AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：自动化×
6月30日
10:45
6月27日
19:24
6月25日
23:39
22:55
12:54
6月24日
18:32
6月19日
16:27
14:00
09:26
04:32
04:21
04:20
6月16日
20:46
13:20
13:11
6月15日
18:18
6月13日
02:08
6月12日
21:52
21:52LangChain@LangChainAI
LangChain 团队展示了如何用 LangChain 和 DeepAgents 构建多种循环结构，从基础的 Token 循环到复杂的元循环。Token 循环由模型支持，create_agent 提供智能体循环（模型+工具+重复直到完成），DeepAgents 引入自我验证循环（智能体循环+验证+重复直到满意），部署则实现元循环（根据事件触发智能体运行以改进系统）。团队还提到正在探索“引擎”循环，用于分析每次追踪并调整提示、工具等，使元循环更高效。这为开发者提供了从简单到复杂的循环构建路径，适合需要自动化迭代和系统优化的场景。
AI产品LangChainDeepAgents智能体循环自动化系统优化
推荐理由：做智能体自动化和系统优化的开发者，LangChain 这套循环体系从基础到元循环都覆盖了，直接拿来用就能提升迭代效率，值得点开看看。
原文
12:57
05:40
05:40rohanpaul_ai@rohanpaul_ai
精选
一篇论文提出 SIA（自我改进 AI）框架，让 AI 通过观察任务代理的表现，自动调整外部设置（如提示、工具、重试规则）或更新模型权重（通过 LoRA 适配器）。在三个差异极大的任务（中文法律罪名分类、GPU 内核速度调优、单细胞 RNA 去噪）上，结合设置与权重更新的版本均优于仅改进设置的方法。这表明，除了优化提示和工具，让模型通过任务反馈学习模式能带来额外提升。
论文自我改进LoRA任务代理自动化AI 研究
推荐理由：这项研究解决了 AI 自我改进依赖人工调参的瓶颈，做自动化 Agent 或模型微调的团队值得关注——SIA 的 LoRA 更新思路能低成本让模型学会任务模式，比只改提示更有效。
原文
05:03
04:48
04:48rohanpaul_ai@rohanpaul_ai
精选73°
OpenAI 收购了初创公司 Ona，旨在为 Codex 智能体提供安全的持久云桌面环境。Codex 目前每周用户已达 500 万，增长 400%，但复杂任务需要工具、文件、凭证和日志支持，传统聊天模式已无法满足。Ona 的持久云工作空间让智能体可以独立运行命令、检查系统、保持上下文并跨设备恢复工作。企业用户是此次收购的核心目标，他们希望智能体在企业云边界内运行，并具备权限控制、审计追踪和访问限制。这使得 Codex 更像一个托管执行层，适用于测试、修复、重构、迁移等多步骤知识任务。
AI产品智能体Codex云桌面企业安全自动化
推荐理由：企业团队终于有了让 AI 智能体安全、持久执行复杂任务的方案——Codex 结合 Ona 解决了跨设备、断点续传和权限管控的痛点，做 DevOps 或自动化测试的开发者值得关注。
原文
03:09
03:09Aravind Srinivas@AravSrinivas
精选
Perplexity 宣布其智能体框架 Computer 原生集成了 Deep Research 能力，用户无需再单独切换模式。该功能基于“搜索即代码”架构，模型自动编写代码来组织搜索流程，并行执行数千次检索步骤，针对每个问题定制化搜索。在多个基准测试中，其性能超越了传统的 Deep Research 方案。这标志着智能体工具在深度研究自动化方面迈出了重要一步。
AI产品智能体搜索即代码深度研究Perplexity自动化
推荐理由：做深度调研或竞品分析的团队终于有了一个能自动并行搜索的智能体——Perplexity Computer 把 Deep Research 变成原生技能，不用再手动切换模式，建议试试看能否替代你现有的研究流程。
原文
02:18
6月11日
15:28
15:23
15:07
08:53
08:53rohanpaul_ai@rohanpaul_ai
精选72°
一篇新论文提出“Agents' Last Exam”基准测试，要求AI智能体完成来自55个数字工作领域的真实专家任务，包括工程、金融、医学、法律、媒体和科学。测试发现，当前最强的智能体系统在最难任务上的平均完全通过率仅为2.6%，远低于其基准分数所暗示的水平。该基准强调从“能否回答难题”转向“能否完成人们付费做的工作”，使用自动检查或严格评分标准而非主观评判。结果表明，基准测试的成功尚未转化为广泛的工作场所能力，智能体在真实自动化中仍不可靠。
论文智能体基准测试真实工作自动化评估标准
推荐理由：这篇论文戳破了AI基准测试的泡沫——高分不等于能干实事。做AI自动化部署的团队、评估智能体能力的开发者，看完会重新审视自己的测试标准，建议点开看看真实工作场景的差距。
原文
02:28
02:14
02:09
01:21
01:05
00:19
6月10日
19:15
19:15The Rundown AI@therundownai
Anthropic 向公众推出了其 Mythos 级别的 AI 模型，标志着其在 AI 能力上的又一次重大提升。Perplexity 发布的数据地图显示了智能体工作模式的转变趋势，表明 AI 代理正在从概念走向实际应用。此外，Dexter 工具实现了金融研究的自动化，而 Codex 则帮助日本一家西兰花农场实现了自动化运营。同时，还有 4 款新的 AI 工具和社区工作流发布，展示了 AI 在各行业的渗透。这些进展共同反映了 AI 在自动化、研究和农业等领域的快速落地。
AI产品AnthropicMythosPerplexity智能体自动化
推荐理由：Anthropic 的 Mythos 级 AI 可能带来更强的推理能力，AI 从业者和开发者值得关注其实际表现；Perplexity 的数据地图则给做智能体产品的团队提供了市场信号，建议点开看看趋势。
原文
17:47
17:46
03:48
03:28
03:28rohanpaul_ai@rohanpaul_ai
83°
Claude Code 团队成员 Thariq 分享了一系列使用技巧，帮助开发者更高效地利用 Claude Code。核心建议包括：从验证“是否做对”转向验证“是否做对的事”；在实现前让 Claude 参与思考过程，通过小规格文档和访谈式对话明确细节；使用 /goal 命令让模型持续工作直到目标完成；利用 Workflows 并行任务、自我验证并生成报告。这些方法能显著提升 Claude Code 在复杂项目中的表现，甚至完成此前被认为不可能的任务。
技巧Claude Code编程助手工作流提示词技巧自动化
推荐理由：Claude Code 团队内部技巧首次公开，做复杂自动化或长任务开发的可以直接套用 /goal 和 Workflows，大幅减少人工干预。
原文
03:13
02:13
01:42
00:54
00:54Harrison Chase@hwchase17
LangChain 创始人 Harrison Chase 在 X 上分享了 Fleet 平台中“循环”与“触发器”的概念。循环是指 AI 在后台反复执行某个过程，而触发器则是启动循环的机制，例如定时任务、邮件或 Slack 消息。用户无需手动定义循环，只需将触发器连接到智能体，智能体就能在触发时自动获取上下文并执行任务。Fleet 目前已经支持通过视频演示的这种方式构建循环，适合自动化工作流的开发者。
AI产品LangChainFleet智能体自动化触发器
推荐理由：做自动化工作流的开发者终于有了更优雅的循环机制——Fleet 的触发器+智能体组合让 AI 在后台持续运行，省去手动轮询的麻烦，建议试试。
原文
6月9日
22:50
22:38