跳到正文

#Agent

今日 16 条

11月11日星期三

Hacker News 首页

Greg Kurtzer 的 Ginux 转型为用户空间内核

Greg Kurtzer 的 Ginux 已从独立 Rust 内核转为可配置的用户空间内核,作为普通 Linux 进程运行,在受管工作负载与宿主内核之间建立显式、带版本的契约。

Latent Space

OpenAI 在 AI Engineer Code Summit 讲解 Codex 的新工作方式

OpenAI 工程师在 AI Engineer Code Summit 演示了 Codex 的云端任务、语音控制和个人智能体 dots 工作方式。Codex Cloud 版本 2 支持发布一次环境后,在隔离实例中运行多个任务,但本地任务向云端交接仍涉及上下文差异,团队正在改进体验。语音可用于管理任务线程和委派工作,dots 则可提醒遗漏、承接委派,并利用已有上下文推进 PR。

Hacker News 首页

16 个大语言模型挑战 TIS-100,评测解题与程序优化能力

Wincon 在 TIS-100 的 55 道谜题上测试了 16 个大语言模型,在 18 道题中获得 133 个新的帕累托前沿点,并打破 3 项运行周期纪录。Opus 5.5 与 GPT-6 Astra 均解出全部 55 道题,各在 11 道题上找到新前沿点,两者的纪录接近度差异未达到统计显著水平。计入结果的程序均经过真实游戏重放及 100,000 次测试,社区玩家随后进一步优化了其中多数程序。

Ars Technica · AI

Grok Build 编码智能体泄露用户机密,涉及 SpaceXSI 内部资料

安全公司 Claroc 的研究发现,SpaceXSI 的 Grok Build 编码智能体泄露数千名用户的数据,包括商业机密和其他敏感资料。平台虽将分享 URL 随机化,但一项设计使任何人都能枚举数千个在线项目,除少数情况外,打开链接即可查看应用及其关联数据。

Hacker News 首页

《Life on Claude Nine》:一名工程师用 Claude 自动化工作后陷入失控

Hacker News 首页文章《Life on Claude Nine》讲述软件工程师 Ivan 用 Claude 搭建邮件分类、日历管理、文档起草等自动化系统,随后把写代码、跑测试、提交仓库也交给 Claude,产出翻了三到四倍并获得晋升。他进一步构建管理 Claude 上下文、分析其错误并生成更优提示词的脚手架系统,同时逐渐失眠、疏远女友,感到自己在建造无法完全理解的东西。

Latent Space

Resend 联合创始人 Zeno Rocha 访谈:如何为 AI 智能体设计开发者工具

Resend 联合创始人兼 CEO Zeno Rocha 在访谈中介绍了面向 AI 智能体的产品设计,涉及服务推荐、定价信息读取和 MCP 工具响应。文中引用的一项研究显示,Claude Code 在可提取的 102 次邮件服务推荐中有 64 次将 Resend 列为首选;另一项更近期的研究中,Postmark 在多数模型中排名居前。

The Decoder

OpenAI 推出 Businesses in ChatGPT 测试功能,让商家用 AI 智能体回答客户问题

OpenAI 推出 Businesses in ChatGPT 测试功能,企业可在 ChatGPT 内展示商家资料,并通过 Business Hub 管理信息、商品价格与库存及曝光和网站点击数据。

推荐理由:OpenAI 将商家资料和客服智能体接入 ChatGPT,让企业在对话界面管理商品信息与客户问答,拓展了搜索和地图之外的商家展示入口。

Hacker News 首页

Modelplane 推理工程指南:从平台运维到生产部署

Modelplane 的推理工程指南面向平台工程师,系统讲解模型与 GPU 的配合、生产部署及职业学习路径。指南涵盖权重与 KV cache 显存预算、prefill 与 decode 瓶颈、引擎优化、网关鉴权、可观测性和扩缩容,并强调用真实流量开展并发评测。

Google 博客 · Gemini

Gemini Intelligence 新增小组件创建与设备协助功能,扩展至更多设备

Google 为 Gemini Intelligence 推出新功能,并扩展至 motorola signature 27、Pixel 10 Pro XL 和 Pixel 10 Pro Fold 等设备。

推荐理由:Google 为 Gemini Intelligence 增加自然语言创建小组件和设备协助功能,让手机上的信息整理与设置操作减少手动步骤。

TechCrunch · AI

OpenAI 推出企业资料功能,让 ChatGPT 更接近 Google 搜索

OpenAI 周二推出处于 beta 阶段的 Business Hub,让企业在 ChatGPT 中创建资料并核验、更新产品与服务信息。符合条件的企业还能创建专属 AI 智能体,回答用户有关企业及其产品的问题。Business Hub 提供有限的业务洞察,包括资料浏览量、企业提及次数和网站点击量;企业资料须经过正式核验流程。

The Decoder

Google Gemini 4 Carbon 正式开放,快速模型迭代已带来新竞争

Google 在两周安全专家测试后正式开放 Gemini 4 Carbon,定位为 Gemini 4 Argon 的补充,面向复杂多步编码、调试和开放式科学研究。

推荐理由:Carbon 与 Argon 的 token 单价相同,更深推理和更长验证循环增加用量,使复杂任务的实际总成本可能更高。

Hacker News 首页

Modern Web Guidance 帮助编码智能体从约 2019 年的 JavaScript 模式转向现代 Web 原生能力

Modern Web Guidance 是面向编码智能体的技能与 CLI 工具,将现代 Web 实践和浏览器兼容性数据直接接入模型上下文。项目覆盖 250 项现代 Web 特性和 203 个实际开发用例,支持本地语义搜索、指南检索和旧模式扫描,实验性及不稳定 API 的指南检索需开发者明确同意。

推荐理由:Modern Web Guidance 按任务检索现代浏览器指南并注入智能体上下文,将兼容性数据与轻量回退方案一起纳入代码生成。

TechCrunch · AI

Anthropic 推出 Claude Meetings,将工作讨论转为计划和任务

Anthropic 推出 Claude Meetings、Claude Whiteboards 和 Claude Sheets,让团队在会议中实时生成计划,并协作整理白板和电子表格。

推荐理由:Anthropic 将 Claude 接入会议并联动协作白板,让团队在讨论进行时就能生成计划和时间线,减少会后另行整理的步骤。

Google DeepMind

Google DeepMind 开放 Gemini 4 Carbon,面向复杂编码、网络安全与科学推理

Google DeepMind 开放 Gemini 4 Carbon,面向开发者、企业、科学家和消费者,重点支持复杂知识工作、长程智能体工作流、网络安全与科学推理。

推荐理由:Google 将 Carbon 定位于复杂多步任务,与 Argon 采用相同入门价格,但会使用更多 token 进行深入探索和验证。

Google 博客 · Gemini

Google 开放 Gemini 4 Carbon,面向复杂智能体任务与科学推理

Google 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,重点支持复杂知识工作、智能体编码、网络安全和科学推理。Carbon 在 CursorBench 4.0、WANDR 和 AutomationBench 排名第 1,Google 称其每项任务成本比表现次优的外部模型低超过 2 倍。

推荐理由:Google 将 Carbon 与 Argon 设为相同入门价格,Carbon 使用更多 token 深入推理和验证以处理复杂多步任务。

The Verge · AI

Google 向公众推出 Gemini 4 Carbon,并预览智能体 swarm 功能

Google 今日向付费开发者、企业及 Google AI Ultra 订阅用户推出 Gemini 4 Carbon,定位于复杂多步骤编码和开放式科学研究。Google 同时在 Antigravity 预览 swarm 功能,可将单条提示词转为协同工作的智能体团队。

推荐理由:Google 为 Gemini 4 Carbon 设置低于前沿竞品的 token 定价,任务总成本仍取决于模型消耗的 token 数量。

The Verge · AI

eBay疑似阻止Meta Muse等第三方AI智能体浏览平台

eBay疑似已阻止Meta Muse等第三方AI智能体浏览平台,The Verge实测复现了无法获取商品链接和详情的情况。eBay此前已禁止未经人工审核下单的智能体工具,其发言人承认在未经授权抓取和数据训练等情形下限制智能体访问,但未直接回答近期是否新增限制。部分测试中,Muse转而引导用户访问镜像展示eBay商品的外部网站。

Hacker News 首页

Microsoft 发布 .NET 11,新增 C# 15 与智能体开发工具

Microsoft 发布 .NET 11,带来 C# 15、运行时优化及 AI 智能体开发工具,作为 STS 版本提供两年支持。SDK 内置 MCP 服务器模板,Microsoft.Extensions.AI 提供模型访问抽象,Microsoft Agent Framework 支持智能体和工作流,Blazor AI 组件仍处于实验性预发布阶段。

11月10日星期二

Google DeepMind

Google DeepMind 公布 AlphaProof Code,完成 Signal 核心密码代码的形式化验证

Google DeepMind 公布 AlphaProof Code 多 LLM 智能体框架,在四周内完成 Signal 协议核心密码代码关键安全属性的形式化验证。

推荐理由:Google DeepMind 将 Signal 的形式化验证从协议设计推进到实际代码层面,覆盖设计与实现之间容易隐藏漏洞的落差。

Hacker News 首页

AI 编码为何让代码库变得脆弱

AI 生成代码可能削弱大型 SaaS 代码库的长期可靠性,文章将风险归结为浅层测试、过度复杂的代码、开发者理解下降和审查时间不足。作者称,在 Meta 任职的最后几个月至少 90% 的代码由 AI 生成,但产出没有达到 2X;目前在另一家大型科技公司使用 AI 生成 100% 的代码。

Hacker News 首页

ClickHouse 收购 Xata,将数据库分支能力引入 Managed Postgres

ClickHouse 收购 Xata,计划将即时数据库分支、闲置计算缩容至零及智能体服务层整合进 ClickHouse Managed Postgres。Xata 表示,即使数据库包含数 TB 数据,创建独立分支也只需约 3 秒,可供每个拉取请求或智能体运行隔离测试。Xata 客户短期内可照常使用,平台继续接受注册,待功能达到一致后再迁移至 ClickHouse Managed Postgres。

Latent Space

Anthropic IPO 路演启动,Claude Fable 5.2 重回大语言模型榜首

Anthropic 在周一启动 IPO 路演并发布 Claude Fable 5.2 与 Claude Mythos 5.2,Fable 5.2 在 Artificial Analysis Intelligence Index v5 以 65 分排名第一。

推荐理由:Fable 5.2 将每 token 价格降低 20%,GDPx 每任务成本却从 $67.16 升至 $88.15。

Hacker News 首页

CPython 形式化研究:AI 智能体用 Lean 建模,整理出 418 份缺陷报告

CPython 形式化项目使用 Opus 5.5 将 CPython 3.15.2 的函数逐行改写为 Lean,已有 4,071 个函数通过测试、形式化验证与独立智能体审查,占待检查函数的 15.7%。

推荐理由:CPython 形式化项目将逐行建模、差分测试与独立审查结合,用真实运行结果检验形式化结论是否遗漏异常与内存行为。

Computing Life · Share · 鸭哥调研

如何用 gh skill 与 APM 管理 Agent 技能依赖和自动升级

Agent 技能依赖维护需要同步锁文件与实际技能文件,文章比较了 gh skill 和 APM + Dependabot 的方案与限制。Dependabot 调用 apm lock 更新账本,不同步已入库的技能文件且跳过安全扫描,对多行依赖配置、MCP 服务和私有源也存在支持限制。

Hacker News 首页

Fable 5.2 一次执行做出侄子梦想中的游戏,后续扩展至 18 个角色

lexandstuff 实测 Claude Code 搭配 Fable 5.2,从侄子的设计图和已有游戏代码出发,一次执行生成了可玩的 12 关横版动作游戏。模型重写了大部分代码,生成约 175 张图片和 140 段音频,并编写机器人在无头浏览器中跑完十二关、检查截图。

推荐理由:Fable 5.2 编写机器人在无头浏览器中跑完十二关并检查截图,将自动试玩与画面检查用于生成游戏的基础测试。