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×
6月9日
23:32
23:32pandaily@contact@pandaily.com (Pandaily)
76°
红杉资本支持的 AI 初创公司 Floatboat 发布了一款名为“Proactive Agent OS”的智能体操作系统，其核心特点是利用用户的日历事件自动触发工作流程。系统能根据会议安排自动生成简报、跟进事项、收集文档并执行重复性任务。其内置的 FloatIM 界面将 AI 智能体视为群聊中的团队成员，支持多个智能体自主协作。该平台已接入超过 3500 个应用，并集成了飞书和微信，同时支持 DeepSeek 和 Kimi 等模型。
AI产品智能体日历驱动工作流自动化Floatboat飞书/微信集成
推荐理由：对于被会议和重复性事务淹没的职场人来说，Floatboat 的日历驱动智能体直接解决了“手动触发”的痛点，让 AI 主动为你干活。建议经常使用飞书或微信办公的团队点开看看，这可能是提升协作效率的新方式。
原文
22:50
22:22
20:33
20:33Hugging Face: Blog（博客/媒体）
Hugging Face 展示了一个智能体如何通过链式调用两个 Hugging Face Spaces 来构建一个 3D 巴黎画廊。该智能体首先使用一个 Space 生成 3D 模型，然后调用另一个 Space 进行渲染和展示。这个例子展示了智能体如何组合不同的 AI 工具来完成复杂的多步骤任务，而无需人工干预。它证明了 Hugging Face Spaces 生态系统的可组合性，以及智能体在自动化工作流中的潜力。开发者可以借鉴这种模式，将多个 Spaces 串联起来构建更强大的 AI 应用。
AI产品智能体Hugging Face Spaces3D 建模工作流自动化链式调用
推荐理由：这个案例展示了智能体如何像搭积木一样组合 Hugging Face Spaces，做多步骤 AI 应用的开发者可以直接复制这种链式调用模式，快速构建自己的自动化工作流。
原文
19:36
19:33
19:33IT之家（博客/媒体）
国家互联网应急中心（CNCERT）发布公告，指出部分智能体技能包（Skills）以“大模型越狱”、“挖矿赚钱”等名义传播，诱导用户突破大模型安全限制或占用设备资源进行非法挖矿。这些恶意Skills可能导致模型生成违法信息、用户账号被封禁、设备性能下降，甚至使用户被动卷入洗钱等违法犯罪活动。CNCERT提醒用户从官方渠道获取Skills，审慎授予权限，并建议企业建立准入白名单机制。公告还列举了具体案例，如“godmode”越狱技能和“Bonero-Miner”挖矿技能，并提供了防范措施。
行业智能体安全风险越狱挖矿CNCERT
推荐理由：智能体技能包的安全风险正在被官方点名，使用AI智能体的开发者和企业团队需要立即检查自己的技能包来源，避免因恶意Skills导致账号封禁或法律风险。
原文
14:15
12:55
12:55arXiv cs.AI@Arsalan Shahid, Gordon Suttie, Philip Black
72°
随着基础模型从生成回复转向执行操作任务，多人类、多智能体的协作场景日益普遍，但当前缺乏统一协议来记录人类判断、任务交接和审核决策。CHAP（Collaborative Human-Agent Protocol）协议应运而生，它定义了一个共享工作空间，通过核心组件（工作区、参与者、任务、工件和仅追加的证据日志）以及可组合的配置文件（如审核、路由、交接、签名等），将原本散落在聊天记录和代码中的关键信号（如人类编辑、审批、交接）转化为结构化、可追溯的事件。该协议旨在解决当前多智能体部署中人类监督信号丢失、责任归属不清的问题，为跨团队、跨时区的协作提供标准化基础。
论文智能体协议/标准人机协作可追溯性开源/仓库
推荐理由：CHAP 解决了多智能体协作中人类监督信号丢失的痛点，做 AI 部署和智能体系统的团队可以直接参考其协议和开源实现，避免重复造轮子。
原文
12:35
12:35arXiv cs.LG@Lawrence Keunho Jang, Mareks Woodside, Geronimo Carom, Andrew Keunwoo Jang, Jing Yu Koh, Ruslan Salakhutdinov
精选72°
苹果智能体需要理解用户身份、历史与偏好，但现有基准缺乏个性化。研究团队推出iOSWorld，首个基于原生iOS模拟器的交互式基准，包含26个新应用、133个任务，覆盖单应用、多应用及记忆与个性化三类。最佳模型（GPT-4o）整体准确率52%，多应用任务仅37%；加入XML辅助后大模型提升26个百分点，小模型无增益。该基准已开源，旨在推动真正个性化的手机智能体发展。
论文智能体基准测试iOS个性化开源/仓库
推荐理由：手机智能体开发者终于有了能测试个性化能力的基准——iOSWorld要求模型理解用户身份与历史，而非仅执行孤立指令，做移动端AI Agent的团队值得关注。
原文
11:48
11:48arXiv cs.AI@Hongcheng Gao, Hailong Qu, Jingyi Tang, Jiahao Wang, Zihao Huang, Hengkang Qiao, Shihong Huang, Junming Yang, Yi Li, Hongyixuan Yuan, Wenjie Li, Bohan Zeng, Wenbo Li, Bo Wang, Jianhui Liu, Olive Huang, Haoyang Huang, Wentao Zhang, Guoqing Huang, Nan Duan, Yinpeng Dong
精选
多模态大模型在物理世界中的空间推理能力至关重要，但现有基准多依赖静态问答或特定模拟器，无法评估真实交互场景。研究者提出SpatialWorld，一个统一基准，整合8种异构仿真后端，包含760个人工标注任务，覆盖家务、旅行、社交协作等领域。智能体需在仅视觉部分可观测条件下主动收集证据，并通过统一文本接口做出决策。评估15个先进智能体发现，最强模型GPT-5平均任务成功率仅17.4%，开源模型Qwen-3.5为14.1%，表明主动探索和长程规划仍是瓶颈。
论文空间推理多模态大模型基准测试智能体仿真环境
推荐理由：做多模态智能体或空间推理研究的团队，这个基准直接暴露了当前模型在真实交互任务上的短板——GPT-5都只有17.4%成功率，值得用来检验自家模型。
原文
10:57
10:57rohanpaul_ai@rohanpaul_ai
72°
一篇来自中美顶级实验室的111页综述论文提出，AGI的关键不在于模型回答得更好，而在于智能体能否主动探索未知。论文定义了“认知探索”概念，即智能体应主动减少不确定性，在能力边界附近学习，并保持未来路径的开放性。探索不是随机行为，而是有纪律地询问哪些观察会改变信念、哪些尝试能提升技能。论文将AI进展分为5个层级：响应者、推理者、智能体、探索者和生态系统，每个层级探索更广阔的空间。
论文AGI智能体探索认知科学综述论文
推荐理由：这篇论文重新定义了AGI的评判标准——从“回答能力”转向“探索能力”，做智能体研究的团队值得仔细读，它可能改变你对AI发展路径的理解。
原文
10:24
10:12
10:12arXiv cs.AI@Chenglin Yang
精选
AgentTrust 提出了一种针对AI智能体动作的信任层，能根据威胁类型（词法或语义）决定是否允许、警告、阻止或升级操作。词法威胁可通过确定性规则处理，而语义威胁（如表面相似但意图不同的动作）则依赖LLM判断。该系统通过自学习机制，在语义攻击为主的语料上，将规则准确率从48%提升至83.6-85.2%，且误报率极低。AgentTrust v2 采用双存储系统：对词法威胁蒸馏出确定性规则以降低成本，对语义威胁使用带验证的RAG记忆，将语义准确率提升13个百分点。在45000个动作的端到端回放中，LLM调用率从50%降至44%，准确率从71%升至80%，且未误阻任何良性动作。
论文智能体安全/信任LLM判断自学习威胁分类
推荐理由：AI智能体安全是当前最棘手的工程问题之一，AgentTrust 用自进化信任层解决了规则无法覆盖语义攻击的痛点，做智能体安全或自动化运维的团队可以直接参考其架构设计。
原文
09:56
09:56Pandaily@contact@pandaily.com (Pandaily)
83°
腾讯正式推出WorkBuddy企业版，采用“专家+助手+团队”三层智能体模型，并同步发布Agent Suite生态系统。该战略旨在将腾讯打造为企业级AI工作流统一平台，通过分层智能体协同提升企业效率。WorkBuddy企业版整合了多个AI助手，支持复杂任务分解与团队协作，Agent Suite则提供开放生态，允许企业定制和集成第三方智能体。此举标志着腾讯在AI企业服务领域的全面发力，与微软、谷歌等巨头展开竞争。
AI产品智能体企业AIWorkBuddyAgent Suite腾讯
推荐理由：腾讯终于亮出AI企业级底牌——WorkBuddy的三层智能体模型解决了企业AI落地中“单点工具多、协同难”的痛点，做企业数字化转型的团队值得关注，可以直接评估是否适配现有工作流。
原文
09:40
09:40arXiv: Anthropic@Jason Starace
精选72°
一项预注册的对照研究系统比较了三种不同 scaffold（ReAct、多智能体 Planner-Actor-Rater、Planner-then-Executor）在五个模型（Claude Opus 4.7、Sonnet 4.6、Haiku 4.5、Gemini 3.1 Pro Preview、GPT-5.5）上的 GAIA 验证集表现。研究发现，仅 scaffold 选择就使同一模型的准确率波动高达 28 个百分点，证实了 scaffold 变化至少产生 10 个百分点的差距。更令人意外的是，更强大的模型并未对 scaffold 更不敏感——在更难的 Level 2 任务中，最强模型反而从结构化 scaffold 中获益最多。多智能体设计在 Anthropic 模型家族中优于 ReAct，但跨模型提供商时优势消失。结构化 scaffold 调用工具次数更少，但在困难任务中从错误中恢复的能力更强。这些结果表明，单 scaffold 的能力评估数字是 scaffold 条件性的，且随着模型改进，评估差距未必会缩小。
论文模型评估ScaffoldGAIA智能体预注册研究
推荐理由：做 AI 模型评测或选型的人必须看——这篇研究用严格对照实验证明，你看到的模型能力分数可能更多反映的是 scaffold 设计而非模型本身，建议重新审视自己的评估流程。
原文
08:45
07:46
07:12
06:21
06:09
05:45
05:23
05:15
05:12
05:03
04:44
04:41
04:16
04:15
04:15Notion@NotionHQ
Notion的办公体验协调员Austin利用Notion开发者平台和Claude Code，创建了两个智能体来自动化新员工座位分配流程。一个智能体监控新员工数据库，在Slack中询问经理座位安排；另一个读取回复并通过OfficeSpace API分配座位。整个过程只需一条Slack消息，智能体即可完成其余工作，取代了以往每两周手动协调的繁琐流程。Austin表示自己并非工程师，但该方案每次入职周期为他节省数小时，显著提升了工作效率。
AI产品智能体自动化Claude CodeNotion办公效率
推荐理由：这个案例展示了非工程师如何用Claude Code和Notion平台快速搭建自动化工作流，做HR或办公管理的团队可以直接参考，用AI解决重复性协调任务。
原文
03:51
03:51宝玉@dotey
精选
微信AI试图借鉴Agent Skills和MCP的成功经验，甚至开发规范都参考了它们，但小程序存在三个致命缺陷。首先，小程序无法自动进化，Agent发现问题时无法直接修改，只能凑合使用。其次，小程序无法高度定制化，而好用的Skill往往是个性化的，用户可自行定制并让Agent改进。最后，Agent的图形界面操作能力远不如脚本能力，除非微信AI将小程序接口做得像CLI一样，否则操作成本和成功率都难以保证。
AI产品微信AIAgent SkillsMCP/工具小程序智能体
推荐理由：做Agent开发或微信生态的开发者，这篇文章点出了小程序与Agent Skills的核心矛盾——封闭与进化、定制化的冲突，值得一看，避免踩坑。
原文
03:45
03:04
03:03
02:53
02:52
02:51
02:39
02:18
02:18rohanpaul_ai@rohanpaul_ai
精选72°
一篇新论文提出CL-BENCH基准，测试AI智能体是否真正从经验中学习，而非仅依赖记忆。研究发现，简单的全上下文学习优于专门的记忆系统，Claude Sonnet 4.6在纯上下文模式下取得最佳成绩。该基准涵盖编码、数据库、预测等6个领域，要求智能体在连续任务中发现模式。结果表明，当前记忆密集型AI智能体并未比保持完整对话上下文更可靠地学习。这提醒我们，长期运行的AI智能体需要更好的方式来记住有用经验、遗忘过时信息并适应环境变化。
论文智能体基准测试持续学习记忆系统Claude Sonnet
推荐理由：这篇论文戳破了AI智能体“越用越聪明”的幻觉，做智能体开发或长期任务自动化的团队值得看看——你的系统可能只是在记笔记，而不是真在学习。
原文
02:12
01:47