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。

1,686 条精选近 30 天 116 条共收录 9,552 条

更新

精选归档 · 第 83 页

2025年5月15日周四第 1641–1660 条
  1. Cognition 模型 / Devin 博客65

    Devin 2.1 发布:任务置信评级、Linear/Jira 集成与内置代码库理解

    Cognition 发布 Devin 2.1,新增 🟢🟡🔴 置信评级,置信分与任务成功率高度相关,🟢 得分任务的 PR 合并可能性是 🔴 的两倍。同时为 Linear 和 Jira 集成加入批量自动评分,可在不启动会话的情况下为多个 issue 打分;并内置 DeepWiki 同源的代码库理解能力,可用 !ask 提问,不确定计划时等待用户确认。

    推荐理由:原文给出置信分与任务成功率的关联数据,以及按置信度筛选任务的用法,读者可据此改进 Devin 工作流。

2025年5月14日周三
  1. LangChain:Blog65

    LangChain 发布 LangGraph Platform 正式版,面向长时运行有状态智能体的部署与管理

    LangChain 宣布 LangGraph Platform 正式发布(GA),这是用于部署和扩展长时运行、有状态智能体的基础设施与管理层,自去年 6 月 beta 以来已有近 400 家公司用于生产环境。

    推荐理由:官方宣布 LangGraph Platform 正式可用,围绕长时运行、有状态智能体的部署痛点给出了具体能力与多种部署选项。

2025年5月13日周二
  1. LlamaIndex:产品、工程与评测60

    LlamaIndex 为 Agent 推出改进的长短期 Memory 组件

    LlamaIndex 发布改进的 Memory 组件,为 Agent 提供短长期记忆能力。基础形式将聊天记录按 token 上限存入 SQL 数据库(默认内存 SQLite)。

    推荐理由:官方介绍了新版 Memory 组件的设计与用法,开发者可以对照三类长期记忆块判断是否迁移自己的 Agent 工作流。

2025年4月18日周五
  1. Anthropic:Engineering77

    Claude Code:智能体编码最佳实践指南

    Claude Code 提供了一套完整的智能体编程工具与框架。其核心遵循“先探索、再计划、后编码”的工作流,并通过配置 CLAUDE.md 文件、管理权限和连接 MCP 服务器来优化环境。最佳实践强调为 Claude 提供工作验证方法、积极管理上下文、使用子代理进行调查,以及利用检查点回退来处理复杂任务。文档还详细介绍了在 VS Code、JetBrains IDE、Slack 及 CI/CD 中的集成使用,并提供了避免常见失败模式的实用建议。

    推荐理由:Anthropic 官方出的 Claude Code 最佳实践,不是泛泛而谈的入门指南,而是从 CLAUDE.md 配置到 subagent 编排的完整工程手册,用 Claude Code 做日常开发的人直接照抄就能少踩一半坑。

2025年4月3日周四
  1. Cognition 模型 / Devin 博客67

    Cognition 发布 Devin 2.0,推出 Agent 原生 IDE 并新增 $20 起的灵活方案

    Cognition 发布 Devin 2.0,带来 Agent 原生 IDE 体验和 $20 起的新方案。用户可并行运行多个 Devin,各自配备云端 IDE,可在 IDE 内用 Cmd+I、Cmd+K 等快捷键审查和修改 Devin 的代码。

    推荐理由:官方公告列出新 IDE 体验、三项新功能和 $20 起的新定价,读者可据此评估 Devin 在编码工作流中的可用性变化。

2025年3月19日周三
  1. METR:Research75

    METR 发布时间视野研究:AI 可完成任务时长每约 7 个月翻倍

    METR 提出以 AI 智能体能完成的任务时长(按人类专业人士所需时间衡量)来度量模型能力,发现过去 6 年该指标呈指数增长,翻倍时间约 7 个月,且在 SWE-Bench Verified 上翻倍时间不足 3 个月。

    推荐理由:METR 用任务时长衡量模型能力,给出六年间指数增长趋势和约 7 个月翻倍速度,为理解模型真实工作能力提供一个可比较的框架。

2025年3月16日周日
  1. LangChain:Blog60

    LangChain 官方教程:AI Agent 提速的实用方法

    LangChain 博客介绍开发者加速 AI Agent 的常见做法:先用 LangSmith 诊断延迟来源,再通过流式输出和后台运行降低用户感知延迟。其他要点包括减少 LLM 调用次数(如用 LangGraph 精确控制智能体通信)、换更快模型、削减输入上下文以及并行执行 LLM 调用。

    推荐理由:原文把 Agent 提速拆成诊断瓶颈、减少与并行 LLM 调用、优化感知延迟等具体路径,方法可直接迁移到自己的项目。

2025年3月6日周四
  1. OpenRouter:Announcements56

    OpenRouter 推出 Deep Research 工具及多款新模型

    OpenRouter API 上线首个深度研究工具,API 响应中直接包含完整引用。同时平台新增多款模型。

    推荐理由:第一个通过 API 可调用的 deep research 工具,直接返回带引用结果,想在自己产品里加 research 能力的开发者不容错过。

2025年2月19日周三
  1. xAI:News

    Grok 3 Beta 发布:推理智能体时代来临

    Grok 3 Beta 正式发布,开启"推理智能体"时代。新版本强化深度推理与自主决策能力,支持复杂任务拆解和多步逻辑链处理,在数学、编程等推理密集型场景表现显著提升,标志着 AI 从简单问答向自主推理决策的范式转变。

    推荐理由:xAI发布Grok 3 Beta,主打推理智能体能力

2025年2月13日周四
  1. Cognition 模型 / Devin 博客64

    Linktree 复盘用 Devin 一个月写约 300 个 PR 的实践经验

    Linktree 团队分享使用 Cognition 的 AI 智能体 Devin 一个月的成果:Devin 完成约 300 个 PR,其中约 100 个已合并,主要是修复客户报告的 bug、实现小功能和原型验证。

    推荐理由:Linktree 官方复盘 Devin 落地细节,给出任务筛选标准、多 Devin 协作和 API 用法等可直接迁移的经验。

2025年2月10日周一
  1. Sam Altman:Blog

    三点观察

    OpenAI 阐述关于 AI 经济学的三点观察:模型智能与训练资源的对数成正比,可预测扩展;AI 使用成本每 12 个月下降约 10 倍,远超摩尔定律速度;智能线性增长将产生超指数级社会经济价值。据此,AI 代理将如虚拟同事般渗透各领域,科学进步将大幅加速,虽然短期内生活照旧,但长期将深刻重塑社会经济结构,个人意志力和适应能力将成为关键价值。

    推荐理由:Sam Altman 提出 AI 经济学三大观察,描绘 AGI 时代 Agent 工作图景

2025年2月6日周四
2025年2月3日周一
  1. OpenAI:官网动态76

    OpenAI 推出 deep research 智能体

    OpenAI 推出 deep research,一个运用推理能力整合大量网络信息、完成多步研究任务的智能体。该功能当天向 Pro 用户开放,随后面向 Plus 和 Team 用户推出。

    推荐理由:原文来自官方公告,说明了 deep research 的能力定位和分批开放节奏,读者可以据此判断它何时可用。

2025年1月22日周三
  1. LlamaIndex:产品、工程与评测60

    LlamaIndex 发布 AgentWorkflow,用于构建多智能体系统

    LlamaIndex 推出 AgentWorkflow,一个基于其 Workflow 抽象的智能体系统构建与编排框架。它负责智能体间协调、状态维护和实时事件流监控,支持 FunctionAgent 与 ReActAgent 两种类型、全局 Context 状态管理,以及通过 InputRequiredEvent 集成人工审批,官方提供了单智能体和多智能体研究报告系统的代码示例。

    推荐理由:官方介绍了 AgentWorkflow 的多智能体协作、内置状态管理和事件流监控能力,并附可直接运行的代码示例,适合评估是否引入现有 Agent 开发流程。

2025年1月21日周二
  1. Modal 官方工程博客65

    Modal Sandboxes 正式可用,为不可信代码提供安全执行环境

    Modal 宣布 Sandboxes 正式可用,这是安全运行 LLM、用户或第三方来源不可信代码的隔离执行环境。它提供 exec API,可在运行时用与 Functions 相同的 Image API 动态配置任意语言依赖,支持文件系统快照以持久化和多 Sandbox 扇出,并复用 Functions 基础设施带来快速冷启动、GPU 和全球区域选择。

    推荐理由:Modal 官方宣布 Sandboxes 正式可用,给出 exec API、动态镜像和 SWE-bench 7 分钟跑完 Verified 等实测数字,可据此评估智能体代码执行方案。

2025年1月8日周三
  1. Cato AI Labs:AI安全原创研究72

    Aim Labs 披露 Cursor IDE 的 CurXecute 漏洞,可经 MCP 提示词注入实现 RCE(CVE-2025-54135)

    Aim Labs(Cato)披露 Cursor IDE 的高危漏洞 CurXecute(CVE-2025-54135,评分 8.6),外部托管的一条提示词注入可静默改写 ~/.cursor/mcp. 并以用户权限执行任意命令,实现 RCE。

    推荐理由:原文给出完整的提示词注入到 RCE 攻击链细节和漏洞机理,读者可以据此审视 MCP 类 Agent 的运行时防护。

  2. Answer.AI 官方研发博客78

    Answer.AI 实测 Devin:20 项任务仅 3 次成功,自主编程能力存疑

    Answer.AI 团队对 AI 软件工程师 Devin 进行了为期一个月的深度测试。尽管早期在 API 集成等简单任务中表现尚可,但在扩展至新项目创建、研究及代码修改等 20 项真实任务时,结果令人失望:仅 3 项成功,14 项失败,且无法预测成败规律。Devin 常陷入技术死胡同、生成过度复杂的“面条代码”,或在面对不可行任务时产生幻觉并浪费大量时间。文章指出其实际表现远低于宣传预期,难以替代人类开发者。

    推荐理由:来自知名 AI 评测机构的详实一手数据,揭示了明星产品 Devin 在真实工作流中的局限性,为评估当前自主编程 Agent 的实际成熟度提供了重要参考。

2025年1月6日周一
  1. Sam Altman:Blog

    反思

    Sam Altman在ChatGPT两周年之际回顾OpenAI九年历程:从坚信AGI可能实现,到2022年意外推出ChatGPT并引爆前所未有的增长曲线。他坦承过去两年从零构建公司的混乱压力,以及被董事会突然解雇的危机教训。如今周活用户已达3亿,在迈向AGI的道路上,他既感激这段经历,也承认未来仍充满未知。

    推荐理由:Sam Altman 反思创业历程,预测 2025 年 AI Agent 将实质性改变企业产出

  2. Anthropic:Engineering72

    Claude 3.5 Sonnet 在 SWE-bench Verified 基准测试中刷新纪录

    升级版 Claude 3.5 Sonnet 在软件工程评估基准 SWE-bench Verified 上取得 49% 的解决率,超越此前最佳模型的 45%。该基准通过真实 GitHub 问题测试 AI 模型完成软件工程任务的能力,要求模型在给定环境中理解、修改并测试代码,最终通过原始单元测试验证。Claude 团队构建的智能体设计简洁,仅包含提示词、Bash 工具和编辑工具,赋予模型充分的自主判断空间,以灵活步骤解决问题。目前尚无模型在该基准上突破 50% 的解决率。

    推荐理由:Anthropic 把自家 SWE-bench agent 的 prompt、工具设计和踩坑经验全公开了,做 coding agent 的人可以直接抄作业,比看十篇二手解读都管用。

2024年12月31日周二