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。

1,604 条精选近 30 天 203 条共收录 9,438 条

更新

精选归档 · 第 66 页

3月25日周三第 1301–1320 条
  1. Jim Fan

    vibe agents带来远超传统身份盗窃的安全威胁，整个文件系统成为分布式攻击面，~/.claude、skills目录乃至PDF都可能被base64病毒污染。LiteLLM 1.82.8被入侵事件显示恶意代码可窃取凭证并自我复制。当前代理框架面临权限管理困境，只能在盲目授权与完全跳过间选择。未来需"de-vibing"行业，用经审计的Software 1.0为Software 3.0建立多层安全护栏。

    引用Daniel Hnyk@hnykda

    LiteLLM 已被入侵，请勿更新。我们刚刚发现 LiteLLM pypi 版本 1.82.8 已被入侵，它包含 litellm_init.pth，其中带有 base64 编码的指令，用于将其能找到的所有凭据发送到远程服务器 + 自我复制。链接如下

    推荐理由：Jim Fan警示Agent时代新型供应链攻击风险，以LiteLLM被黑事件为例揭示文件系统污染威胁

  3. ARC Prize：官方博客72

    ARC Prize 发布交互式基准 ARC-AGI-3，ARC Prize 2026 设超 200 万美元奖金

    ARC Prize 官方发布 ARC-AGI-3，包含数百个由人类游戏设计师手工制作的回合制交互环境，无指令、无规则、无既定目标，要求智能体自行探索并跨关卡迁移所学。人类得分 100%，前沿 AI 得分 0.51%。ARC Prize 2026 同步开启，奖金超 200 万美元，设 ARC-AGI-3 竞赛与 ARC-AGI-2 大奖两个开源竞赛，并发布技术论文。

    推荐理由：官方公布交互式基准的构成、人类与前沿 AI 的分数差距及两个竞赛的奖金安排，可据此了解智能体评测方向。

3月24日周二
  1. Thariq

    Figma 发布 MCP 更新，开放测试版已上线。新增 use_figma 工具支持 AI 代理基于完整设计系统上下文直接在画布上设计，与 Claude Code 深度集成，可直接通过 Claude Code 在 Figma 中完成设计工作。

    引用Figma@figma

    现在你可以使用 AI 智能体直接在 Figma 画布上进行设计，借助我们新的 use_figma MCP 工具和技能来教它们。公开测试版今天开始。https://t.co/AQZsFWvvXQ

    推荐理由：Figma 官方接入 MCP 协议，Claude Code 可直接在画布上进行 AI 设计。

  2. OpenAI：官网动态

    ChatGPT 推出产品发现功能

    ChatGPT 上线基于 Agentic Commerce Protocol 的全新购物功能，提供更丰富的视觉化沉浸式体验，支持商品发现、并排对比及商家集成。

    推荐理由：ChatGPT 上线 Agentic 购物功能，支持商品智能对比与商家集成

  3. Boris Cherny

    Anthropic Labs团队规模虽小但迭代迅速，先后发布MCP、Skills、Claude Desktop app及Claude Code。从Sonnet 3.6时代笨拙的Computer Use原型，到如今正式在Claude Cowork和Claude Code中开放完整功能。Claude现可操控电脑完成打开应用、浏览网页、填写表格等任务。目前处于研究预览阶段，仅支持macOS。

    引用Claude@claudeai

    你现在可以让 Claude 使用你的电脑来完成任务。 它可以打开你的应用程序、浏览你的浏览器、填写电子表格——任何你在桌前能做的事情。 研究预览版现已登陆 Claude Cowork 和 Claude Code，仅限 macOS。https://t.co/sVymgmtEMI

    推荐理由：Claude 开放 Computer Use 研究预览，支持在 Cowork 和 Code 中操控电脑完成任务

  4. Hugging Face 社区博客78

    全新语音智能体评估框架EVA发布

    ServiceNow AI团队在Hugging Face上发布了语音智能体评估框架EVA。该框架通过标准化测试集与多模态指标，系统评估语音助手在对话理解、任务完成及交互自然度等方面的性能，旨在量化衡量智能体在复杂真实场景下的表现，助力研究人员客观比较不同模型，推动技术优化。

    推荐理由：提供语音代理评估标准，帮助开发者优化模型性能和测试效率。

  5. PromptArmor：Threat Intelligence70

    PromptArmor 披露 Snowflake Cortex Code CLI 沙箱逃逸与恶意代码执行漏洞

    PromptArmor 披露 Snowflake Cortex Code CLI 存在漏洞，间接提示词注入可绕过人工审批和沙箱，下载并执行恶意脚本。漏洞源于进程替换 <() 表达式未被命令校验系统检查，且智能体可设置 dangerously_disable_sandbox 标志在沙箱外执行命令；攻击者可利用缓存的 Snowflake 凭证窃取数据、删表或加后门用户。

    推荐理由：原文完整披露了攻击链、绕过机制和修复时间线，读者可以借此理解 Agent CLI 在沙箱和审批环节的失效路径。

  6. Thariq

    Claude Code 推出电脑控制功能，支持鼠标、键盘和屏幕操作，可操控任意应用。配合 Dispatch 使用还能实现远程控制，在用户离开电脑时继续通过 Claude 操作设备。

    引用Felix Rieseberg@felixrieseberg

    今天，我们发布了一项功能，允许 Claude 控制你的电脑：鼠标、键盘和屏幕，使其能够使用任何应用。 我相信，如果与 Dispatch 一起使用，这会特别有用，Dispatch 允许你在外出时远程控制电脑上的 Claude。

    推荐理由：Claude Code 新增完整计算机控制能力，可操控鼠标键盘及任意应用，支持远程使用

  8. Anthropic：Engineering75

    利用对抗网络灵感设计多代理架构，突破长时应用开发瓶颈

    作者受生成对抗网络启发，设计了一个包含规划器、生成器和评估器的三代理架构，以解决Claude在长时应用开发中的两大瓶颈。该架构通过上下文重置机制，有效克服了模型在长任务中的“上下文焦虑”问题；同时，通过分离生成与评估功能，使代理能依据具体标准进行迭代改进，而非盲目自评。这一方法成功使系统能在多小时的自主运行中生成完整的全栈应用程序，突破了此前提示工程和传统工具设计的性能上限。

    推荐理由：Anthropic 工程师把 GAN 的 generator-evaluator 思路搬进长时 Agent 架构，从设计到全栈编码都跑通了，还附了成本和失败模式。做 Agent 产品的人读完能直接抄作业，比看十篇论文管用。

3月23日周一
  1. Google Developers Blog71

    使用 LlamaParse 与 Gemini 3.1 构建智能金融助手

    结合 LlamaParse 与 Gemini 3.1 模型，可从复杂的非结构化文档中提取高质量数据。该方案采用事件驱动架构，利用 Gemini 3.1 Pro 对密集的金融表格进行智能解析，并使用 Gemini 3.1 Flash 进行高性价比的摘要生成。开发者通过此教程可构建个人财务助手，将杂乱的经纪账户对账单转化为结构清晰、易于理解的分析报告。

    推荐理由：开发者可快速上手构建财务AI助手，将杂乱数据转化为结构化见解。

  2. 英国 AI Security Institute：Blog64

    英国 AI Security Institute 开源 SandboxEscapeBench 基准，评估 AI 智能体能否逃逸沙箱容器

    英国 AI Security Institute 发布开源基准 SandboxEscapeBench，用"沙箱内嵌沙箱"架构安全测试 AI 智能体的容器逃逸能力，含覆盖编排、运行时、内核三层的 18 个场景。

    推荐理由：AISI 用嵌套沙箱安全实测了模型的容器逃逸能力，并给出逃逸成功率随模型规模和 token 预算变化的可复用结论。

  3. Anthropic：Research71

    利用长时运行智能体工作流革新科学计算

    Anthropic 研究员展示了如何将多日智能体编码工作流应用于科学计算任务。以使用 Claude Opus 实现宇宙学玻尔兹曼求解器的可微分版本为例，该任务通常需耗费研究人员数月甚至数年时间。通过制定清晰的项目指令、利用日志文件作为智能体的持久记忆并设置测试预言，即使是非领域专家也能引导智能体在数小时内完成这类复杂项目。该方法的核心在于设定高层目标后，让智能体团队自主工作，仅需偶尔人工监督，从而显著提升了科学代码开发与移植的效率。

    推荐理由：Anthropic 研究员用 Claude Opus 4.6 花几天从零写出了一个宇宙学 Boltzmann 求解器，原本是博士级团队几个月的活。这不是论文，是一份完整的多日 Agent 工作流实操手册，做科研或长周期编码的人可以直接抄作业。

3月21日周六
3月20日周五
  1. Boris Cherny

    Claude Code 发布 channels 功能，支持通过 Telegram 和 Discord 的 MCP 协议远程控制会话，用户可直接用手机向 Claude Code 发送消息。

    引用Thariq@trq212

    我们刚刚发布了 Claude Code channels，它允许你通过选定的 MCP 来控制你的 Claude Code 会话，首批支持 Telegram 和 Discord。 用它可以直接从手机上给 Claude Code 发消息。https://t.co/sl3BP2BEzS

    推荐理由：Claude Code新增Channels功能，支持通过Telegram和Discord远程控制Agent

  2. Cognition 模型 / Devin 博客65

    Devin 推出 Scheduled Devins，可自主安排定时任务

    Cognition 宣布 Devin 新增定时会话功能，用户只需描述周期性需求，Devin 会自行设定节奏并自动执行，无需配置 cron 或工作流。

    推荐理由：官方介绍了 Devin 定时任务的具体玩法，包括跨运行记忆和与 Managed Devins 组合并行执行，对想自动化例行工程工作的团队有直接参考。

3月19日周四
  1. Demis Hassabis

    Google 发布 vibe design 平台 Stitch，支持自然语言描述直接生成高保真界面和交互原型，可通过语音实时调整布局。目前仅面向 18 岁以上用户，在 Gemini 支持的英语国家开放。

    引用Google Labs@GoogleLabs

    隆重推出全新的 @stitchbygoogle，这是 Google 的 vibe 设计平台，可将自然语言无缝转化为高保真设计，一气呵成。 🎨用更智能的设计代理进行创作：描述一个新的商业概念或应用愿景，看它在 AI 原生画布上逐渐成形。 ⚡️ 快速迭代：将屏幕拼接成交互式原型，并用可移植的设计系统管理你的品牌。 🎤 用语音协作：使用免手操作的语音交互实时更新布局并探索新的变体。 立即试用（仅限 18 岁以上。目前仅提供英文版本，且仅在支持 Gemini 的国家/地区可用。）→ http://stitch.withgoogle.com

    推荐理由：Google推出AI设计工具Stitch，自然语言生成界面并支持语音协作，顺应Vibe Design趋势

  2. Cursor Blog

    Composer 2 正式发布

    Composer 2 登陆 Cursor，定价 $0.50/M（输入）和 $2.50/M（输出），Terminal-Bench 2.0 得分 61.3，SWE-bench Multilingual 达 73.7，显著优于前代。支持数百步长周期编码任务，团队同步发布训练技术报告。

    推荐理由：Cursor发布Composer 2编程Agent，性能大幅提升且定价极具竞争力

  3. OpenAI：官网动态

    OpenAI 将收购 Astral

    OpenAI 收购 Astral，加速 Codex 发展以支持下一代 Python 开发工具。Astral 是 Python 生态重要工具开发商，此次收购将整合其技术能力，强化 OpenAI 在开发者工具领域的布局。

    推荐理由：OpenAI收购Astral加强Codex Python工具链，Agent能力再升级