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。
956 条精选近 30 天 860 条共收录 1,132 条
Anthropic 的工程与产品负责人介绍其发布 Claude 的流程，并用 Managed Agents 展示如何分离智能体的“大脑”与执行环境。Opus 5.5 在发布时兼顾模型质量与单位成本，同时通过跨轮保留 thinking blocks 限制推理链提取和知识蒸馏，部分 API 客户因此需要调整 harness。
推荐理由：文章以 Managed Agents 为例，说明如何分离持久会话与按需沙箱，并提供兼顾安全隔离、延迟和 API 兼容性的架构视角。
OpenAI 与 Oracle 扩大合作，将业务应用和 AI 智能体带入 ChatGPT，并为 Oracle 的新产品提供支持。
推荐理由：双方合作同时覆盖 ChatGPT 的业务应用扩展与 Oracle 新产品供给，呈现应用和 AI 智能体进入模型产品的协同路径。
Liquid AI 发布 LFM3 模型家族，六款 2B 级模型共享 LFM3-1.7B-Base 骨干，覆盖文本、视觉、音频、全模态和结构化决策。LFM3-1.7B 比 LFM2.5-2.6B 少 35% 参数，文本模型在 4-bit 精度下约占 1 GB并支持 256K 上下文；LFM3-Omni-2B 可接收文本、图像、视频和音频并输出文本或语音。
推荐理由：LFM3 以同一 2B 级骨干衍生六款文本、视觉、音频、全模态与决策模型，并给出单 GPU 微调和端侧部署路径，便于评估小模型专业化方案。
WeVisCut 研究提出一套脚本转长视频系统，用单一 9B 策略协调视频编辑工具、维护共享制作状态并恢复失败。四阶段数据管线结合编辑反演与验证回放，基于 3,750 个成片生成超过 130K 个训练样本，并提出 100 项任务和 5 项指标。
推荐理由：该研究把长视频编辑决策、故障恢复与 token 成本纳入同一 9B 策略，呈现任务专用智能体在质量与效率上的取舍。
研究团队提出 Investor's Last Exam（ILE）基准，评估 AI 智能体能否仅凭决策时证据完成端到端股票投资研究。其版本化金融数据库覆盖 3.43 million 个文档版本和 9 类来源，以经验证的时间戳约束检索与计算，并通过金融依赖图关联评分标准、来源、计算与假设，在 86 assignments 上联合评估研究质量、预测准确率和模拟投资表现。
推荐理由：ILE以冻结信息集、专家标准和金融依赖图拆解端到端投研链路，可定位模型从研究能力走向预测与投资判断时的断点。
Formal 通过 OIDC 集成让云端编码智能体以短期身份令牌访问生产数据与云基础设施，替代长期静态凭据。智能体会话可绑定发起工程师、代码仓库和会话 ID，生产访问保持只读且需人工审批；该方案已用于产品分析、异步工作流调试和云原生功能测试。
推荐理由：以 OIDC 将每次智能体运行映射为独立工作负载身份，并说明如何用策略与审批限制生产访问，方法可迁移到其他云端编码智能体。
Vieltrinker 用 Claude Code 为燃油价格应用 Petroly 制作了一段 15 秒宣传视频，并把通知与价格动画的先后关系写成单元测试。
推荐理由：展示了将视频动画拆成可测试代码的完整流程，借助 Claude Code 迭代修改、定位单帧并复用同一渲染器生成多语言版本。
C-BRAIN 正与 NVIDIA 利用 AI 和加速计算处理分散的阿尔茨海默病研究数据，案例中的分析已从领域专家估计的数周至数月缩短至几分钟。开源智能体工具 OpenScientist 可半自主生成假设并运行分析，已发布案例中每次运行成本低于 $10；InsightEngine 则会对照科学文献和生物医学知识图谱核验主张。
推荐理由：以隐私保护的数据联邦方案和两个开源智能体工具为例，呈现生物医学研究从数周到分钟级分析的实现路径。
作者在断网条件下，用 OpenCode 连接本机 Ollama 运行的 Qwen3.5 9B，让离线 AI 智能体修复 Python 费用计算程序，5 个测试全部通过。
推荐理由：文章以费用计算器为例，串起本地模型配置、断网验证和测试复核，给出无网环境下使用编码智能体的具体流程。
Apple 将在 Keynote、Pages 和 Numbers 中加入由 Apple 与 OpenAI 模型驱动的 AI 助手。该助手可理解文档上下文，在 Keynote 中设计和制作幻灯片，在 Pages 中起草、重构和修改文字，在 Numbers 中计算、可视化及整理数据、建议图表类型和生成自定义表格。
推荐理由：Apple 将文档上下文理解、内容编辑和数据处理能力嵌入三款生产力应用，并开放 MCP 接入，为评估智能体集成办公软件的实现范围提供了具体样例。
当智能体承担开发工作后，工程师仍需建立足以发现异常、定位问题并修复系统的能力模型。作者以 Codex 引发 SonarQube 复杂度告警和重写智能体编排核心为例，将这种能力概括为基础、跨域广度和按需深入三根支柱。在编排器稳定性问题中，他借鉴 Kubernetes 图书中的“level-triggered state machine”重构核心架构，此后运行稳定。
推荐理由：文章用 Codex 复杂度告警和智能体编排故障，提出智能体时代系统负责人应具备基础、跨域广度与按需深入能力。
Bold.org 技术副总裁用自身 GitHub 记录复盘称，AI 智能体降低实现成本后，反而让并行任务与审核负担持续增加。截至 2026 年 10 月 27 日，他年内已有 2,102 次贡献，超过 2021 至 2025 年的任一整年；8 月的 427 次贡献是其时间线中的最高月份。2026 年的活动呈周期性爆发，模型或工作流更新会催生更多实验，随后审查和上下文切换带来疲劳，他尚未找到平衡。
推荐理由：作者用多年 GitHub 贡献数据对照岗位阶段，呈现 AI 智能体降低实现成本后如何推高任务量与切换负担。
Microsoft 将工业智能定位为制造业的下一增长机会，主张把员工经验、运营数据和设备连接起来，让 Physical AI 在物理生产流程中辅助决策与行动。
推荐理由：文章给出制造业整合员工经验、运营数据与设备连接的路径，并强调授权、安全边界和人工介入是规模化落地的必要条件。
作者认为，在其他条件相同的情况下，代码产量增加10x而错误率未同步降低10x，生产应用会比过去更容易有缺陷，但他认为早期软件整体更糟。作者回忆蓝屏、缺少可靠自动保存、恶意软件、磁盘碎片、内存限制和物理介质损坏等经历，并提到 Google Docs 团队在2010年发现 Ctrl+s 位列非编辑用户动作前5。
推荐理由：文章通过蓝屏、缺少可靠自动保存、磁盘碎片和物理介质等具体经历，校正了人们对早期软件质量的浪漫化想象。
传统 AI 排行榜的信用正在重估：BenchLM 跟踪的基准中有 105 个百分制项目已饱和，榜首得分均超过 90 分。Surge AI 面向真实职场的 sudo L7、GDP.xlsx 和 DAYJOB 显示，模型在工程判断、长流程规划和信息遗漏上差距明显，旧榜高分不能直接代表可交付性。
推荐理由：文章把榜单分数与真实交付拆开比较，并列出评测方利益、工具链和样本量等核查项，适合企业选型时建立更审慎的模型评估框架。
Anthropic提出面向多数任务的单Agent循环方案，并开源single-agent-loop-kit，以减少多Agent架构带来的token消耗。其文章称，带技能的单Agent在多家企业的Claude部署中质量更高，单任务成本和延迟往往更低；多Agent系统的token消耗约为普通对话的15倍，把子Agent按需加载为技能可削减80%以上的系统提示词。
推荐理由：文章以多Agent约15倍token消耗和技能方案可削减80%以上的系统提示词为依据，梳理单Agent架构的成本收益。
SoMark 团队正式开源 OXR 文档解析模型，主模型仅 1.3B 参数，在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 上分别取得 97.18、87.84、87.76 分，均居团队公布评测的第一。
推荐理由：三项基准与同条件速度测试并置，读者可据此评估 OXR 的解析精度、速度表现及与对照产品的相对位置。
达卯科技在 CPE 2026 展示以自研能源大模型和智能体集群为核心的算电协同产品体系，包括算电协同 2.0 平台及预测、调度、交易引擎。公司提出 E-AIDC（能源驱动型智算中心）范式，利用负荷、发电和电价等数据开展多市场预测与多目标策略求解，形成运营、调度和运维闭环。
推荐理由：文章给出四重市场融合寻优的解法及仿真与收益数据，呈现绿电直连项目突破电量净值博弈的具体路径。
Hi3D 团队发布国产 AI 3D 模型 Hi3D V3.0，并正式开放基于 Sparc3D 的 Hi3D V1.0 模型代码。V3.0 被介绍为业界首个可商用的 2048³ 超高精度国产自研模型，文章示例中其生成结果比 GPT-6 Astra 更接近参考图；V1.0 基于约 200 万个筛选后的 3D 资产训练。
推荐理由：文章对比 GPT-6 Astra 与 Hi3D 的 3D 生成效果，并梳理 V1.0 开源、训练规模及 Agent 工作流，便于开发者选型。
OpenAI 发布 GPT-6.1 Terra，标准 API 价格较 GPT-5.6 Terra 减半，主打电脑操作与多软件协同。
推荐理由：官方成绩与网友实测均围绕电脑操作、速度和成本展开，清楚呈现 GPT-6.1 Terra 与上一代及旗舰模型的取舍。