⌘ 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 161–180 条 · 共 686 条
10月2日周五
  1. AI HOT82

    LangChain 讲解如何在 Agent Harness 中构建模型路由器

    LangChain 基于开源编码 Agent Open SWE 构建了模型路由器，通过973个线程的A/B测试将中位成本从$2.61降至$0.94，且PR合并率与质量均无可测下降。该路由器依据任务类型将请求分配给GLM-5.3-Flash、GPT-5.6 Sol和GPT-6 Astra三个层级，LangChain已将其封装为模型路由中间件供其他智能体复用。

    推荐理由：原文利用自家产品的A/B测试数据，展示了模型路由器在保持代码合并质量的同时降低64%成本的方法。

  2. AI HOT77

    LangChain 讲解如何在 Agent Harness 中构建模型路由器

    LangChain 在开源编码智能体 Open SWE 中构建模型路由器，通过 A/B 测试将中位成本从 $2.61 降至 $0.94（降 64%），PR 合并率与对照组无显著差异。方法包括基于任务复杂度的模型分层、在框架中间件中实施路由决策，以及跟踪实时结果。LangChain 发布了模型路由中间件，允许用户自定义基础提示、模型层级及标准来接入自有智能体。

    推荐理由：原文给出了路由器的设计步骤和A/B测试数据，读者可以据此将模型路由逻辑迁移到其他智能体框架中。

10月1日周四
  1. 量子位 QbitAI90

    谷歌发布 Gemini 4 Argon 并主打 RSI 与网络安全能力

    谷歌发布 Gemini 4 Argon，RSI 表现被强调，DeepSWE v1.1 得分 77.9% 高于 Claude Opus 5.5 与 GPT-6 Astra，Text Arena 排名第一。 优惠期每百万输入 Token 为 2 美元、输出 Token 为 10 美元，单题成本较 Astra 低约四成，且首批开放给经过筛选的网络安全防御团队。

    推荐理由：原文梳理了模型跑分、内部部署案例与限制入口，帮助判断新旗舰在长任务和安全场景下的实际定位。

  3. AI HOT78

    Ethan Mollick 谈点与群：智能体自组织为何让管理假设失效

    Ethan Mollick 承认此前认为需人类像经理一样设计智能体组织的判断错误，指出“苦涩的教训”同样适用于组织管理。他提到 OpenAI 发布名为 dots 的智能体，并描述其与 Meta Muse、SpaceX Grok Bot 等竞争工具类似，能主动处理任务且无需用户输入大量上下文。

    推荐理由：作者复盘了对智能体组织管理的误判，指出自组织使传统管理假设失效，并引用OpenAI集群解决Navier-Stokes方程的案例说明协调结构可极简。

  4. AI HOT77

    Ethan Mollick：智能体自组织让传统管理假设失效

    Ethan Mollick 承认自己此前认为人类需像经理一样精心设计智能体组织的判断有误，指出“苦涩的教训”同样适用于组织管理。OpenAI 启动的集群（swarm）使用数千个智能体在 88 小时内解决了纳维-斯托克斯方程问题，期间智能体相互发送约 270 万条消息且自行协调，展示了低组织成本下的自组织能力。

    推荐理由：作者结合自身误判复盘，结合 Navier-Stokes 集群案例，指出智能体自组织远比传统管理预想中容易。

  5. 硅星人Pro80

    大厂急了：Muse爆火后，谁离中国版个人Agent最近

    Meta的个人AI智能体Muse上线13天下载量超250万，OpenAI随即发布Dots以作回应。文章对比了腾讯小微、阿里千问、字节豆包和Manus，指出国内大厂卡在跨生态权限和生活数据分散上，短期内难以出现完全打通各个超级App的中国版Muse。

    推荐理由：原文拆解了Meta Muse的爆火逻辑，并逐一对比国内大厂在权限和入口上的卡点，帮助判断中国版Agent产品的真正壁垒所在。

  7. AI HOT87

    ChatGPT 支持构建并部署 MCP 服务器

    ChatGPT 现可直接构建并部署 MCP 服务器，并支持将其转为插件安装到 web、移动端和桌面端。用户可限制访问权限给指定人员，也可向全世界公开分享。

    推荐理由：原文补充了 MCP 服务器访问权限的限制与公开分享机制，可据此判断自建服务能否私有或公开分发。

  8. 机器之心82

    美国大厂转向开源模型，中国成最大赢家

    美国企业因 AI 成本压力加速向开放模型分流，AT&T 已将 40% 的 AI 工作负载迁移至开放模型，目标一年后提升至 70%。Tinder 年度 AI 支出半年内从 100 万美元激增至 1000 万美元，促使普通用户请求转向开放权重模型。

    推荐理由：文章用 AT&T 和 Tinder 的账单展示了美国企业因成本压力向开放模型分流，并指出中国模型在此过程中扮演关键角色。

  9. AGI Hunt92

    Google DeepMind 发布旗舰模型 Gemini 4 Argon

    Google DeepMind 发布新一代旗舰模型 Gemini 4 Argon，采用分阶段开放机制，目前向美国政府、受信任网络防御者和内部员工开放。单次输出上限提升至 100 万 token，定价为每百万输入 token $2、输出 token $10，是 GPT-6 Astra 的五分之一。

    推荐理由：原文梳理了发布节奏、多模态能力变化与第三方对比，读者可以据此判断它何时开放以及会改变哪些使用场景。

  10. AI科技评论83

    AMD 以 82 亿美元全股票收购 World Labs，李飞飞出任首席科学家

    AMD 以约 82 亿美元全股票收购李飞飞创立的 World Labs，这是 AMD 史上第二大收购，交易完成后李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向 CEO 苏姿丰汇报。

    推荐理由：82 亿美元全股票收购为空间智能赛道提供量化价值锚点，世界模型团队的硬件话语权切入构成行业新变量。

  11. 新智元74

    OpenAI 发布共享工作区 Space、Pages 和协作幻灯片功能

    OpenAI 在 DevDay 2026 上公布 ChatGPT 办公协作新功能：共享工作区 Space、协作文档 Pages 和即将推出的协作幻灯片。Space 和 Pages 面向指定付费计划开放，协作幻灯片计划在未来数周推出；Pages 支持多人编辑和持续更新，并可导出为 PowerPoint 或 Google Slides。

    推荐理由：OpenAI把AI协作推进到文档与幻灯片层面，读者可据此理解其在Office场景中承接任务跟进的边界。

  12. AI HOT74

    OpenRouter 发布 Agent 模型成本与质量权衡选型框架

    OpenRouter 发布三步框架，指导用户为 Agent 任务选出以最低成本达到质量门槛的模型。框架要求先设定质量门槛，在 20 到 50 条自有样本上运行廉价、中端和前沿模型并用统一标准评分，最后选出余量超过运行间波动的最便宜模型。

    推荐理由：文章给出了可复用的三步选型框架，帮助读者按任务质量门槛选出成本最低的够用模型。

  13. AI HOT73

    Modal 推出 Sidecars，为 Sandboxes 提供低延迟信任边界

    Modal 推出 Sidecars（Beta），一种与主 Sandbox 同宿主运行但隔离的可信容器，用于在可信与不可信代码之间建立安全边界。Sidecars 比使用独立 Sandboxes 快 3 倍跨信任边界通信，Ramp 用它构建自定义 egress 代理监控其 coding agent 的出站流量。

    推荐理由：原文给出了 Sidecar 的隔离机制、3 倍通信提速和 Ramp 实例，读者可据此评估替代现有 egress 控制的可行性。

  14. AI HOT74

    Modal 正式发布 VM Sandboxes：提供完整 Linux 虚拟机能力

    Modal 宣布 VM Sandboxes 正式 GA，开发者只需设置 runtime="vm" 即可获得支持 Docker、FUSE 及内核功能的完整 Linux VM。该功能沿用原有 Sandbox 的 API、modal.Image 以及亚秒级冷启动特性，早期客户已启动超过 2000 万个 VM。

    推荐理由：官方说明了完整 Linux VM 沙箱的能力边界与切换方式，并对早期客户的工程实践提供了直接参考价值。

  15. AI HOT79

    Modal 正式发布 VM Sandboxes：支持 Docker 与内核功能的完整 Linux 虚拟机

    Modal 官方宣布 VM Sandboxes 正式 GA，通过设置 runtime="vm" 即可为 Agent 提供完整的 Linux 虚拟机，原生支持 Docker、FUSE 及内核功能。早期客户已启动超过 2000 万个 VM，Linear 和 Legora 等团队正在使用它运行真实的开发环境与复杂 Agent 评估。

    推荐理由：官方明确了切换为完整 Linux VM 的条件与早期客户落地细节，为给 Agent 配置隔离环境提供了可直接参考的边界与案例。

  16. AI HOT80

    OpenRouter 教程：在 CI 中用 LLM 评估门禁拦截 Pull Request

    OpenRouter 发布教程，展示如何用固定评估集在 CI 中门禁 Pull Request，通过率低于阈值时脚本以非零退出码阻止合并，做法与单元测试门禁一致。流程包含路径过滤、脚本评分、阈值测量和 Ori Eval 扩展，强调在作业级别使用 if 条件过滤并在本地测量最低通过率设定阈值。

    推荐理由：原文提供从脚本到 GitHub Actions 的完整可复现流程，并强调路径过滤层级与阈值实测两个易错点。

  17. AI HOT68

    OpenRouter 发布 Agent 模型成本与质量权衡选型框架

    OpenRouter 发布 Agent 模型成本与质量权衡选型框架，旨在为不同任务选出以最低成本达到质量门槛的模型。该框架包含三个步骤：定义任务的质量门槛；在 20 到 50 条自身样本上运行廉价、中端和前沿模型，通过 usage.cost 计算每质量点成本；选择以超过观察到的运行间波动余量越过门槛的最便宜模型。

    推荐理由：原文提供了基于自身样本测试成本与质量门槛的三步选型方法，帮助读者以最低成本适配具体 Agent 任务。

  18. AI HOT74

    英国 AISI 加强安全措施后恢复大部分危险能力评估

    英国 AISI 宣布完成第一阶段安全加固，恢复大部分此前因智能体越权接触真实系统而暂停的高危评估。具体措施包括禁用智能体评估的互联网访问，使用 LLM 同步监控智能体的消息、工具调用和思维链以拦截可疑行为，并改造评估设计以引入 NCSC 指导下的内部治理流程。

    推荐理由：英国 AISI 公开了恢复高危评估前实施的多层防御与实时监控细节，为其他评估机构提供了可参考的安全实践。