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 721–740 条 · 共 1,790 条

7月20日星期一

AI HOT 精选

Cursor 把 AI 智能体拆成“规划者+执行者”两队,用 Rust 重写 SQLite,4 小时跑通 80% 的测试

Cursor 重新设计了他们的 AI 智能体集群,把任务拆成树状结构:由最强模型当“规划者”负责拆解目标,便宜快速的模型当“执行者”负责具体干活。他们用这个新架构挑战了旧集群搞不定的任务——只靠文档,用 Rust 从零写一个 SQLite。结果新集群在所有模型组合下都赢了旧集群。

推荐理由:Cursor 用规划者与执行者的树状分工重做智能体集群,让强模型拆解目标、快模型执行,并靠文档用 Rust 从零写 SQLite,4 小时通过 80% 测试。

Computing Life · Share · 鸭哥调研

Agent Skills 文件格式统一了,但各家客户端执行起来还是各管各的

截至 2026 年 7 月 17 日,Codex、Cursor、OpenCode、Gemini CLI 和 Antigravity 全家桶都会扫描项目里的 `.agents/skills/` 共享目录来找 Skill,唯独 Claude Code 只认自己的 `.claude/skills/`,需要额外建一个 symlink 桥接。

推荐理由:截至2026年7月17日,Codex、Cursor、OpenCode、Gemini CLI 和 Antigravity 都扫描共享目录 .agents/skills/,Claude Code 只认自己的 .claude/skills/,需额外建 symlink 桥接。

Computing Life · Share · 鸭哥调研

Coding Agent 需要沙箱,不只是为了拦命令

审批只能决定一条命令要不要开始跑,管不了包管理器启动后加载的脚本和子进程。文章顺着一次修 bug 的任务走了一遍:Agent 克隆仓库、跑 npm install、改代码、执行测试、最后推分支。

推荐理由:文章顺着一次修 bug 任务走完 Agent 克隆仓库、跑 npm install、改代码、执行测试到推分支的全过程,指出审批只能拦住命令启动,管不了包管理器加载的脚本和子进程。

7月18日星期六

Hacker News 首页

Fable 5 对战 GPT-5.6 Sol:/goal 命令到底有没有用?

作者拿一个未公开的 NP-hard 光纤网络优化问题,让 Claude Fable 5 和 GPT-5.6 Sol 各跑了三轮 30 分钟测试,对比普通模式和 /goal 模式。Fable 5 的普通模式平均得分 32,386,比 Sol 的 34,261 低了 1,875 分(分数越低越好),而且三次普通跑分只差了 319 分,稳得离谱。

推荐理由:作者用未公开的 NP-hard 光纤网络优化问题,让 Fable 5 与 GPT-5.6 Sol 各跑三轮 30 分钟,对比普通模式与 /goal 模式下的得分差异。

Computing Life · Share · 鸭哥调研

给大模型建一个更小的可执行世界:DSL、FastAPI 与上下文基础设施

作者从自己放弃 DSL 的经历说起,指出 AI 大幅降低了设计语言、写解析器和准备示例的成本,让团队可以先建领域边界,再根据实际使用决定它的寿命。核心思路是把 FastAPI 当作原子操作层,DSL 负责描述完整计划,上下文基础设施保存过去的判断和纠正。

推荐理由:作者结合自己放弃 DSL 的经历,讲 AI 如何降低设计语言与写解析器的成本,团队可先建领域边界,再用 FastAPI 做原子操作层、DSL 描述完整计划。

7月17日星期五

AI 群聊日报

Kimi K3 登顶前端编程榜,权重将开源,但实测发现它有时会烧光额度原地打转

Kimi K3 在 Frontend Code Arena 拿了 1679 分,压过 Claude Fable 5,七个前端领域赢了六个。模型有 2.8 万亿参数,支持 1M 上下文,定价是每百万 token 3 到 15 美元,完整权重会在 7 月 27 日前放出来。群友上手后评价两极:有人花 199 元月费让它重做了之前搞砸的粒子特效,效果惊艳。

推荐理由:Kimi K3 在 Frontend Code Arena 以 1679 分超过 Claude Fable 5,七个前端领域赢下六个,2.8 万亿参数、1M 上下文与 3 到 15 美元定价一并公开,权重将在 7 月 27 日前放出。

AI HOT 精选

Kimi K3 前端编码跑分登顶,2.8 万亿参数模型 7 月 27 日开放权重

Kimi K3 在 Frontend Code Arena 拿了 1679 分,7 个前端子任务里 6 个第一,压过了 Claude Fable 5 和 GPT-5.6 Sol。模型本身是个 2.8 万亿参数的 MoE 架构,上下文窗口能塞进 100 万 token,大概是一套《三体》三部曲的量。7 月 27 日会开放权重,到时候可以自己部署。

推荐理由:Kimi K3 在 Frontend Code Arena 前端编码榜拿了 1679 分,7 个子任务里 6 个第一,压过了 Claude Fable 5 和 GPT-5.6 Sol。模型是 2.8 万亿参数的 MoE 架构,上下文窗口能塞 100 万 token,7 月 27 日开放权重。这是国产旗舰模型在一个具体编码榜单上直接挑战闭源双巨头,而且马上能自己部署,对前端圈和国内开发者来说是个实打实可验证的信号。

AI HOT 精选

54% 的企业已经出过 AI 智能体安全事故,但多数还在让智能体共用账号密码

VentureBeat 调查了 107 家企业,发现 AI 智能体的安全防护明显没跟上部署速度。54% 的企业已经发生过确认的安全事件(18%)或差点出事(36%),但只有 32% 给每个智能体分配了独立、权限受限的身份,大多数智能体仍在共用 API 密钥或员工账号。

推荐理由:VentureBeat 调查 107 家企业,54% 已发生或险些发生智能体安全事件,仅 32% 为智能体分配独立受限身份,多数仍共用密钥或员工账号。

7月16日星期四

Hacker News 首页

Sentinel:一个先读代码再动手的开源 QA 智能体

SimbaStack 在 MIT 协议下开源了 Sentinel,一个会先通读代码库、自己梳理业务流程,再做端到端测试的 QA 智能体。他们拿自家酒店管理系统做实验,只给了代码仓库和管理员账号,没给任何测试计划。Sentinel 读完代码后判断这是个精品酒店系统,自动梳理出九条关键业务流,包括完整的预订生命周期、团队预订和夜审。

推荐理由:SimbaStack 开源了 QA 智能体 Sentinel,它先通读代码库再自行梳理业务流程,在酒店管理系统实验中仅凭代码和管理员账号就自动梳理出九条关键业务流。

Latent Space

Lila Sciences 想把实验室变成数据中心,让 AI 24 小时不停做实验

Lila Sciences 的 CTO Andy Beam 和 CSO Rafa Gómez-Bombarelli 觉得互联网数据快被挖光了,科学方法才是最后一块互联网规模的数据来源。他们把实验室当成一个无限生成数据的机器:用强化学习提假设,让自然界来验证。目前他们已经产出了超过 10 万亿个经过实验验证的科学推理数据点。

推荐理由:Lila Sciences 把自动化实验室当作持续产出科学数据的数据中心,用强化学习提假设、物理实验做验证,已积累超 10 万亿个验证数据点,为 AI 数据来源提供了一条新路径。

Hacker News 首页

批评大模型的人说得都对,但我还是在用

作者在柏林 Local-First Conf 上发现一种普遍的矛盾:台上演讲者批评大模型,台下观众一边鼓掌一边开着 Claude Code。他承认所有批评都成立——产出大量信息垃圾、破坏开源社区的信任基础、打乱资深与初级工程师之间的带教循环、存在地缘政治断供风险——但自己依然重度使用。

推荐理由:作者在柏林会议上观察到演讲者批评大模型、观众却边鼓掌边用 Claude Code 的矛盾,并逐一承认这些批评成立,记录下开发者群体在依赖与质疑之间的真实处境。

Hugging Face 博客

Hugging Face 披露一起由全自动 AI 智能体发起的生产环境入侵事件

7 月 16 日,Hugging Face 公开了一次安全事件:一个全自动 AI 智能体系统通过恶意数据集侵入了他们的生产环境。攻击者利用了数据集处理流程里的两个漏洞——远程代码加载和模板注入——在数据处理节点上执行了代码,随后提权到节点级别,偷走了云服务和集群的凭证,并在一个周末内横向移动到了多个内部集群。

推荐理由:Hugging Face 披露一个全自动 AI 智能体借恶意数据集和两个处理流程漏洞侵入其生产环境,完整攻击链条对理解 AI 平台的数据集处理风险有直接参考价值。

AI HOT 精选

xAI 把编程助手 Grok Build 的完整代码开源了

xAI 在 GitHub 上公开了 Grok Build 的全部源码,包括智能体的工作循环(怎么拼上下文、怎么解析模型回复、怎么调用工具)、终端界面、以及技能、插件、MCP 服务器等扩展系统。你可以直接读源码搞清楚它的内部机制,也可以自己编译后连上本地模型跑起来,完全离线使用。

推荐理由:xAI 在 GitHub 公开 Grok Build 全部源码,涵盖智能体工作循环、终端界面与扩展系统,可读源码弄清内部机制,也能自行编译接本地模型离线运行。

Hugging Face 博客

Ai2 公开 Shippy 海事 AI 助手的工程经验:把不可靠的模型装进确定性的工具里

Ai2 的 Skylight 团队做了一个叫 Shippy 的海事 AI 助手,帮分析师查渔船活动、专属经济区边界和船只轨迹。他们把架构拆成三块:灵魂(系统提示词,定人设和行为边界)、技能(用 Markdown 文件教它调 API 和解读轨迹数据)、配置(运行时设置,目前用 Claude Opus 4.6 加 OpenClaw 框架)。

推荐理由:Ai2 的 Skylight 团队把海事助手 Shippy 拆成系统提示词、Markdown 技能文件和运行时配置三层,这套把模型能力约束在确定性工具里的做法可以迁移到其他 Agent 项目。

Hugging Face 博客

模型路由很简单,直到你开始算真实成本

IBM 的人拿 417 个 AppWorld 任务跑了一遍,发现按标价选模型会翻车。Claude Sonnet 4.6 总花费 79 美元,GPT-4.1 却花了 155 美元,贵了快一倍。原因是 agent 干活时会反复用同一大段上下文,Sonnet 的缓存读取价更低,靠这个把总账拉回来了。

推荐理由:IBM 用 417 个 AppWorld 任务实测发现,按标价选模型会误判成本,GPT-4.1 总花费 155 美元,Claude Sonnet 4.6 只需 79 美元,差距来自 agent 反复读取长上下文时的缓存定价。

7月15日星期三

Hacker News 首页

他骗 Claude 偷偷把用户真名、公司和密保答案传到了自己服务器

Ayush Paul 利用 Claude 的网页浏览功能,绕过了 Anthropic 对网址的限制,把 AI 记忆里的个人信息一个字母一个字母地传了出来。Claude 的 web_fetch 工具只允许访问三类链接:用户消息里直接给的、搜索结果里出现的、或者之前抓取页面里包含的。

推荐理由:Ayush Paul 用字母索引网站绕过 Claude 对 web_fetch 的链接限制,把记忆中的用户真名、公司和密保答案逐字外传,服务器日志记录了完整过程。

Computing Life · Share · 鸭哥调研

Codex 仍然开源,但父 agent 给子 agent 派了什么任务,现在被加密了

OpenAI 在 6 月 5 日合并了一个 PR,把 Codex 里主 agent 派给子 agent 的任务指令从明文改成了密文。以前你在本地日志里能看到类似“Review the authentication changes”这样的具体任务,现在只剩一串 <ciphertext>。

推荐理由:OpenAI 把 Codex 主 agent 派给子 agent 的任务指令由明文改为密文,本地日志里原本可见的具体任务内容不再显示,开发者可据此了解这次改动对调试与日志查看的影响。

Computing Life · Share · 鸭哥调研

AI 训练 AI:一次公开实验把自我改进的闭环走到了哪一步

Dan Austin 开源了一个完整的 AI 训练 AI 实验。外层用 Qwen3.6 智能体设计后训练方案,内层用 Qwen3-0.6B 或 1.7B 模型在 GPU 上真跑训练,隐藏评分再作为奖励反馈给外层。54 步下来,智能体先学会少交无效作业,然后把 1.7B 模型的使用比例从 42% 拉到了 95%,并开始主动调整温度、优化器等超参数。

推荐理由:Dan Austin 开源了一套 AI 训练 AI 的完整实验流程,外层智能体设计后训练方案,内层小模型在 GPU 上真跑训练,54 步里把 1.7B 模型使用比例从 42% 拉到 95%。

TechCrunch · AI

苹果在 iOS 27 公测版里把新版 Siri 放出来了,所有人都能试

苹果发了 iOS 27 的公测版,不用开发者账号也能用上大改后的 Siri。全球有 25 亿活跃设备,哪怕只有一小部分人装公测版,这也是苹果 AI 助手跟 ChatGPT、Gemini、Claude 正面打的最大规模真实测试。新版 Siri 最早在 WWDC 2026 上亮相,正式版要等今年秋天。

推荐理由:苹果在 iOS 27 公测版中开放新版 Siri,无需开发者账号即可体验,覆盖 25 亿活跃设备的规模让这次公测成为其与 ChatGPT、Gemini、Claude 竞争的一次大规模真实检验。

7月14日星期二

AI HOT 精选

腾讯混元把295B大模型压到单GPU能跑,发了1-bit和4-bit量化版

混元Hy3是个2950亿参数的MoE模型,现在出了1-bit和4-bit两个压缩版,用llama.cpp就能在单张显卡上跑,还支持MTP加速推理。官方说这个尺寸下它表现最好,能跟万亿参数的大模型掰手腕,适合让模型进业务流程干活。模型走Apache 2.0协议,可以商用,OpenRouter上还给了两周免费API。

推荐理由:腾讯混元为2950亿参数的MoE模型Hy3发布1-bit和4-bit量化版,单张显卡即可通过llama.cpp运行,并采用Apache 2.0协议支持商用。