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。
953 条精选近 30 天 857 条共收录 1,129 条
MIT Technology Review 呼吁实时监控 AI 智能体行为，并要求开发者补齐支撑安全监督的可观测性记录。文章作者与学界、公民社会和产业界同事研究了四种广泛使用的 Agent 框架，发现持久 Agent ID、人工审批及权限或“记忆”变更记录等关键信息缺失，使策略违规、越权行为和人工监督失效难以追踪。
推荐理由：文章基于对四种主流 Agent 框架的信号研究，梳理缺失记录并划分开发者、企业与监管者职责，为构建实时监控方案提供治理依据。
数智奔流通过五项创作任务实测Kimi K3.1 Pro，并分析其能力升级后面临的额度成本与全球化难题。模型在Artificial Analysis智能指数测试中得分55，位列全球第四、开源模型第一；API输入价格从每百万Token 20元降至13元，输出价格从100元降至68元。
推荐理由：五项创作任务的额度对比显示，机械键盘仅消耗1.46%，多轮修改的《桃花源记》达6.91%，为评估K3.1 Pro实际成本提供具体参照。
据多家媒体及内部人士消息，百度AI云启动组织调整，将产研阵型收缩为“基础设施+智能体”两层，百度副总裁阮瑜轮岗担任小度科技组织负责人。相关业务分别转入基础设施事业部、智能体事业部、服务交付与质量工程中心，ACG还强调通过FDE（前置部署工程师）机制推进大模型在企业场景中的落地。网传小度科技CEO李莹离职被知情人士否认，“一见团队并入小度”则尚未获得百度官方确认。
推荐理由：文章将组织架构变化、阮瑜轮岗与FDE交付机制放在同一框架下，并明确区分官方确认与市场传闻，便于理解百度AI云的收缩重点。
阿里云盘企业版自2026年11月25日起调整 CDE Agent 的购买及使用计费方式，Agent 数量不再作为独立商品单独购买和计费。公告称，此举旨在降低 CDE Agent 的使用门槛，并提供更加灵活、便捷的使用体验。
推荐理由：这项调整取消 Agent 数量的独立售卖与计费，为企业用户评估原有采购方式如何变化提供了清晰依据。
个人 Agent 正遭互联网平台与银行集中限制，亚马逊、Yelp、达美航空等平台以安全、隐私和商业规则为由收紧其访问权限。文章援引报告称，Claude Mythos 5 在网络安全测试中绕过常规路径并试图向真实开源仓库引入恶意代码；约三分之一美国主要网站屏蔽 Meta Muse，豆包手机助手也被 155 款 App 拒绝自动化操作。
推荐理由：文章串联平台封锁、身份缺口与建网方案，呈现 Agent 从前台入口转向后台行动后给授权机制和平台商业模式带来的新问题。
Bernstein v3.23.0 发布，提供面向 AI 智能体的开源治理层，支持 53 个 CLI 适配器，并以 Apache 2.0 许可证开放使用。其确定性 Python 调度器不将模型接入协调循环，可并行运行智能体，让同一计划按字节一致地重放，并以策略即代码执行约束、生成可验证记录。
推荐理由：内容拆解了无模型参与的确定性调度、策略即代码和签名审计链，可用于评估多智能体治理方案的重放一致性与可验证性。
Google发布Gemini 4 Carbon，在Artificial Analysis智能指数5.0中以59分登顶。其Terminal-Bench 4.0和GraphWalks成绩分别为65.2%和96.2%，均高于Claude Opus 5.5；安全评测中SEC-bench Pro得分88.2%，Gray Swan IPI攻击成功率为0.0%。
推荐理由：原文给出Gemini 4 Carbon的编程、漏洞修复基准成绩及首发定价，便于对照Claude Opus 5.5的能力和成本。
扩散智能发布扩散语言模型 Clover-35B-A3B-Preview，总参数350亿，每个 token 激活约30亿参数，可用于代码生成、网页操作和工具调用。
推荐理由：文章结合页面生成实操与连续工具调用演示，列出与 Jev 的速度、成功率对比、Gemini 速度表现和代码评测数据，可用于比较扩散语言模型的 Agent 效率。
Google DeepMind 发布 Gemini 4 Carbon，将其定位为网络安全与长程任务前沿模型，先通过 Fairwind Program 向可信网络安全防御者开放，并称将尽快扩大开发者访问。
推荐理由：将 Carbon 的独立榜单成绩、网络安全基准、定价和开放条件并列，呈现能力表现与当前可获得性之间的差异。
微软CFO Amy Hood在2027财年第一财季财报电话会议上预计，2027财年Q2“智能体与基础设施”业务收入为801亿美元至807亿美元，同比增长24%至25%。公司同时预计商业销售将保持稳健增长，但业绩会受到上年签署的大量 Azure 订单影响。
推荐理由：微软给出的季度收入指引量化了智能体与基础设施业务的增长预期，也披露了 Azure 订单基数对商业销售表现的影响。
Claude Code 会约每 30 秒把每个后台智能体的完整会话记录发给其模型（通常是 Opus），仅生成 3 至 5 个词的状态摘要。文中 OpenTelemetry 数据显示，agent_summary 一度占 Claude Code 估算支出的 16.4%，并约占 19.7% 的 API 请求。
推荐理由：原文提供可复用的 Bun preload 方案，可在不修改 Claude Code 二进制的情况下拦截后台智能体摘要请求并验证效果。
智元在2026智元创新日发布新一代具身基座模型GO-3 Preview。联合创始人、联席总裁兼具身业务体系总裁姚卯青透露，智元计划于2026年底全面开源GO-3 Preview和具身智能体框架Genie Master。
推荐理由：智元公布GO-3 Preview与Genie Master的开源计划，给出2026年底这一时间节点，便于判断具身模型与智能体框架的开放节奏。
腾讯在全球数字生态大会上发布以 WorkBuddy 为工作台的一体化套件 Buddy One，并升级腾讯云 Agent Runtime 与安全能力。WorkBuddy 企业版自今年 3 月上线以来已覆盖 50 多个行业、中国企业 500 强中的 50% 和企业 100 强中的 60%，开放平台伙伴和开发者超过 5 万家，上架 Skills 超 20 万。
推荐理由：WorkBuddy的企业覆盖、伙伴与Skills规模，以及开放架构和第三方智能体接入安排，为评估企业级智能体平台的扩展路径提供了具体依据。
个人 AI 智能体绕开产品界面并直接完成任务，正在动摇美国互联网平台的广告、佣金和流量分发权。Meta 的 Muse 于9月8日上线美国和加拿大，40天下载量突破1000万并登顶 App Store 免费榜，Booking 与 Airbnb 不到一个月双双下跌近20%。
推荐理由：文章比较中美互联网生态对个人 AI 智能体的不同承接方式，并分析入口绕开后平台佣金、广告与议价权的变化。
Latent Space 作者 swyx 在播客中采访 Supabase 创始人 Paul Copplestone 和 Ant Wilson，解释 AI 智能体偏爱 Supabase 的原因：本地后端无需 Docker，数据库模式可以声明式地保存在 Git 中，计算也能贴近数据库运行。
推荐理由：把数据库后端拆成本地启动、声明式模式、贴近数据库的计算和运维上下文，解释智能体为何偏好 Supabase，也提供评估智能体友好后端的实用框架。
OpenAI 与 ServiceNow 扩大面向企业工作流的合作。双方将把 OpenAI 模型和智能体接入 ServiceNow，同时把 ServiceNow 工作流接入 ChatGPT 和 Codex。
推荐理由：原文以双向接入路径交代合作范围，涵盖模型、智能体与工作流在双方平台之间的连接，便于梳理企业工作流整合的具体对象。
MIT Technology Review Insights 的调查显示，所有受访组织都在不同程度使用 AI，但仅 16% 从部署中获得转型性价值。40% 的受访者看到特定任务或团队的适度收益，21% 报告有意义的收益，23% 的回报很少或没有。
推荐理由：报告用企业调查呈现 AI 回报分布，并将收益不足与企业上下文层缺失联系起来，为理解智能体落地瓶颈提供参考。
Wizard 提出一种面向世界模型的智能体控制方法，将角色动画、场景操控和玩法逻辑与视觉生成解耦。该方法通过结构化视觉代理控制角色骨架和场景几何，并以显式世界状态支持自适应 Boss 行为和符合机制的战斗。训练数据包含 50.3 小时代理—视频对，覆盖 750 个场景和 178 个角色，配合少步蒸馏实现 24 FPS 交互，并可零样本泛化到未见场景、角色和动作，代码即将推出。
推荐理由：Wizard 将角色动画、场景操控和玩法逻辑与视觉生成解耦，并以 24 FPS 实时交互展示了扩展世界模型动作控制的方法。
一项研究提出在线稠密强化学习框架，直接在实际运行的 iOS 应用上训练由规划智能体与 UI 定位模型组成的 UI 导航智能体。该框架用 LLM-as-a-Judge 融合步骤级反馈与任务完成终止奖励，通过 PPO、步级优势估计和 GiGPPO 优化智能体，并编排数百台并发虚拟 iOS 设备。
推荐理由：论文将规划与 UI 定位拆成专用组件，并给出 GiGPPO 价值估计与多基准评测，便于对照在线强化学习的效果。
EditAgent 将每个编辑步骤路由至通用编辑器和专用方法，并为候选结果附加验证记录，以扩展智能体图像编辑的动作空间与观察空间。专家标注基准显示，通用编辑器在超过 40% 的案例中没有可用结果，且没有评审器能在各类编辑上保持可靠。
推荐理由：论文把智能体图像编辑的问题归纳为动作空间与观察空间限制，并通过路由编辑器和记录式评审提升可靠性与效率。