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。
1,604 条精选近 30 天 203 条共收录 9,438 条
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 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 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 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 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 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 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。
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。
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。
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 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 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。
Claude 发布 Managed Agents 公开测试版，这是一个完全托管的智能体框架，支持通过 API 创建智能体、配置容器并运行会话，具备安全沙箱、内置工具和 SSE 流式传输。同时推出 ant CLI 命令行客户端，可加速与 Claude API 的交互，原生集成 Claude Code，并支持以 YAML 文件管理 API 资源版本。
推荐理由：Claude Managed Agents 把沙箱化代理从第三方方案变成了平台原生能力，ant CLI 则把 API 调用纳入了版本控制，这对习惯了 Claude Code 的开发团队是个自然升级，beta 阶段值得先占坑。
Cognition 发文介绍过去八个月多家财富 500 强公司在 COBOL 项目中使用 Devin，包括用 DeepWiki 文档化数百万行代码、将 25000 行海关工作流迁移到 AWS Lambda（估算节省 73% 迁移成本），以及 Itaú Unibanco 跨数百个程序、20 种字段变体的税号重构，提前三个月完成且零生产错误。
推荐理由：原文梳理了 COBOL 难倒智能体的三个原因和可落地的两类场景，并给出迁移成本下降等具体案例，方法可参考。
LlamaIndex 复盘 LlamaParse 的两类生产故障：LLM 重复循环导致 token 消耗和延迟暴增、资源耗尽，以及 recitation 内容过滤把合法文档抽取误判为版权违规而强行截断输出。
推荐理由：当事方复盘两类真实生产事故的根因、各厂商 API 表现差异与具体缓解手段，方法可直接迁移到其他 agentic 文档处理系统。
Cognition 发布面向软件工程智能体的新模型 SWE-1.6，已在 Windsurf 全面开放，未来 3 个月免费。模型在 SWE-Bench Pro 上与 SWE-1.6 Preview 表现相当，同时显著减少过度思考、循环推理和依赖终端等行为，更多使用并行工具调用；训练中引入长度惩罚，响应长度增长更慢且任务解决率保持稳定。
推荐理由：官方说明了用长度惩罚等训练手段改善模型 UX 的具体做法和效果，对关注智能体行为质量的人有可参考的细节。
Greg Brockman@gdb精选Codex 应用服务器是一次极具远见的绝妙之举，却真的没有得到足够的赞赏 你不仅可以在任何 harness 中使用你的 chatgpt 账号，还可以直接基于他们的产品构建你自己的应用。 他们就是让基于 codex 和用 codex 进行构建变得如此出色的体验 为了展示这种实用性，我想重点介绍一下由 @SIGKITTEN 制作的 kitty litter 应用。 他不必构建整个 harness 以及所有基础设施，而是接入了应用服务器，从而在移动端和开发机之间获得统一的体验。 当我在电脑上创建一个会话时，它会自动在我的手机上可用。你在本视频中看到的所有聊天，都是在我们连接到应用服务器时自动填充的。 我所有的技能。我的智能体。我的会话。我的文件夹。我的提示词。它们都随时可用——自动地。 因为它们由应用服务器暴露出来，还有许多其他端点。 这是一种很棒的 ux/dx，真的值得一些喜爱。 这几乎就像是他们希望你在他们的产品之上进行构建 ;) 顺便说一句，Litter 很棒 👍
推荐理由：OpenAI 官方背书 Codex 平台扩展能力，开发者可快速构建跨设备同步的 Agent 应用
Andrej Karpathy@karpathy精选英国政府是一头复杂的巨兽。几十个部门、数百个公共机构、数不清的公司…… 其复杂程度之高，以至于连一张组织架构图都没有。 好吧，以前没有…… 隆重推出 ⚙️Machinery of Government⚙️ https://t.co/YRt8r3yHyn
推荐理由：AI让普通人能读懂4000页法案，政府透明度与问责制将迎来质变
Boris Cherny@bcherny精选明天 12pm PT 起，Claude 订阅不再涵盖 OpenClaw 等第三方工具使用。用户可通过折扣价购买额外使用包，或使用 Claude API 密钥继续访问这些工具。
推荐理由：Claude订阅政策调整：第三方Agent工具将不再包含在订阅内，需额外付费或使用API
Tibo@thsottiaux精选Codex App 使用量正式超过 VS Code 扩展和 CLI，成为 OpenAI 最热门的交互界面。这一成功引发同行关注（👀）。新用户现可前往官网安装，企业或商业入门最高可获 $500 额度。
推荐理由：Codex App 使用量超越 IDE 插件，反映 Agent 产品形态新趋势