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 1381–1400 条 · 共 1,790 条

5月9日星期六

Latent Space

Anthropic 一年翻十倍,其他公司却在裁掉超过一成的人

Anthropic 现在被二级市场估到 1 万亿到 1.2 万亿美元,已经超过 OpenAI,排进全球前 15 大公司。这个估值背后有实打实的收入支撑:他们刚经历了一个“奇迹般”的第一季度,年化收入增速达到 80 倍,一个月内年化收入又跳涨了 150 亿美元。

推荐理由:Anthropic 年化收入增速达 80 倍,二级市场估值升至 1 万亿至 1.2 万亿美元,同期其他公司裁员超过一成,资金与人才向头部集中的对比是这条的核心。

5月8日星期五

AI HOT 精选

机器人终局:一份物理 AGI 路线图,用大语言模型的成功逻辑来推演

演讲者把机器人做成人形通用智能拆成六块:视频世界模型当第二预训练范式,世界行动模型(WAM)负责把感知转成动作,数据收集策略对标特斯拉 FSD 的物理数据飞轮,EgoScale 和灵巧性缩放定律试图量化训练规模与手部操作能力的关系,物理强化学习用来跑通最后一公里,DreamDojo 则是一个端到端的神经物理引擎。

推荐理由:演讲者把物理 AGI 拆成六个模块,并用大语言模型的发展阶段类比机器人训练路径,为讨论人形通用智能提供了一套可对齐的框架。

Hacker News 首页

re_gent:给 AI 编程助手配一个 Git,能回滚、能查它为什么改文件

regent-vcs 开源了一个叫 re_gent 的工具,想给 AI 编程助手(目前只支持 Claude Code)加上类似 Git 的版本控制。它能记录 AI 为什么改某个文件、支持把整个对话过程回滚到之前的状态,还能用二分法定位 AI 的哪一步操作引入了问题。

推荐理由:regent-vcs 开源的 re_gent 为 Claude Code 加上类似 Git 的版本控制,记录 AI 改文件的原因并支持回滚对话,还用二分法定位是哪一步操作引入问题。

AI HOT 精选

OpenAI 公开自家怎么安全跑 Codex:沙箱隔离、人工审批、网络管控和代理日志四道防线

OpenAI 发了一篇技术博文,讲他们内部部署编程代理 Codex 时用的安全方案。核心是四件事:第一,用沙箱把代理的执行环境圈起来,低风险操作自动放行,高风险动作必须等人拍板;第二,网络访问不做全开放,只允许访问已知域名,陌生域名要审批;第三,身份认证强制走 ChatGPT 企业工作区,凭证存在系统钥匙串里。

推荐理由:OpenAI 公开内部部署 Codex 的安全方案,把沙箱隔离、人工审批、网络白名单和代理日志拆成四层,为设计代码代理权限边界提供了一份可迁移的工程参考。

阿里技术 · 公众号

阿里许晓斌内部访谈:工程师用 AI 后,写代码时间从 30% 降到 5%,端到端交付效率提升 2-3 倍

许晓斌在内部访谈里给了几个数:工程师重度用 AI 后,写代码占工作时间从 30% 掉到 5%,跟 Agent 对话的时间从 5% 涨到 60%,端到端交付效率提升 2 到 3 倍,纯编码效率提升 10 倍。这些数字来自内部访谈,不是大规模统计,样本量和统计口径正文没披露,所以我会先打个折看。

推荐理由:阿里许晓斌在内部访谈中给出工程师用 AI 后的时间分配变化,写代码占比从 30% 降至 5%、与 Agent 对话升至 60%,并提到端到端交付效率提升 2 到 3 倍。

机器之心 · 公众号

英伟达和普渡大学用 agent 闭环做文生 3D 场景,让模型自己检查、自己改

这篇是 ICLR 2026 的论文,讲的是英伟达 Cosmos Lab 和普渡大学搞的 Scenethesis 框架。它让语言和视觉模型组成一个 agent 闭环,根据文字描述生成 3D 场景。流程里加了视觉定位、基于 SDF 的物理约束,还有一个裁判模块来挑错。

推荐理由:英伟达 Cosmos Lab 与普渡大学提出 Scenethesis 框架,用语言和视觉模型组成 agent 流程生成 3D 场景,并加入 SDF 物理约束与裁判模块做自检纠错。

量子位 · 公众号

OpenAI 把 GPT-5 级推理塞进语音模型,同传翻译成本打到地板价

OpenAI 发了三个实时语音模型:GPT-Realtime-2 能边听边推理,上下文窗口 128K;GPT-Realtime-Translate 支持 70 多种语言输入、13 种语言输出,做流式同传;GPT-Realtime-Whisper 实时转写每分钟只要 0.017 美元。正文没披露具体推理跑分和翻译延迟数据,实际效果还得等上手测。

推荐理由:OpenAI 发布三款实时语音模型,覆盖边听边推理、70 多种语言流式同传和每分钟 0.017 美元的实时转写,语音应用的推理能力与成本边界同时被改写。

量子位 · 公众号

美国研究员 36 小时跑遍中国 AI 圈:字节让所有实验室紧张,DeepSeek 被所有人夸

Ai2 研究员 Nathan Lambert 在 36 小时内密集拜访了智谱、月之暗面、清华、美团、小米和零一万物。他观察到中国 AI 实验室普遍紧盯字节跳动的动向,同时对 DeepSeek 的技术实力和开源做法表示尊重。学生深度参与核心工作、开源习惯以及技术栈的自主掌控,是中美 AI 生态的几个明显差异。

推荐理由:Ai2 研究员 Nathan Lambert 在 36 小时内走访智谱、月之暗面、清华、美团、小米和零一万物,记录下中国实验室紧盯字节、尊重 DeepSeek 的现场观察。

AI HOT 精选

AI 终端智能化分级国标发布,手机、电脑、眼镜等 7 类产品有了 L1 到 L4 的官方划分

工信部等部门联合发布了《人工智能终端智能化分级》国家标准,把终端设备的 AI 能力分成 L1 响应级、L2 工具级、L3 辅助级和 L4 协同级四个等级,等级越高设备越“聪明”。标准覆盖手机、电脑、电视、眼镜、汽车座舱、音箱、耳机七类产品,起草单位包括小米、荣耀、华为、OPPO 等。L4 协同级的具体要求正文没披露,说后续再补。

推荐理由:工信部等部门发布人工智能终端智能化分级国家标准,将手机、电脑、眼镜等七类产品的 AI 能力划为 L1 到 L4 四级,小米、华为等厂商参与起草。

阮一峰的网络日志

软件开发的第三种方式:像老太太盖神秘屋一样用 AI 写代码

阮一峰这期周刊把 AI 辅助编程比作“神秘屋”式开发——没有整体规划,想到哪写到哪,代码层层堆叠,充满个性但外人看不懂。这种开发方式可能取代传统的大教堂和集市模式,成为个人和小团队的主流。

推荐理由:阮一峰在周刊里把 AI 辅助编程概括为神秘屋式开发,与开源社区的大教堂和集市模式并列比较,指出它可能成为个人和小团队的主流选择。

AI HOT 精选

OpenAI 发了官方命令行工具 openai-cli,终端里直接调 API,不用写 SDK 代码

OpenAI 在 GitHub 开源了 openai-cli,Apache 2.0 协议,Homebrew 或 Go 都能装。这个工具让你在终端里直接敲命令调用 API,省掉写 SDK 的步骤。它主要干几件事:一是支持 Responses API,能把网页搜索、代码解释器这些云端工具串起来,让模型进业务流程干活。

推荐理由:OpenAI 开源了 openai-cli,开发者可在终端直接调用 API 并串联网页搜索、代码解释器等云端工具,省去编写 SDK 代码的步骤。

彭博科技

Cloudflare 要裁掉 1,100 多人,占员工总数五分之一,理由是转向“AI 优先”的运营模式

Cloudflare 计划在全球裁掉超过 1,100 个岗位,相当于每五个员工里就有一个要走人。公司把这轮裁员和转向“agentic AI-first”运营模式直接挂钩——也就是让 AI 代理接管一部分业务流程里的活。不过正文没披露具体砍掉哪些部门、什么时候执行,也没说省下来的成本目标是多少。

推荐理由:Cloudflare 计划裁减超过 1100 个岗位,占员工总数五分之一,并将此与转向 agentic AI-first 运营模式挂钩,让 AI 代理接管部分业务流程。

AI HOT 精选

OpenAI 的 Codex 插件现在能在 Chrome 里跨标签页同时干活了

Codex 插件现在支持在 macOS 和 Windows 的 Chrome 上运行,可以跨标签页在后台并行处理网页和应用,不会抢走你对浏览器的控制权。正文没提具体版本号、同时能跑几个任务,也没说企业策略怎么管。想用的话,在 Codex 应用里装一下 Chrome 插件就行。

推荐理由:OpenAI 的 Codex 插件已支持在 macOS 和 Windows 的 Chrome 上跨标签页后台并行处理网页和应用,同时不占用用户对浏览器的操作。

NVIDIA 博客

美国能源部长与英伟达谈 Genesis 任务:用 AI 给电网审批提速,从几年缩到几周

美国能源部和英伟达要在阿贡国家实验室建两台 AI 超算。小的一台叫 Equinox,用 10,000 块 Grace Blackwell GPU;大的一台叫 Solstice,计划上 100,000 块还没发布的 Vera Rubin GPU。

推荐理由:美国能源部与英伟达在阿贡国家实验室部署两台 AI 超算,规模从一万块 Grace Blackwell 到十万块 Vera Rubin GPU,指向电网审批从数年到数周的提速目标。

AI HOT 精选

AI 代理生成的 PR 到处都是,GitHub 发了份审查指南

GitHub 这篇博客直接给了一套审查 AI 代理提交的 Pull Request 的方法。核心就三点:先看代码改了什么,别被大段生成代码吓住;再查逻辑漏洞和安全问题,因为模型容易写出看起来对但实际有坑的代码;最后在合并前把技术债清掉,别让自动提交把代码库搞乱。文章没给出具体的自动化检查工具,更多是人工审查的思路。

推荐理由:GitHub 博客给出审查 AI 代理提交的 Pull Request 的三步方法,从查看代码改动到排查逻辑与安全漏洞,再到合并前清理技术债。

AI HOT 精选

Claude 现在能直接在你的 Excel、PPT、Word 和 Outlook 里干活了

Claude 正式接入了四个微软办公软件:Excel、PowerPoint、Word 和 Outlook。其中 Excel、PPT 和 Word 已经全面开放,Outlook 还在公开测试阶段。你可以跨应用跟 Claude 对话,比如让它分析 Excel 里的数据,再把结论写成 Word 报告,最后用 Outlook 发出去,上下文是打通的。

推荐理由:Claude 接入 Excel、PowerPoint、Word 和 Outlook,前三者已全面开放,Outlook 处于公开测试,跨应用对话时上下文保持打通。

AI HOT 精选

Perplexity 把能操控电脑的 AI 助手做成了 Mac 应用,对所有用户开放

Perplexity 发布了 Mac 版“Personal Computer”应用,不再需要邀请码。这个应用可以跨本地文件、Mac 原生软件、网页和 Perplexity 自己的服务器干活,相当于让 AI 直接操作你的电脑。正文没提收费方式、权限边界(比如它能读写哪些文件夹)和任务成功率,我会先打个折:能跑起来和跑得靠谱是两回事。

推荐理由:Perplexity 将可操控电脑的 AI 助手做成 Mac 应用并向所有用户开放,无需邀请码即可跨本地文件、原生软件和网页执行任务。

5月7日星期四

AI HOT 精选

万亿参数指令模型 Ling-2.6-1T 上线 OpenRouter,主打“快思考”和降本 75%

inclusionAI 把 Ling-2.6-1T 放到了 OpenRouter 上,这是一个万亿参数的指令模型,专门给现实世界的智能体任务用。它走“快速思考”路线,在 AIME26 和 SWE-bench Verified 这两个测试上成绩顶尖,同时宣称推理成本比同类低了大约 75%。官方列出的适用场景包括高级编程、复杂推理和大规模智能体工作流。

推荐理由:inclusionAI 将万亿参数指令模型 Ling-2.6-1T 上线 OpenRouter,主打快速思考并宣称推理成本比同类低约 75%,面向高级编程与智能体工作流。

Hacker News 首页

AlphaEvolve:DeepMind 用 Gemini 驱动的编程智能体,号称能跨领域放大影响力

Google DeepMind 发了一篇博客介绍 AlphaEvolve,说它是一个由 Gemini 驱动的编程智能体(coding agent),已经在多个领域落地并扩大影响。正文只给了标题和导航栏,没有披露具体用了哪一版 Gemini 模型、跑了什么基准测试、在哪些场景部署、效果数据如何。

推荐理由:DeepMind 介绍 Gemini 驱动的编程智能体 AlphaEvolve 已在多个领域落地,读者能从中看到这类编程智能体跨领域应用的一种思路。

AI HOT 精选

Apify 的 mcpc 工具给 AI Agent 装了个能自动付钱的 USDC 钱包

Apify 发布了一个叫 mcpc 的通用 MCP 客户端,把 x402 支付协议塞了进去,让 AI Agent 在调用付费 API 时能自己签名付款。x402 把整套结算流程压成一次 HTTP 往返加一个签名,碰到 HTTP 402 状态码就自动完成支付,不用人插手注册绑卡。

推荐理由:Apify 的 mcpc 把 x402 支付协议集成进通用 MCP 客户端,让 AI Agent 调用付费 API 时遇到 HTTP 402 状态码即可自动签名完成结算,省去注册绑卡环节。