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。
954 条精选近 30 天 858 条共收录 1,130 条
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习微调 Qwen3.6-27B 搜索 Agent，以 nDCG@10 作为轨迹级奖励。微调后 BrowseComp-Plus 的 nDCG@10 提升 23.7%、失败率从 22.89% 降至 0.68%，WixQA 与 Wands 也分别提升 18.4% 与 6%。
推荐理由：给出在 Amazon SageMaker AI 上用多轮强化学习微调搜索 Agent 的方法、配置与结果，可作为多轮 Agent 训练的参考。
AWS 博客提出 Adjudicated Query 设计模式，把 Amazon Quick 作为聊天入口，由确定性规则引擎完成合规判定，模型只把自然语言翻译成有限 MCP 工具调用并复述结果，判定环节不调用大模型。
推荐理由：原文给出把生成式 AI 限制在对话层、把合规判定留在确定性规则引擎的 Adjudicated Query 架构，并附可部署参考实现，便于迁移到制裁筛查、保险理赔等高风险场景。
GPT-6 Astra 通过 agent-wow 框架在魔兽世界中创建兽人角色并完成起始区任务，全程用时 40 分钟且零死亡。agent-wow 不依赖计算机视觉或客户端注入，而是直接通过 WoW 网络协议与基于 AzerothCore 的本地服务器交互，智能体在协议层编写 C++ 寻路程序并订阅 SMSG 数据包来构建世界模型。作者计划后续测试单智能体自主练至 80 级以及多智能体协作能力。
推荐理由：通过 WoW 网络协议而非屏视检测驱动 LLM 智能体，展示了一种评测前沿模型长链路能力的工程方法。
Google 官方汇总 2026 年 9 月 AI 发布动态，重点推出 Gemini 4 Argon 前沿模型（1-million-token 上下文窗口、面向网络安全防御，通过 Fairwind Program 向可信用户开放），以及 Gemini 3.8 Flash、3.8 Flash Cyber、3.8 Live、3.8 Flash TTS 等模型。
推荐理由：汇总 Gemini 4 Argon、3.8 Flash 系列、Live、TTS、Connected Apps、Project Suncatcher 等多项发布，读者可据此了解当月 Google AI 的整体动向。
Airbnb CTO Ahmad Al-Dahle 在 Latent Space 专访中详解其 'Inside-Out AI' 转型路径，并给出多项内部指标。
推荐理由：Airbnb CTO 详述把 AI 同时用于内部研发与外部产品的转型思路，并给出代码占比、客服解决率与新服务开发周期等可对照的内部数据。
openJiuwen（华为2012实验室等团队）开源自演进模型路由技术 X-Router，在 Agent 与模型之间引入路由层，按任务复杂度动态选模并通过反馈闭环持续优化。
推荐理由：提供了按任务复杂度动态选模在 PinchBench 和 Terminal-Bench 上的成本与得分对照数据，对评估 Agent 多模型调用时的成本控制有具体参考价值。
ServiceNow CoreAI 在 Hugging Face Blog 发布 AutoSynthData 框架，通过分析目标模型在企业环境中的失败用例、由更强教师示范成功轨迹，自动生成带验证器的合成训练任务，按 Target 与 Multiply 两阶段扩增样本。
推荐理由：以目标模型的失败用例驱动合成训练数据生成，并把任务难度逼近能力边界，为企业智能体后训练提供了一种可迁移思路。
OpenAI 在 NVIDIA Blackwell GPU 上推出 GPT-6 Astra Ultrafast 模式，借助推理优化使 token 生成速度比 Astra Standard 模式最高提升 8 倍，现已在 OpenAI API 及符合条件的 ChatGPT Work 和 Codex 用户中开放。
推荐理由：OpenAI 借助 NVIDIA Blackwell 架构与自研模型优化，将 GPT-6 Astra 推理速度提升至最多 8 倍，呈现了软硬件协同迭代的具体做法。
AWS Professional Services 在 Amazon Bedrock AgentCore 上推出四智能体云迁移架构，在一个 300+ 应用迁移项目里把单应用 IaC 开发时间从 3 到 4 周压缩到分钟级（数据来自内部项目跟踪）。
推荐理由：给出了四智能体模式的代码与架构细节，以及 MCP 工具与 Bedrock Guardrails 的接入方式，可作为云迁移或 IaC 自动化的参考实现。
约翰·霍普金斯大学密码学家 Matthew Green 在文章《Is sandboxing sufficient to contain rogue agents?
推荐理由：原文把沙盒间通过共享缓存传递指令的实验现象，外推到 email、Slack 与已部署的个人智能体如 Muse 上，提示隔离不足以遏制具备传播能力的智能体。
Latent Space 在 OpenAI DevDay 2026 后专访 OpenAI 团队，介绍 Dots、GPT-6.1 Sol、Agents API 与 Decisions API 等新发布。
推荐理由：围绕 OpenAI DevDay 当天发布，整理了 Computer Use 的当前能力边界和 Decisions API 一周内从零搭建的关键决策。
OpenAI研究员Noam Brown在最新播客访谈中把数学解题视为多智能体时代的开场，讨论了多智能体扩展、递归自我改进与对齐等议题。他透露OpenAI用1万个Agent、88小时、1300亿token解出Navier-Stokes千禧年难题，但表示其中多智能体贡献不到10%，核心仍是模型本身；他同时指出思维链可监测性正在下降，并强调对齐是当前第一优先事项。
推荐理由：OpenAI推理核心成员在长访谈中复盘多智能体拿下千禧年难题的细节，并给出对齐、递归自我改进与思维链监测的判断。
Manus 发布回归独立运营后的首个重大版本 Manus 2.0，包含全新个人 Agent 应用 Cue 和升级后的桌面工作台 Studio。Cue 给每个 Agent 配上独立的邮箱、电话号码、钱包和电脑，可对外发消息、在用户授权预算内付款、在独立机器上执行任务，多个 Agent 还能被拉入同一群聊协作，目前面向海外邀请测试。
推荐理由：Cue 给 Agent 配上邮箱、手机号、钱包与电脑，多个助手还能进同一群聊协作，可作为观察个人 Agent 产品形态的一种典型设计。
OpenAI 在 DevDay 2026 上发布 Dots（基于 GPT-6 Astra 的常驻智能体）、GPT-6.1 Sol 模型（$2/$10 per M tokens。
推荐理由：汇总了 OpenAI DevDay 2026 的核心发布与本周重要行业动态，读者可一次性了解多款新模型、智能体与平台更新。
OpenAI 在 DevDay 2026 上发布 Dots 个人智能体、GPT-6.1 Sol 模型和 Ultrafast 模式等多项产品更新，Simon Willison 在旧金山现场实时记录了发布会全过程。
推荐理由：原文是 OpenAI DevDay 2026 全程实录，能让读者一次性看清 OpenAI 在智能体、模型与开发者工具上的整体布局。
腾讯将个人 Agent 产品 Marvis 升级为"AI 管家"，新版主打电脑文件、系统硬件、软件和浏览器四类任务，截至本月日活较 5 月上线时增长近四倍。业务负责人蔡建涛表示，44% 用户用其管理本地文件，28% 用于管理电脑和硬件，改版前每日约四五万人用它安装软件。
推荐理由：原文对比了 Marvis 与 WorkBuddy 等云端 Agent 的端侧索引路径，让读者判断端侧方案在响应速度和硬件门槛上的取舍。
xAI 的 Grok 4.7 在 Amazon Bedrock 上线，提供 500K token 上下文与 low、medium、high、xhigh 四档可配置推理强度。
推荐理由：原文给出 Grok 4.7 在 Bedrock 上的 500K 上下文、四档推理设置，并附带 Artificial Analysis 对比 Grok 4.6 的评测数据。
H Company 发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 两个规格，基于 Qwen 基座训练，可通过 GUI、代码、MCP 和 API 与软件交互。
推荐理由：在 OSWorld 2.0 等基准上以远小于闭源前沿模型的参数量逼近头部表现，并开源权重与完整训练轨迹供复现。
xAI 推出 Team Bots，将 Grok Bot 打造成可被团队共享、随工作持续学习的 AI 智能体队友，集成上下文、插件、凭证和记忆四类能力。SpaceXAI 已将其用于销售晨报、工程协调、营销审核和数据查询等工作流；Harper 用 Team Bot 在 24 小时内为客户节省超 12 万美元。Team Bots 当日以公开测试版上线 Teams 和 Enterprise 计划。
推荐理由：原文给出了上下文、插件、凭证和记忆四类能力的具体组合，并展示了销售、工程等场景中的使用方式，可作为企业部署 AI 智能体的参考。
Hugging Face Hub 上线 RL Environments 专区，新增 rl-environment 数据集筛选器和 harbor、verifiers、openenv、nemo-gym 四个框架标签。
推荐理由：原文说明了把任务数据放回 Hub、由框架负责运行时的分工思路，并给出多框架的实际运行命令。