⌘ K
… 读取采集状态 同步中...
雷

Agent 智能体

让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。

686条精选相关主题MCP 与工具调用AI 编码推理能力

最新精选

第 461–480 条 · 共 686 条
8月27日周四
  1. 夕小瑶科技说84

    智谱 GLM-5.3-Flash 认领匿名模型 Ox-Alpha，以低价打破 DeepSeek 价格底线

    智谱认领匿名模型 Ox-Alpha 为 GLM-5.3-Flash。该模型是 GLM 首个原生多模态模型，支持 1M 上下文，采用 MIT 协议开源。作者实测其在 3D 城市建模、视频剪辑、网页复刻及前端工具开发等 Agent 任务中表现接近 Claude Opus 4.8。

    推荐理由：作者实测了 GLM-5.3-Flash 在多模态、3D 建模与视频编辑场景下的 Agent 表现，并展示了其以低价策略打破 DeepSeek 定价底线的冲击。

  2. 新智元71

    Ornith 发布 1.5 模型，自测编码能力反超 Claude Opus 4.8

    Ornith 发布三款 1.5 模型（397B、35B 和 9B），采用模型自我生成训练任务的新范式。在 Terminal-Bench 2.1 自测中，397B 得分 86.1，超过其自测的 Claude Opus 4.8 成绩 85.0，但官方榜单中 Opus 4.8 成绩为 78.9。

    推荐理由：文章拆解了Ornith让模型自我出题的训练闭环，并厘清了自测与官方榜单的差异，提供了评估开放模型能力边界的参考框架。

  4. LangChain Blog67

    LangChain 重构客服 Agent：弃用向量检索，转向直接 API 访问与 Deep Agent 子图

    LangChain 宣布重构其客服产品 chat.langchain.com，核心架构从传统的向量数据库检索转向给 Agent 提供直接 API 访问结构化文档、知识库和代码库。

    推荐理由：文章复盘了LangChain客服Agent的重构过程，提出了用直接API访问和Deep Agent子图替代向量检索的具体方案，为构建生产级Agent提供了可复用的架构参考。

  5. LangChain Blog65

    LangSmith LLM Gateway 公开测试版上线，为生产智能体提供运行时管控

    LangChain 宣布 LangSmith LLM Gateway 进入公开测试版，作为位于智能体与模型之间的集中治理层，统一执行成本上限、速率限制、模型回退和敏感数据处理等运行时管控。

    推荐理由：原文列出了成本、限流、回退等具体控制项和四级额度层级，读者可据此评估它是否解决自己生产环境的治理痛点。

  6. LangChain Blog67

    LangChain 联合 NVIDIA 发布 NemoClaw Deep Agents 蓝图

    LangChain 与 NVIDIA 联合发布 NemoClaw for LangChain Deep Agents 蓝图，整合 Nemotron 3 Ultra、Deep Agents Code 与 OpenShell runtime，为企业提供开放、可治理的智能体系统。

    推荐理由：联合 NVIDIA 发布的开放智能体蓝图将低推理成本转化为可规模化的评测与调优能力，企业可据此构建受治理的生产级智能体系统。

8月26日周三
  2. LangChain Blog70

    Candidly 如何利用 IO-HMM 构建 LangSmith 智能体状态感知框架

    Candidly 利用 IO-HMM 构建了可实时感知对话状态的智能体框架，将 23% 的脱离状态轮次减半并提升至 64% 的参与率。该方法通过分离用户侧信号与智能体侧特征，结合梯度提升模型预测对话结果，并将策略嵌入 LangSmith 实验循环，为多轮智能体提供了将离线评估转化为实时控制信号的通用工程方案。

    推荐理由：展示了基于隐马尔可夫模型构建智能体状态估计的完整工程流程，从特征提取到策略实验，提供了可迁移至编码或协调场景的实时干预设计思路。

  3. LangChain Blog72

    LangSmith Engine：LangChain 如何构建用于改进 Agent 的智能体

    LangChain 发布 LangSmith Engine，它是一个部署在 Agent trace 之上的智能体，用于自动发现重复失败模式并生成改进项。Engine 接收 trace、代码库和 Agent Overview 作为输入，输出问题列表、评估器建议和回归测试用例，通过轨迹压缩和子智能体筛查实现大规模 trace 分析，并将修复工作交给独立的 fix agent 处理。

    推荐理由：原文给出了Engine如何从海量trace中识别重复失败并生成可测试改进项的完整架构，展示了自动优化agent的方法。

  5. AGI Hunt77

    Anthropic 发布 AI 原生 SDLC 实践指南

    Anthropic 应用 AI 团队发布 AI 原生 SDLC 实践指南，提出以版本控制产物连接规划、设计、构建、测试、部署、维护六阶段的循环流程。指南明确了 intent.md、spec.md、plan.md 等关键产物的流转机制，并配套 Hooks 门禁、持续 Evals 和 Managed Settings 等治理框架，旨在解决代码生成加速后周边流程滞后的问题。

    推荐理由：Anthropic官方给出了AI原生SDLC的六阶段实践框架，读者可据此判断如何重构现有开发流程中的治理与度量体系。

  6. 硅星GenAI86

    SemiAnalysis 深度解析 OpenAI Jalapeño 芯片：架构、软件栈及性能表现超越 Blackwell

    SemiAnalysis 发布深度报告，拆解 OpenAI 自研推理芯片 Jalapeño 的架构、软件栈及部署细节。Jalapeño 基于 HBM4 和博通工艺打造，实测每兆瓦吞吐量击败英伟达 Blackwell，在部分指标上领先 Vera Rubin。

    推荐理由：SemiAnalysis 提供的实测数据表明，Jalapeño 在无推测解码的情况下，每兆瓦吞吐量已超过 Blackwell，并展示了 Codex 驱动的内核生成路径。

  7. 新智元69

    Claude 连续宕机三天，用户实测模型思考深度骤降 75%

    8月24日 Claude 一天内发生三次服务崩溃，API、Claude Code 与 Cowork 同步瘫痪，529 过载状态持续近三小时。8 月内 Claude 已记录 13 次事故，且 1 月至今累计 184 次故障。

    推荐理由：文章梳理了 Claude 密集宕机的表现与用户侧的体感降级，并引用了思考深度和任务耗时等实测数据，便于评估当前模型可靠性。

  8. 夕小瑶科技说80

    Anthropic 提出 AI Native 软件开发方法论

    Anthropic 发布 AI Native SDLC playbook，提出将软件开发流程从线性管道改为循环机制。该方法在规划、设计、构建、测试、部署、维护各阶段产出版本控制文档，人类在关键节点审核 AI 产出。文章建议按五层依赖顺序逐步落地，从基础规则到线上监控闭环。

    推荐理由：文章将 AI 嵌入完整开发生命周期并给出分层落地清单，为工程负责人提供可执行的流程改造框架。

  9. Claude Blog66

    Claude Cowork 桌面端内置独立浏览器功能

    Claude 在桌面端 Cowork 中内置独立浏览器，可自主导航、读取页面并填写表单。该功能面向 Pro、Max 和 Team 计划开放，支持从 Chrome、Edge 或 Firefox 按站点导入登录状态，但不共享用户本地浏览器的标签页、书签或密码。

    推荐理由：内置浏览器让 Claude 在桌面端独立处理网页任务，无需调用用户本地浏览器，扩展了 Agent 的能力边界。

  10. Claude Blog79

    Claude in Chrome 全面可用并引入浏览器操作安全防护

    Claude in Chrome 向所有付费计划开放，Claude 可在浏览器中自主操作，无需用户逐项批准。安全分类器会在动作执行前进行校验。Anthropic 披露了最新评测结果：在包含探针和安全分类器的最强防护下，Sonnet 5 和 Opus 5 未受攻击影响，Fable 5 的攻击成功率为 0.3%。该功能暂不支持移动端及其他 Chromium 浏览器。

    推荐理由：文章给出了浏览器操作的安全机制和攻防数据，读者可以据此判断其自主执行能力的边界。

8月25日周二
  1. Hugging Face Blog78

    IBM 发布 Granite 4.2 推理模型，开放 Apache 2.0 许可

    IBM 发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个稠密模型，均基于 Apache 2.0 协议开放。该系列模型基于约 15 万亿 token 预训练并扩展至 512K 上下文，8B 和 30B 额外经过智能体强化学习训练，可在真实沙箱中执行代码、操作终端及检索网页。

    推荐理由：IBM 详细拆解了模型的五阶段预训练和七阶段强化学习课程，展示了在真实沙箱中训练智能体能力的具体工程路径。

  2. APPSO65

    苹果发布新款 Mac mini 与 Mac Studio，主打本地 AI 计算性能与多机集群扩展

    苹果正式推出搭载 M6、M5 Pro、M5 Max 及 M5 Ultra 芯片的新一代 Mac mini 和 Mac Studio。新品重点强化本地 AI 运行能力，支持通过 Thunderbolt 5 组建多机集群进行分布式推理。Mac mini 起售价 6999 元，Mac Studio 起售价 19999 元，8 月 25 日开启预购，9 月 22 日起发售。

    推荐理由：Mac 产品线依据 AI 负载重新分层，展示了统一内存架构在本地 Agent 常驻运行场景中的具体扩展路径。

  3. 光子星球79

    实测豆包工作：AI 办公新产品的五大核心能力验证

    光子星球对字节新发布的豆包工作进行了实测，验证了其云盘互通、指哪改哪、虚拟桌面、手机远程派发及工作伙伴五大功能。测试显示豆包工作能完成 116 篇文章分析并生成作品集网页，实现网页元素级精准修改，且能在本地隔离环境操作电脑或接收手机指令归档文件，但多 Agent 并发协作目前仍需串行执行。

    推荐理由：实测展示了网页编辑精准控改、本地电脑操作隔离及手机远程执行等细节，帮助读者直观判断 Agent 办公产品的实际可用性。

  4. 极客公园74

    字节 AI 产品向豆包集结，Agent 时代第一场巨头战役打响

    字节 8 月 25 日正式发布面向生产力场景的 Agent 产品「豆包工作」，可自主拆解任务、调用工具完成文档、表格、PPT 及多媒体制作，并接入飞书的消息、文档、会议和权限上下文。

    推荐理由：文章梳理了字节产品整合的脉络，并以腾讯 WorkBuddy 为参照解释办公 Agent 竞争的胜负点在组织上下文。