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：智能体×
5月27日
17:59
17:59Philipp Schmid@_philschmid
72°
DeepSWE 是一个新的软件工程/智能体基准测试，包含 113 个任务，覆盖 91 个仓库和 5 种编程语言。其评估框架 mini-swe-agent 为每个模型提供单一的 bash 工具和相同的系统指令，没有厂商自定义原语。评估提示比 SWE-Bench Pro 更短，但平均需要修改 5.5 倍以上的代码和 7 个文件，旨在模拟开发者与智能体对话的真实方式。初步结果显示，Claude Opus 比 Claude Code 高 10 个百分点，Gemini 3.1 Pro 比 Gemini CLI 高 20 个百分点。该基准强调指令遵循能力，可能对探索型模型不利。
AI模型SWE 基准智能体编程助手Claude OpusGemini Pro
推荐理由：做 SWE 智能体评估或开发 AI 编程助手的团队，这个新基准更贴近真实开发场景，值得关注其设计思路和模型表现差异。
原文
17:53
13:42
11:59
11:16
11:08
11:04
11:03
08:37
06:20
06:20DeepLearning.AI@DeepLearningAI
卡内基梅隆大学和斯坦福大学的研究人员发现，当前AI智能体基准测试主要聚焦于软件开发任务，而美国劳动力市场的工作种类更为多样。研究将智能体测试中的任务映射到美国劳工统计局的职业数据，结果显示测试内容与大多数人的实际工作存在显著不匹配。这意味着现有基准可能高估了AI在某些领域的表现，同时低估了其在其他经济价值任务中的潜力。该研究呼吁开发更全面的评估方法，以真实反映AI智能体的经济影响。
论文智能体基准测试劳动力市场CMU斯坦福
推荐理由：这项研究戳破了AI基准测试的盲区——如果你在评估智能体工具或做AI产品，会发现现有测试可能误导了你的判断，建议点开看看如何修正评估标准。
原文
04:08
03:26
03:26Gary Marcus@GaryMarcus
Gary Marcus 引用了一个新术语“agent debt”（智能体债务），指在快速构建智能体工作流时，系统提示冲突、记忆污染、工具重叠等问题积累，导致几个月后智能体行为异常且难以调试。他认为这是 AI 驱动的技术债的必然体现，并推荐阅读 2014 年的经典文章《机器学习：技术债的高息信用卡》。这一概念提醒开发者，AI 系统的快速迭代若不及时清理，会带来严重的维护成本。
行业智能体技术债AI 开发系统维护Gary Marcus
推荐理由：做智能体开发或 AI 产品迭代的团队，这个新词能帮你提前识别隐性风险——快速上线后不清理，6 个月后可能连自己都看不懂。建议点开看看 Marcus 的警告和那篇经典文章。
原文
03:24
00:47
00:47Weaviate@weaviate_io
Booking.com 的 Başak Eskili 在 Weaviate Podcast 上分享了他们从关键词匹配到语义检索的 AI 进化之路，最终在 AWS 上使用 OpenSearch 并迁移到 Weaviate 以应对 1 亿+嵌入向量的生产级规模。他们构建的合作伙伴到客人的消息代理是真实的智能体 AI 案例：Weaviate 检索回复模板，API 获取上下文，智能体推荐或生成回复，必要时转人工。评估体系包括离线数据集、LLM 作为裁判、A/B 测试和实时反馈。他们还测试了过滤向量搜索、多线程并发、读写并发和成本优化，并展望了带记忆系统的个性化旅行代理。
AI产品向量搜索WeaviateOpenSearch智能体生产级部署
推荐理由：做向量搜索或 RAG 系统的团队，Booking.com 的 1 亿+嵌入生产实战比任何论文都实在，看完能避开不少坑。
原文
00:23
00:23lmarena.ai@lmarena_ai
精选83°
Qwen3.7 Max 在 Code Arena 前端编程评测中排名第4，成为榜单上排名最高的中国实验室模型，超越了 GLM-5.1，并与 Claude Opus 4.6 持平。该模型专为智能体时代设计，支持端到端编码、前端原型、多文件重构和真实调试，还能通过 MCP 集成和多智能体编排完成办公任务。在长时自主任务中，它可连续运行 35 小时，执行超过 1000 次工具调用而无需人工干预。API 已在阿里云百炼平台上线，用户也可在 Qwen Studio 体验。
AI模型Qwen3.7 MaxCode Arena前端编程智能体阿里云
推荐理由：Qwen3.7 Max 在智能体编程任务上追平了 Claude Opus 4.6，做前端开发或自动化智能体的团队值得一试，尤其是需要长时自主执行的场景。
原文
00:20
5月26日
23:58
23:58berryxia@berryxia
精选88°
Anthropic黑客松冠军团队Affaan Mustafa和队友在纽约赛场用Claude Code仅8小时做出产品夺冠，奖品为1.5万美元API credits。赛后他们将积累的精华开源为ECC（Everything Claude Code）仓库，包含61个Agent、246个Skills、76个预设命令，以及Hook系统、规则引擎、安全扫描和MCP配置。ECC不是提示词合集，而是完整的AI编程工作台，支持Claude Code、Cursor、Codex等多平台。该项目让独立开发者和小团队能直接克隆一套工业级AI编程环境，持续更新。
AI产品Claude Code开源/仓库AI编程助手智能体MCP/工具
推荐理由：重度使用Claude Code、Cursor、Codex的开发者，这个开源仓库能让你直接获得一套61个Agent+246个Skills的完整工作台，省去自己搭建的麻烦，建议立刻clone试试。
原文
23:28
23:00
22:24
22:21
16:37
16:35
16:32
16:32
16:27
16:27Tw93@HiTw93
精选
Waza 是一个将开发者日常工程习惯转化为 AI 智能体可执行技能的工具，吸收了真实项目经验。它支持 Mac 原生应用、CLI 工具和 Rust 项目，兼容 Claude Code、Codex、Cursor 和 Pi 等智能体运行时。Waza 提供 8 项技能，包括 CLI 审查、调试“源码能跑但安装后报错”、修复后自动清理同类实例、强制验证运行时证据后才确认修复等。它还内置 25 种反模式检测、破坏性命令安全保护，并将获取的内容视为不可信数据。该项目无框架依赖、无遥测，轻量可卸载。
AI产品智能体CLI 工具开源/仓库代码审查Rust
推荐理由：Waza 把开发者熟悉的工程习惯打包成 AI 智能体可直接运行的技能，做 CLI 工具、Rust 或 Mac 原生应用的团队，能直接用它提升代码审查和调试效率，值得一试。
原文
15:36
14:24
07:40
04:52
04:52rohanpaul_ai@rohanpaul_ai
72°
Meta、斯坦福和伊利诺伊大学联合发表了一篇综述论文，核心观点是：当代码成为AI智能体的主要工作层时，智能体表现更优。论文指出，仅靠LLM做文本预测，长任务容易丢失状态、隐藏错误，将计划转化为行动的方式也很脆弱。真正的进步不是“AI写代码”，而是“AI把代码当作它思考的环境”。作者将围绕模型构建的工具、记忆、沙箱、检查和反馈循环称为“智能体马具”，而代码应处于这个马具的中心，因为代码可以被运行、检查、保存、编辑和共享。论文总结了一个跨领域的模式：代码帮助智能体通过可执行步骤推理、通过工具调用或控制程序行动、通过测试、追踪、日志、仓库和模拟器建模环境。
论文智能体代码即环境Meta斯坦福论文
推荐理由：这篇论文为AI智能体架构提供了一个清晰的设计原则——用代码作为核心工作层，做智能体系统或工具链的开发者值得一读，能帮你理解为什么代码比纯文本更适合作为智能体的“思考环境”。
原文
04:00
04:00rohanpaul_ai@rohanpaul_ai
88°
Grok Build beta 是一款终端内的智能体编程助手，现已向所有 SuperGrok 和 X Premium+ 用户开放，此前仅限 SuperGrok Heavy 用户。用户通过一条命令安装后，可用自然语言指令如“制作一个过山车模拟器”来启动项目。Grok Build 支持计划模式（Plan Mode），先生成步骤计划供用户审核后再执行；可并行运行子智能体处理复杂任务；能编辑多个文件、使用 git、运行测试、搜索网络，并在工作流中调用 Imagine 生成图像和视频。此外，用户可将会话转化为可复用的“技能”或连接多个智能体，构建自动化流程或完整编排器。
AI产品编程助手智能体终端工具Grok自动化
推荐理由：Grok Build 把终端编程智能体开放给更多用户，做自动化或快速原型开发的团队可以直接用自然语言描述需求，省去手动写代码的繁琐，值得一试。
原文
01:28
01:28elvis@omarsar0
精选76°
微软研究院提出 SkillOpt，一种将智能体技能文档视为可训练外部状态的新方法。该方法通过一个优化器模型对技能文件进行验证门控的增删改编辑，并引入文本学习率控制改写强度，而智能体本身保持不变。在 52 个（模型、基准、工具）组合上，SkillOpt 均达到最佳或并列最佳，在 GPT-5.5 上直接聊天提升 23.5 点，与 Codex 配合提升 24.8 点，与 Claude Code 配合提升 19.1 点，且零额外推理成本。学到的技能可跨模型和工具迁移，效果优于人工编写技能、TextGrad、GEPA 和 EvoSkill。
论文智能体技能优化微软SkillOpt推理模型
推荐理由：做智能体开发的工程师别再手写技能文档了——SkillOpt 证明自动优化技能文件能带来显著性能提升，且零推理开销，值得在你的 Agent 工作流中尝试。
原文
01:10
00:19
5月25日
23:22
21:41
21:38
20:23
19:14
18:40