跳到正文

#Agent

今日 16 条

11月10日星期二

Hacker News 首页

Exact 推出面向 AI 智能体的跨平台 UI 框架

Exact 是新的跨平台 UI 框架,让同一应用在 web、macOS、iOS 和 Linux 上运行,并支持 AI 智能体构建、操作和测试应用。界面用 Contract 描述,数据逻辑用 TypeScript 或 Rust 编写,同一测试文件可跨平台运行,UI 不使用 webview 或 JavaScript bridge。

Hacker News 首页

开发者复盘团队 100% AI 编码要求:一年后无人理解大部分代码

Reddit 用户 gato5fication 自述,团队实行 100% AI 编码要求一年后,代码库规模约为原来的 3x,已无人能解释大部分代码如何运行。前约 6 个月交付量增加,但智能体不断重复实现已有辅助函数,曾认真审查每个 PR 的 2 名同事在春季离开,如今 coderabbit 的评论也被直接标记为已解决。

Hacker News 首页

Google 推出 TPU 8tx 和 TPU 8i Max,分别面向机密推理与超长上下文

Google 扩展第八代 TPU 产品组合,推出面向安全机密推理的 TPU 8tx 和面向超长上下文的 TPU 8i Max。TPU 8tx 采用与 TPU 8t 相同的芯片,提供硬件级数据与模型权重保护,延迟相比 TPU 8t 最多降低至一半,并支持私有数据微调、知识蒸馏和强化学习。

推荐理由:Google 通过复用现有芯片并调整安全、网络和内存配置推出专用 TPU 系统,将硬件系统适配周期从数年缩短至数月。

claude.dev 开发者博客

Claude 模型选型指南:如何选择 Fable、Opus、Sonnet 或 Haiku

Anthropic 建议多数编码与知识工作从 Claude Opus 5.5 的 medium 思考力度开始,按任务难度选择 Sonnet 5.5、Haiku 5.5 或 Fable 5.2。指南强调按完成任务的成本选型,先提供自动验收手段,再调整思考力度或升级模型,并将易核查的辅助任务交给较小模型。切换模型还需检查提示词缓存、思考块保留和 API 参数兼容性,最终用真实任务比较质量与开支。

推荐理由:Anthropic 将 Claude 选型拆成模型、思考力度和任务完成成本,提出用自动验收与失败重跑控制开支的方法。

claude.dev 开发者博客

Claude Fable 5.2 如何在安全边界内扩展千个智能体的协作

Anthropic 在一项小型实验中,让运行早期 Claude Fable 5.2 的 1,000 个智能体用 28.7 小时复现费马大定理的形式化证明。团队未使用 Prove2Me 或研究人员指导,但获得了 60 个待证命题、简短路线提示、相关定义及此前已证明的 47 个引理,通过 Git 和共享数据库自行协调,输出 token 用量为原工作的三分之一,证明长度为七分之一。

推荐理由:Anthropic 让千个智能体通过共享数据库与 Git 自行拆分和协调任务,将大规模协作限制在隔离沙箱与双层监控之内。

Hacker News 首页

Meta 发布 Muse Ember,面向高频智能体任务的小型高效模型

Meta 发布 Muse Ember,面向工具调用、编码子任务、路由、信息提取和长文档解析,现已在 Muse Code 和 Meta Model API 提供 muse-ember-1.0。

推荐理由:Meta 发布的 Muse Ember 面向重复性智能体任务,以接近 Muse Spark 1.3 的智能指数提供更低的每任务成本。

The Verge · AI

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2

Anthropic 宣布 Claude Fable 5.2 和 Claude Mythos 5.2,称其编码、推理和视觉能力提升,输出速度快于 5.1 版本。公司称预发布测试中,两款模型协助完成软件迁移、从零设计出 3 个可工作的电子设备、解决 2 个黑洞物理开放问题,并在 30 小时内形式化费马大定理的证明。

推荐理由:Anthropic 为两款新模型设置了不同开放范围,Fable 今日上线而 Mythos 初期仅向经审核组织开放。

Computing Life · Share · 鸭哥调研

Agent Harness 技巧评测解读:哪些框架设计能提升表现并降低成本

Surge AI 与 FireFlash 的对照实验显示,编程智能体可通过提高单模型思考深度、设置测试与目标核对关卡、改造终端管道提升表现。Surge AI 实验中,Compound Engineering 将成本提高至基线的 8 倍,成绩仅从 31.1 升至 32.9;Claude Opus 5.5 调高思考设置后达到 42.4,成本为基线的 3.5 倍。

推荐理由:Surge AI 与 FireFlash 团队拆解智能体框架技巧的成本收益,实验对比了多代理协作、单模型深度思考与终端管道改造。

TechCrunch · AI

Medium 推出 TK 应用,将 AI 辅助直接融入写作过程

Medium 周一推出写作应用 TK,将 AI 助手嵌入编辑器,用户输入 @TK 加请求或提示词即可寻求帮助。应用支持调用已保存的写作片段、整理内容和分享草稿获取反馈,并允许作者发布说明,披露写作中如何使用 AI;还可通过 TK 的 MCP server 或 Claude 技能连接自己的 AI 智能体。

11月9日星期一

TechCrunch · AI

Automattic 推出 Spacefast,为 AI 编码网站和应用提供部署服务

WordPress.com 母公司 Automattic 推出 Spacefast,为通过 AI 编码创建的网站和应用提供部署基础设施。服务涵盖数据库、认证、文件上传、邮件和分析,用户可连接 ChatGPT、Claude、Cursor 等智能体或聊天机器人,也可接入 Git 仓库。产品在 9 月试上线收集反馈,已有用户和组织将其用于内部原型、幻灯片及优惠活动网站。

Hacker News 首页

rockbruno 主张惩处只替 AI 转交输出的开发者,严重时可解雇

rockbruno 主张惩处将任务完全交给 AI 智能体、未经指导或验证便转交结果的开发者,严重时可解雇。他明确区分这种行为与由人指导、纠正和审查输出的正常 AI 辅助工作流,并指出未经监督的代码和 PR 会把验证工作及故障后果转嫁给同事。他还批评不披露 AI 代答以及以 AI 为由推卸代码责任的做法,认为用未经审查的 AI 回复反击只会进一步损害代码质量。

Computing Life · Share · 鸭哥调研

Kimi 与智谱对齐 Claude 托管智能体接口,协议竞争提前结束了吗?

Kimi Hosted Agents 与智谱 Z Managed Agents 对齐 Claude Managed Agents 的四元控制面,文章据此分析托管智能体的协议收敛与技术选型。

推荐理由:Kimi 与智谱沿用 Claude 的四元托管接口,将角色、环境、会话和事件分离,为长程任务提供跨厂商复用的客户端抽象。

Simon Willison

Simon Willison 用 details-summary 折叠 AI 生成的 PR 长描述

Simon Willison 用人工筛选的简短引言概括 PR 改动,再将 AI 智能体生成的完整描述放进 <details><summary> 折叠区。GitHub Markdown 支持这些 HTML 标签,他用模型名及思考力度标注折叠标题,例如 Claude Opus 5.5 Medium,并按需加入截图。

Latent Space

斯坦福如何教授 AI 原生工程:Mihail Eric 谈 CS146S 与 Monaco 实践

斯坦福 CS146S 在第二轮开课时引入开源维护者,要求学生熟悉陌生仓库、提出修改,并向可能合并代码的人解释补丁。任课教师兼 Monaco AI 负责人 Mihail Eric 在访谈中展示了十周课程大纲,讨论编码智能体、上下文工程与理解代码差异所需的技能。

Latent Space

斯坦福如何教授 AI 原生工程:Mihail Eric 详解课程与 Monaco 实践

Mihail Eric 在访谈中介绍斯坦福 CS146S 如何培养 AI 原生软件工程师,并结合 Monaco 团队实践讨论课程设计。课程为期 10 周,覆盖编码智能体内部机制、上下文工程、技能、代码审查与安全,并加入由开源维护者审查学生补丁的项目贡献作业。Monaco 评估代码审查产品后采用 Devin,同时根据自身云环境自建智能体工作空间,让后台智能体运行产品、复现故障并测试补丁。

推荐理由:Mihail Eric 将开源贡献纳入斯坦福课程,让维护者审查学生补丁,以真实项目中的需求讨论和代码反馈训练软件设计能力。

Hacker News 首页

如何用 git 任务队列缓解 Claude Code 与 Codex 多线程工作的脑疲劳

作者用存放在 git 中的任务队列管理 Claude Code 或 Codex 工作,将上下文和人工决策集中记录,减少多线程切换带来的分心。每张任务卡都是仓库中的 Markdown 文件,智能体循环研究任务、构建经人工标记为安全的任务并执行测试与浏览器检查,敏感代码需先征求许可,生产部署由作者负责。

The Verge · AI

Apple 正加速让 Siri 更具智能体能力

Apple 正推动 Siri 向智能体方向演进,CEO John Ternus 施压 AI 负责人 Craig Federighi 加快路线图,以对标 OpenAI 的 Dots 和 Meta 的 Muse。

11月8日星期日

Hacker News 首页

我为什么不会在编程工作中使用 LLM

一位有约十年生产级机器学习经验的开发者宣布,将不再在专业工作中使用任何 LLM 或 AI 智能体。他列举的理由包括“LLM 脑雾”等认知影响研究、Claude 生成代码看似完备实则质量堪忧且难以维护,以及数据中心能耗与 GDPR、CLOUD Act 等政治与合规顾虑。他同时承认 AI 工具在卡壳时仍有正面作用。

The Decoder

Richard Sutton 谈 LLM 扩展局限,澄清“苦涩的教训”并非只靠算力

Richard Sutton 表示,仅靠原始算力不足以实现智能,AI 科学仍需要巧妙的新方法,远未完成。他主张让具备世界模型的 AI 智能体从自身经验中持续学习,并避免破坏已有知识;Jerry Tworek 和 Jayden Teoh 则批评将“苦涩的教训”解读为盲目扩展 Transformer 或排斥新研究思路。

The Decoder

Co-Design Bench 实测编码智能体,最佳模型仍有近四分之三任务需要人工收尾

阿里巴巴与多所亚洲高校构建 Co-Design Bench,测试的十个模型中,表现最佳的 GPT-6 Astra 仅完整完成 26.4% 的任务。该模型平均满足约 70% 的需求,测试要求智能体根据真实用户请求修改现有网页应用,并由两名 AI 裁判检查功能是否实际可用。任务混合多种修改类型时所有模型表现均下降,同一模型在不同执行环境中的表现也有明显差异,研究团队建议同时报告模型与执行环境。

Hacker News 首页

LoreKit 作者呼吁智能体记忆借鉴 OpenTelemetry 建立共享标准

LoreKit 作者主张智能体记忆借鉴 OpenTelemetry,由社区共同约定数据模型、语义规范和操作契约,缓解不同工具的记忆格式互不兼容问题。文章比较现有方案,指出跨平台导出与多个工具同时读写同一地址是两类需求,并建议通过 MCP 暴露统一操作、用一致性测试检查记录与生命周期行为。共享记录应标明写入者并允许签名,但共享记忆仍可能成为提示词注入渠道;存储、排序和嵌入向量应留给工具自行实现。

Hacker News 首页

Ensemble 作者采用开发驱动规格的方法,而非规格驱动开发

Bill Cox 在 Ensemble 开发中采用开发驱动规格的方法,让代码实现与可执行教学内容共同演进。流程是先讨论设计、起草下一章的 TL;DR 和练习,再与 AI 结对实现,通过练习评分器后记录构建过程、取舍与理由,并让新的智能体尝试重建实现以修订章节。

Hacker News 首页

告别 Claude Code,转向 Pi:一位长期用户的迁移复盘

一位长期用户因多项使用摩擦,决定将主要编码工具从 Claude Code 迁移到 Pi。其不满集中在 AGENTS.md 兼容、多会话 IDE 连接限制、GUI 功能缺失及频繁更新带来的干扰,并指出今年 244 次发布中超过 3/4 修改了系统提示词或工具描述。迁移后,他表示经过最初几天的调整,Pi 的稳定性、极简设计和可定制性符合需求,且已编写扩展支持自己的使用场景。

Hacker News 首页

Apiiro研究发现 Claude Code“不再询问”设置使凭据暴露于1,122个公开GitHub文件

Apiiro研究发现,Claude Code的“不再询问”选项会将含凭据的完整命令写入.claude/settings.local.json,GitHub上1,122个公开文件包含此类秘密凭据。

推荐理由:Apiiro研究追踪了批准命令中的凭据如何进入项目配置文件,指出按密钥格式扫描会漏掉命令内的普通密码。

Hacker News 首页

MaxxBench 研究检验 DeepSWE 高分能否迁移到修改后的任务

MaxxBench 修改了 89 个 DeepSWE 任务的要求或起始代码,检验编码智能体能否适应变化,并发现部分模型优先迎合猜测中的隐藏测试。

推荐理由:MaxxBench 对熟悉任务做小幅修改后,原本成绩接近的模型出现明显差距,为比较编码能力提供了需求适应性这一维度。

Hacker News 首页

Microsoft 研究员 John Langford 离职,称 AI Frontiers 团队已结束

Microsoft Research New York 研究员经理 John Langford 已离职,并宣布 AI Frontiers 团队结束。该团队约有 50 人,9 月初从 Microsoft Research 转入 Microsoft AI;他称已尽力安置成员,但团队的正式状态及剩余人员去向未明确。他认为所在部门侧重规模扩张,研究创新缺乏实际应用路径,并表示团队来年不会提供实习机会。

Computing Life · Share · 鸭哥调研

GDPx 真实工位评测解读:AI 连干 8 小时暴露的六个工程教训

SemiAnalysis 的 GDPx 评测让模型使用原厂智能体框架,在最多 8 小时内解决 206 个真实业务问题,最强模型平均得分约 12%。文章据失败案例提炼六条工程经验,包括建立文档权威地图、设置独立回滚门禁、编写确定性测量脚本、维护外部证据账本、检查评测环境及按单任务总成本分级路由。

推荐理由:文章从 GDPx 的长程任务失败案例提炼工程方法,将文档权威标注、独立回滚验证与外部证据账本纳入智能体工作流。

11月7日星期六