跳到正文

MCP 与工具调用

模型连接外部世界的协议与实践:MCP 生态、function calling、工具链集成的动态。

824 条精选相关主题Agent 智能体AI 编码开源生态

最新精选

第 541–560 条 · 共 824 条

4月24日星期五

Latent Space

GPT 5.5 和 OpenAI Codex 超级应用

OpenAI 发了 GPT-5.5,在 ChatGPT 和 Codex 里能用了,但 API 还要等安全加固。模型在 Terminal-Bench 2.0 上拿了 82.7%,SWE-Bench Pro 58.6%,API 支持 100 万 token 的上下文窗口。

推荐理由:OpenAI 发布 GPT-5.5,先在 ChatGPT 和 Codex 上线,API 因安全加固延后,模型在 Terminal-Bench 2.0 得分 82.7%,SWE-Bench Pro 58.6%。

X · @op7418(歸藏)

DeepSeek V4 发布,Flash 和 Pro 两个版本,Flash 输入每百万 token 只要两毛钱

DeepSeek 放出了 V4 模型,分 Flash 和 Pro 两档。Flash 主打便宜,每百万 token 输入 ¥0.2、输出 ¥1;Pro 贵不少,输入 ¥1、输出 ¥12。功能上支持 JSON 输出、工具调用、对话前缀续写和 FIM 补全。注意,如果上下文开到 100 万 token,输出价格会翻倍。

推荐理由:DeepSeek 发布 V4 模型,分 Flash 和 Pro 两档,Flash 每百万 token 输入两毛、输出一元,Pro 输入一元、输出十二元,上下文开到一百万 token 时输出价格翻倍。

Computing Life · Share · 鸭哥调研

Skill 是天生带自杀基因的产品

作者认为 Anthropic 的 Skill 形态没法独立做成付费产品。直接卖文件会被零成本传播,PromptBase 跑了三年估算年收入才五百万美元;做成托管服务本质是卖服务器,不是卖 skill;做成 API 引流工具又只是免费营销物料。

推荐理由:作者逐条拆解 Skill 直售、托管和 API 引流三种变现路径,并引用 PromptBase 三年约五百万美元年收入作参照,讨论该形态为何难以独立支撑付费产品。

Hugging Face 博客

DeepSeek-V4 发布:百万 token 上下文,这次是给干活用的 agent 准备的

DeepSeek 发了 V4,分 Pro 和 Flash 两个版本,都支持 100 万 token 的上下文窗口。Pro 版总参数 1.6 万亿,每次推理激活 490 亿;Flash 版总参数 2840 亿,激活 130 亿。跑分不是最顶尖的,但这不是重点。

推荐理由:DeepSeek-V4 分 Pro 和 Flash 两版,均支持 100 万 token 上下文,Pro 版总参数 1.6 万亿、激活 490 亿,Flash 版总参数 2840 亿、激活 130 亿。

阮一峰的网络日志

第二次 API 开放浪潮

阮一峰在周刊里聊了一个正在发生的趋势:大模型能干活了,逼着各种平台重新开放 API。15 年前那波 API 开放没跑通,因为平台发现数据给别人用了,自己插不上广告,最后都缩回围墙花园里。

推荐理由:阮一峰在周刊里梳理了第二次 API 开放浪潮的来龙去脉,对比 15 年前平台因广告收益缩回围墙花园的旧模式,点出大模型能干活后平台重新开放接口的新推力。

The Verge · AI

Claude 开始直连你的 Spotify、Uber Eats 和 TurboTax 了

Anthropic 给 Claude 加上了个人应用连接器,首批接入 Spotify、Uber、AllTrails、Instacart 和 TurboTax 这类日常服务。连上之后,你在聊天里提需求,Claude 会主动推荐用哪个 App 来办——比如想找徒步路线,它就直接调 AllTrails。

推荐理由:Anthropic 为 Claude 接入 Spotify、Uber、TurboTax 等个人应用连接器,用户在对话中提出需求时 Claude 会推荐并调用对应 App,助手入口正从回答问题延伸到代办日常事务。

X · @dotey(宝玉)

Anthropic 给 Claude 托管智能体加了记忆功能,用文件系统存经验,不用向量库

Anthropic 把记忆功能做进了 Claude 托管智能体,现在公测。智能体能把之前会话里学到的经验存成文件,下次干活直接读,不用每次从头教。实现方式很朴素:记忆就是文件系统上的文件,智能体用 bash 和代码能力直接读写,开发者也能通过 API 导出或回滚。权限上支持多智能体共享,可设只读或读写,并发访问不冲突,所有改动有审计日志。

推荐理由:Anthropic 为 Claude 托管智能体上线跨会话记忆,把经验存成文件系统里的文件,由 bash 和代码能力直接读写,并支持权限共享、审计与回滚。

FT · 科技

英国正跟 Anthropic 谈,想让银行用上 Mythos 模型做网络安全测试

英国政府正在和 Anthropic 接触,讨论让英国银行能接触到 Mythos 模型。目前公开的说法是用途会限定在网络安全测试上。不过这篇报道正文被付费墙挡住了,Mythos 具体能做什么、怎么部署、哪些银行能参与、什么时候落地,这些关键信息都没披露。

推荐理由:英国政府正与 Anthropic 接触,讨论让本国银行在网络安全测试场景下接入 Mythos 模型,涉及高敏感安全工具的受控开放路径。

彭博科技

旧金山一家店让 AI 当 CEO,结果蜡烛订太多了

旧金山 Cow Hollow 的 Andon Market 把选品和定价交给一个叫 Luna 的 AI agent 来管,标题直接说它蜡烛订多了。正文没披露具体多订了多少、是哪个环节出错、亏了多少钱、后来怎么补救。能确认的是,这家店真的把零售运营的决策闭环交给了 agent,而不只是拿 AI 做辅助分析。

推荐理由:旧金山 Andon Market 把选品和定价交给 AI agent Luna 直接下单,结果蜡烛订多了,零售运营的决策权限由此从人转移到代理。

X · @dotey(宝玉)

Codex 接入 GPT-5.5,新增浏览器操控、文档生成和自动审查,从写代码工具转向干活智能体

Codex 现在能用 GPT-5.5 了,一口气加了五个能力。它能直接操控浏览器,自己点击页面、填表、截图看结果,走完整个流程再告诉你哪里有问题。文档方面,可以在 Microsoft Office 和 Google Drive 里直接生成表格、幻灯片和文档,应用内还加了文件预览器,改完就能看效果。

推荐理由:Codex 接入 GPT-5.5 并新增浏览器操控、Office 与 Google Drive 文档生成、自动审查等五项能力,从写代码工具转向可执行连续任务的智能体。

X · @claudeai

Claude 新增 TripAdvisor、Booking、Resy 等十来个生活类 App 连接

Claude 官方发了一条产品更新,说现在能连接更多非工作类 App,列了 TripAdvisor、Booking.com、Resy、Instacart、Spotify、Audible、AllTrails、Thumbtack、TurboTax 等至少 10 个。正文没披露具体怎么连、能执行哪些操作、支持哪些地区、权限范围多大、什么时候推完。

推荐理由:Anthropic 为 Claude 新增 TripAdvisor、Booking、Resy 等十来个生活类 App 连接,助手从办公场景延伸到订餐、旅行、购物等日常事务。

X · @OpenAI

OpenAI 发布 GPT-5.5,强调能干活、会检查,但没给参数和跑分

OpenAI 在 X 上宣布推出 GPT-5.5,已经接入 ChatGPT 和 Codex。官方说法是它面向实际工作和 agent 场景,能理解复杂目标、调用工具、自我检查,把更多任务从头跑到尾。我会先打个折:正文没披露参数量、价格、上下文窗口和任何基准测试结果,所以现在只能看到一句“新的智能形态”和“新的干活方式”,具体强在哪、贵不贵、跑多快都还不知道。

推荐理由:OpenAI 在 ChatGPT 和 Codex 上线 GPT-5.5,官方称其面向实际工作与 agent 场景,能理解复杂目标、调用工具并自我检查,把任务从头跑到尾。

The Verge · AI

OpenAI 发了 GPT-5.5,说写代码更强、也更省资源

OpenAI 在 4 月 23 号公布了 GPT-5.5,主打编程和调试能力,还能跨表格、文档这些工具干活。官方说它比上个月发的 GPT-5.4 效率更高,但正文没给出具体的跑分、上下文窗口大小和定价。我会先打个折——没看到实测数据之前,这些“更强更省”的说法还不好直接当真。

推荐理由:OpenAI 公布 GPT-5.5,主打编程与调试能力,并称其效率高于上月发布的 GPT-5.4,官方暂未给出跑分、上下文窗口和定价。

Hacker News 首页

Anthropic 复盘 Claude Code 近期质量下滑:三次产品层改动惹的祸,API 没受影响

Anthropic 发了一篇事故复盘,解释了最近不少用户感觉 Claude Code 变笨、变健忘的原因。问题出在三次产品层的改动上,API 和模型本身没变。第一,3 月 4 日他们把默认的思考强度从“高”调成了“中”,想解决高思考模式下界面卡死的问题,结果用户普遍觉得模型变蠢了,4 月 7 日又改了回去。

推荐理由:Anthropic 复盘 Claude Code 质量下滑,指出三次产品层改动是主因,API 与模型未受影响,其中默认思考强度从高调低又改回的时间线,说明非模型层调整同样能左右编码体验。

4月23日星期四

The Verge · AI

AI 订阅要开始挤利润了,重度用户先挨刀

Anthropic 这个月大幅收紧了第三方工具 OpenClaw 调用 Claude 的权限,把那些把 AI 当“自动化流水线工人”用的重度用户往更贵的付费套餐里赶。公司给出的理由是系统压力太大、盈利压力也大,工程师 Boris Cherny 直说现有的订阅套餐根本不适合这种用法。不过正文没披露具体涨了多少、新限额是多少、以及这次调整波及多大范围。

推荐理由:Anthropic 本月收紧第三方工具 OpenClaw 调用 Claude 的权限,将把 AI 当自动化流水线用的重度用户导向更贵套餐,订阅定价与代理式高消耗用法的关系由此显形。

X · @op7418(歸藏)

Claude 桌面端能接第三方模型了,走开发者模式填 API 就行

有人在 Claude 桌面端发现一个入口:不登录状态下,从 Help → Troubleshooting 开启开发者模式,重启后右上角会多出 Developer 选项,里面可以配置第三方推理服务的 API 地址和 Key,点 Apply locally 就能用。

推荐理由:Claude 桌面端在未登录状态下可通过开发者模式配置第三方推理服务的 API 地址和 Key,这条给出了从 Help 菜单开启到 Apply locally 生效的完整操作路径。

The Verge · AI

微软在 Word、Excel、PPT 里上线 Agent Mode,让 Copilot 直接动手改文档

微软这周把 Copilot 的 Agent Mode 推给了 Microsoft 365 Copilot 和 Premium 用户,不再是只回答问题的聊天框,而是能直接在文档、表格、幻灯片里执行操作。Copilot 办公副总裁 Sumit Chauhan 说,之前的基础模型不够强,没法可靠地控制应用界面。

推荐理由:微软将 Copilot 的 Agent Mode 推给 Microsoft 365 Copilot 和 Premium 用户,从回答问题转为直接在文档、表格和幻灯片里执行操作,办公软件交互方式由此多了一种可能。

OpenAI News

OpenAI 发布 GPT-5.5:干活更利索,写代码、查资料、跨软件操作都能自己跑通

OpenAI 推出了 GPT-5.5,主打让模型自己规划、调用工具、检查结果,去完成写代码、做研究、分析数据这类跨步骤的复杂任务。官方说它在 Terminal-Bench 2.0 这类命令行测试上准确率达到 82.7%,比上一代高,而且完成同样任务用的 token 更少,推理延迟跟 GPT-5.4 持平。

推荐理由:OpenAI 发布 GPT-5.5,主打自主规划、调用工具并检查结果来完成写代码、查资料等跨步骤任务,官方称其在 Terminal-Bench 2.0 上准确率达 82.7%,完成同类任务消耗的 token 更少。

彭博科技

阿里在通义千问 App 里接入了东航订票,用户能直接搜航班下单

阿里把中国东方航空的机票预订功能塞进了通义千问 App,用户不用跳转就能完成航班搜索和下单。这是通义千问的 agent 技术第一次开放给大型商业伙伴,意味着它从聊天助手往交易环节里走了一步。不过正文没披露具体上线地区、舱位覆盖、支付流程和双方怎么分账,所以实际体验和商业回报还得再等等看。

推荐理由:阿里将东航机票预订接入通义千问 App,用户无需跳转即可搜索航班并下单,这是其 agent 技术向大型商业伙伴开放的一步。

X · @dotey(宝玉)

微软把 Copilot 智能体模式设为 Word、Excel、PPT 默认体验,个人和家庭版也能用

微软把 Copilot 的智能体模式(Agent Mode)设成了 Word、Excel、PowerPoint 的默认打开方式,Microsoft 365 Copilot 和 Premium 订阅用户现在就能用,个人和家庭版也一样。

推荐理由:微软将 Copilot 智能体模式设为 Word、Excel、PowerPoint 的默认体验,所有 Microsoft 365 Copilot 和 Premium 订阅用户即刻可用,个人与家庭版同样覆盖。