EditAgent：重新思考智能体图像编辑的动作与观察空间
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。
技术方向
Agent 智能体 最新动态
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
更新
精选归档 · 第 7 页
HF Daily Papers精选AI 评分4848 HF Daily Papers精选AI 评分4343 论文探讨迈向 AGI 的规模化是否取决于 System-1 让 System-2 执行哪些交互
研究团队有条件地肯定这一方向：在预测、筛选、执行、更新的闭环中，轻量级 System-1 评估候选交互，资源密集型 System-2 只执行获准交互，可降低计算开销。
推荐理由：论文将有用交互密度 ρ_u 与执行成本和选择遗憾关联，给出推理规模化效率的可测量坐标与理论边界。
TechCrunch精选AI 评分6565 Anthropic 推出面向企业客户的 AI 支出报告工具
Anthropic推出面向企业客户的新报告工具，可按日期范围查看团队工作、产出、token成本和工作流断点，并给出改进建议。Anthropic称默认不会将这些数据用于模型训练，同时推出供团队共享的分组预算，以帮助管理token支出。公司向投资者披露，第二季度实现营业利润，同一批客户的支出从Q3 2025到Q3 2026增至9倍，净收入留存为900%。
推荐理由：新报告将团队产出、token成本与工作流断点汇总展示，并提供改进建议，为企业判断AI工具投入和优化使用方式提供具体依据。
AWS Machine Learning Blog精选AI 评分6060 AWS 介绍用 Amazon Nova Act 扩展 QA Studio 智能体 QA 自动化
AWS 在第三篇教程中讲解 QA Studio 的应用管理与团队权限能力，展示如何扩展基于 Amazon Nova Act 的智能体 QA 自动化。应用归组用例和测试套件，并按环境展示通过率、执行次数、失败数、趋势、不稳定测试排名及 0–100 健康分；分级角色限定应用权限，跨团队共享以接收方角色为上限。
推荐理由：教程给出组织级 QA 扩展的具体路径，用应用归组、健康指标、分级角色和跨团队授权上限管理测试资产与权限边界。
AWS Machine Learning Blog精选AI 评分6868 在 Amazon Bedrock AgentCore 上构建企业级 AI 智能体平台
AWS 讲解如何基于 Amazon Bedrock AgentCore 构建企业级智能体平台，并用多账户架构治理模型、工具、身份、评测和成本。配套蓝图提供平台控制平面和可重复的 Workstream 单元，以推理网关、MCP 工具网关、部署后评测和人工审批约束生产发布。
推荐理由：文章给出多账户智能体平台的参考实现，梳理团队隔离、模型与工具授权、评测门禁及退役验证等企业级落地方法。
The Decoder精选AI 评分8181 Google 在 Android Dev Summit 开放 Android Studio 接入第三方 AI 智能体并推出 Gemini 新 API
Google 在 Android Dev Summit 为 Android Studio Rabbit 2 推出 BYOA 功能，并发布 Gemini Nano 4 驱动的 Agentic API 与 MCP 工具调用接口。
推荐理由：文章把 40 多个编码智能体接入、MCP 工具调用和 Gemini Nano 4 端侧 API 串成开发链路，开发者可据此比较 Android 智能体工程的实现路径。
Simon Willison精选AI 评分7474 GitHub 发布 Octoverse 2026 报告，合并 PR 每月达 220 million 个
GitHub EVP Jay Parikh 公布 Octoverse 2026 报告，称不到一年内合并 PR 增至每月 220 million 个，提交量增至每月 7.38 billion 次。
推荐理由：这份年度报告把合并 PR、提交和新建仓库的月度规模变化放在一起，呈现 AI 智能体工程背景下 GitHub 开发活动的增长，并附有统计方法说明。
TechCrunch精选AI 评分6262 Google 推出 Connected Apps Platform，向美国开发者开放 Gemini 与 Search 应用接入
Google 推出 Connected Apps Platform，让开发者构建并提交可接入 Gemini 与 Google Search 的应用，平台预览版目前面向美国开发者等候名单开放。
推荐理由：文章梳理了开发者接入流程、开放范围和运营指标，为评估智能体入口的接入方式与分发效果提供具体参照。
Hacker News精选AI 评分2828 Converge 招聘首位平台工程师，负责搭建广告智能体平台
YC S23 公司 Converge 正在招聘首位平台工程师，负责搭建驱动广告智能体运行的平台。公司称，智能体已完成广告账户 90% 以上的预算调整，并管理 $1M+ 的日预算；现有系统每月摄取 20 TB 数据，峰值达到 10,000 jobs/s。
推荐理由：岗位明确把编码智能体用于基准测试、性能分析、监控和排障，展示了 Agent 团队将 AI 融入工程流程的具体做法。
The Decoder精选AI 评分6969 OpenAI 在 DevDay Exchange 2026 预告 Dots 欧洲开放，聚焦开发者平台
OpenAI 在 DevDay Exchange 2026 表示，AI 助手 Dots 预计将在几周内面向欧洲更广泛开放，欧洲经济区、瑞士和英国的 Personal Pro 账户目前仍无法使用，部分商业账户已可接入。
推荐理由：文章将 Dots 的欧洲开放进度与 OpenAI 的平台战略并置，呈现基础设施和分发渠道如何加深开发者生态绑定。
Hacker News精选AI 评分5858 DAYJOB: Tax 评测 50 项专业税务任务，Claude Sonnet 5.5 领先
Surge AI 推出 DAYJOB: Tax，以 50 个专业税务环境评测 AI 智能体识别遗漏事项、处理冲突证据并完成交付物的能力。任务覆盖八类税务工作，要求产出报税表、工作底稿、技术复核或客户建议，工作区共含 1,789 个文件。
推荐理由：该评测以 50 个专业税务工作流检验智能体能否主动发现客户遗漏的关键问题，其低通过率可用于观察模型专业判断与任务交付之间的差距。
NVIDIA Blog精选AI 评分7474 NVIDIA RTX Spark Windows 笔记本开售，新增本地模型、智能体工具和游戏支持
NVIDIA RTX Spark Windows 笔记本现已由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 开售，起售价 $2,599，并新增或计划引入本地模型、智能体工具与游戏支持。
推荐理由：原文将模型能力、GPU 资源分配与本地部署条件并列呈现，读者可据此判断 RTX Spark 对轻量本地 AI 工作流的适配范围。
Hacker News精选AI 评分8383 Cursor 发布 Agent SDK，支持以代码定义和部署智能体
Cursor 正式发布 Agent SDK，允许团队以代码定义智能体，并使用 `agent-sdk deploy` 部署到 Cursor 基础设施。这套用于构建 Bugbot、安全审查智能体和 Rollouts 的框架可响应 GitHub、GitLab 或 Bitbucket 的 PR 事件，按策略评估、分派和批准更改，并支持专用智能体、并行子智能体、评估与事件回放。
推荐理由：Agent SDK 把提示词、工具、连接和评估纳入版本控制，并提供部署与事件回放路径，团队可据此理解定制智能体工作流的落地方式。
Hacker News精选AI 评分5454 CircuitHub 公开 The Grid 工厂级机器人，在美国按需制造电路板
CircuitHub 公开了位于马萨诸塞州的工厂级机器人 The Grid，它使用学习型模型、AI 智能体和经典优化器调度生产设备，按需制造电路板。以一块含 118 个元件的 4 层电机控制板为例，5 块连同元件寄往美国地址时，The Grid 报价 $630、4 天送达；深圳典型快单厂含运费和美国关税约 $465，中位交期 9 天。
推荐理由：用同一块4层电机控制板的报价与交期作对比，具体呈现美国自动化制造在成本、关税和供应链上的取舍。
钛媒体精选AI 评分7070 腾讯AI压力来到微信原生助手小微
腾讯正以微信原生 AI 助手小微承接 AI 入口压力，小微仍处灰测，入口已从首页扩展至公众号、朋友圈、聊天对话框等触点。小微底层主模型为微信团队自研的 WeLM，部分回答由 DeepSeek 承接，可发消息、调设置、点外卖和调用小程序。腾讯试图借微信的社交上下文与小程序生态，把小微打造为可执行复杂指令的 AI 超级入口。
推荐理由：文章把小微的灰测进展与腾讯模型、元宝及微信生态放在同一框架下，可用于比较腾讯 AI 从模型到入口的推进路径。
36氪精选AI 评分7070 豆包工作升级电脑操作能力，支持Mac锁屏后继续执行任务
豆包工作近期升级电脑操作能力，提升屏幕点击精度和速度，并支持Mac锁屏后继续执行已授权任务。用户在对话中提出需求并授权后，豆包可查看屏幕、模拟鼠标和键盘操作应用，也可通过手机向锁屏的Mac下发任务并查看结果。启用“允许豆包在锁屏时工作”后，Mac需保持开机、联网，豆包客户端持续运行且设备保持唤醒。
推荐理由：豆包工作展示从电脑操作到手机下发任务的完整流程，并明确Mac开机、联网、客户端运行和设备唤醒等使用条件。
MIT Technology Review精选AI 评分4646 MIT Technology Review The Download：AI 实验室购买倒闭初创公司数据，评估跨物种通信进展
MIT Technology Review 的 The Download 汇总了 AI 实验室购买倒闭初创公司数据以训练智能体，以及 AI 辅助研究动物通信的两项内容。
推荐理由：文章呈现 AI 实验室从倒闭初创公司采购真实训练数据的路径，并指出相关交易带来的法律与伦理争议。
HF Daily Papers精选AI 评分4949 VibeVideoBench：评测多模态智能体的代码驱动视频生成能力
VibeVideoBench 提出一个评测多模态智能体代码驱动视频生成能力的基准，包含239项中英文自包含任务和12个类别。每项任务要求智能体在无图像或视频生成模型的沙箱内用代码产出带声音的 MP4，并在1小时内完成；评估结合交付规范程序检查、约13k项任务量规和3个VLM评审组。
推荐理由：该基准覆盖239项中英文任务，并用分层量规与人类偏好对照，揭示智能体常因时间管理影响最终视频交付。
量子位精选AI 评分7171 蚂蚁百灵开源 Ling-3.1-flash-1019 与 Ling-3.1-flash-base，面向 Personal Agent 真实任务
蚂蚁集团旗下百灵大模型正式开源面向 Personal Agent 场景的 Ling-3.1-flash-1019，并同步开放 Ling-3.1-flash-base 基础模型。
推荐理由：文章同时给出复杂任务基准变化、基础模型架构与开放许可，便于开发者评估 Personal Agent 的模型选型与二次训练空间。
钛媒体精选AI 评分7878 史上最大 IPO 临门，腾讯、阿里、字节抢卡：Anthropic 和中国大厂一起为算力上头
Anthropic 已提交 IPO 申请，腾讯、阿里、字节意向采购超 300 万张英伟达 RTX PRO 5500，潜在规模超 350 亿美元。文章认为复杂 AI 智能体任务中的多子智能体调用会放大推理消耗，Kimi K3.1 Pro 上线后出现限流和额度争议，Claude 用户社区也有类似反馈。
推荐理由：文章把用户额度消耗、AI 智能体多步调用与芯片采购串成同一条推理算力链，并区分采购意向、实际交付与最终收入。