全部 AI 动态 · AI 热点

6月1日

09:24

Clement Delangue@ClementDelangue

Hugging Face CEO Clement Delangue 在 X 上呼吁更多人公开分享编程和智能体追踪数据，以构建更好的数据集和开源模型。他指出已有不少人贡献，鼓励大家也分享自己的数据。同时，Simon Willison 抱怨 OpenAI 的 Codex Desktop 在更新中移除了“Copy as Markdown”功能，该功能曾是他最喜欢的导出完整聊天记录的方式。这一变化引发了对数据共享和工具可用性的讨论。公开分享追踪数据有助于推动开源模型进步，但工具功能的移除可能影响开发者体验。

行业开源/仓库编程助手数据共享智能体 OpenAI Codex

推荐理由：如果你在训练或使用开源编程模型，公开分享追踪数据能直接提升数据集质量，Hugging Face 的号召值得响应。做 AI 编程工具的团队也能从中获得更丰富的训练素材。

原文

07:55

阶跃星辰 Stepfun@Stepfun_AI

精选

StepFun 的 Step 3.7 Flash 模型在智能体效率方面取得了新突破，通过优化推理速度和资源占用，显著提升了智能体任务的执行效率。该模型特别适合需要快速响应的自动化场景，如代码生成、数据处理等。开发者可以借助它构建更高效的智能体应用，降低延迟和成本。这一进展为智能体技术的实际落地提供了有力支持。

AI模型 Step 3.7 Flash 智能体效率优化推理模型自动化

推荐理由：做智能体开发的团队会关注——Step 3.7 Flash 直接解决了效率瓶颈，建议试试看能否优化你的自动化流程。

原文

02:25

阶跃星辰 Stepfun@Stepfun_AI

精选

在 ClawCon Macao 上，阶跃星辰开发者业务总经理 EileenTal 阐述了智能体发展的下一阶段，并发布了 Step 3.7 Flash 模型。该模型强调在保持智能水平的同时大幅提升效率，旨在让 AI 真正落地到实际工作中。Step 3.7 Flash 针对开发者场景优化，降低了推理成本与延迟，使得复杂任务可以更快完成。这一发布标志着阶跃星辰从追求模型智能转向关注实际应用效率的战略转变。

AI模型阶跃星辰 Step 3.7 Flash 智能体效率优化开发者

推荐理由：阶跃星辰把 AI 从「炫技」拉回「干活」——Step 3.7 Flash 在保持智能的同时大幅提升效率，做 AI 应用落地的开发者值得关注，能直接降低推理成本。

原文

5月31日

23:26

Harrison Chase@hwchase17

精选

LangSmith 与 AWS 联合发布了一篇深度博客，详细介绍了如何使用 LangSmith 评估 Deep Agents（长周期智能体）。文章涵盖了数据点设计和评估器设计，针对长周期智能体的评估挑战提供了实用方案。这对于构建和优化复杂智能体的开发者具有重要参考价值。

AI产品智能体评估 LangSmith AWS 长周期智能体

推荐理由：长周期智能体的评估一直是个难题，这篇博客给出了具体的数据点和评估器设计方法，做智能体开发的团队可以直接参考实践。

原文

22:10

airtap_ai@airtap_ai

精选

Airtap 展示了 AI 智能体如何通过实际应用层桥接语言与实时设备上下文，执行真实设备工作流。该演示中，智能体通过请求→Google Home→恒温器状态的链路，直接检查设备状态而非仅靠模型推断。这强调了有用智能体的关键能力：不是推理，而是检查。该技术点对于构建能处理现实世界任务的 AI 代理至关重要。

AI产品智能体设备控制 Airtap Google Home 移动执行

推荐理由：Airtap 的演示戳中了智能体落地的核心痛点——模型不能只靠猜，得去真实设备里查。做智能家居或设备控制的开发者，值得看看这个架构思路。

原文

21:38

shao__meng@shao__meng

精选72°

Nicolas Bustamante 分享了基于 OpenAI Codex 构建的个人生活自动化 Agent 工具栈，整合了 Google 全家桶、WhatsApp、Telegram、浏览器自动化等工具，以及 Google Drive、Notion 等数据源。他提出了两个典型工作流：介绍邮件（跨5个工具的胶水活）和车牌更新（行政连续性），强调 Drive 作为 Source of Truth 的架构决策。工具优先级为 API/CLI > 本地文件 > 浏览器自动化 > 屏幕/UI 自动化，并通过 Skills（如 inbox-zero）实现操作品味的累积。反馈闭环和批准门控机制确保 Agent 的可靠性与安全性，其中“What did I miss?”工作流被视为杀手级应用。

AI产品智能体个人自动化 OpenAI Codex Google Drive 工作流编排

推荐理由：这篇拆解了个人 Agent 落地的真实架构和坑，做自动化工作流的开发者可以直接抄作业——从工具选型到数据组织到审批门控，全是实战经验。

原文

15:56

Decoder@Jonathan Kemper

精选

哈尔滨工业大学的研究人员通过新基准测试LiveBrowseComp发现，主流AI搜索智能体（如GPT-5.4和Kimi K2.6）在标准测试中表现良好，但主要依赖训练记忆而非实时搜索。LiveBrowseComp仅询问过去90天内的事件，迫使模型无法依赖记忆。在此测试下，模型性能显著下降，现有排名被打乱。这表明AI搜索智能体存在“确认偏差”，即倾向于确认已知信息而非真正研究网络。该发现对依赖AI进行实时信息检索的用户和开发者具有重要警示意义。

论文 AI搜索智能体基准测试 GPT-5.4 Kimi K2.6

推荐理由：这项研究戳穿了AI搜索智能体的真实能力——它们更擅长背书而非真正搜索。做信息检索或依赖AI获取最新资讯的团队，看完会重新评估工具选择。

原文

14:40

宝玉@dotey

博主认为通用 Agent 将成为未来的操作系统，用户与 AI 的交互将通过 Agent OS 完成。传统 App 面临三种结局：消亡（Agent 自身能力足够）、变成 CLI 或 MCP（供 Agent 调用）、或成为 Agent GUI 插件（需人工操作时唤起）。未来 SaaS 必须推出 CLI 和 Skill 接口，让 Agent 学会使用，否则将被淘汰。这一观点引发了关于应用形态演变的讨论。

行业智能体 Agent OS SaaS MCP/工具应用形态

推荐理由：Agent 取代 App 的预言正在加速落地，做 SaaS 产品、AI 应用或工具链的团队，现在就该思考如何让 Agent 学会调用你的服务，否则可能被淘汰。

原文

10:18

marktechpost@Sana Hassan

精选

SkillNet 是一个实用框架，用于发现、安装、检查、评估和组织可复用的AI技能。本教程展示了如何利用 SkillNet 构建技能增强型AI智能体，涵盖搜索、评估、图分析和任务规划等核心功能。该框架旨在解决AI技能碎片化问题，让开发者能更高效地组合和复用技能模块。通过 SkillNet，开发者可以快速集成预构建技能，提升智能体的灵活性和可扩展性。

技巧智能体 SkillNet 技能复用框架任务规划

推荐理由：SkillNet 解决了AI技能复用和组合的痛点，做智能体开发的团队可以直接用它来快速集成搜索、图分析等能力，省去重复造轮子的时间。

原文

09:41

Philipp Schmid@_philschmid

精选

开发者Phil Schmid在Twitter上分享了他用Go语言构建一个小型智能体框架的体验，重点强调了扩展系统的设计让他感到愉悦。这个框架可能用于快速搭建AI智能体应用，扩展系统使得功能模块化、易于维护和扩展。虽然具体细节未公开，但这一动态反映了Go语言在AI工具开发中的潜力，以及开发者对简洁、可扩展架构的追求。对于关注智能体框架和Go生态的开发者来说，这是一个值得关注的方向。

AI产品智能体 Go语言扩展系统框架开发者体验

推荐理由：Phil Schmid展示了Go语言在智能体框架中的轻量级实践，做AI工具或智能体开发的Go程序员可以从中获得灵感，值得看看他的设计思路。

原文

09:36

宝玉@dotey

精选

Matt Pocock 开源了 Sandcastle，一个用 TypeScript 脚本编排多个 AI Agent（如 Codex、Claude Code、Cursor、GitHub Copilot）协同工作的工具。它允许用户定义工作流，让不同 Agent 在虚拟机中依次或并行执行任务，例如让多个 Agent 分别生成技术方案并相互评分。该工具适合追求极致自动化的极客场景，但对普通用户门槛较高。

AI产品智能体 MCP/工具开源/仓库编程助手工作流编排

推荐理由：多 Agent 编排是提升 AI 协作效率的关键，做复杂自动化或赛博养蛊的开发者可以直接试试这个开源方案。

原文

05:10

rohanpaul_ai@rohanpaul_ai

精选72°

atomic.chat 在 MacBook Pro M5 Max 64GB 上对比了本地 AI 智能体的工具调用能力。Liquid 的 LFM2.5-8B-A1B 模型（8B 参数，MoE 架构）在规划旅行任务中，成功完成所有 7 次外部工具调用（天气查询、货币转换、邮件和提醒），而 gpt-oss-20b 仅完成 3/7 次。LFM2.5-8B-A1B 运行速度达 266 tok/s，内存占用仅 4.8GB，而 gpt-oss-20b 为 146 tok/s 和 11GB。这表明工具调用本质上是控制问题而非语言问题，更小但训练更聚焦的模型可以胜过更大但泛化的模型。

AI模型本地模型工具调用智能体 LFM2.5-8B-A1B gpt-oss-20b

推荐理由：做本地 AI 智能体或工具调用开发的团队，这个对比直接告诉你：模型大小不是关键，控制能力才是。LFM2.5-8B-A1B 的性价比碾压，值得在本地部署试试。

原文

05:09

Ate-a-Pi@svpino

精选

开发者 Santiago 指出当前在浏览器中运行智能体体验糟糕，因为浏览器并非为智能体设计。Ego 团队重新构建了浏览器，支持多智能体并行运行、各自拥有独立空间，并可随时接管或终止。底层基于 Chromium，兼容现有扩展和书签，且不绑定特定助手，可与 Claude Code、Codex、Cursor 等配合使用。

AI产品智能体浏览器 Ego 自动化 Chromium

推荐理由：Ego 解决了智能体在浏览器中运行时的会话冲突和体验割裂问题，做自动化测试或 AI 工作流的开发者可以直接试试，不用再忍受 hack 式的方案。

原文

05:07

AI Notkilleveryone@ai_zona

精选83°

Model Context Protocol (MCP) 正式被 Linux 基金会采纳为标准，为 AI 智能体连接工具和数据提供统一协议。该协议标准化了智能体与外部工具的交互方式，支持跨不同大语言模型提供商使用。AIZona ADK 已原生支持 MCP，开发者可通过单一注册中心管理所有工具，实现任意模型调用。这标志着 AI 智能体生态向互操作性迈出关键一步。

行业 MCP/工具智能体开源/仓库标准协议 AIZona ADK

推荐理由：MCP 成为 Linux 基金会标准解决了 AI 智能体工具连接碎片化问题，做智能体开发的团队可以直接用统一协议对接工具，建议关注并尝试集成。

原文

01:50

@OpenAIDevs@OpenAIDevs

OpenAI 在推特上展示了一个名为“Agentic OS”的语音优先手机操作系统概念。用户可以通过语音与智能体对话，智能体能够理解指令并在手机上执行操作。这标志着 AI 从聊天工具向操作系统级交互的演进，可能改变人机交互方式。视频演示了语音驱动手机操作的全流程，但目前尚未公布具体发布日期或产品细节。

AI产品语音交互智能体手机操作系统 OpenAI Agentic OS

推荐理由：这是 AI 从工具走向操作系统的关键一步，做移动端产品、语音交互或智能体开发的团队值得关注——语音优先的 OS 可能重新定义手机使用方式。

原文

01:43

Decoder@Matthias Bastian

72°

据报道，微软和英伟达正在合作开发新一代AI PC，这些PC将不再依赖Copilot，而是运行真正的AI智能体。英伟达将提供自研芯片作为主要处理器，首批设备包括戴尔和微软Surface系列，预计在下周的Computex和Build大会上亮相。微软还计划基于OpenClaw框架开发新软件，让AI智能体在Windows PC上本地处理任务，这是对之前Copilot+ PC概念失败后的第二次尝试。此举旨在提升PC的本地AI能力，减少对云端的依赖。

AI产品 AI PC 微软英伟达智能体 OpenClaw

推荐理由：微软和英伟达联手打造本地AI智能体PC，解决了Copilot+ PC概念失败的问题，做AI硬件或Windows生态的开发者值得关注，这可能是PC AI化的新方向。

原文

5月30日

22:51

airtap_ai@airtap_ai

Airtap 在 X 上分享了一个智能家居 AI 代理的演示，强调家庭控制是应用代理的理想场景。用户只需用自然语言提问，代理就能自动打开应用、检查设备状态并快速返回结果，无需额外解释。该示例展示了如何将日常家庭问题转化为实际应用操作，提升了智能家居的便捷性。Airtap 认为这种直接的价值体现是代理应用成功的关键。

AI产品智能体智能家居 Airtap 自然语言交互应用代理

推荐理由：智能家居用户和开发者会看到 AI 代理如何将复杂操作简化为一句话，值得直接体验这种「打开应用、检查设备、快速反馈」的流畅流程。

原文

22:27

AI Notkilleveryone@ai_zona

@aizonaai 发布了开源AI智能体治理工具 @aizonaai/adk，采用MIT许可证。该项目强调透明性、社区协作和可审计性，旨在解决AI治理中的黑箱问题。通过开源，社区可以发现边缘案例并建立信任。开发者可以自由fork、贡献和审计代码。

AI产品开源/仓库 AI治理智能体透明性 MIT许可

推荐理由：AI治理的透明化是行业痛点，做AI安全或合规的团队可以直接参与审计和贡献，避免黑箱风险。

原文

17:56

rohanpaul_ai@rohanpaul_ai

高盛预测，到2030年AI智能体的代币使用量将增长24倍，达到每月120千万亿。智能体执行任务时需多次调用工具、检查结果和纠错，单次请求消耗的代币量是普通对话的10-50倍甚至更多。这已引发Uber和微软等公司重新评估高昂的智能体使用成本。微软近期撤销开发者对Claude Code的访问权限，计划将其迁移至内部Copilot CLI工具，此举可能旨在降低成本。尽管推理成本每年下降60%-70%，但智能体生产力与代币浪费之间的博弈仍在持续。

行业智能体代币消耗成本控制高盛微软

推荐理由：高盛的数据给所有部署AI智能体的团队敲响成本警钟——代币消耗量级远超预期，Uber和微软已经开始调整策略。做智能体产品或者用API的开发者，建议算算自己的token账单再决定下一步。

原文

17:05

rohanpaul_ai@rohanpaul_ai

精选76°

据路透社报道，字节跳动正在开发自己的AI数据中心CPU，以应对TikTok规模下AI智能体运行对稀缺服务器处理器的需求。受Groq的“语言处理单元”启发，字节跳动同时测试Arm和RISC-V架构，在成熟商业设计和更可控的开源指令集之间做比较。市场CPU价格每季度上涨10%-35%且供应延迟，自研芯片成为成本和供应链策略。此举旨在减少对受限外国AI硬件的依赖，并降低每次查询的推理成本。更深层的变化是，AI智能体正将CPU变成战略芯片，因为智能体推理对CPU压力更大，一个用户请求会触发多个小步骤。字节跳动似乎没有内部芯片设计团队，依赖外部合作伙伴进行制造。

行业字节跳动 AI芯片 CPU 智能体供应链

推荐理由：字节跳动自研CPU说明AI智能体正在重塑芯片需求格局，做大规模AI部署的团队值得关注——CPU不再是配角，而是成本与供应链的关键。

原文

16:52

elvis@omarsar0

精选

一位开发者预言，未来几个月人们将意识到 MCP（模型上下文协议）对智能体的根本重要性。MCP 的价值不仅在于连接工具，更在于它启用的抽象能力，例如通过智能体间交互实现自我改进系统。该开发者的整个编排器通过 MCP 工具实现了复杂交互、版本控制、评估工作流等。他认为 MCP 协议本身对未来所有进展至关重要，且很高兴大部分是开源的。

AI产品 MCP/工具智能体协议开源/仓库自我改进

推荐理由：MCP 正在从工具连接协议进化为智能体自我改进的基础设施，做智能体编排和自动化系统的开发者值得关注这个趋势。

原文

16:44

Stanford AI Lab@StanfordAILab

斯坦福AI Lab在ICLR 2026上公布了其论文列表，涵盖LLM推理、智能体系统、AI安全、机器人、空间智能、视频生成等多个前沿方向。这些论文代表了该实验室在AI领域的最新研究成果，对学术界和工业界均有重要参考价值。参会者可以现场交流，未参会者也可在线查看论文详情。

论文 ICLR 2026 斯坦福AI Lab LLM推理智能体 AI安全

推荐理由：斯坦福AI Lab的论文列表是了解AI前沿趋势的绝佳窗口，做LLM推理、智能体或AI安全的研究者值得点开看看，说不定能找到灵感或合作方向。

原文

15:09

15:09IT之家（博客/媒体）

72°

微软正在开发一款 Copilot 超级应用，计划于今年夏末发布，旨在将分散的 AI 助手整合到统一入口。该应用将集成 GitHub Copilot、Copilot 聊天、Copilot Cowork 以及内部代号 Autopilot 的智能体工作流。项目由新任 Copilot 负责人 Jacob Andreou 主导，目标是实现消费端与企业端 Copilot 的统一。用户可在超级应用内切换个人版与企业版 Microsoft 365 Copilot，同时保留原有独立访问方式。微软可能在下周 Build 开发者大会上透露部分信息，但不会展示应用本体。

AI产品微软 Copilot 超级应用 GitHub Copilot 智能体

推荐理由：微软把编程、聊天、智能体全塞进一个 Copilot 超级应用，做开发或日常用 AI 的团队终于不用在多个工具间来回跳了，值得关注夏末的正式发布。

原文

14:12

14:12IT之家（博客/媒体）

精选72°

Nous Research 为开源 Hermes Agent 引入 Tool Search 功能，通过按需加载工具模式，解决 MCP 工具定义占用大量 tokens 的问题。Anthropic 报告显示，典型部署中工具模式可消耗约 50% 的 tokens，导致成本增加和准确率下降。启用 Tool Search 后，模型先搜索再加载参数，最后调用工具，Claude Opus 4 准确率从 49% 提升至 74%。该功能使用 BM25 算法匹配工具，并支持退回到字面子串匹配。

AI产品智能体 MCP/工具开源/仓库 Hermes Agent 工具搜索

推荐理由：做智能体开发的团队终于能省下大量 tokens 成本——Hermes Agent 的 Tool Search 直接解决了 MCP 工具税问题，建议用多工具服务的开发者试试。

原文

13:33

Cohere@cohere

精选

Cohere 宣布其 Command A+ 模型在多语言翻译基准测试 WMT24++（xCOMET-XL）中，在所有主要欧洲语言上均超越竞争对手。具体表现为法语提升 2.4 分，西班牙语提升 1.9 分，德语提升 0.9 分。更高的翻译质量意味着更少的修正、更强的检索能力和更可靠的多语言智能体。这一进展对需要高质量多语言支持的团队尤为重要。

AI模型 Cohere Command A+多语言翻译 WMT24++智能体

推荐理由：做多语言应用或智能体的团队，翻译质量直接决定产品体验——Command A+ 在法语、西语、德语上全面领先，值得关注。

原文

12:47

marktechpost@Asif Razzaq

精选72°

Nous Research 的 Hermes Agent 新增 Tool Search 功能，用于解决 MCP（模型上下文协议）中的上下文膨胀问题。该功能采用 BM25 渐进式模式披露机制，能有效筛选相关工具。Anthropic 的评估显示，在 Opus 4 模型上，该方案将准确率提升了 49% 到 74%。这一改进对依赖 MCP 的 AI 代理系统意义重大，能显著减少无效信息干扰，提升任务执行效率。

AI产品 MCP/工具智能体 Hermes Agent BM25 上下文优化

推荐理由：MCP 上下文膨胀是 AI 代理落地的常见痛点，Hermes Agent 的 Tool Search 用 BM25 精准筛选工具，做智能体开发的团队可以直接参考这个方案来优化自己的系统。

原文

12:13

Browser Use@browser_use

browser-harness 推出隐身浏览功能，通过一行提示即可让 AI 智能体使用 Browser Use Cloud 和持久化认证，绕过 Ticketmaster 等网站的反爬机制。用户无需配置浏览器或持续监控，即可让智能体自动完成网页操作。该工具特别适合需要大规模自动化网页交互的场景，如票务抢购、数据采集等。开发者 Ankit Gupta 提供了可直接复制使用的命令示例。

AI产品智能体隐身浏览反爬 Browser Use 自动化

推荐理由：做网页自动化或数据采集的开发者，终于有了绕过反爬的省心方案——不用自己折腾浏览器配置和验证码，直接让智能体隐身干活，建议试试这个命令。

原文

12:12

Google AI Developers@googleaidevs

精选

Eigent AI 团队在 Gemini API 上实现了 Managed Agents 功能，用于自动化审计 CI 失败。他们使用 Gemini 3.5 Flash 和 Gemini Managed Agents API，在几分钟内定位了真实 megatron-lm CI 失败的根因。工作流程包括协调代理规划审计、开发者代理加载技能并收集证据、Gemini 代理作为远程子代理进行深度推理。该方案已开源在 Eigent 平台上，展示了多代理协作在 DevOps 场景中的高效应用。

AI产品智能体 Gemini API CI/CD 开源/仓库 DevOps

推荐理由：CI 失败排查是开发团队的日常痛点，Eigent 用多代理协作把根因定位从小时级压缩到分钟级，做 DevOps 或 ML 基础设施的团队值得关注这个开源方案。

原文

12:11

Harrison Chase@hwchase17

LangChain 发布了 Agent Builder 功能，允许用户通过日常语言在 LangSmith Fleet 中创建智能体。该工具旨在实现无代码智能体构建，适用于实际工作场景。同时，LangChain 提供了免费的 LangChain Academy 课程，帮助用户快速上手。这一举措降低了智能体开发的门槛，让非技术人员也能参与 AI 应用构建。

AI产品智能体无代码 LangChain LangSmith 自然语言

推荐理由：LangChain 的 Agent Builder 让非开发者也能用自然语言创建智能体，做自动化流程的团队可以直接上手试试，省去写代码的麻烦。

原文

12:07

LangChain@LangChainAI

LangChain 推出 LangSmith Fleet，允许用户使用日常语言创建智能体，无需编写代码。该工具旨在让非技术用户也能构建实用的智能体，用于实际工作场景。同时，LangChain 提供了免费的 LangChain Academy 课程，帮助用户快速上手。这降低了智能体开发的门槛，让更多人能够利用 AI 自动化任务。

AI产品智能体 LangChain 无代码自然语言 AI 工具

推荐理由：LangSmith Fleet 让非开发者也能用自然语言创建智能体，适合业务人员或想快速验证智能体想法的团队，建议直接试试免费课程。

原文

11:51

LangChain@LangChainAI

LangChain 推出 LangSmith Engine，能够自动完成智能体性能优化的循环：读取追踪、发现模式、编写评估并生成修复。传统方式需要开发者手动分析日志和编写评估，效率低下。LangSmith Engine 将这一流程自动化，大幅提升智能体迭代速度。对于构建复杂智能体应用的团队，这意味着更快的调试和更稳定的生产环境。

AI产品智能体 LangSmith 自动化优化开发者工具 LangChain

推荐理由：做智能体开发的团队终于可以告别手动翻日志的苦活——LangSmith Engine 自动跑完优化循环，建议直接试试。

原文

11:42

LangChain@LangChainAI

LangChain 在推文中引用 Cogent Security 联合创始人兼 CTO Geng Sng 的观点，提出将智能体架构类比为神经系统的思考方式。这一比喻强调智能体各部分之间的协调与信息传递，类似于生物神经系统的反射弧和中枢处理。该观点在 Max Agency 播客中详细阐述，旨在帮助开发者更直观地理解复杂智能体系统的设计原则。对于正在构建多智能体或复杂工作流的团队，这一视角可能带来架构设计上的启发。

AI产品智能体架构设计 LangChain 神经系统类比播客

推荐理由：用神经系统类比智能体架构，能帮开发者跳出传统模块化思维，做复杂工作流设计的团队值得一听这个播客。

原文

11:34

elvis@omarsar0

精选72°

一项新研究提出了有效反馈计算（EFC）指标，用于衡量智能体实际可用的反馈量，替代传统的原始token和工具调用计数。实验表明，原始计数只能解释33%-42%的智能体失败原因，而EFC的解释力达到99%。在相同计算预算下，仅通过按有效反馈重新分配资源，就能将智能体成功率从0.27提升至0.90。该研究将智能体框架设计从猜测转变为可预测的科学。

论文智能体有效反馈计算 Scaling Laws Agent Harness 性能优化

推荐理由：做智能体框架或Agent Harness的开发者，终于有了一个可量化的优化指标——EFC能让你用相同算力把成功率翻三倍，值得点开论文细读。

原文

11:25

Justine Moore@venturetwins

该Agent像创意伙伴一样，用户通过聊天讨论想法，它能自动编写提示词、调用模型并生成资产。所有资产被放置在一个画布上，Agent利用这些资产指导后续生成，形成迭代创作流程。作者提供了完整教程视频，展示了这一工具如何简化创意工作流程。

AI产品智能体创意工具生成式AI 工作流自动化 Agent

推荐理由：做创意设计或内容生成的团队，可以试试这个Agent——它把从想法到资产的流程自动化了，省去手动调参的麻烦，直接聊天就能迭代出成果。

原文

11:24

Justine Moore@venturetwins

Hedra Agent 迎来重大升级，新增 Spaces 和 Connections 功能。Spaces 将所有资产集中管理，从初始研究到最终素材，方便团队协作。Connections 支持深度研究，可拉取竞争对手动态等外部数据，并构建技能库连接数据源。新功能还集成了 Slack、Gmail 和 CRM，简化团队共享流程。此次升级旨在提升企业战略和社交媒体活动的执行效率。

AI产品智能体 Hedra Agent 企业工具社交媒体数据集成

推荐理由：做市场调研和社交媒体的团队终于有了一个能集中管理资产、自动拉取竞品数据的 AI 工具，建议直接试试 Spaces 和 Connections 的组合。

原文

11:19

Patrick Loeber@patloeber

Qdrant 在柏林举办多模态搜索工作坊，参与者可以动手实验 Gemini Embedding 2 和 Qdrant 的集成。活动聚焦 AI 检索、智能体和现代搜索系统，探讨在智能体时代检索的演进、生产级 RAG、记忆系统和向量搜索。同一天还将举办 Vector Space Meetup，主题为“智能体时代的检索”，提供交流与网络机会。适合对向量搜索、RAG 和 AI 智能体感兴趣的开发者参加。

AI产品向量搜索 RAG 智能体 Gemini Embedding 2 Qdrant

推荐理由：做向量搜索和 RAG 的开发者可以直接在柏林现场动手试 Gemini Embedding 2 和 Qdrant 的集成，还能和同行交流智能体时代的检索趋势，值得关注。

原文

11:15

Geek@geekbb

精选

Nous Research 为其 Hermes Agent 引入了 Tool Search 功能，使智能体能够按需加载所需工具，而非一次性加载全部。这一改进提升了资源利用效率和响应速度，尤其适合复杂任务场景。该功能通过动态工具选择机制，减少了不必要的计算开销。对于构建高效智能体的开发者而言，这是一项实用的优化。

AI产品智能体工具调用 Nous Research Hermes Agent 效率优化

推荐理由：Hermes Agent 的 Tool Search 解决了智能体工具冗余加载的痛点，做 Agent 开发的团队可以直接参考实现，提升任务执行效率。

原文

10:59

Google AI Developers@googleaidevs

精选

Weights & Biases 团队利用 Google Gemini API 的 Managed Agents 功能，构建了一个专门检测“静默 Bug”的智能体。这类 Bug 不会导致程序崩溃或测试失败，但会悄悄产生错误结果，是代码审查中最难发现的隐患。该智能体能够分析代码仓库，找出那些通过了审查但实际有问题的代码。这一应用展示了托管智能体在代码质量保障中的实用价值，尤其适合需要高可靠性的开发团队。

AI产品智能体代码审查 Gemini API 静默 Bug Weights & Biases

推荐理由：静默 Bug 是代码审查的噩梦，W&B 用 Gemini Managed Agents 给出了一个自动化解决方案，做代码质量保障的团队可以直接借鉴这个思路。

原文

10:48

Google Gemini App@GeminiApp

72°

Google 宣布其自主 AI 智能体 Gemini Spark 现已向美国所有 Google AI Ultra 订阅用户开放。该智能体能够处理繁重任务，在用户的数字生态系统中连接信息并采取关键行动。用户可以选择观看其工作过程或让其在后台自主运行，即使手机和笔记本电脑关机也能持续工作。Gemini Spark 在执行重大操作前会征求用户同意，确保用户始终掌控。这一发布标志着 Google 在自主 AI 智能体领域的重要进展。

AI产品智能体 Google Gemini Spark 自主AI 后台运行

推荐理由：Google 终于推出了真正 24/7 后台自主运行的 AI 智能体，适合需要自动化处理复杂任务的数字重度用户，值得 Ultra 订阅者立即尝试。

原文

10:47

Justine Moore@venturetwins

Hedra 推出新智能体，能从简单文本提示自动生成完整品牌方案。该智能体扮演创意策略师角色，自动生成产品、广告、旗舰店甚至影响者用户生成内容。以 Yuzu 为例，一个水豚主题服装品牌，从提示到完整品牌资产全部由 AI 完成。这展示了 AI 在品牌创建和营销领域的巨大潜力，大幅降低创意门槛。

AI产品智能体品牌创建 Hedra 营销创意生成

推荐理由：品牌创建和营销团队终于有了高效工具——Hedra 智能体从一句话到完整品牌资产，省去大量前期创意和设计工作，做品牌策划或内容营销的可以直接试试。

原文