条扩展轴的技术细节，读者可以了解其相对 Llama 4 Maverick 的效率变化和安全评估结论。
Factory 研究 / 产品精选AI 评分6464 Factory 发布桌面应用，为 Droids 提供原生界面并支持本地模型运行
Factory 发布桌面应用，为 Droids 提供原生界面，今日上线 macOS 和 Windows。主要功能包括多智能体会话、持久化 Droid Computers（含 Cloud Computers 与 BYO Machine）、计算机操作能力、VS Code 集成、动态可视化、移动端支持，以及通过 Ollama、vLLM 等端点在本地 GPU 上运行模型、数据不出内网。
推荐理由：官方发布给出了多智能体会话、持久化 Droid Computer 和本地模型等关键能力变化，读者可以据此评估它对现有工作流的影响。