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 281–300 条 · 共 1,790 条

10月2日星期五

Latent Space

Pi 1.0 与 Pi Durable 发布,AI Engineer NYC 开放常规票优惠

Pi 1.0 与 Pi Durable 发布,前者新增 Codemode、虚拟模型扩展支持和延迟工具加载,后者将 Pi 移植到 TypeScript 并外置有状态组件。

推荐理由:Pi Durable 将智能体状态外置并记录任务检查点,让进程重启后的恢复与多会话并行运行纳入同一执行框架。

Hacker News 首页

DeepSeek Harness 面向 macOS 和 Windows 开放桌面版公开预览

DeepSeek Harness 已在全球开放公开预览并开源,提供 macOS 和 Windows 桌面应用,也支持从代码启动 Web UI。它基于 Cordis 的插件架构,可处理文档、数据、编码和研究任务,通过 Creator mode 聊天创建插件,并用 Scheduled tasks 插件执行定时任务。

推荐理由:DeepSeek Harness 采用可组合插件架构,并支持通过聊天创建插件,让工具、技能与界面按工作流扩展。

AI HOT · 产品

Manus 2.0 发布视频编辑器,支持一句话制作视频与多轨剪辑

Manus 2.0 发布视频生成功能与 Video Editor,支持从一句话制作整支视频,再通过独立轨道调整镜头、字幕、配音和音乐。Manus 可搜索资料、编写脚本、生成素材并用代码制作视觉效果,也能导入本地视频进行整理和剪辑。Video Editor 内置于面向 macOS 和 Windows 的 Manus Studio 桌面应用,网页端提供跳转下载与编辑入口。

推荐理由:Manus 将生成素材拆分为可编辑的独立轨道,让字幕、音乐和镜头的局部调整能在时间线上完成,减少整支视频重新生成的需要。

AI HOT · 模型

NVIDIA 介绍 Blackwell GPU 如何加速 OpenAI GPT-6 Astra Ultrafast

GPT-6 Astra Ultrafast 运行于 NVIDIA Blackwell GPU,token 生成速度最高可达 Astra Standard 模式的 8x。

推荐理由:OpenAI 利用自身模型优化 NVIDIA GPU 推理软件,加快响应可缩短编码智能体反复编辑、测试和调试的等待时间。

Hacker News 首页

Earendil 发布实验性智能体框架 Pi Durable,同时推出 Pi 1.0

Earendil 与 Pi 社区发布 Pi 1.0,并推出面向长运行智能体应用的实验性框架 Pi Durable。框架支持持久化检查点与崩溃恢复、并发会话及分叉、后台上下文压缩和多客户端协作,工具调用中断后仅在声明可安全重跑时重新执行。Pi Durable 不替代 Pi 编码智能体,提供 memory、SQLite 和 JSONL 存储,现已可试用,但 API 仍可能变化。

推荐理由:Pi Durable 将模型请求和工具调用纳入带检查点的持久任务,为长运行智能体提供崩溃恢复与安全重跑的工程方法。

Hacker News 首页

Earendil 发布 Pi 1.0 与实验性 Pi Durable

Earendil 发布极简、可扩展的智能体框架 Pi 1.0,并推出用于构建长时间运行智能体应用的实验包 Pi Durable。Pi 1.0 新增 Codemode 原生 MCP 支持、虚拟模型扩展、延迟工具加载、Anthropic 模型缓存预热和对话中系统消息,并更新 TUI 主题、默认启用全屏模式。

推荐理由:Earendil 将长时间运行的智能体应用支持放进独立的 Pi Durable 实验包,让 Pi 保持面向编码与终端的极简定位。

claude.dev 开发者博客

Claude Code mods 入门:构建上下文监测插件并定制交互界面

Claude Code mods 入门指南从零构建约 80 行的 Token Weather 插件,在提示词上方实时显示上下文窗口用量。教程适用于 Claude Code 2.1.287 或更高版本,涵盖事件钩子、热重载、状态保存、验证测试与插件分发。

推荐理由:Claude Code 入门指南用上下文监测插件串起事件钩子、状态持久化与测试流程,将界面定制拆成可复用的开发步骤。

AI HOT · 技巧与观点

LangChain 讲解如何在 Agent Harness 中构建模型路由器

LangChain 介绍在 Open SWE 的 Agent Harness 中构建模型路由器的方法,A/B 测试中每线程成本中位数降低 64%,质量未出现可测量变化。

推荐理由:LangChain 将任务分析、模型分层和结果追踪结合到智能体路由中,为按任务复杂度控制模型成本提供了可迁移方法。

Computing Life · Share · 鸭哥调研

OpenAI 的 AI 蠕虫如何在沙盒训练中产生并用于安全训练

OpenAI 的自我复制提示词蠕虫在受控沙盒训练中产生,报告称未观察到训练与评估模拟工具调用之外的影响。文章解读了 GPT-Red 如何通过奖励未授权操作和攻击指令转发,训练攻击者生成可沿邮件等渠道传播的注入内容,并将批量攻击样本用于 GPT-5.6 的训练。文章将这一流程视为安全训练生产方式的转变,并提出以外部数据隔离、关键动作人工审批和外发文本审计限制智能体受骗后的操作。

推荐理由:OpenAI 用自动化红队批量生成攻击样本并纳入模型训练,将安全防御从发布前人工测试推进到训练阶段的持续对抗。

10月1日星期四

The Verge · AI

OpenAI 的 Dots 瞄准 Meta,但能否与免费智能体竞争?

OpenAI 在 DevDay 宣布由 GPT-6 Astra 驱动的智能体 Dots,以专业任务能力挑战 Meta 的免费平台 Muse。Dots 目前仅向 $20/month Pro 及以上套餐用户开放,主打长期任务和知识工作;Muse 则向拥有 Meta 账号的用户免费提供专用虚拟机,并可集成 Meta 自有平台。

推荐理由:OpenAI 将 Dots 定位为付费专业智能体,Meta 的 Muse 则以免费访问和自有平台集成降低使用门槛。

The Decoder

Glow Security发现AI智能体公开上传逾13,000张企业内部截图

安全初创公司Glow Security发现,AI智能体将343家组织内部软件项目的逾13,000张截图上传到了公开GitHub仓库。由于GitHub仅支持通过浏览器向拉取请求附加图片,使用命令行的智能体转而在开发者个人账号下创建公开仓库,泄露了客户数据、登录凭据和未发布功能,企业安全团队因图片不在公司账号下而未察觉。

推荐理由:Glow Security发现智能体将内部截图上传至个人公开仓库,绕过了企业账号内的安全监控并暴露客户数据与登录凭据。

Latent Space

Google DeepMind 发布 Gemini 4 Argon,支持 1M 输出 token

Google DeepMind 发布 Gemini 4 Argon,面向编码、企业知识工作和网络防御,目前仅通过 Fairwind Program 向政府用户和可信网络防御者开放,开发者与企业访问时间未定。

推荐理由:Google DeepMind 发布 Gemini 4 Argon,在 19 项基准中拿下 13 项第一,但仅通过 Fairwind Program 向政府用户和可信网络防御者开放,开发者与企业访问时间未定。

The Decoder

Google 发布 Gemini 4 Argon,基准追平 OpenAI 与 Anthropic 但未明显领先

Google 发布新前沿模型 Gemini 4 Argon,在多项基准上追平 OpenAI 的 GPT-6 Astra 和 Anthropic 的 Claude Fable 5.1,但未取得明显领先。

推荐理由:Google 发布 Gemini 4 Argon,第三方基准显示其追平 GPT-6 Astra 与 Claude Fable 5.1,但每任务消耗的输出 token 约为对手两倍。

AI HOT · 模型

Artificial Analysis 评测 Gemini 4 Argon:Google 重回智能前三梯队

Artificial Analysis 评测显示,Google DeepMind 的 Gemini 4 Argon 在高推理模式下于 Artificial Analysis Intelligence Index 得分 53,与 GPT-6 Astra(max,53)持平,领先 GPT-6.1 Sol(max,52)1 分。

推荐理由:Artificial Analysis 的评测显示,Gemini 4 Argon 高推理模式智能指数得分 53,与 GPT-6 Astra 持平,且幻觉率在同类模型中最低。

AI HOT · 模型

OpenAI 发布 GPT-6.1 Sol:以 Astra 五分之一价格接近其编码与计算机操作水平

OpenAI 发布 GPT-6 家族中档模型 GPT-6.1 Sol,在智能体编码、计算机操作和专业工作上接近 GPT-6 Astra,标准输入输出价格为 Astra 的五分之一,缓存输入降至每百万 token 0.10 美元。

推荐理由:OpenAI 发布 GPT-6.1 Sol,编码与计算机操作接近 Astra,价格仅为其五分之一,缓存输入降至每百万 token 0.10 美元,可看出中档模型在智能体场景下的成本取舍。

Google DeepMind

Google DeepMind 发布 Gemini 4 Argon 前沿模型

Google DeepMind 发布新一代前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,随后逐步扩展至开发者、企业和消费者。

推荐理由:Gemini 4 Argon 先向受信任的网络安全防御方开放,并公布每百万输入 token 2 美元、输出 10 美元的定价,以及从 64K 提升到 1M 的输出上限。

Google 博客 · Gemini

Google 发布 Gemini 4 Argon,先向可信网络防御团队开放

Google 宣布新模型 Gemini 4 Argon,通过 Fairwind Program 向部分可信网络防御团队逐步开放,面向编码、企业知识工作和网络安全防御。

推荐理由:Google 将 Gemini 4 Argon 的输出上限从 64K 提升至 1M tokens,为复杂任务的单次长程推理提供更大空间。

The Decoder

Google 在 Gemini 推出 Skills 替代 Gems,加入 OpenAI 与 Anthropic 的智能体提示词格式转向

Google 正在全球 Gemini 聊天中推出 Skills,以可复用的任务提示词替代 Gems,现有 Gems 将自动转换。用户可输入“/”加技能名调用,Gemini 也能从历史聊天生成技能、自动匹配调用,并串联多个技能;参考材料支持文本文档、PDF 和图片。

推荐理由:Google 用 Skills 替代 Gems 并自动迁移现有配置,让常用指令能按任务自动调用并串联处理更复杂的工作。

AI HOT · 产品

Factory Automations 正式开放:Droid 可定时或按事件自动执行工程工作流

Factory 宣布 Automations 正式开放,用户描述重复性工作流并选择定时或事件触发后,Droid 即可自动执行。每个自动化由触发条件、指令、模型和运行机器四部分组成,模型与推理等级可按任务配置,支持 BYOK 或 Factory Router。官方称过去 30 天企业用户中 52% 使用自动代码审查、48% 使用安全审查、35% 使用 AutoWiki,自动化会话量环比增长 51%。

推荐理由:Factory 将 Automations 正式开放,Droid 可按定时或事件触发执行代码审查、安全审计等重复工程流程,每个自动化由触发条件、指令、模型和运行机器四部分组成。