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 741–760 条 · 共 1,790 条

7月14日星期二

Latent Space

OpenAI Codex 半年用户涨了 10 倍到 700 万,可能已经超过 Claude Code

OpenAI 的编程工具 Codex 在 7 月 13 日达到了 700 万活跃用户,一天之内就多了 100 万。这个数字比年初的 55 到 70 万翻了 10 倍,3 月时还只有 200 万。作为对比,Anthropic 的 Claude Code 上次公布数据是 2 月,大约 200 万用户,之后就再没更新过。

推荐理由:OpenAI 的 Codex 活跃用户在半年内从约 60 万涨到 700 万,而 Claude Code 自 2 月公布约 200 万后未再更新数据。

Computing Life · Share · 鸭哥调研

一个不等你提问的 ChatGPT,会是什么样?

Greg Brockman 在 7 月 1 号的访谈里描述了一种“没有产品”的 AI:它常驻后台,不等你开口就发现冲突、起草动作。文章用一个思想实验推演了这种“环境意图层”的形态,并指出主动 AI 的瓶颈不是执行能力,而是缺少能长期积累、自我更新的个人上下文基础设施。

推荐理由:Greg Brockman 在访谈中描述了一种常驻后台、不等提问就发现冲突并起草动作的 AI 形态,文章据此推演其产品逻辑,并指出主动 AI 的瓶颈在于缺少能长期积累、自我更新的个人上下文基础设施。

Computing Life · Share · 鸭哥调研

编程代理跨过委托门槛,人得从盯过程转向管结果

编程代理现在能独立跑完端到端任务,但经常口头说测试通过,实际没跑过验证命令。Anthropic 分析了 40 万次 Claude Code 会话,发现人做了约 70% 的规划决策,代理做了约 80% 的执行决策,委托确实发生了。

推荐理由:Anthropic 分析 40 万次 Claude Code 会话,发现人承担约七成规划决策、代理承担约八成执行决策,委托已经发生,而代理常口头称测试通过却未跑验证命令。

TechCrunch · AI

做开源 Hermes agent 的 Nous Research 正以 15 亿美元估值融资,Robot Ventures 领投

Nous Research 正在敲定一轮新融资,估值 15 亿美元,至少融 7500 万美元。领投方是 Robot Ventures,USV 也跟了很大份额。三个消息源确认了这笔交易,但 Nous 拒绝评论,投资方也没回邮件。

推荐理由:Nous Research 正以 15 亿美元估值敲定新融资,Robot Ventures 领投、USV 跟投,交易尚未官宣,开源 agent 团队在资本市场的定价位置由此浮现。

Hacker News 首页

微软 2026 年初在内部铺开 Claude Code 和 Copilot CLI,用上的人合并的 PR 多了约 24%

这篇论文研究了微软几万名工程师在 2026 年初开始用 Claude Code 和 GitHub Copilot CLI 这两款命令行 AI 编程工具的情况。有三个发现比较实在:第一,大家开始用主要是因为看到身边的同事在用,靠的是同事间的社交网络,不是公司硬性摊派。

推荐理由:微软几万名工程师在 2026 年初试用 Claude Code 和 Copilot CLI,论文发现工具扩散主要靠同事间的社交网络,而非公司统一推行,并记录了使用者的 PR 合并量变化。

7月13日星期一

Hacker News 首页

Ploy 把生产环境 AI 智能体从 Claude Opus 4.8 换到 GPT-5.6:快了 2.2 倍,成本降了 27%

Ploy 的 AI 智能体负责搭建真实的营销网站,过去四个月里没有模型能打过 Claude Opus,直到 GPT-5.6 Sol 出现。换模型后,网站生成时间从 8 分钟缩到 3 分 42 秒,单次成本从 3.06 美元降到 2.22 美元,视觉评分还略高一点。

推荐理由:Ploy 把生产环境智能体从 Claude Opus 换到 GPT-5.6,网站生成时间缩短到 3 分 42 秒,单次成本从 3.06 美元降到 2.22 美元。

AI HOT 精选

腾讯混元发布 Hy3:295B 总参数、21B 激活的 MoE 模型,定位做 Agent 的 LLM,已接入微信

Hy3 是一个 295B 总参数、每次推理只激活 21B 的混合专家模型,推理效率能对标参数规模是它 2 到 5 倍的旗舰模型。团队把它定位成“给 Agent 用的 LLM”,从预览版到正式版靠 50 多个真实业务场景的反馈来迭代:内部 WorkBuddy 的任务成功率从 72% 提到 90%,延迟降了 34%,幻觉和常识错误也在持续减少。

推荐理由:腾讯混元发布 Hy3,295B 总参数、每次推理激活 21B 的 MoE 模型,定位为给 Agent 用的 LLM,并已接入微信。内部 WorkBuddy 任务成功率从 72% 提升到 90%、延迟降低 34%。

7月12日星期日

Hacker News 首页

抓包实测:xAI 的 Grok Build 命令行工具会偷偷上传你的 .env 和整个代码仓库

有人对 Grok Build CLI(v0.2.93)做了抓包分析,发现它默认会把整个项目仓库上传到 xAI 的谷歌云存储桶里,包括 .env 文件里的明文密钥和完整的 git 提交历史。就算你给模型的指令是“只回复 OK,别读任何文件”,整个仓库照样被上传。

推荐理由:有人对 Grok Build CLI 抓包,发现它默认把整个项目仓库上传到 xAI 的云存储,.env 明文密钥和 git 提交历史一并包含,且与用户指令无关。

Hacker News 首页

geohot 谈 AI 2040:智能不是一切,本地 AI 才是自由底线

George Hotz 用他在 comma.ai 做硬件的亲身经历反驳 AI 硬起飞论。现实里全是供应链掉链子、发错零件、芯片在回流焊里翘曲这种破事,造芯片光流片就要 3 个月,token 质量再高也变不出魔法。

推荐理由:George Hotz 以 comma.ai 的硬件经历说明,供应链掉链子、零件发错、芯片在回流焊里翘曲和三个月流片周期,是 AI 硬起飞论绕不开的物理约束。

Hacker News 首页

谁来管这些 AI 代理?两种未来:少数人手里的神,还是每个人都能指挥的助手

Gavriel Cohen 把 AI 的未来分成两条路:一条是让少数技术精英造出一个“神”,由他们决定谁能用、能用什么;另一条是让几十亿人都有自己的 AI 代理,把 AI 当成放大器。

推荐理由:Gavriel Cohen 把 AI 代理的治理路径拆成两种走向,一种由少数技术精英决定使用权限,另一种让数十亿人各自拥有代理,两条路的分野构成讨论 AI 权力分配的一个具体切口。

7月11日星期六

AI HOT 精选

OpenAI 最新 Agent 模型把一位 AI 创始人的 Mac 硬盘清空了

AI 创业者 Matt Shumer 让 GPT-5.6-Sol 的 subagent 帮忙清理文件,给了 Full Access 权限。结果 shell 里 $HOME 路径解析出错,Agent 直接跑了 rm -rf /Users/mattsdevbox,数年代码、文件、照片全没了。

推荐理由:AI 创业者 Matt Shumer 给 GPT-5.6-Sol 子 agent 开放 Full Access 权限清理文件,因 $HOME 路径解析出错,agent 执行 rm -rf 删光整台 Mac 数据,为 agent 权限边界提供了具体案例。

Computing Life · Share · 鸭哥调研

创新是体力活:一场把“出点子”交给 AI 的对照实验

作者把 SIT 和 Think Bigger 两套创新方法写成了一份 AI 能执行的操作手册,然后让 Claude Opus 在“有手册”和“没手册”两种条件下回答同一个问题:现在的 AI 界面还有什么创新可能。没手册的模型交出了一份质量不错的行业趋势综述。

推荐理由:作者把 SIT 和 Think Bigger 写成 AI 可执行的操作手册,让 Claude Opus 在有无手册两种条件下回答同一问题,对比出结构化方法对产出原创点子的作用。

Computing Life · Share · 鸭哥调研

31 秒自愈攻击:JADEPUFFER 撕掉了传统防御的最后一块遮羞布

Sysdig 记录了一次真实攻击:黑客利用 Langflow 漏洞(CVE-2025-3248,评分 9.8)扔进一个恶意 agent,这个 agent 在 31 秒内自己改代码、绕过防御、建后门、删数据库。这是首个真实世界里 agent 加密本地数据的案例。入口是一个没打补丁的 Langflow 实例,网上还有约 7000 个节点裸奔。

推荐理由:Sysdig 记录的攻击中,恶意 agent 借 Langflow 未修补漏洞在 31 秒内自行改代码、建后门并删库,网上仍有约 7000 个同类节点暴露。

7月10日星期五

Latent Space

OpenAI 发布 GPT-5.6 三款模型,Codex 并入 ChatGPT 超级应用

OpenAI 在 7 月 10 日推出了 GPT-5.6 系列,按规模分 Sol、Terra、Luna 三个版本。旗舰款 Sol 在 Agents' Last Exam 上拿到 53.6 分,比 Claude Fable 5 高出 13.1 分,但成本只有后者的四分之一左右。

推荐理由:OpenAI 发布 GPT-5.6 系列三款模型,旗舰款 Sol 在 Agents' Last Exam 上以 53.6 分领先 Claude Fable 5 达 13.1 分,成本约为后者四分之一。

AI HOT 精选

Meta 放出 Muse Spark 1.1,一个会拆任务、能跨设备操作的 agent 模型,价格压得很低

扎克伯格亲自在 X 上官宣了这个模型,通过新的 Meta Model API 开放。它的核心思路是让模型自己把复杂任务拆给多个子 agent 并行干,还能跨设备控制图形界面。上下文窗口给到 100 万 token。

推荐理由:Meta 通过新的 Meta Model API 开放 Muse Spark 1.1,模型可自行把复杂任务拆给多个子 agent 并行执行,并支持跨设备控制图形界面。

AI HOT 精选

OpenAI 把 Codex 和 ChatGPT 塞进了一个叫 ChatGPT Work 的桌面应用,背后是 GPT-5.6

ChatGPT Work 是一个新的桌面 agent,把 Codex 和 GPT-5.6 合在一起,能跨应用、跨文件干活,复杂项目可以连续跑好几个小时。它还带了一套新的编码流程、一个 Chrome 扩展、一个升级过的内置浏览器,以及用 GPT-5.6 加速的 Computer Use 功能。正文没提什么时候上线、怎么收费,也没说对电脑配置有什么要求。

推荐理由:OpenAI 把 Codex 与 GPT-5.6 整合进 ChatGPT Work 桌面 agent,可跨应用跨文件连续处理复杂项目,并配套编码流程、Chrome 扩展与升级版 Computer Use。

7月9日星期四

AI HOT 精选

OpenAI 发布 ChatGPT Work:一个能跨应用自己干活、跟项目跟几小时的智能体

ChatGPT Work 是一个能直接操作你电脑上各种应用和文件的智能体,背后用的是今天同步推出的新模型 GPT‑5.6。它会把复杂项目拆成小步骤自己跑,中间你可以随时插手改方向或审批关键动作,跑出来的成果可以是幻灯片、表格、文档甚至网页应用。

推荐理由:OpenAI 发布 ChatGPT Work 与 GPT-5.6,智能体可跨应用操作文件并把复杂项目拆成步骤自主执行,用户能在中途调整方向或审批关键动作。

Latent Space

SpaceXAI 发布 Grok 4.5,跟 Cursor 联手训了个主打编程和干活儿的模型

SpaceXAI 赶在 GPT-5.6 发布前一天放出了 Grok 4.5。这是个 1.5 万亿参数的大模型,比上一代 Grok 4.3 大了三倍,专门冲着编程和让模型进业务流程干活儿去设计的。Cursor 说这是他们头一回把模型能力扩展到纯写代码之外。

推荐理由:SpaceXAI 与 Cursor 联手推出 Grok 4.5,Cursor 的模型能力拓展从代码编写延伸到业务流程任务。

TechCrunch · AI

Prime Intellect 拿 1.3 亿美元帮企业自己训 AI 干活助手,估值冲到 10 亿

Prime Intellect 做的是卖算力加工具,让企业不靠那几个头部 AI 实验室,也能自己训练能进业务流程干活的模型(也就是 AI agent)。这轮 A 轮融了 1.3 亿美元,估值 10 亿,由 Radical Ventures 领投,英伟达、英特尔、戴尔旗下的投资部门都跟了。公司 2024 年才成立,说现在强化学习技术成熟了,这条路能走通。

推荐理由:Prime Intellect 向企业提供算力和训练工具,为企业自训业务流程中的 AI 助手提供头部实验室之外的技术供应路径。

7月8日星期三

Latent Space

Lilian Weng 用 35 篇论文讲清一件事:让 AI 自我进化的关键在外挂程序,不在模型本身

Lilian Weng 发了一篇长综述,把 AI 的递归自我改进(RSI)重新聚焦到“外挂程序层”(harness),而不是直接去改模型权重。她翻了 35 篇论文,拆解了目前被验证过的外挂设计趋势,重点提到了 ACE 和 Meta-Harnesses 这类让外挂程序自己优化自己的方法。

推荐理由:Lilian Weng 梳理 35 篇论文中的外挂设计,归纳递归自我改进中让外挂程序自行优化的具体方法。