微软给开发者发了份说明书,让 AI 代理的行为能按规矩来
微软发布了一份 AI 代理的行为规范说明书,让开发、合规和安全团队能把想让代理遵守的规则,写进可移植的策略文件里。正文没提版本号、开源协议、支持哪些开发框架,也没说什么时候正式上线。
推荐理由:微软发布 AI 代理行为规范说明书,开发、合规和安全团队可将规则写入同一份可移植策略文件,省去各写一套的麻烦。
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。
微软发布了一份 AI 代理的行为规范说明书,让开发、合规和安全团队能把想让代理遵守的规则,写进可移植的策略文件里。正文没提版本号、开源协议、支持哪些开发框架,也没说什么时候正式上线。
推荐理由:微软发布 AI 代理行为规范说明书,开发、合规和安全团队可将规则写入同一份可移植策略文件,省去各写一套的麻烦。
微软发了 Microsoft Scout,一个能一直挂在 Outlook、OneDrive、Teams 里的 AI 助手。企业可以把它分给员工,让它帮忙管日历、处理报销、起草邮件。微软副总裁 Omar Shahine 说这是他们第一次给客户一个真正的个人助手,功能比应用内嵌的 Copilot 更宽。
推荐理由:微软发布个人助手 Scout,可常驻 Outlook、OneDrive 和 Teams,替员工管日历、处理报销、起草邮件,其集成范围比应用内嵌的 Copilot 更宽。
微软在 Build 2026 大会上公布了 Project Solara,一个专门为跑 AI 智能体的硬件设计的操作系统。它底层是安卓,不是 Windows。现场展示了两个概念机:一个是类似 Echo Show 的桌面设备,用人脸识别解锁后可以直接调用各种 AI 智能体;另一个是可穿戴工牌,带摄像头和指纹扫描,能唤醒 AI 智能体。
推荐理由:微软在 Build 2026 公布 Project Solara,一个底层用安卓、专为运行 AI 智能体的硬件设计的系统,现场还展示桌面设备和可穿戴工牌两台概念机。
Google DeepMind 发了个叫 Co-Scientist 的系统,核心是用多个 Gemini 智能体搭成一个科研小组:有的负责生成假设,有的负责挑刺辩论,再让假设在内部迭代进化。官方说法是能帮科学家在复杂问题上找新思路。不过正文没披露具体用的是哪一版 Gemini、有没有跑过基准测试、开放方式是什么、什么时候能用上,这些关键信息目前都还是空白。
推荐理由:Google DeepMind 发布 Co-Scientist,用多个 Gemini 智能体分工生成、辩论并迭代科学假设,其组织方式展示了多智能体协作在科研假设生成上的运作思路。
GitHub COO Kyle Daigle 说,2026 年 AI 驱动的代码提交量涨了 14 倍,这给原本按人类节奏设计的 GitHub 基础设施带来了很大压力,公开的宕机问题也跟这有关。
推荐理由:GitHub COO 披露 2026 年 AI 代码提交量涨了 14 倍,并说明这一增速如何冲击按人类节奏设计的基础设施,公开宕机问题也与此相关。
Claude Code 的工程主管在 Code w/ Claude SF 2026 活动上分享了团队内部的变化。他们把智能体编程(让模型直接写代码、改代码)设为默认工作方式后,砍掉了传统的详细需求文档,改成“即时规划”——在动手前先让 Claude 收集上下文、理清任务。
推荐理由:Claude Code 工程主管在 Code w/ Claude SF 2026 上讲述团队把智能体编程设为默认后,用即时规划替代详细需求文档,并调整了代码审查分工。
OpenAI Codex 发布了 Python SDK,安装命令是 pip install openai-codex。这意味着开发者可以直接在自己的代码里调用 Codex 的编程和生图能力,不用再单独打开 Codex 界面。更省事的是,SDK 能复用你已经在 Codex 上的登录状态,省去再搞一套鉴权的麻烦。
推荐理由:OpenAI 发布 Codex 的 Python SDK,开发者用 pip 安装后即可在代码中调用其编程与生图能力,并复用已有的 Codex 登录状态,省去单独配置鉴权。
Codex 现在可以把你的工作内容、想法和计划直接转成一个交互式网站或应用,团队通过一个链接就能打开、使用和分享。这个功能会先推给 Business 和 Enterprise 用户,正文没提价格,也没说什么时候开放给其他套餐。
推荐理由:OpenAI 将 Codex 的产出从代码延伸到可直接分享的交互式网页或应用,团队通过链接即可打开使用,先面向 Business 和 Enterprise 用户开放。
OpenAI 给 Codex 应用上线了六个新插件,分别瞄准数据分析、创意产出、销售、产品设计、股票投资和投行业务。每个插件都打包了工具集成、操作指令和上下文,让 Codex 能模拟特定岗位的工作流。正文没提定价和开放范围,我会先打个折——没看到实际跑通的效果和成本之前,别急着把它当正式员工用。
推荐理由:OpenAI 为 Codex 上线六个岗位插件,把工具集成、操作指令和上下文打包成数据分析、销售、投行等具体工作流,是编程工具向白领任务扩展的一个样本。
H公司把他们的电脑操作模型升级到了 Holo3.1,这次主打的是“哪里都能跑”。模型基于 Qwen 系列,一口气放出 0.8B、4B、9B 和 35B-A3B 四个尺寸,并且首次提供了 FP8、Q4 GGUF 和 NVFP4 这些压缩版本,方便直接在个人设备上做本地推理。
推荐理由:H公司发布 Holo3.1 电脑操作模型,基于 Qwen 系列提供 0.8B 到 35B 四个尺寸,并配套 FP8、Q4 GGUF 和 NVFP4 压缩版本,方便在个人设备上本地推理。
Anthropic 发了新模型 Claude Opus 4.8,主要卖点是 Claude Code 现在能先写一个调度脚本,再同时拉起多个子代理并行处理复杂任务。不过有开发者提醒,这并不证明松散的 multi-agent 架构靠谱,反而是围绕小代理循环的确定性工作流更稳。
推荐理由:Anthropic 发布 Claude Opus 4.8,Claude Code 可先写调度脚本再并行拉起多个子代理处理复杂任务,有开发者指出围绕小代理循环的确定性工作流更稳。
阶跃星辰发了个新模型 Step 3.7 Flash,把权重开放了,你可以直接下载用。它的定位是给智能体编程场景用,强调工具调用可靠,还能处理多模态输入。同一天 MiniMax 也开源了 M3,两家模型都已经能在 Kilo 平台上跑。正文没披露具体的跑分、参数量或硬件门槛,所以实际快不快、省不省资源还得自己测。
推荐理由:阶跃星辰开放 Step 3.7 Flash 权重,面向智能体编程,强调工具调用与多模态输入,同日 MiniMax 开源 M3,两家模型均可在 Kilo 平台运行。
过去四年所有 AI 产品演示都说能帮你规划旅行,但实际用起来只会推荐每个城市最俗套的六件事。我用 Spark 的体验完全不同——它是 Google 一个野心很大的常驻 AI 管家。不过这篇报道只放了开头,正文没披露 Spark 什么时候上线、怎么收费、有没有跑分,也没说测试条件能不能复现,所以它到底多能打,我会先打个折。
推荐理由:The Verge 记者实测 Google 常驻 AI 管家 Gemini Spark,其行程规划方式与过去四年只会推荐俗套景点的 AI 产品形成对照。
Claude Code 上周发布动态工作流,Claude 可按当前任务即时编写执行框架,并支持保存、共享和复用。工作流通过 JavaScript 中的 agent()、parallel() 和 pipeline() 协调子智能体,可选择模型和独立 worktree,中断后恢复会话可继续执行。
推荐理由:Claude Code 用独立上下文的子智能体拆分执行与对抗验证,为复杂任务减少自我偏好和目标漂移提供了具体编排方法。
作者用一张 RTX 3090 跑 Qwen3.6-27B,在 47 个多步骤编程工作流里顶替 Claude 试了两周。计划生成的结构合规率大约 95%,但工具调用格式错误率有 12% 左右,而且上下文一超过约 12k token,实际表现就开始明显下滑。
推荐理由:作者用一张 RTX 3090 跑 Qwen3.6-27B,在 47 个多步骤编程工作流中顶替 Claude 两周,给出结构合规率约 95%、工具调用格式错误率约 12% 以及上下文超过约 12k token 后表现下滑的实测数据。
这篇论文提出了 DataMaster,一个让大模型自己当数据工程师的流程。它不碰模型结构和训练算法,只做三件事:自动搜索外部数据、清洗脏数据、把多个数据集拼成一张表。在 MLE-Bench Lite 这个机器学习竞赛基准上,DataMaster 把奖牌率从 35.91% 提到了 68.18%,几乎翻倍。
推荐理由:DataMaster 让大模型自己完成外部数据搜索、清洗与多表拼接,不改模型结构和训练算法,在 MLE-Bench Lite 上把奖牌率从 35.91% 提到 68.18%。
这篇文章的正文被微信环境验证挡住了,实际内容没抓到。从标题和摘要看,Banafsheh Rafiee 和 Richard S. Sutton 提了一个叫“生成认知”的框架,给 AI 立了四根柱子:经验、感知与行动不可分、自主性、具身性。说白了就是主张智能不能光靠看数据,得在跟环境互动的过程中长出来。但具体怎么实现、有没有实验,正文没披露,这点先别太激动。
推荐理由:图灵奖得主 Sutton 与 Rafiee 提出生成认知框架,主张智能在经验、感知与行动的互动中生成,为理解 AI 下一步方向提供了一种不同于数据驱动的思路。
作者用Codex扫了自己的MacBook,发现B站缓存等一堆可删文件,激进方案能清出超140G。他干脆把清理逻辑做成一个开源skill,Mac和Windows都能用。工具会扫描文件生成可交互的HTML报告,用绿黄红三色标出哪些能放心删、哪些要人工判断、哪些千万别动,还带安全执行按钮。
推荐理由:作者把自用的电脑清理逻辑做成开源 skill,扫描后生成绿黄红三色标注的 HTML 报告,并附安全执行按钮,Mac 和 Windows 都能用。
英伟达要在今年秋天把一台叫 RTX Spark 的 Windows 电脑推向市场。这台机器把一块 Blackwell 架构的 RTX 显卡和一颗 20 核 Arm 架构的 Grace CPU 焊在一起,通过 NVLink-C2C 高速互联,共享 128GB 统一内存。
推荐理由:英伟达把20核Grace CPU与Blackwell显卡通过NVLink-C2C封装进Windows整机,共享128GB统一内存,为本地运行大模型提供了一种不同于独立显卡的硬件方案。
中科院自动化所开源了一个叫 MobileGym 的移动端智能体训练环境,直接在浏览器里模拟安卓手机。它覆盖了 28 款常用 App,包括微信、原神、淘宝这些,每个实例只占 400MB 左右,冷启动 3 秒就能跑起来。环境会把手机界面状态转成结构化的 JSON 快照,方便模型理解当前屏幕有什么、能点哪里,任务验证也是程序化自动完成的,不用人工盯着看。
推荐理由:中科院自动化所开源 MobileGym,在浏览器里模拟安卓手机并覆盖 28 款常用 App,单实例约 400MB、冷启动 3 秒,把界面状态转成 JSON 快照供模型理解。