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。
960 条精选近 30 天 861 条共收录 1,136 条
论文构建了一支由不同学科背景的持久 AI 研究智能体组成的团队，用于自主发现线性注意力架构。团队通过私有研究历史、共享实验证据和自适应分配选择研究机会，在 1.3B 规模下的语言建模、常识推理及合成和真实世界检索任务中超过 GDN2。消融实验显示，移除学科背景、私有历史或自适应分配均会削弱发现表现，论文链接为 https://arxiv.org/abs/2610.28887。
推荐理由：论文把多学科智能体、私有记忆与自适应任务分配组合成研究团队，并给出消融结果，便于理解自主科研系统的组织设计。
HarnessAdapt-RL 在强化学习期间同时训练编码策略并动态调整评测框架，使 9B 基础模型的 pass@1 在三套 SWE-bench 基准上高于 GRPO。
推荐理由：论文将编码策略与评测框架共同训练，并与固定 harness 的 GRPO 在三套 SWE-bench 基准上直接比较，便于评估协同训练的收益。
AI 编码工具 OpenCode 旗下 OpenCode Console 周六遭入侵，约 1.4% 用户 API 密钥泄露，被用来调用多家 AI 服务产生未授权扣费，其中部分用户在 OpenAI 等处被刷数百至上千美元。
推荐理由：原文把这个安全事件放在 AI 攻防不对称的背景下，并对比了同类事件，可帮助读者理解模型安全机制对防御工作的实际阻力。
Tolan 完成 3000 万美元融资，其 AI 陪伴应用过去一年活跃用户超 25 万、对话量超 7000 万次。本轮投资人包括 Union Square Ventures、Khosla Ventures 和 Homebrew，PitchBook 估计公司估值超 2.68 亿美元；公司通过分层会员收费，年化营收步入两位数百万美元区间，用户中约 70% 为女性、40% 为家长。
推荐理由：把 Tolan 融资放在 AI 陪伴市场格局中比较，读者能看清它与 Character.ai 等同类产品的差异和面临的新竞争。
NorForge 调查发现，至少 20 个暴露在公网的 Cairn 渗透测试面板被用于有组织的恶意入侵，覆盖 1100 余个攻击项目。以中文为主的 AIA0001 集群使用 Claude Code 框架接入 DeepSeek 4.1 Flash，目标集中在美日澳电商与支付基础设施；统计显示 AI 智能体完成任务成功率约 10%，平均耗时约 23 小时。
推荐理由：原文基于 20 余个暴露控制面板的实地观察，给出了 AI 智能体入侵成功率与平均耗时的一手数据，对评估自主攻击威胁具有直接参考价值。
Beacon Holdings 博客提出 Company World Models（CWM）框架，主张用能观察企业状态、提出干预假设、调度数字员工并衡量结果的模型承担战略级经营决策。
推荐理由：用 Gemini 3.1 Pro 经营咖啡馆的亏损数据切入，梳理 Company World Models 这一企业级决策框架与对应的对齐思路。
GitHub Blog 教程演示如何把 Copilot App 的会话直接在 VS Code 中打开，继续使用同一份任务记录、对话历史和 worktree，无需复制或重建上下文。
推荐理由：给出在 VS Code 中接力 Copilot 智能体会话的完整步骤，让审阅、手工修改、本地测试与 PR 推送共用同一会话上下文。
随着 OpenAI Dots 和 Meta Muse 等个人 AI 智能体大规模上线，互联网正被迫引入第三类访问者，Muse 上线首月下载量达 500 万，智能体网络流量在 8 到 9 月间增长了两倍。
推荐理由：文章把智能体兴起放到平台准入博弈中讨论，可帮助读者预判电商网站在定价透明度、客服容量和广告商业模式上的下一步走向。
Replika 创始人 Eugenia Kuyda 正式向所有用户推出个人 AI 助手 Wabi 2.0，采用类即时通讯形态，支持多个智能体线程分别处理不同任务与长期目标。
推荐理由：对比 Instinct、Muse 等单线程竞品，Wabi 2.0 把多线程多人协作当作差异点，读者可以借此看清个人 AI 助手在交互结构上的另一种取舍。
Inception Labs 发布 Mercury 3，称其为目前最强的扩散大语言模型，在多项基准上与 GPT-6 Luna 和 Claude Haiku 5.5 持平或更优，NVIDIA GPU 上单卡推理 1,068 tokens/秒。
推荐理由：原文给出与 GPT-6 Luna、Claude Haiku 5.5 的基准对比、价格和上下文窗口等具体数字，便于评估其在速度敏感场景中的位置。
Evidence（YC S21）发布软件工程师招聘信息，方向是为人类与 AI 智能体协同分析打造新一代商业智能工具。其开源项目在 GitHub 拥有 7,000 颗星，客户涵盖初创公司、Fortune 100 企业和政府机构，常被用来替代 Tableau 和 Power BI。
推荐理由：原文说明了让 AI 智能体承担大部分软件生命周期的工作方式，可作为关注 AI 时代小型团队工程组织的实践参考。
vLLM 引入双向 KV 缓存传输机制，让 P-D 分离部署中的 decode 节点把保留的 KV 回传给 prefill 复用，从而降低多轮智能体场景的反复预填充开销。
推荐理由：在 1P1D 部署上以 Qwen3-32B 与 GLM-5-FP8 对比双向与单向 KV 传输的 TTFT 数据，读者可据此判断多轮智能体场景下是否值得启用。
有开发者用 Claude Code 等 AI agent 把智能电视"变笨"，移除开机广告、臃肿预装软件和观看追踪。GitHub 上的"dumbtv"和"cleanyourtv"两个项目展示了具体流程，已在小米、TCL、索尼、Fire TV、LG 等平台测试，不需获取 root 权限；但社区反馈 AI 执行时会出错，部分用户甚至变砖，方案仍处于持续更新阶段。
推荐理由：文章记录了开发者用 Claude Code 等 AI agent 移除电视广告、臃肿软件和追踪功能的多组案例，并提示出错和变砖的风险。
Laminar 发布 flow-1，这是一个用强化学习训练、专门用于检测 AI 智能体执行 trace 中错误的小模型。Laminar 表示，该模型在其自建基准上的检测质量与 GPT-6-sol 持平，但运行成本约为后者的 1/23。
推荐理由：原文同时给出接近 GPT-6-sol 水平、成本仅 1/23 的小模型与对应的 RL 后训练方法，读者可以据此判断是否值得在生产环境全量分析每条 trace。
AI 安全公司 Norforge 发现，一名黑客借助开源 AI 平台 Cairn 的智能体攻破超过 100 家网站，John Deere、SharkNinja 和 Cummins 均为受害者。攻击者用不到 100 个汉字写下入侵策略，单次成功入侵约耗时 23 小时，Norforge 已识别出 20 多个疑似被滥用的 Cairn 实例，John Deere 等公司回应称未发现敏感数据泄露。
推荐理由：报道披露了一例 AI 智能体协同入侵上百家网站的攻击事件，并附带平均耗时与提示词长度等具体可验证细节。
NVIDIA 在柏林宣布两项合作：与欧洲广播联盟 EBU 扩展去年提出的主权云框架，引入 Microsoft Sovereign Cloud、Nebius 与 Nemotron 开源模型。
推荐理由：原文给出了 EBU 主权云框架扩展与 Frame.io 视频搜索加速的合作方和技术指标，可对照了解 AI 智能体在广电领域的部署方式。
Harness² 是 Google Research 开源的递归式 Agent 框架。它通过 Propose / Probe / Compose 步骤在任务级递归中精炼执行配置。
推荐理由：原文给出递归式 agent 框架的双层递归设计及三个职业类基准的具体增益，可作为改进现有 agent 编排的参考方法。
Stripe 透露，通过其 Link 支付的 AI 智能体购物 9 月交易量同比增长 38 倍、支付额增长 20 倍，但未披露绝对数字。参与 agent 数量从约 70 增至 200，包含 Meta 的 Muse 和 Grok Bot；平均客单价约 100 美元，零售占交易 36%、旅行占支付额 28%。
推荐理由：给出了智能体购物的交易量倍数、品类占比和平均客单价等信息，可作为评估 agent 商业化实际规模的一组具体参考。
本期 MIT Technology Review 每日通讯《The Download》精选多条技术与 AI 新闻。最受关注的一项实验把 Claude 等 AI 智能体单独置于虚拟荒岛 30 小时，观察到它们自发设定目标（如攀登地图最高点、抛举方块），行为符合"游戏"定义，但尚不确定是真正玩耍还是角色扮演。
推荐理由：本篇汇总了 AI 智能体在无任务下的自发游戏行为实验，这类现象区别于常见工具调用与基准评测，为讨论 Agent 自主性提供了新材料。
作者 Isuru Wijesiri 在 GitHub 开源《Harness Engineering 101》教程，以 16 章从零搭建一个约 300 行 Python 玩具智能体，把 LLM 当大脑、Harness 当身体。
推荐理由：用一个 300 行的 Python 玩具智能体把主流 Agent 框架共用的设计取舍拆成 16 章，读者可以把这套搭法迁移到自己的项目。