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 发布开源自动审计框架 Petri（Parallel Exploration Tool for Risky Interactions），用 AI 审计智能体在多轮场景中测试目标模型，工具地址为 github.com/safety-research/petri。
推荐理由：Anthropic 开源了用 AI 智能体自动审计目标模型行为的 Petri 框架，读者可以直接复用其审计流程和评分维度设计。
OpenAI 发布新工具帮助开发者更快从原型走向生产，包括 AgentKit、扩展的 evals 能力，以及面向智能体的强化微调（RFT）。
推荐理由：OpenAI 官方一次性推出面向开发者全流程的工具组合，可据此了解其智能体开发的最新方向。
Andrej Karpathy@karpathy精选.@RichardSSutton，强化学习之父，不认为 LLM 是“苦涩教训”的信徒。 我对 Richard 立场的善意解读：我们需要某种新架构来实现持续（在职）学习。 而如果我们有了持续学习，就不需要专门的训练阶段——智能体就像所有人类、乃至所有动物一样，边做边学。 这种新范式将使我们当前基于 LLM 的方法过时。 我尽力表达了这样一种观点：LLM 将成为这种经验学习得以发生的基础。现场有些火花四溅。 0:00:00 – LLM 是死路一条吗？ 0:13:51 – 人类会做模仿学习吗？ 0:23:57 – 经验时代 0:34:25 – 当前架构在分布外泛化能力很差 0:42:17 – AI 领域的意外 0:47:28 – AGI 之后“苦涩教训”仍然适用吗？ 0:54:35 – 向 AI 的传承
推荐理由：Karpathy解读Sutton对LLM的批判，提出「召唤幽灵」vs「构建动物」的深刻比喻，反思AI发展路径
OpenRouter 向每位客户每月提供100万次“Bring Your Own Key”（BYOK）请求，完全免费。
推荐理由：这个公告虽然旧了，但 OpenRouter 的 BYOK 免费额度至今仍在，对想低成本折腾模型的个人开发者来说，每月 100 万次请求比很多付费计划都香。
Anthropic@AnthropicAI精选推荐理由：Anthropic提出「上下文工程」方法论，指导开发者优化AI Agent设计
Claude@claudeai精选Claude Code 今晨发布多项功能升级，Claude Developer Platform 同步推出两项上下文管理新功能，具体更新详情可通过官方链接查看。
推荐理由：Claude Code 官方升级，推出上下文管理新功能
探讨 AI Agents 在真实工作场景中的定位，指出其核心挑战在于对抗"无限PPT"的形式主义陷阱。强调真正的智能体应当服务于以人为本的实质性工作，而非制造更多文档流程或官僚化产出。
推荐理由：Ethan Mollick 深度解析 AI Agent 在实际工作中的应用与人类价值重塑
Claude@claudeai精选Anthropic 发布 Claude Sonnet 4.5，称其为全球最佳编程模型。该模型在构建复杂智能体与计算机使用方面表现最强，推理和数学测试成绩也有显著提升。
推荐理由：Claude Sonnet 4.5 发布，官方称最强编程与 Agent 能力
Satya Nadella@satyanadella精选M365 Copilot 上线 Agent Mode，可自动编排多步骤任务，正式开启 Vibe work。
推荐理由：微软 CEO 宣布 M365 Copilot 正式上线 Agent 模式，支持多步骤任务编排，标志 Agent 进入主流办公场景
OpenAI 推出 Agentic Commerce Protocol（ACP），一个连接商家与 ChatGPT 用户的开放标准，作为两者之间的基础设施。它让 ChatGPT 能接收结构化商品目录数据、理解商家库存并在对话中呈现相关商品。文档提供了带示例 payload 的入门指引，以及关于商品文案、变体建模和归因的 feed 质量优化最佳实践。
推荐理由：OpenAI 官方文档介绍了 ACP 的定位和接入路径，商家可据此了解如何让商品出现在 ChatGPT 中。
OpenAI 宣布在 ChatGPT 中迈出 agentic commerce 的第一步，推出 Instant Checkout，并发布 Agentic Commerce Protocol，为人、AI 智能体和商家提供共同购物的新方式。
推荐理由：OpenAI 官宣在 ChatGPT 内推出即时结账并发布 Agentic Commerce Protocol，读者可关注 Agent 参与购物的新入口。
Anthropic 发布 Claude Sonnet 4.5，定位为复杂智能体和编程场景的最佳模型，拥有最高综合智能水平。同时推出 Amazon Bedrock 和 Vertex AI 的全球端点定价、新的 `model_context_window_exceeded` 停止原因、记忆工具（beta）以及上下文编辑功能（beta），后者可在接近 token 限制时自动清理旧工具结果与调用。
推荐理由：这是Anthropic放出的Sonnet 4.5，瞄准编码和复杂Agent场景，Memory工具和上下文编辑也一起开了，对靠API搞产品的开发者算大版本更新，但普通用户不必自己折腾。
Cognition 发布基于 Claude Sonnet 4.5 重构的新版 Devin，速度提升 2 倍，Junior Developer Evals 提升 12%，已在 Agent Preview 上线，旧版 Devin 仍可用。
推荐理由：来自一线 Agent 团队的适配复盘，给出了 Sonnet 4.5 的具体新行为和对应的工程应对，可迁移到类似智能体架构。
随着AI应用从单次提示转向构建长期运行的智能体，焦点正从“提示工程”演进为“上下文工程”。后者旨在为大型语言模型优化有限的上下文窗口内的全部信息，包括指令、工具、外部数据和对话历史。其核心挑战在于模型存在“注意力预算”限制和“上下文腐化”现象——随着上下文增长，模型回忆信息的准确性会下降。因此，上下文工程要求精心编排高价值信息，以有限的资源最大化产出期望结果，这已成为构建高性能、可操控智能体的关键。
推荐理由：Anthropic 亲自下场定义 context engineering 这个新范式，把 prompt engineering 之后的工程方法论讲透了。做 Agent 的人如果还在死磕 prompt，这篇会让你重新审视整个技术栈。
YC S23 孵化的 Webhound 发布，这是一款研究智能体，可自动从网络抓取多源信息并构建结构化数据集，用于支持数据分析与研究工作。
推荐理由：YC孵化的Web研究Agent，可自动从网络构建数据集
Liquid AI 发布 Liquid Nanos 系列，包含 350M 至 2.6B 参数的任务专用 LFM2 模型，可完全在手机、笔记本和嵌入式设备上运行。
推荐理由：原文给出各款小模型的参数量、任务定位和评测对比，读者可判断端侧专用模型能否替代云端大模型。
计划打造每周可新增1吉瓦算力的AI基础设施工厂，通过芯片、电力到机器人的全栈创新，支撑治愈癌症、全球个性化教育等宏大应用。项目将主要落地美国，未来数月公布合作伙伴，年底披露融资方案。
推荐理由：Sam Altman阐述OpenAI基础设施扩张愿景，计划每周新建1吉瓦算力
Hugging Face 发布 Smol2Operator，通过两阶段 SFT 将无 GUI 定位能力的 SmolVLM2-2.2B-Instruct 训练成 GUI Agent，ScreenSpot-v2 准确率从约 0% 先提升到 41%，再提升到 61%。
推荐理由：原文给出从数据统一到两阶段微调的完整训练配方和结果数字，且全部开源，可复现到自己的 GUI Agent 项目中。
Meta 在 Hugging Face 发布 GAIA 的后续基准 Gaia2，以及开源评估框架 Meta Agents Research Environments（ARE，MIT 许可），Gaia2 数据集采用 CC BY 4.0 许可。
推荐理由：原文给出新基准的任务分组、开源许可和初步模型结果，读者可据此评估现有模型在真实世界智能体任务上的短板。
Noam Brown@polynoamial精选我们发布 GPT-5-Codex —— 这是 GPT-5 的一个版本，针对 Codex 中的智能体编程做了进一步优化。 可在 Codex CLI、IDE 扩展、网页、移动端中使用，并可用于 Github 中的代码审查。https://openai.com/index/introducing-upgrades-to-codex/
推荐理由：GPT-5-Codex 发布，针对 Agentic 编码优化，可动态分配计算资源，简单查询快 10 倍