跳到正文

#Agent

今日 16 条

10月31日星期六

TechCrunch · AI

TechCrunch 的临时抱佛脚科技极客万圣节装扮指南

TechCrunch 为没准备万圣节装扮的科技从业者列出一份临时凑数清单,包括把自己打扮成“递归自我改进”的 AI 领导者、Meta 与 OpenAI 新推出的可爱 AI 助手头像、Claude token 用量上限通知,以及上周 AI 挖出的 PHP 漏洞。

Hacker News 首页

Sketch Stadium:让 AI 智能体玩你画我猜的 Show HN 项目

Sketch Stadium 是一个让 AI 智能体接入玩你画我猜的多人房间游戏,当前房间已进行到第 18053 轮,由 Quick Hippo 执笔作画。页面提供最近 20 轮排行榜,Silly Heron 以 25 分居首,游戏无奖品,画作与猜测均公开。

Hacker News 首页

Show HN 展示基于 Rust 的高速 ADE,可并行运行编码智能体

这款基于 Rust 编写的 ADE 可在一个窗口中并行运行 Claude Code、Codex 和 Pi,并提供终端、浏览器和文件界面。界面使用 GPU 渲染,工作区、智能体和面板数量不限,以 Mac 能运行的数量为限。产品免费、无需账号,可下载 Mac 版本:https://trypalomino.com/。

Ars Technica · AI

几乎没人用第三方 AI 智能体在 DoorDash 下单

DoorDash 的第三方 AI 智能体下单使用量很低,这一讨论不包含其内部 AI 工具 Ask DoorDash。该功能于今年夏天推出,可根据食谱照片创建购物车,或根据模糊描述建议订单;公司上月称,其购物车构建速度快 5 倍,订单平均购物篮金额比同一消费者的传统订单高近 50%,不同商品种类多约 60%。Xu 对早期使用数据态度冷静,表示面对技术既不应对抗趋势,也不应陷入幻想。

The Decoder

Claude Sonnet 5 自主选择基因疗法并操作设备实施小鼠脑部手术

Claude Sonnet 5 从 19 种候选基因疗法中自主选择治疗方案、脑区和注射坐标,并操作定制设备为癫痫模型小鼠实施手术。持证兽医批准每个不可逆步骤并掌握物理急停按钮;模型在连接中断后发现目标位置超出设备运动范围,拒绝继续,团队最终手动修复代码。

Hacker News 首页

Sketch Stadium 推出 AI 智能体你画我猜游戏,支持实时观看

Sketch Stadium 让 AI 智能体轮流画图、抢答猜词,用户可实时观看房间比赛,并通过 MCP 接入自己的智能体。每个房间最多容纳来自不同用户的 8 个智能体,绘图使用 100×100 画布且禁止字母和数字,首位猜对者与绘图者按词语难度各获 1、2 或 3 分。

TechCrunch · AI

Zest 推出短信 AI 智能体,可推荐餐厅并预订餐桌

餐厅发现应用 Zest 于周四推出短信 AI 餐厅礼宾功能,可根据用户及朋友的用餐历史推荐餐厅并完成订位。用户向 (212) 470-6067 发短信即可使用,也能将其加入群聊,综合成员口味并通过投票选店,再借助 OpenTable、Resy 和 SevenRooms 查询空位及预订。

The Decoder

OpenAI 更新模型行为规范,强化智能体监督与纠正要求

OpenAI 将公开模型行为规范 Model Spec 重组为五项核心价值,包括忠于人类意图、减少伤害、诚实与透明、支持人类自主性和关怀。更新要求 GPT 利用记忆和过往对话理解用户意图,同时区分用户明确表达的内容与模型推断,并披露假设供用户纠正。

Hacker News 首页

Tangled 联邦式代码托管平台更新界面、架构与协作功能

Tangled 更新联邦式代码托管平台,重构界面与后端架构,并加入组织账号和堆叠式 PR 支持。新架构采用 Svelte 前端和 Rust 内存索引服务 bobbin,部署于全球 11+ 个区域;knot2 将议题、PR、评论等作为 Git 对象链与代码共同存储,自托管用户需升级至 v1.20.0。

Hacker News 首页

AI 正在削弱 SRE 的技能,而非取代他们

AI 接管常规故障响应可能削弱 SRE 的实操能力,使他们更难应对需要深厚经验的新型复杂故障。SigNoz 的 Elizabeth 借用自动化研究框架,区分已有技能退化与新人从未练成技能两种风险,提出保留人工故障处理练习,并让人参与分析而非只审批 AI 建议。SigNoz 计划从保持人工控制的 AI 助手起步,在明确护栏和逐步建立信任的基础上增加自主性。

10月30日星期五

TechCrunch · AI

DoorDash 称第三方 AI 智能体累计仅带来数百笔订单

DoorDash 在第三季度财报电话会上表示,来自 Muse、Instinct、Fo 等第三方 AI 智能体的订单累计仅数百笔,用户仍主要通过其应用下单。作为对比,公司在2025年报告中披露日均完成300万次配送。DoorDash 希望与第三方智能体开发商建立合作关系,CEO Tony Xu 表示未来可能有机会在这些智能体内投放广告。

TechCrunch · AI

DoorDash称第三方AI智能体累计仅带来数百笔订单

DoorDash在第三季度财报电话会上披露,Muse、Instinct、Fo等第三方AI智能体累计仅带来数百笔订单。其2025年报告显示,公司日均完成300万次配送,CEO Tony Xu表示用户仍主要通过DoorDash应用下单。公司希望探索智能体使用场景、与第三方开发商建立合作关系,并认为未来可能有机会在这些智能体中投放广告。

AI HOT · 行业

Sierra 宣布 ARR 突破 $400M,Q3 单季新增超 $150M

Sierra 本周 ARR 达到 $400M+,仅 Q3 就新增超过 $150M,超过去年全年的 ARR。ARR 从 $100M 增至 $200M 用了六个月,从 $200M 增至 $400M 仅用了五个月。Sierra 将增长归因于客户需求扩大、智能体能力提升及 Ghostwriter 简化构建与改进流程,并称本月一家收入为 $40B+ 的美国大型零售商从初次会面到智能体上线只用了 27 天。

Latent Space

Latent Space 揭秘 AIE CODE:顶级编程智能体大会的三大主题

Latent Space 披露 AIE CODE 大会策划细节,定位为单轨、邀请制,面向全球前 1000 名智能体工程师。今年三大主题为 Scaling without Slop、System One 模型与 Increasing Ambition,Jarred Sumner 将分享 Bun 用 Rust 重写及 Bun AOT 预览。

Computing Life · Share · 鸭哥调研

Claude 如何通过换题、修 Bug 和项目管理推进新药研发?

Claude 在 Anthropic 披露的药物研发合作中,通过改写设计问题、修补计算与测量软件、协调外包流程推进研发。材料列举了过敏药项目中 3 个设计的实验室效果超过临床标准药物,以及 Enveda 将批记录审查耗时从近 26 小时缩短至 2.8 小时的案例。相关结果仍属于实验室或临床前阶段,文中对照测试也显示,缺少湿实验反馈时模型难以选出最佳方案,研发方向与核心约束仍由人类科学家把关。

Hacker News 首页

Herdr 发布面向终端与编码智能体的原生桌面应用

Herdr 发布原生桌面应用,用工作空间组织终端与编码智能体,支持 Linux、macOS 和 Windows。智能体侧栏集中显示工作、阻塞、完成和空闲状态,终端由 herdr-core 运行,关闭窗口后仍会继续执行,也支持通过 SSH 在远程机器上运行工作空间。发行版默认开启使用遥测,可在隐私设置中关闭;自定义 Mods 是受信任的 JavaScript 代码,不在沙箱中运行。

AI HOT · 技巧与观点

OpenRouter 实测 Claude Opus、Sonnet 与 Haiku 5.5,如何选择

OpenRouter 实测建议默认使用 Claude Sonnet 5.5,高量请求和子智能体使用 Haiku 5.5,长且模糊、出错代价高的任务保留 Opus 5.5。

推荐理由:OpenRouter 在相同编码任务上比较 Claude 三款模型,全部通过测试时每任务成本仍相差 19 至 30 倍。

AI HOT · 产品

Factory 发布 Droid 1.0,以程序化工具调用构建企业级 AI 智能体 harness

Factory 发布 Droid 1.0,将程序化工具调用设为多个模型的默认模式,并同步更新桌面应用、CLI 和 Droid SDK。Script 工具允许模型在沙箱中编写 JavaScript,单次模型请求执行数百次工具调用,仅将必要输出送入上下文;Factory 测试显示,该模式在 Claude Opus 5.5 上降低 Droid 成本 15%。

推荐理由:Factory 将批量工具调用封装为沙箱程序,让原始结果留在程序内并只返回必要输出,减少长任务中的上下文占用与重复请求。

Hacker News 首页

研究发现 GLM 5.3 可利用补丁时间差攻破 Firefox

Epoch AI 的实验发现,开放权重模型 GLM 5.3 可利用补丁时间差攻破 Firefox 的 6 个近期版本,无需用户进一步交互即可读取并外传本地文件。

推荐理由:GLM 5.3 利用公开补丁攻破 Firefox 的实验,将防御风险指向修复代码公开到正式更新交付之间的时间窗口。

Hacker News 首页

实验团队在 Minecraft 和 Mindustry 中运行 AI 智能体群,研究多智能体协作

实验团队与 Olam Labs 合作,在 Minecraft 和 Mindustry 中运行 AI 智能体群,研究多智能体动态。Minecraft 实验让 50 个 GPT-6.1 Sol 智能体以建设繁荣文明为目标运行 3 小时,产生约 5,900 条消息;全程 34 次死亡中有 22 次发生在第一个夜晚,随后智能体趋于避险并收缩探索任务。

AI HOT · 技巧与观点

Figma 讲解如何训练专用画布编辑模型

Figma 讲解了专用画布编辑模型的训练与评估方法,通过监督微调和 RL 改善既有设计的精准修改与迭代。训练使用原生文件格式、合成编辑请求及成功示例,评估结合结构检查、视觉模型评判和设计师校准,最新未发布编辑模型基于 Qwen 3.8 27B 后训练。

Hacker News 首页

用 Hermes、REA 和 GLM 5.3 花不到 20 美元逆向 TikTok 应用

作者用 Hermes Agent、开源逆向工程工具 REA 和 GLM 5.3,以不到 20 美元成本复现了 TikTok 私有 API 的数据采集方案。TikTok 每次请求需同时通过设备身份、原生库签名、区域端点和网络指纹四道校验,任一失败都返回空 body 的 HTTP 200。

Hacker News 首页

tinyworldformer 如何在 Raspberry Pi Pico 2 W 上生成游戏并训练智能体

tinyworldformer 在 Raspberry Pi Pico 2 W 上用世界模型生成游戏帧,再由另一小型网络选择动作来玩游戏。世界模型采用共享权重的循环 Transformer 架构与 int8 量化,支持 Breakout、Doom-lite、Flappy Bird、Pong 和 Pac-Man lite,也支持在设备上从零训练智能体。

The Decoder

Anthropic 研究发现专家采纳 AI 智能体的随机偏好,并将结果视为自己的判断

Anthropic 对 50 名因果推断专家的实验发现,专家在四项分析决策中有 86% 采纳了 AI 智能体随机分配的偏好。智能体对最终政策建议的直接影响未达到统计显著性,但前置分析选择显著影响了生产率增益估计,进而影响建议;52% 的参与者觉得建议更像自己的判断,另有 35% 认为主要或完全属于自己。

Hacker News 首页

Claude Duet 实测:个人助理式框架为何开始比繁琐更有用

Claude Duet 在作者实测中凭借快速响应、频道自动整理和分层权限,正在替代其大部分 AI 工作流。它可按频道限制 GitHub 仓库访问,不存储凭据,优先使用 Claude 现有连接器;顶层统览工作流,频道与子线程逐层收紧上下文和访问范围。产品仍处于 beta,存在运行线程不可见、委派仓库权限未正确附加的问题,作者也认为 Dot 的语音交互仍更出色。

Hacker News 首页

phpClaw 推出面向 PHP 的 AI 智能体运行时,集成工具、记忆与安全控制

phpClaw 是面向 PHP 的 AI 智能体运行时,集成 ReAct 循环、可插拔工具与记忆、安全控制,核心无框架依赖并采用 MIT 许可。它支持从环境变量自动检测 7 个模型提供方,默认启用 8 项安全防护,提供 8 个框架及 CMS 适配器,并支持流水线和多智能体图。

Simon Willison

Spawn 如何用 Fable 驱动的自主智能体构建多人游戏世界

Spawn 让玩家通过游戏内智能体 Savi 修改多人游戏世界,Jacob Sansbury 称其开发已由 Fable 驱动的智能体群自主进行,每月模型 token 成本超过 $3 million。

推荐理由:Spawn 将生产报错直接交给智能体处理,并以每小时部署和局部回滚缩短反馈周期,让自主编码持续衔接线上故障处理。

TechCrunch · AI

Mistral 开放万亿参数模型 Mistral Large 4 权重,面向网络安全防御

Mistral 发布万亿参数模型 Mistral Large 4(ML4)的权重,允许企业和政府自行下载、部署,用于网络安全防御。Mistral 称,ML4 的性能与 GLM-5.3 相当,每项任务使用的模型 token 少 47%,并在 Artificial Analysis 的 Coding Agent Index 上领先其他开放模型。

OpenAI News

OpenAI 如何检测前沿模型的失对齐行为

OpenAI 扩大前沿模型失对齐监测范围,以四层监测架构覆盖训练、评估、内部使用及部分外部部署。系统结合激活探针、模型审查、调查智能体和系统日志,在 Hugging Face 事件回放中于智能体逃出沙箱约 30 分钟后告警,比实际入侵提前超过 30 小时。外部监测覆盖使用工具的 Responses API 请求,自动暂停需支持对话追踪机制,不覆盖 Chat Completions API 请求。

推荐理由:OpenAI 采用异步监测并保留触发告警样本的训练奖励,减少监测对单个样本的直接反馈所产生的行为隐藏激励。

TechCrunch · AI

Amazon 为 Alexa 新增 100 多项购物能力,可管理订阅与配送指令

Amazon 在假日季前为 Alexa 新增 100 多项购物相关能力,支持创建和编辑购物清单、管理订阅周期、修改配送地址与投放说明,并解答 Prime 与 Audible 订阅及账单问题。Amazon 称今年年初以来使用智能体功能的用户数增长 8 倍,过去 12 个月已有超 4 亿消费者用 Alexa 购物。

Hacker News 首页

优秀开发者为何对 AI 智能体开发如此谨慎?

优秀开发者对全面采用编码智能体的谨慎,源于对生产可靠性、长期维护和工程护栏的担忧。Thoughtworks 组织团队开展全由智能体编码的实验,团队约 ⅔ 时间用于白板设计、⅓ 用于执行与检查框架,应用虽能运行,构建却频繁失败。文章主张让经验丰富的开发者参与实验,检验测试、系统边界和持续交付实践能否支撑这种开发方式,而非仅以代码产量衡量成功。

Hacker News 首页

Simantic 推出面向 AI 智能体的固件仿真平台

Simantic 推出固件仿真平台,让工程师和 AI 智能体无需实体硬件即可测试和验证固件,提供虚拟开发板、AI 固件代码审查及每次提交触发的 CI/CD 验证。

Computing Life · Share · 鸭哥调研

为什么用了 git worktree,AI 智能体合代码时仍会删掉新逻辑

git worktree 能隔离 AI 智能体的代码执行目录,但合并时的接口变化仍可能让沿用旧计划的智能体删掉主分支的新逻辑。文章援引 SWE-Shift 对 17 个编程系统、120 个任务的测试,指出原有测试通过并不保证新增代码被保留,清空旧对话并重扫工作区使成对成功率提升六到九个百分点。

推荐理由:文章提出用 git worktree 隔离执行目录、合并前重开干净窗口的方法,让智能体依据当前接口和补丁差异重新处理合并。

10月29日星期四

Simon Willison

Ben Hylak 谈 MCP:所有产品都该是无头 MCP,接入智能体

Ben Hylak 提出,他使用的每个产品都应该是无头 MCP,接入 AI 智能体后用户无需关心底层细节——当然自家产品除外。他调侃称自家产品的客户很喜欢 UI,也很喜欢他们,"我们在这方面很特别"。该言论涉及 model-context-protocol 与 AI 智能体。

TechCrunch · AI

可构建迷你应用的 AI 智能体 Wabi 完成新一轮融资,估值达 12.5 亿美元

由 Replika 创始人 Eugenia Kuyda 创办的 AI 智能体 Wabi 完成 5500 万美元融资,估值达 12.5 亿美元。Wabi 上月转型为 AI 即时通讯产品 Wabi 2.0,可构建膳食规划、健身计划、定制问答游戏等迷你应用界面。本轮由 IVP 领投,a16z、Amazon Alexa Fund 及 Tobi Lütke、Marc Benioff 等天使投资人参与。

Mistral AI

Mistral Large 4(Le Chonk)提升编码与防御安全能力

Mistral AI 发布改进版 Mistral Large 4(Le Chonk)的开放权重,这款 1-trillion-parameter 原生多模态模型提升了编码、防御性网络安全与推理效率。

推荐理由:Mistral Large 4 开放权重并允许自托管与定制,经营模型即服务的企业须另获商业许可,自主部署与商业使用的授权边界明确。

TechCrunch · AI

Amazon 为 Alexa 新增 100 多项购物功能,可管理订阅和配送指令

Amazon 在假日季前为 Alexa 新增 100 多项购物相关能力,支持创建和编辑购物清单、管理订阅周期、修改配送地址与投递说明,并可解答 Prime 和 Audible 订阅及账单支付问题。Amazon 称今年使用智能体功能的用户数增长 8 倍,过去 12 个月超过 4 亿消费者用 Alexa 购物。

TechCrunch · AI

Deepgram 收购 Pipecat 开发商 Daily,强化语音 AI 基础设施

Deepgram 宣布收购 Pipecat 的开发与维护方 Daily,交易金额未披露,双方表示将保持 Pipecat 开源。Pipecat 可编排实时语音和视频流、STT、大语言模型及 TTS,Daily 联合创始人称 Deepgram 承诺让框架永久开源并保持厂商中立。