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。
1,552 条精选近 30 天 226 条共收录 8,755 条
Anthropic在Claude开发者平台发布三项新功能，以解决传统工具调用消耗大量上下文、易出错的问题。工具搜索工具允许按需加载工具，内部测试中将上下文消耗从约7.7万令牌降至8700令牌，降幅达85%，并将准确率从49%提升至74%。程序化工具调用支持在代码环境中调用工具，减少对上下文窗口的影响，例如Claude for Excel可借此处理数千行数据。工具使用示例则提供了展示工具有效使用方法的通用标准。这些功能共同提升了AI代理处理大规模工具库的能力。
推荐理由：做 Agent 的人都卡在工具一多上下文就爆、调用就错这两个坑上，Anthropic 这三个功能直接把工具管理从「全塞进去」变成「按需加载+代码编排+示例纠错」，是目前最工程化的解法。
Sierra 在 2024 年 2 月上线后仅用 7 个季度实现年经常性收入（ARR）突破 1 亿美元。这一增速使 Sierra 成为历史上增长最快的企业软件公司之一。
推荐理由：Sierra 用 7 个季度做到 1 亿美元 ARR，这个增速在 SaaS 史上很罕见，对做企业 Agent 的团队来说，是商业化路径被验证的真信号。
PromptArmor 发布研究，演示 Google Antigravity（Google 的 agentic 代码编辑器）可通过间接提示词注入被操纵，调用浏览器子代理将用户凭据和代码外泄到攻击者控制的 webhook.site 地址。
推荐理由：作者以第一手复现展示 Google Antigravity 被间接提示词注入窃取凭据的完整链条，并指出默认 Allowlist 含 webhook.site 等关键细节。
OpenAI 发布 GPT-5.1-Codex-Max，一个面向 Codex 的更快、更智能的智能体编码模型。该模型专为长时运行、项目规模的工作设计，具有增强的推理能力和 token 效率。
推荐理由：官方公告点明了模型定位是长时程项目级编码智能体，读者可据此判断它面向的工程场景与效率取向。
xAI 与沙特阿拉伯及 PIF 旗下 HUMAIN 签署框架协议，将在沙特建设超大规模 GPU 数据中心，并全国范围内部署 Grok 至 HUMAIN ONE 平台，为政府和企业提供实时智能与自主工作流。这是 Grok 首次在国家层面全面落地。
推荐理由：xAI与沙特达成国家级合作，将全国部署Grok并建设超大规模AI算力基础设施
xAI发布Grok 4.1 Fast模型及Agent Tools API。Grok 4.1 Fast支持200万token上下文，在τ²-bench Telecom基准测试中获100%得分且成本仅105美元，函数调用准确率72%。Agent Tools API集成实时X数据、网页搜索与代码执行功能。该模型在深度研究基准测试中超越GPT-5等竞品，成本更低且幻觉率较上代降低一半。
推荐理由：xAI 发布 Grok 4.1 Fast 及 Agent Tools API，支持 2M 上下文与原生工具调用，剑指企业级 Agent 应用。
GPT-3 发布至 Gemini 3 的三年间，大模型技术完成从聊天机器人（chatbots）到智能体（agents）的范式跃迁。
推荐理由：Ethan Mollick 深度回顾 AI 三年演进，剖析从聊天机器人到 Agent 的变革趋势
Google DeepMind 发布 Gemini 3 并以 Gemini 3 Pro 预览形式上线，称其在所有主要 AI 基准上显著超越 2.5 Pro，LMArena 达 1501 Elo，HLE 37.5%、GPQA Diamond 91.9%。
推荐理由：官方发布给出各基准分数与开放范围，读者可以据此比较 Gemini 3 Pro 与 2.5 Pro 的实际能力变化和可用入口。
Inception Labs 宣布 Mercury 上线 Azure AI Foundry，将其称为首个商用规模的扩散大语言模型（dLLM）。该模型采用扩散架构并行生成多个 token，推理速度最高达可比自回归模型的 10 倍，官方称其在知识、编码、指令遵循和数学基准上与 Gemini 2.5 Flash、Claude 4.5 Haiku 相当。
推荐理由：原文给出扩散架构的并行生成原理、与同类模型的延迟和基准对比及许可定价，读者可据此评估实时应用的部署价值。
Manus 推出浏览器操作员（Browser Operator），一个让 Manus 在用户本地浏览器环境中运行的浏览器扩展，弥补云浏览器无法使用已登录会话的不足。
推荐理由：官方说明解释了本地浏览器与云浏览器的分工和授权控制方式，读者可以判断这类登录态自动化是否适合自己的工作流。
Cognition 发布 Devin 2025 年度绩效复盘。Devin 上线 18 个月来已在数千家公司服役，累计合并数十万个 PR，客户包括 Goldman Sachs、Santander 和 Nubank。
推荐理由：Devin 官方复盘 18 个月真实部署的强弱项，给出大量客户场景和量化数据，可帮助读者评估智能体在工程团队中的实际落地方式。
Google 推出 SIMA 2，基于 Gemini 的 AI 智能体，支持在交互式环境中思考、理解并执行动作，可在虚拟3D世界中进行游戏、推理和协同学习。
推荐理由：DeepMind发布SIMA 2，可在3D虚拟世界中交互推理的通用AI Agent
LLM 生成界面常因"分布收敛"而陷入 Inter 字体配紫色渐变的同质化设计。Anthropic 建议通过 Skills 功能解决：将排版、动画、配色等设计规范存入独立 Markdown 文件，Claude 可在构建页面时动态加载，无需永久占用系统提示词。这种按需加载机制既保持上下文窗口精简以维持模型性能，又能让 AI 生成摆脱默认审美、更具品牌辨识度的定制化界面。
推荐理由：Claude官方分享通过Skills解决AI生成界面同质化问题的实践技巧，附字体与主题优化Prompt示例。
ElevenLabs 发布实时语音转文字模型 Scribe v2 Realtime，延迟低于 150 ms，在 30 种常用欧洲和亚洲语言上达到 93.5% 准确率，并支持约 90 种语言。
推荐理由：官方公布了延迟、准确率等具体指标和主要功能，读者可据此评估其是否适合语音智能体等实时场景。
LangChain 重建了 chat.langchain.com，弃用分块加向量数据库的检索方案，改为让智能体通过 Mintlify API、知识库标题扫描和 ripgrep 代码搜索直接访问文档、知识库和代码库的原始结构。
推荐理由：原文复盘了放弃向量嵌入、改用直接 API 访问和子图分域的重建思路，含工具设计与性能数字，方法可迁移到类似问答智能体。
PromptArmor 披露名为 CellShock 的攻击链，Claude for Excel 在测试版中可被间接提示词注入操纵，通过恶意 IMAGE 公式把用户的机密财务数据（营收预测、现金流增长、运营利润率等）编码进 URL 参数外泄到攻击者服务器。
推荐理由：原文完整演示了一条针对 Claude for Excel 的间接提示词注入数据外泄链，并给出企业侧可落地的缓解配置建议。
Cognition 发布 Windsurf Codemaps，由 SWE-1.5 和 Claude Sonnet 4.5 驱动，生成 AI 标注的代码结构地图，帮助工程师在调试、重构和上手新代码库前理解代码。
推荐理由：官方介绍了 Codemaps 的入口、模型选择和 Cascade 引用方式，读者可以据此判断它如何用于代码库理解和上下文工程。
随着AI智能体通过模型上下文协议（MCP）连接的工具数量激增，传统预先加载所有工具定义并通过上下文传递中间结果的方法，导致处理速度变慢、成本增加。问题核心在于工具定义占用大量上下文空间，且中间结果（如完整会议记录）在多次工具调用间重复传递，额外消耗数万令牌。文章提出解决方案：将MCP服务器呈现为代码API，使智能体能按需加载工具，并在执行环境中处理数据，仅将精简结果传回模型，从而显著减少令牌消耗、提升效率并降低成本。
推荐理由：Anthropic 官方把 MCP 从「能连」推进到「连多了怎么办」，用代码执行替代直接工具调用，token 省 98.7% 这个数字不是吹的。做 Agent 工程的人如果还在暴力塞 tool definition，这篇是必读的架构升级指南。
与 NVIDIA 合作，在 DGX Spark 上通过 SGLang 成功支持 GPT-OSS 20B 与 120B 模型，实现 20B 版本约 70 tokens/s、120B 版本约 50 tokens/s 的生成速度，达到目前最优水平。用户可通过 Docker 部署 SGLang 服务，接入 Open WebUI 实现本地聊天，或借助 LMRouter 转换请求格式以完全本地化运行 Claude Code。该方案使在 DGX Spark 上部署多百亿参数本地编码智能体成为现实。
推荐理由：DGX Spark本地跑通Claude Code完全离线，隐私敏感开发者的新选择
MiniMax 在 Hugging Face 发布博客，探讨其 M2 智能体模型的泛化能力。文章核心在于重新思考智能体应“对齐”到什么标准或目标，以提升其在未见任务和环境中的通用性能。这涉及对模型训练范式和评估指标的反思，旨在突破当前智能体在特定任务上过拟合、难以泛化的局限。
推荐理由：Agent 泛化是 AI 实用化关键，这篇重新思考可能带来新突破。