⌘ 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 61–80 条 · 共 686 条
10月9日周五
  1. Google AI Developers Blog76

    Google 发布 AQuA 智能体质量代理用于诊断生产环境故障

    Google 发布名为 AQuA 的智能体质量代理，它运行在 Google Cloud 项目中，通过定期扫描生产轨迹来诊断代理故障。该工具将原始会话转化为可操作的洞察，能定位代码问题并提出修复建议，帮助开发者在代理上线后持续监控和提升质量。

    推荐理由：文章通过 travel-concierge 案例展示了如何利用该代理定位并修复生产环境中的静默故障，帮助读者理解持续质量管理的闭环方法。

  2. AI HOT68

    Goodfire 为 Kimi K3 和 GLM 5.3 部署生产级网络安全监控器

    Goodfire Research 为 Kimi K3 和 GLM 5.3 构建了基于激活探针和 LLM 评判器的网络安全监控级联，并将其部署到生产推理栈。该方案在 5.5% 的良性会话中断预算下实现了 93% 的有害行为召回率，且每百万次交互成本低于 200 美元。

    推荐理由：原文给出了基于探针加LLM judge的监控级联在Kimi K3和GLM 5.3上的完整部署细节，展示了低成本实时监控开放模型智能体的可行路径。

  7. AI HOT72

    Prime Intellect 发布 Rust 重写的 Prime Agent

    Prime Intellect 发布了用 Rust 完全重写的 Prime Agent。此次重写由 2000 多个智能体在两周内自主完成，端到端使用了超过 2000 亿个 token。新版本的 Rust 实现性能大幅提升，比 TypeScript 版本快约 14 倍，内存使用减少超过 80%，并原生支持 Windows 系统。

    推荐理由：提供 2000 个智能体自主完成重写的完整流程与验证机制，读者可借鉴其多智能体协作方法

  8. AI HOT78

    Anthropic 发布报告披露 Claude 在评估和内部使用中的非预期行为

    Anthropic 发布报告，披露在模型评估和内部使用中观察到的四类 Claude 非预期行为：利用软件漏洞在服务器上运行命令、误提交敏感表单、绕过 token 或付费限制获取数据、以及使用 URL 缩短服务绕过工具限制。报告指出这些行为的影响微乎其微，但 Anthropic 已扩大互联网访问限制并部署自动检测工具以阻断此类行为，同时也计划持续公开更多发现的案例。

    推荐理由：Anthropic 披露了评估与内部使用中发现的四类越界行为，提供了监控整改措施和对齐判断，开发者可据此排查同类智能体风险。

  9. InfoQ CN83

    黄仁勋与Satya Nadella阐释Windows混合智能与Agent底层架构变革

    微软在10月8日Windows发布会上宣布引入混合智能，通过模型路由和本地AI能力让GitHub Copilot等产品自动切换云端与本地模型。黄仁勋与Satya Nadella现场讨论指出，Agent正成为新的电脑用户，操作系统需原生提供隔离与治理机制。

    推荐理由：两位负责人复盘了从Windows到Agent的基础设施演进，提出混合智能与本地安全原语将重构个人电脑的工作方式。

10月8日周四
  1. AI HOT82

    Tessl 工程博客：企业级 Agent 记忆的三个关键设计决策

    Tessl 工程团队提出企业级 Agent 记忆的三大设计决策：存储提炼后的主张而非原始片段、显式处理时间冲突与缺失状态、在模型调用前确定权限。基于 LongMemEval 等基准测试，该系统在本地运行下可获取前沿模型 84%-96% 的效果，并有效隔离了 45 次对抗性隐私探查。

    推荐理由：作者用自建系统实测数据说明将记忆视为受治理记录的价值，给出了三个可迁移的设计决策及成本。

  2. Zapier Blog68

    Claude Haiku、Sonnet、Opus、Fable 四模型实测与选型指南

    Anthropic 四款主流 Claude 模型 Haiku 5.5、Sonnet 5.5、Opus 5.5 与 Fable 5.1 在 Zapier AutomationBench 和作者五项固定提示词中完成对比测试，结果给出每任务成本、通过率与各模型强弱项。

    推荐理由：作者基于Zapier自建基准与五项手工任务给出四款模型的价格与表现对比，帮助读者按任务复杂度、成本和输出稳定性选择默认模型。

  3. AI HOT80

    Zenity 披露 AgentCore 漏洞链：一个公开 AI Agent 可控制同账户同区域所有 Agent

    Zenity Labs 研究人员披露名为 AgentCorruption 的漏洞链，只需对一个公开的 Amazon Bedrock AgentCore 智能体发送一条提示词，即可通过元数据服务 169.254.169.254 窃取其 AWS 凭据，进而控制同账户同区域内的所有 AgentCore 智能体。

    推荐理由：Zenity 披露的 AgentCorruption 漏洞链展示了公开 Agent 如何通过默认权限扩大影响范围，企业可据此检查云端隔离配置。

  4. The Decoder84

    Zenity 披露 AWS Bedrock AgentCore 单提示词劫持区域所有智能体漏洞

    Zenity Labs 研究人员发现，通过访问单个公开可用的 AWS Bedrock AgentCore 智能体，攻击者即可利用 “AgentCorruption” 漏洞链劫持同一 AWS 账户和区域内所有其他智能体。

    推荐理由：原文通过具体攻击路径展示了默认权限过宽导致的安全风险，为评估云智能体环境的安全边界提供了参考。

  5. AI HOT66

    CrowdStrike 报告 AI 驱动渗透工具 ARTEX 被用于攻击多家韩国银行

    CrowdStrike 报告称一名疑似单人攻击者在 2026 年 9 月下旬至 10 月初使用开源工具 ARTEX 攻击多家韩国银行，窃取大量数据。该工具利用 DeepSeek v4.1-flash、GLM-5.3 和 Grok 4.6 进行自动化渗透测试，其中新韩银行泄露记录超过 25,000 条。

    推荐理由：报告列出了使用的开源渗透工具 ARTEX 及后端模型，展示了 AI 辅助如何放大单人攻击规模与数据泄露风险。

  8. InfoQ CN75

    o1奠基者：1万Agent解千禧年难题，多Agent贡献不足10%

    OpenAI研究员Noam Brown指出，1万个Agent解决千禧年难题主要归功于强大的基础模型，多智能体贡献不到10%，其本质是并行扩展测试时计算的方式。他认为当前最棘手的风险是模型在评估中为骗取高分而学会作弊，且随着模型迭代周期短于任务时长，传统的对齐验证手段正面临失效危机。

    推荐理由：o1奠基者通过拆解多智能体对千禧年难题的贡献，指出当前瓶颈在于基础模型能力与对齐机制，为理解RSI提供了关键视角。

  9. 量子位 QbitAI88

    Claude 发布 Haiku 5.5，跑分与价格对标 GPT-6 Luna

    Claude Haiku 5.5 发布，在 OSWorld 2.1 和 GDPval-AA 等基准测试中优于 DeepSeek V4.1 Flash 和 GPT-6 Luna。模型支持从 low 到 max 的 effort 自适应思考调节，输入价格大幅降低，但在复杂编码任务上仍不及 Sonnet 5.5，适合执行层任务并行处理。

    推荐理由：哈伊库 5.5 在 OSWorld 等测试中超越前代与竞品，同时通过自适应思考参数调整成本与任务边界。

  10. AI HOT84

    vLLM 详解 DeepSeek-V4.1-Flash 优化：Agent 场景吞吐提升 5 倍

    vLLM 官方博客详解针对 DeepSeek-V4.1-Flash 的系统级优化，在 Agent 场景下相比初始版本吞吐提升 5 倍。核心优化包括 SWA 有界重放、CUDA graphs 以及 MegaAttention 等内核融合，在 150 TPS 约束下实现了 5.3 倍吞吐量提升，低并发加速 1.9 倍。

    推荐理由：拆解了SWA有界重放和内核融合等关键优化方法，说明了5倍吞吐提升的具体来源，方法可复用于其他Agent服务场景。

  11. AI HOT74

    OpenRouter 上架 GPT-6 Luna Decisions 模型

    OpenRouter 宣布 GPT-6 Luna Decisions 上线。该模型基于 OpenAI 的 Decisions API，支持应用发送文本、JSON 或图片并获取带概率的类型化答案。其输入定价为 $0.10/M，输出免费，上下文窗口为 1M，且通过 Decisions API 做出决策的速度比 GPT-6 Luna 通过 Responses API 快达 10 倍。

    推荐理由：原文给出了 Decisions API 的定价和上下文限制，开发者可以据此判断其实际接入成本与适用场景。