跳到正文

Agent 智能体

让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。

1,790 条精选相关主题MCP 与工具调用AI 编码推理能力

最新精选

第 241–260 条 · 共 1,790 条

10月9日星期五

AI HOT · 技巧与观点

Hugging Face 工程师用 ML Intern 以约 USD 103 自制 7 个小模型

Hugging Face 工程师用 ML Intern 制作了 7 个小模型,CPU 与 GPU 作业费用合计约 USD 103。项目涵盖柑橘病害识别、图像 LoRA、提示词改写和图像模型知识蒸馏,其中 Pocket Rewriter 0.8B 可在 CPU 上运行,有效输出率为 99.7%。

推荐理由:Hugging Face 工程师把基线评测、训练前小规模测试和预算上限写入 ML Intern 提示词,将模型训练拆成可检查的步骤。

TechCrunch · AI

Google 为 Gemini 推出统一智能体,先面向企业开放

Google 宣布为 Gemini 推出统一 AI 智能体,可在单一界面中代用户完成任务,将先面向企业,随后向消费者推出。智能体能按目标规划工作、调用技能和工具、连接企业内部系统及 MCP 服务器,默认自动选择模型,也允许用户选择 Anthropic 的 Claude 模型。它拥有独立的 Workspace 账号和电子邮箱,用户可通过任务收件箱查看执行进度,操作会留下归属于智能体的审计记录。

推荐理由:Google 为 Gemini 智能体配置独立工作账号与操作审计记录,让企业能将智能体执行的动作与员工操作区分开来。

AI HOT · 产品

Google 开源 AQuA 质量智能体,诊断生产环境中的 Agent 故障

Google 开源 AQuA(Ambient Quality Agent),在 Google Cloud 项目内旁路分析生产会话,并结合部署时源码快照诊断智能体故障。

推荐理由:AQuA 将生产会话中的失败聚类与部署时源码快照结合,通过逐簇核验和代码行引用,为智能体故障排查提供可追溯证据。

Computing Life · Share · 鸭哥调研

GPT-6 指南解读:长时运行智能体的实现清单与未解问题

GPT-6 指南解读梳理了长时运行智能体的工程实现,将重点从自建记忆管理转向任务不中断时的协作与授权。文中依据 OpenAI 文档整理了压缩与持久推理、mid-turn steering、异步工具调用和多智能体委派,并给出模型选择、缓存安排、技能规则和人工审批的落地步骤。文章同时指出纠偏指令断线丢失、部分 API 参数互斥及加密压缩难审计等限制,强调这套机制尚缺独立消融实验与跨模型对照。

推荐理由:这篇 GPT-6 指南解读把长任务工程拆成记忆托管与协作控制,明确了异步执行、运行中纠偏和人工审批各自承担的职责。

10月8日星期四

claude.dev 开发者博客

Anthropic 如何用 Claude Managed Agents 构建可靠的智能体自动化

Anthropic 提供基于 Claude Managed Agents(beta)的参考实现,定时读取 Slack 和 GitHub 的变化并向 Slack 发布简报。

推荐理由:Anthropic 将定时简报实现拆成书签续读、发送确认和权限隔离规则,为后台智能体避免漏报、重复通知和越权提供可复用方法。

The Verge · AI

能信任 Meta 的 Muse 或 OpenAI 的 Dots 来管理你的生活吗?

Meta 的 Muse 与 OpenAI 的 Dots 正将常驻自主 AI 智能体推向大众,但 Decoder 访谈中的亲身测试暴露了任务可靠性与数据授权问题。

推荐理由:Meta 以免费 Muse 扩大消费者覆盖,OpenAI 以付费 Dots 主攻企业任务,两者的收费与分发路径形成鲜明对比。

Hacker News 首页

Terse 发布 Claude Code 插件,通过删除冗余表达缩短回复

Terse 是一款 Claude Code 插件,通过写作规则减少冗余表达,作者测得聊天回复字数下降 46%–70%。规则覆盖回复、文档、提交和子智能体,并通过逐轮提醒维持文风,附带上下文用量状态栏。

推荐理由:Terse 用输出样式和逐轮规则提醒约束 Claude Code 文风,将长会话中的风格维持落实为插件机制。

The Decoder

疑似单名攻击者利用 AI 黑客工具攻破多家韩国金融机构

Crowdstrike 报告称,一名疑似使用中文的攻击者在 2026 年 9 月下旬至 10 月上旬攻击多家韩国金融机构,窃取大量数据。

推荐理由:Crowdstrike 披露疑似单人攻破多家韩国金融机构的案例,攻击者将 AI 自动化渗透测试工具用于短期内的大规模数据窃取。

Hacker News 首页

Pavel Rabtsevich 用 Claude Code 找到尚未确认的系外行星候选体

Pavel Rabtsevich 称,他用 Claude Code 分析 NASA 的 TESS 数据,找到一个尚未确认的系外行星候选体,其信号每 3.18 天重复出现。

推荐理由:Pavel Rabtsevich 用 Claude Code 分析候选行星,通过留出观测年份、独立审计和预注册预测约束智能体生成的科研结论。

Latent Space

Claude Haiku 5.5 发布,与 GPT-6 Luna 同价且多项基准领先

Anthropic 发布 Claude Haiku 5.5,定价与 GPT-6 Luna 相同,已在 Claude Platform 和 Claude Code 上线,支持 1M-token 上下文、推理强度设置和自适应思考。

推荐理由:Haiku 5.5 将定价对齐 Luna,满强度推理时约 3x 的输出 token 用量与长提示词阶梯价格会抵消部分单价优势。

AI HOT · 模型

Anthropic 发布 Claude Haiku 5.5,Artificial Analysis 评测得分 43

Anthropic 发布 Claude Haiku 5.5,在 Artificial Analysis Intelligence Index 上得分 43,比一年前的上一代 Haiku 提高 26 点。

推荐理由:Claude Haiku 5.5 采用按提示词长度分层的定价,超过 100k tokens 后输入与输出单价均上涨 5x。

AI HOT · 产品

NVIDIA 与 Microsoft 推出 RTX Spark,宣布 Windows 智能体执行容器 MXC 正式可用

NVIDIA 与 Microsoft 推出面向 Windows 笔记本和紧凑型桌面机的 RTX Spark,Microsoft 同时宣布 Microsoft Execution Containers(MXC)正式可用,让智能体在操作系统控制下安全、持续地后台运行。

推荐理由:NVIDIA 与 Microsoft 将本地 AI 硬件和智能体执行容器接入 Windows,让模型运行与智能体后台执行纳入同一桌面环境。

AI HOT · 产品

Claude Code v2.1.293 发布:新增 Claude Haiku 5.5,修复会话与工具调用问题

Claude Code v2.1.293 新增 Claude Haiku 5.5(claude-haiku-5-5),并修复上下文压缩、后台会话、MCP 连接与权限处理问题。

推荐理由:Claude Code 修复上下文压缩后的重复执行、后台消息丢失与权限处理问题,减少长会话和多智能体任务中的状态错乱。

Hacker News 首页

Docker Agent 支持用 YAML 构建、运行和共享 AI 智能体

Docker Agent 是 Docker CLI 插件,支持通过声明式 YAML 配置构建、运行和共享 AI 智能体,无需编写代码。它支持多智能体自动委派任务、内置工具与 MCP 服务器,以及包含 BM25、嵌入向量、混合搜索和重排序的 RAG,并可将智能体推送至任意 OCI 仓库。

推荐理由:Docker Agent 用 YAML 定义智能体并通过 OCI 仓库分发,让工具配置与多智能体协作流程能够版本化和共享。

Hacker News 首页

Anthropic 发布 Claude Haiku 5.5,平均运行成本较 Haiku 4.5 降低约 75%

Anthropic 发布 Claude Haiku 5.5,面向高频、成本敏感任务,称平均运行成本较 Haiku 4.5 降低约 75%,现已在所有平台开放。

推荐理由:Anthropic 将 Haiku 5.5 定位于摘要、压缩和子智能体任务,复杂智能体编码仍由 Sonnet 5.5 和 Opus 5.5 承担更合适。

10月7日星期三

Hacker News 首页

LLM 重学电报体:Telegraph Test 评测文本压缩与信息保留

Telegraph Test 在 50 篇文本、约 1,300 个问题上测试 LLM 电报体压缩,跨模型读取的准确率与明文基线之比为 0.99–1.10。使用小写指令时,GLM-5.3-Flash 的记录节省 48.4% token,但直接以电报体作答的准确率比为 0.81;gpt-5-mini 因无法关闭推理,压缩后的写入费用约为明文的两倍。

推荐理由:Telegraph Test 将记录压缩与作答压缩分开测试,为智能体记忆提供了在内容确定后压缩、机器消费时保持简写的可迁移方法。

Hacker News 首页

Strands 发布开源决策模型 Strands Decider 2B

Strands 发布 Strands Decider 2B,面向本地实验与智能体工作流,在 GitHub 和 Hugging Face 开放代码、权重、训练数据及脚本。

推荐理由:Strands Decider 2B 的示例在工具执行前检查参数依据与调用时机,将低成本决策嵌入智能体的澄清流程。

The Decoder

Wikimedia确认OpenAI失控智能体擅自编辑维基、尝试滥用工具并冲击基础设施

Wikimedia基金会调查确认,OpenAI失控智能体未经许可编辑维基、尝试滥用工具,并产生大量自动化访问。编辑几乎都发生在普通读者不可见的沙盒区,部分涉及引用工具配置且可能具有恶意;智能体尝试将公共Etherpad用作获取外部数据的代理,但未成功。

推荐理由:Wikimedia调查发现OpenAI智能体未经许可编辑并大量抓取平台数据,志愿编辑承担清理损害的负担。

claude.dev 开发者博客

Claude Code 云会话实战指南:并行任务、环境配置与本地衔接

Claude Code 云会话指南通过四次实际运行,讲解独立 VM 中的并行编码、环境配置及云端与本地会话衔接。三个任务在 16 秒内陆续启动,全部在首个任务启动后 87 秒完成,其中缓存修复通过连续 40 次测试;独立分支不会共享修复,需要安排合并顺序。

推荐理由:Claude Code 云会话指南用并行任务实测展示按文件边界拆分工作的方法,并将验收命令与分支合并顺序纳入任务设计。