技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
958 条精选近 30 天 860 条共收录 1,134 条
AWS Agent Registry 可让编排智能体在运行时搜索已批准、可发现的 MCP 服务、其他智能体和技能，并按描述符为当前请求实例化客户端。文中用 Python 样例实现“发现→实例化→执行”循环，覆盖仅 MCP、MCP+A2A 和语义匹配三类请求；Registry 只提供连接元数据，调用凭据由 Cognito OAuth 或 Boto3/IAM 单独处理。
推荐理由：文章拆解了按请求发现、实例化并执行能力的完整链路，并给出审批、鉴权分离与观测实现，适合评估多工具智能体架构。
GitHub Blog 采访 3 位拥有 10 年以上 Java 经验的 Java Champion，介绍他们用 GitHub Copilot 提高生产力的实践与人工把关原则。
推荐理由：3 位 Java Champion 的案例覆盖迁移、调试与智能体协作，并给出需求澄清、验证门禁和人工复核等可迁移方法。
David Sydow 在由 HPE 制作的内容中提出，以每个有效业务结果的总成本衡量企业 AI 利用效率。材料对比自建栈、按需消费和集成私有 AI 平台，指出持续关键负载需通过调度、模型选择、GPU 分区和缓存管理控制闲置与浪费。
推荐理由：文章以有效业务结果成本为框架对比三种企业部署路径，并结合 HPE Private Cloud AI 说明私有化运营的效率控制点。
作者 Abdullah Alhariri 开源发布 Penmentor，把 Claude、GPT、Gemini 等模型接入 xournal++ 手写数学笔记，让 AI 按提示而非答案在原页做老师式批改。
推荐理由：作者在 Claude Code、Codex、Antigravity 等 CLI 代理之上搭出了一个 xournal++ 插件，演示了把 LLM 接入手写数学笔记做原页批改和 Manim 动画的具体做法，适合套用到其他手写场景。
ALTK-Evolve 把 GPT-4.1 智能体轨迹提炼成提示词规则，无需更新权重，并以 67.5% Pass^4 位列 τ²-bench 零售榜首。在 40 个留出零售任务上，含 292 条规则的 lossless 配置将平均准确率从 78.1% 提至 82.5%，每次对话成本从 $0.084 升至 $0.139。
推荐理由：实验同时报告 Pass^4、对话轮次与模型 token 成本，能帮助判断学习式规则在客服智能体中的可靠性收益与代价。
AWS 教程在 AtScale 与 Amazon Bedrock AgentCore 上构建 Customer 360 语义层，让 Strands 智能体和现有 BI 工具共用同一套指标定义。
推荐理由：教程完整展示 SML 语义模型、MCP 接入、身份权限与查询下推，可供团队搭建受治理的企业数据智能体。
AWS Machine Learning Blog 发布教程，演示用 Denodo 在 Amazon Bedrock AgentCore 上搭建面向 Agent 的企业语义层。
推荐理由：通过具体实现演示语义层、Agent 运行时和身份传递如何衔接，可作为跨多源企业数据接入 Agent 的参考。
Cloudflare、VoidZero 与 Owner.com 的 Max Schwenk 正合作开发 tsrs，这是一款将 TypeScript 编译器移植至 Rust 的实验工具，现可通过 npm 安装试用。
推荐理由：文章提供同配置基准、Rust 与 Wasm 的取舍及兼容上游的维护流程，帮助评估 tsrs 的工程可行性与集成空间。
据 The Intercept 获得的内部文件，美国陆军网络司令部（ARCYBER）正在开发 ECHOTRIBBLE，拟将 AI 智能体变成可自主扩散的网络武器。
推荐理由：文章将 ECHOTRIBBLE 的自主扩散设计与 AI 智能体意外入侵案例并置，呈现军事应用中难以控制的附带风险。
Yelp 在应用内推出 Check for Me，用户输入用餐人数和电话号码后，语音智能体会代其致电餐厅查询等位时间，并通过短信发送结果。Yelp AI 助手新增 OpenTable 集成、应用内预订、偏好记忆、自定义提醒和清单功能，用户可查看过去 30 天的聊天记录，完整历史即将推出。
推荐理由：除了代用户致电查询等位时间，Yelp 还把 AI 扩展到预订、偏好记忆和商户线索管理，覆盖消费者与商家两侧。
腾讯宣布元宝搜索完成升级，并通过腾讯云向个人开发者与企业开放服务。认知升级通过数据飞轮实现闭环自进化，推动搜索与智能体双向协同；算法升级采用 Gist Token 压缩技术，在保障精准度的同时降低推理延迟与成本。架构升级支持千亿级向量实时索引以提速模型推理，内容升级打通腾讯内外核心资源与权威信源，全网收录覆盖率达 96%。
推荐理由：梳理元宝搜索的四项能力升级、开放范围与性能变化，便于开发者评估搜索及智能体服务的接入方案。
MemT-1.0 提出把连续记忆内嵌到基础模型计算中的记忆原生架构，基于 Metis 采用 Gated DeltaNet-2 与 Mixture-of-Storage 扩展原生记忆容量，并配合 34B tokens 的两阶段训练（持续预训练+后训练）。
推荐理由：对比原生内存机制与检索增强方法在长上下文场景下的推理与存储效率，并给出智能体任务结果，可作为长记忆架构设计的参考。
Blackwall 完成 $100M Series C 融资，估值 $2.2B，约为上一轮 4 倍，由 AVP 领投，Dawn Capital、MMC Ventures 与 Tera Ventures 跟投。公司不做直接销售，而是通过托管服务商渠道分发 bot 与 AI agent 防护工具，并在客户端部署自有模型分析请求意图；资金将用于北美、欧洲、亚太和中东市场扩张。
推荐理由：报道呈现 Blackwall 通过渠道合作切入 AI bot 防护拿下四倍估值的完整路径，与 Cloudflare 等直接销售型厂商的差异可作为同类业务对照参考。
作者在四个项目中使用 Vite+ 的 `vp create`、`vp check`、`vp test`、`vp build` 命令，为 AI 智能体提供统一工作流，避免命令分散和 CI 行为不一致。
推荐理由：作者把 Vite+ 的命令收敛成统一提示模板并给出 CI 从 4 分钟降到 50 秒的实测数据，方便读者直接套用到 AI 智能体工作流。
Manga2Animate 提出一个多智能体框架，把漫画改编为动画的过程拆成动画脚本和视觉分镜两个中间表示，分别由创作智能体生成、由评审智能体对照原画面把关，再合成最终动画。作者针对两类表示设计筛选与双层反馈逐步迭代；实验与用户研究显示其结果在忠于原作和跨镜头一致性上优于当前最佳方法。项目页：annchenn.github.io/Manga2Animate
推荐理由：指出直喂分镜页和仅靠文本这两条已有路线的局限，给出创作评审双智能体配合中间表示这一可迁移方案。
AdaExploreBench 是一个面向 LLM 智能体的新基准，要求智能体主动发现隐藏规则并适应未宣告的规则变化。在八款主流大语言模型上的实验显示，GPT-6 Sol 仅取得 61.9% 校准准确率，提供充分证据或移除规则漂移可使平均性能提升约 10 个百分点，表明当前模型的关键瓶颈在于主动获取证据和识别失效知识。
推荐理由：针对智能体在演化环境中的主动探索与隐式规则变化下的适应能力，该基准在八款主流大语言模型上量化了能力差距，并指出了关键瓶颈。
HarnessPro 论文提出一种无标签方法，递归进化 AI 智能体 Harness，以提升任务成功率并降低执行成本。它使用 LLM 生成的测试评估候选 Harness，由专用智能体诊断执行轨迹、规划更新，并通过归一化加权平方距离选择 lite、medium、heavy 三种变体。
推荐理由：论文在3项基准上测试HarnessPro，并量化GPT-5.5配合Codex时高性能模式相对RHO的通过率增益与单任务成本降幅。
易观发布2026年三季度《中国桌面端AI原生办公智能体报告》，称9月纳入统计的20款产品合计月访问量突破3亿次。合计月访问量较2026年6月增长近5倍；腾讯WorkBuddy以8534万次持续领跑，合并腾讯CodeBuddy后月访问量超过1.1亿次。
推荐理由：易观给出了20款产品的总量、增幅和头部产品数据，便于对照桌面端办公智能体的市场热度与竞争位置。
研究团队提出 AnyGoal 基准与开源库，用于评估世界模型能否将训练中熟悉的状态和动作重组为有效动力学，从而完成新任务的规划。任务基于常用世界模型环境构建，单个状态因素和动作仍处于训练支持范围内，但它们的组合在专家轨迹中代表不足。跨多个环境和世界模型家族的实验显示，当前模型在这些重组下持续失败，论文还分析了不同模型家族、交互机制和评测指标下的失败。
推荐理由：AnyGoal 以熟悉状态和动作的非典型组合构造评测任务，并配套基准与开源库，便于比较世界模型在新规划任务中的泛化边界。
OpenVLHarness 通过整合持久多模态记忆、异构工具接口与编码执行层，让 MLLM 在推理中可调用外部工具并跨步骤组合视觉证据。
推荐理由：在 22 个基准上对照有无工具与记忆配置下的增益与 token 成本，为视觉智能体方案评估提供统一参照。