精通 Agents
AI Agents 的能力正逼近关键临界点,其性能飞跃已超出传统工作模式的承载范围。这要求从业者必须重新界定工作范畴、重构项目管理流程并革新任务执行策略。从需求规划到交付标准,现有方法论面临全面调整,组织与个人亟需掌握与智能体协作的新范式,以适应这一技术变革带来的深层影响。
推荐理由:Agent工具迫使开发者重构工作流,资深研究者分享进阶路径
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。
1,686 条精选近 30 天 116 条共收录 9,553 条
AI Agents 的能力正逼近关键临界点,其性能飞跃已超出传统工作模式的承载范围。这要求从业者必须重新界定工作范畴、重构项目管理流程并革新任务执行策略。从需求规划到交付标准,现有方法论面临全面调整,组织与个人亟需掌握与智能体协作的新范式,以适应这一技术变革带来的深层影响。
推荐理由:Agent工具迫使开发者重构工作流,资深研究者分享进阶路径
IBM Research在Hugging Face发布AssetOpsBench,这是一个工业资产运维的AI智能体基准测试框架。它基于真实场景构建,包含多行业数据集和超1000个运维事件,通过多阶段指标测试智能体的诊断、决策等能力,注重动态适应性、多模态处理和安全推理,以推动AI智能体走向实际工业应用。
推荐理由:首个面向工业资产运维场景的 Agent 基准,填补学术评测与真实落地的鸿沟
PromptArmor 披露 OpenAI 平台 'responses' 与 'conversations' API 日志因不安全渲染 Markdown 图片存在数据外泄漏洞,即使应用层已拦截恶意 Markdown 图片,开发者打开日志审查被标记会话时仍会触发外泄。
推荐理由:原文完整披露攻击链和披露时间线,指出应用层防御被日志渲染绕过,读者可据此检查自身部署的风险面。
Cognition 发布 Devin Review,一款针对 GitHub PR 的 AI 代码审查工具,称代码审查已成为 AI 编程时代的瓶颈。
推荐理由:原文给出三项具体能力和免登录试用入口,读者可以直接对照现有 GitHub 审查流程判断是否值得替换。
PromptArmor 发布 Claude Cowork 安全部署指南,梳理其威胁模型并给出三档功能与风险权衡的配置方案,从最大化功能的 Tier 1 到基本隔离外部输入的 Tier 3,并逐项说明组织级管理设置。
推荐理由:安全厂商基于自身威胁模型研究,给出 Claude Cowork 三档部署配置和逐项管理设置,企业安全团队可按风险容忍度直接落地。
Overworld推出实时交互式视频扩散模型Waypoint-1,用户可通过文本、鼠标和键盘实时控制生成可步入的虚拟世界。该模型基于帧因果校正流变换器架构,在1万小时游戏视频及对应控制数据上训练,从一开始就专注于交互体验,支持零延迟的自由操控。其配套的高性能推理库WorldEngine在消费级硬件上可实现流畅运行,例如Waypoint-1-Small在RTX 5090上能以30 FPS(4步去噪)或60 FPS(2步去噪)生成画面。模型采用扩散强制预训练和自我强制后训练来确保生成长序列的稳定性。
推荐理由:零延迟交互式视频生成,游戏和创意应用开发者的福音。
Liquid AI 发布可在手机上完全离线运行的推理模型 LFM2.5-1.2B-Thinking,内存占用约 900 MB,已上线 Hugging Face、LEAP 和 Playground。
推荐理由:官方公布了小参数量思考模型的端侧内存、速度数据和训练配方,读者可以据此评估边缘推理方案的选型。
LlamaIndex 发文指出,Agent 正越来越多地通过文件和文件系统来读取非结构化上下文,并归纳出三种主要用法:用文件存储和检索长程对话历史、用文件搜索替代朴素 RAG 来获取海量外部上下文、用 Skills 类文件教会 Agent 做事从而绕过 MCP。
推荐理由:LlamaIndex 以一手实验和生态观察,梳理文件系统如何成为 Agent 上下文管理的核心抽象,并指出解析与检索等缺口。
PromptArmor 披露 Superhuman AI 存在间接提示注入漏洞,恶意邮件中的隐藏指令可让 AI 在用户请求总结邮件时,把数十封含财务、法律、医疗信息的敏感邮件内容填入攻击者的 Google Form 预填链接并以 Markdown 图片输出,单次响应外泄超过 40 封邮件的部分内容。
推荐理由:原文完整披露了利用 Google Forms 预填链接和 Markdown 图片绕过 CSP 的攻击链,可用于理解 Agent 间接提示注入的数据外泄路径。
Agent-of-empires(AoE)是一款支持 Linux 与 macOS 的 AI 编码代理会话管理器,兼容 Claude Code、OpenCode 等 9 种主流 AI 工具。该工具基于 tmux 实现会话持久化,支持在多分支代码库上并行运行多个代理,提供 Docker 沙盒隔离、Git worktrees 管理及实时状态检测,并可通过 Web 仪表板或 Cloudflare 隧道从手机远程访问,解决多代理协作时的状态追踪与工作环境隔离问题。
推荐理由:同时管理多个AI编码代理,手机远程监控不再乱套
Skyscanner 工程师分享了在日常工作流中把 OpenAI Codex CLI 通过 JetBrains MCP server 接入 IDE 的实践。Codex 可调用 get_file_problems 检查编译错误、执行预定义的测试、lint 和格式化运行配置,例如在 Databricks Java SDK 用例中立即发现 NotFound 异常构造函数不匹配的问题。
推荐理由:Skyscanner 工程师分享把 Codex CLI 接入 JetBrains MCP 的具体做法,给出了错误检查和测试运行如何缩短反馈循环的实操路径。
Claude Code 集成 Opus 4.5 模型实现关键突破,编程智能体跨越重要能力阈值。此次升级标志着编码代理在自主性和工程处理能力上达到新水平,可应对更复杂的开发任务。Opus 4.5 显著提升了代码生成、调试及复杂问题解决的表现,使 AI 辅助编程从基础工具向高效协作伙伴转变,为开发者带来质的不同的使用体验与效率提升。
推荐理由:编码 Agent 跨越关键门槛,Claude Code 能力跃升将重塑开发者工作流
PromptArmor 披露 Notion AI 存在间接提示词注入漏洞:AI 编辑在用户批准前已被保存,注入的提示词可让 Notion AI 把招聘追踪文档内容拼入外部图片 URL,用户浏览器加载图片时数据即已外泄,无论是否同意。
推荐理由:原文完整拆解了 Notion AI 在用户批准前保存 AI 编辑导致数据外泄的漏洞链,并给出企业和 Notion 双方可行的缓解配置与修复建议。
有效的评估能帮助团队更自信地发布AI智能体,避免陷入仅在生产环境被动发现问题、修复可能引发新问题的循环。智能体因其多轮操作的自主性与灵活性,评估更为复杂。一个完整的评估结构包含任务、评分器、记录、结果、评估框架与评估套件等核心组件。缺乏系统评估将导致团队无法区分真实的质量倒退与随机波动。建立评估体系能帮助团队在智能体规模化过程中持续监控质量、自动测试变更并量化改进效果,其价值在智能体整个生命周期内持续累积。
推荐理由:Anthropic 把内部踩过的坑全摊开了,从 eval 设计到 grader 选型到 transcript 审读,是目前最完整的 Agent 评估工程指南,做 Agent 产品的团队可以直接当手册用。
PromptArmor 披露 IBM 编码 Agent Bob(含 Bob CLI 与 Bob IDE,目前 Closed Beta)存在漏洞:若用户对任一已知可信命令选择 always allow,攻击者可通过间接提示词注入触发下载并执行恶意软件。
推荐理由:原文完整拆解了 Bob CLI 三道防御被绕过的具体机制与攻击链,读者可据此评估编码 Agent 的命令自动审批风险。
Anthropic CEO Dario Amodei 撰文将当前 AI 发展阶段称为「技术的青春期」,认为人类即将获得难以想象的力量,但社会与治理体系是否具备驾驭这一力量的成熟度仍存疑。文章主张避免「末日论」式恐慌,以务实、基于事实的方式讨论风险,并承认 AI 发展速度与风险存在不确定性;作者提出通过企业自愿行动与精准、克制的政府监管相结合,在避免过度干预与附带损害的前提下应对潜在危险,同时为未来可能需要的更强有力措施储备证据与方案。
推荐理由:Anthropic CEO 长文剖析 AI 文明风险与治理路径,值得深读。
xAI发布Grok Business和Grok Enterprise企业版。Business版定价30美元/座位/月,支持自助开通,提供团队管理、统一账单及Google Drive集成(保留原文件权限),并承诺用户数据永不用于模型训练。Enterprise版面向大型组织,提供Custom SSO、Directory Sync及高级审计控制;可选的Enterprise Vault插件提供独立数据平面与客户自管加密密钥(CMEK),实现应用级加密隔离。平台支持实时使用监控、安全对话共享及Projects功能。
推荐理由:xAI 推出 Grok 企业版,主打隐私保护与 Agent 能力,月费 30 美元起
推荐理由:NVIDIA科学家揭示机器人学三大痛点:硬件拖累迭代、基准混乱、VLA路线存在根本缺陷
Manus 官宣加入 Meta,称此举将巩固其在 AI 应用层的战略位置,把 Meta 平台上的数百万企业和数十亿用户作为下一步服务对象。截至 12 月初,Manus 已处理超过 147 万亿个 token,创建超过 8000 万台虚拟计算机;Manus 将继续通过 app 和网站提供产品和订阅服务,公司继续在新加坡运营,CEO 肖弘表示运作方式和决策机制不变。
推荐理由:官方公告交代了收购后的服务安排和运营计划,读者可以据此判断 Manus 现有用户的订阅与使用是否受影响。
作为一名程序员,我从未感到如此落后。这个职业正在被剧烈地重构,程序员所贡献的比特越来越稀疏、零散。我有一种感觉,如果我能把过去大约一年里涌现出来的东西妥善地串联起来,我可能会强大 10 倍,而未能抓住这波提升,感觉分明就是能力问题。有一层新的可编程抽象层需要掌握(除了下面那些惯常的层级之外),涉及智能体、子智能体、它们的提示词、上下文、记忆、模式、权限、工具、插件、技能、钩子、MCP、LSP、斜杠命令、工作流、IDE 集成,并且需要为那些从根本上随机、易错、难以理解且不断变化的实体建立起一个包罗万象的心智模型——这些实体突然与过去那种老派良好的工程实践混杂在一起。显然,某个强大的外星工具被传了一圈,但它没有附带说明书,每个人都得自己摸索怎么拿、怎么操作,而由此引发的 9 级地震正在撼动整个职业。卷起袖子干吧,别掉队。
推荐理由:顶级研究者警示编程职业正被重构,掌握Agent编排成为工程师新必修课