智能体相关 AI 资讯

7月1日

06:48

06:48官方一手Anthropic: Newsroom（资讯）

78°

Anthropic 推出了 Claude Sonnet 5，这是其 Sonnet 系列的最新模型。该模型在编程任务、智能体应用和大规模专业工作中达到了前沿性能水平。Claude Sonnet 5 在多个内部基准测试中表现优异，旨在提升开发效率和企业自动化能力。

推荐理由：Anthropic 刚发了 Claude Sonnet 5，编程和智能体场景更强了，做开发和企业级项目可以试试。

原文

06:44

06:44IT之家（博客/媒体）

74°

英伟达发布公告，旗下BioNeMo Agent Toolkit已接入Anthropic的Claude Science研究工作台，为生命科学研究提供加速计算。前20大制药公司中，18家已使用BioNeMo工具集，用于药物发现、基因组学等场景。NVIDIA Parabricks可将基因组分析从数小时压缩至数分钟；RAPIDS-singlecell将130万细胞处理从52分钟缩至25秒；nvMolKit提速最高3000倍。

AI产品 BioNeMo Claude Science 英伟达 Anthropic 智能体

推荐理由：英伟达把BioNeMo和Claude Science打通了，前20大药企18家都在用，基因分析提速几十倍，搞科研的赶紧看看。

原文

06:35

官方账号NVIDIA AI@NVIDIAAI

72°

NVIDIA 在 SIGGRAPH 上发表 Generative Pretrained Controllers (GPC)，将运动技能编码为离散 token。GPC 使用 transformer 进行下一个 token 预测，类似 GPT 的预训练范式。它在 600+小时运动数据上训练，可实时运行在物理模拟中。同一个预训练控制器通过微调即可适配新任务，生成自然且物理合理的交互动作。

AI模型 GPC NVIDIA SIGGRAPH 运动控制智能体

推荐理由：NVIDIA 把 GPT 的套路用在运动控制上，预训练一个模型就能微调干不同活，物理模拟里跑得又自然又实时。

原文

06:18

Philipp Schmid@_philschmid

Philipp Schmid 发布了 gemini-omni-flash-api skill，可通过 npx skills add google-gemini/gemini-skills --skill gemini-omni-flash-api 快速集成到 agent 中。该 skill 支持 Text to video、Image references to video、First frame to video、Conversational video editing 四种核心工作流。它让开发者能直接在 agent 内调用 Gemini Omni Flash 的视频生成和编辑能力。

技巧 Gemini Omni Flash npx 视频生成智能体 Google Gemini

推荐理由：Philipp Schmid 放了个 skill，一行命令就能让 agent 用 Gemini Omni Flash 做视频编辑，四个玩法直接抄

原文

05:46

官方一手marktechpost@Asif Razzaq

74°

Anthropic 发布 Claude Sonnet 5，在智能体编码基准上缩小了与 Opus 4.8 的差距。Sonnet 5 沿用 Sonnet 系列的定价，成本低于 Opus 系列。与上一代 Sonnet 4.6 相比，Sonnet 5 在多项智能体任务上表现提升。API 定价方面，Sonnet 5 每百万 tokens 输入约 3 美元、输出约 15 美元，Opus 4.8 则分别约 15 美元、75 美元。

AI模型 Claude Sonnet 5 Sonnet 4.6 Opus 4.8 Anthropic 智能体

推荐理由：做智能体编程选 Sonnet 5 吧，性能接近 Opus 4.8，价格却便宜好几倍。

原文

04:54

lmarena.ai@lmarena_ai

Agent Arena 发布博客介绍因果追踪方法论，用于分析智能体在评测中的行为归因。该方法通过因果干预识别智能体决策的关键组件。博客详细阐述了如何将因果追踪应用于 Agent Arena 基准测试，帮助理解智能体表现差异的来源。

论文 Agent Arena 因果追踪智能体基准测试

推荐理由：想知道智能体在评测中为什么这么表现吗？Agent Arena 这篇博客用因果追踪拆解原因，比只看分数更深入。

原文

04:53

lmarena.ai@lmarena_ai

Arena平台上线Agent Mode，用户可通过arena.ai/agent直接访问。该模式提供与多个前沿agentic模型的交互测试环境。目前该功能已开放使用。

AI产品 arena Agent Mode 智能体

推荐理由：想对比不同agentic模型？去arena.ai的Agent Mode直接试，不用自己搭环境。

原文

04:22

lmarena.ai@lmarena_ai

精选77°

Claude Sonnet 5 正式加入 Agent Arena，该平台衡量模型在数百万个来自全球用户的真实世界长周期智能体任务上的表现。模型可调用网络搜索、文件系统和终端工具完成复杂工作流。排行榜使用因果追踪方法，将模型性能相对平均水平进行量化。除 Agent Arena 外，Sonnet 5 还支持文本、视觉、文档和代码前端的 Arena 评测。

AI模型 Claude Sonnet 5 Agent Arena Anthropic 智能体多模态

推荐理由：Anthropic 发布了更智能的 Sonnet 5，能在 Agent Arena 里自主用浏览器和终端干活，比几个月前的大模型还强。

原文

04:17

Guillermo Rauch@rauchg

Vercel CEO Rauchg宣布与Shopify团队合作重建Hydrogen框架。新框架采用agent-first设计，运行时无关，可在任何JavaScript环境运行。目前已提供基于Next.js的开发者预览版。项目旨在推动agentic web发展。

AI产品 Vercel Shopify Hydrogen Next.js 智能体

推荐理由：Vercel和Shopify联手重做了Hydrogen，搞了个agent-first的新框架，还能直接用Next.js体验。想搞agentic web的可以试试。

原文

04:13

官方账号Vercel AI@vercel

Vercel宣布与Shopify合作，从零开始重建电商框架Hydrogen。新版本以agent-first为核心，运行时无关，可在任何JavaScript环境运行。现已推出Next.js开发者预览版，开发者可尝试使用。

AI产品 Vercel Shopify Hydrogen Next.js 智能体

推荐理由：Vercel和Shopify一起把Hydrogen重写了，主打智能体优先，而且不挑运行环境，用Next.js就能玩开发者预览版。

原文

04:02

官方一手@OpenAIDevs@OpenAIDevs

OpenAI Devs在推文中指出，随着智能体承担更长时间运行的工作，工程重心正从编码转向设定方向、审查工作以及设计更好的模型系统。该观点由@steipete在@aiDotEngineer平台分享，反映了AI开发工作流的演变趋势。这一转变强调工程师需要更多关注系统架构和智能体行为评估。

行业 OpenAI 智能体 AI工程 Agent

推荐理由：OpenAI开发者团队分享的最新趋势：当智能体干活越来越久，工程师的角色从写代码变成了定方向、审结果和设计系统，值得关注这个变化

原文

03:36

Notion@NotionHQ

72°

Notion 现已集成 Claude Sonnet 5，这是目前能力最强的 Sonnet 版本。在代码编写上更智能，对智能体（Agent）任务更可靠，处理长文本任务表现更好。用户可直接在 Notion 内调用该模型，无需切换工具。

AI产品 Claude Sonnet 5 Notion Anthropic 编程助手智能体

推荐理由：Notion 内置 Claude Sonnet 5 了，写代码和跑智能体任务都更稳，长文档处理也有提升，不用再切窗口了。

原文

03:35

宝玉@dotey

76°

Anthropic今天发布Claude Sonnet 5，替代Sonnet 4.6成为免费版和Pro版的默认模型。其Agent编程基准得分63.2%，高于Sonnet 4.6的58.1%，接近Opus 4.8的69.2%。知识工作基准上甚至略微超过Opus 4.8。API推广价输入2美元/百万Token、输出10美元/百万Token，低于GPT-5.5和Gemini 3.1 Pro。新分词器可能使Token消耗增加1.0-1.35倍，但推广期定价已对冲此影响。

AI模型 Claude Sonnet 5 Anthropic 智能体编程助手

推荐理由：Anthropic的Sonnet 5来了，Agent能力接近最贵的Opus，价格才40%。以前会卡住的复杂任务现在能跑完，还自己检查输出。默认模型升级值得一试。

原文

03:27

官方账号LangChain@LangChainAI

Antimetal推出自主系统，用于管理生产环境中的软件。它构建环境的世界模型，让代理持续监控、预防问题、分类警报并修复故障。目前处于私有测试阶段，已被初创公司和Fortune 500的工程、基础设施和SRE团队使用。该系统基于Deep Agents构建，并利用LangSmith进行追踪、评估和沙箱测试。

AI产品 Antimetal LangSmith Deep Agents 智能体生产运维

推荐理由：Antimetal用LangSmith做追踪，自动化管生产软件，适合SRE团队试试。他们用的Deep Agents挺有意思。

原文

03:21

elvis@omarsar0

88°

Anthropic 发布 Claude Sonnet 5，专为长期运行的代理任务优化。相较于前代 Sonnet，Sonnet 5 在代理任务可靠性上有显著提升，同时大幅强化了计算机使用（Computer Use）能力。该模型能够自主制定计划、使用浏览器和终端等工具，且运行自主性接近几个月前需要更大更贵模型才达到的水平。

AI模型 Claude Sonnet 5 Anthropic 智能体推理模型

推荐理由：Claude Sonnet 5 来了，做长期代理任务比以前稳多了，还能自己用浏览器和终端，值得试试。

原文

03:18

The Rundown AI@therundownai

83°

Anthropic发布了新模型Claude Sonnet 5。相比Claude 4.6，该模型在编码和智能体能力上有大幅提升。其知识工作分数超过了Opus 4.8。

AI模型 Claude Sonnet 5 Anthropic 编码智能体推理模型

推荐理由：Anthropic出了Claude Sonnet 5，编码和智能体能力比4.6强很多，知识工作分数甚至超过了Opus 4.8，值得试试。

原文

03:17

Jerry Liu@jerryjliu0

LlamaIndex推出LlamaParse和LiteParse，分别针对文档解析的三个关键场景：高精度解析要求99%+准确率，面向金融和保险等监管行业，价格不敏感；低成本高吞吐解析支持代理批量处理大量文档；低延迟低成本解析适配用户临时上传大量文件（如1000个PDF给Claude Cowork）的代理循环。LlamaParse覆盖成本-精度模式，LiteParse为开源项目，可路由至VLM深度解析模式。所有测试结果可在ParseBench查看。

AI产品 LlamaParse LiteParse LlamaIndex 文档解析智能体

推荐理由：LlamaIndex这次把文档解析的三种场景都做了：高精度的、低成本大批量的、还有低延迟实时的。有LlamaParse和开源LiteParse，不同需求直接用对应的就行。

原文

03:15

官方账号Nous Research@NousResearch

精选

NousResearch 发布的 Hermes Agent 通过优化 scraping backends，直接向 Agent 传递干净内容，跳过了冗余处理步骤。大型页面被本地保存并按需分页加载，使得网页读取速度提升 60 倍，成本降低 49 倍。该改进在保持原有质量的同时大幅减少了时间和开销。

AI产品 Hermes Agent NousResearch 智能体网页抓取

推荐理由：Hermes Agent 这回读网页快 60 倍、便宜 49 倍，直接把干净内容喂给 Agent，不用再走弯路。

原文

03:06

官方账号Microsoft Research@MSFTResearch

精选

微软研究院提出SkillOpt方法，解决AI智能体因手动修改指令导致行为不可靠的问题。SkillOpt将技能编辑转化为训练过程，优化智能体行为而不改变模型权重。实验表明该方法在多个基准测试中提升任务成功率。

AI模型 SkillOpt Microsoft 智能体训练过程

推荐理由：微软出了个SkillOpt，把改智能体指令这事变成自动训练，不改模型参数就能让行为更稳，适合搞Agent应用的人看看。

原文

02:57

LlamaIndex@llama_index

精选

LlamaIndex发布LlamaParse MCP更新，支持从合同、发票和报告中自动提取结构化数据。代理可直接搜索、阅读并检索PDF、Office文档和图片等知识库内容。工具按分类、提取和搜索等任务重新组织，可并行执行。这提升了大规模文档处理的可靠性和效率。

AI产品 LlamaParse MCP LlamaIndex 智能体文档处理

推荐理由：LlamaIndex更新了LlamaParse MCP，现在代理能自动从合同发票抽数据，还能直接搜公司文档，处理大批文件快多了。

原文

02:56

OpenRouter@OpenRouterAI

73°

OpenRouter推出Claude Sonnet 5，促销价格输入$2/M，输出$10/M。该模型强化了智能体编码和专业工作流能力。早期测试显示，相比Sonnet 4.6，其智能体更可靠、任务执行更快，且处理大任务时更易信任。

AI模型 Claude Sonnet 5 OpenRouter Sonnet 4.6 智能体编程助手

推荐理由：OpenRouter上了Claude Sonnet 5，价格比官方低，智能体编程更稳更快，值得试试。

原文

02:54

Cognition@cognition_labs

精选

Cognition 推出 Devin Fusion，一种用于智能体编程的混合模型架构。其中副手模型负责检索信息和浏览来源，前沿模型制定实施计划并委派子任务。测试显示，该架构将 Fable 级别智能的推理成本降低35%，同时保持良好使用体验。相比传统模型路由，它虽通过基准测试，但实际代码合并率更高。

AI产品 Devin Fusion Cognition Devin 智能体编程助手

推荐理由：Cognition 搞了个 Devin Fusion，把两个模型搭配起来干活，编程智能体成本降了35%，用着还挺顺。

原文

02:49

02:49官方一手Hugging Face: Blog（博客/媒体）

精选

IBM Research 推出 ScarfBench，这是首个专为企业 Java 框架迁移任务设计的基准测试。该基准涵盖从 Java EE 迁移到 Spring Boot 等 5 种典型场景，并基于 1000 个迁移案例构建。评估指标包括迁移正确性、代码质量与编译通过率，初始测试显示 GPT-4 等主流代理在复杂迁移中的成功率不足 30%。

论文 ScarfBench IBM Research Java 框架迁移智能体

推荐理由：IBM 搞了个专门测 AI 代理迁移 Java 框架的基准，看看现有模型能不能搞定企业级代码迁移，结果发现连 GPT-4 都挺费劲。

原文

02:22

Harrison Chase@hwchase17

精选

Miller等人通过将“文件”作为文档数据库对象托管，并添加了数据库查询API。他们为智能体构建了一个CLI，用于存储、更新和获取信息。系统提示被更新，告知智能体使用该CLI进行交互。这种实现方式让智能体专注于信息管理，实现了类似维基的持久记忆。

技巧 wiki memory 智能体文档数据库 CLI 系统提示词

推荐理由：Miller分享了怎么用文档数据库和CLI让AI智能体拥有维基式的长效记忆，很实用的操作指南。

原文

02:21

OpenRouter@OpenRouterAI

76°

Anthropic 发布了 Claude Sonnet 5，称其为最具代理性的 Sonnet 版本。该模型能够自主制定计划并使用浏览器、终端等工具。其自主运行水平达到几个月前需要更大更贵模型才能实现的程度。

AI模型 Claude Sonnet 5 Anthropic 智能体 MCP/工具

推荐理由：Claude Sonnet 5 能自己用浏览器和终端执行任务，比之前更自主，适合想省心的人。

原文

02:08

官方账号OpenAI@OpenAI

精选

OpenAI推出GeneBench-Pro，这是一个面向AI agent的研究级基准测试。该基准要求agent在混乱的生物数据中导航并选择正确的分析路径。它旨在衡量AI在真实计算研究中的判断能力，而非简单准确率。

AI模型 OpenAI GeneBench-Pro 智能体基准测试

推荐理由：想看看AI分析生物数据能多聪明？OpenAI这个新测试专考agent的判断力，挺有意思的。

原文

02:04

techcrunch@Rebecca Bellan

76°

Anthropic推出Claude Sonnet 5，具备更强的智能体能力。其定价低于Opus、GPT-5.5和Gemini Pro。模型在安全性上也有所改进。该定位旨在提供更经济的AI代理运行方案。

AI模型 Claude Sonnet 5 Anthropic GPT-5.5 Gemini Pro 智能体

推荐理由：Anthropic出了Claude Sonnet 5，便宜又能跑智能体，比GPT-5.5和Opus都划算。

原文

01:15

AK@_akhaliq

OSWorld2.0 是一个新发布的基准测试，专门用于评估计算机使用智能体在长周期真实世界任务中的表现。该基准包含 100 个任务，每个任务平均需要 10 步以上才能完成。相比 OSWorld 1.0，新版本增加了更多涉及多步骤规划和错误恢复的场景。测试结果显示，当前最先进的模型（如 GPT-4o）在 OSWorld2.0 上的成功率仅为 15.3%，表明长周期任务仍是 AI 面临的关键挑战。

AI模型 OSWorld2.0 基准测试智能体长周期任务

推荐理由：想看看 AI 在真实电脑操作上能走多远？OSWorld2.0 拿 100 个长任务测智能体，GPT-4o 都只拿到 15% 成功率，差距一目了然。

原文

01:00

Harrison Chase@hwchase17

LangChain团队通过强化代码解释器运行时，实现了在无完整沙箱环境下安全运行Agent代码。该方法减少了资源开销，同时保持安全隔离。具体优化包括权限控制、资源限制和网络隔离。适用于需要快速迭代Agent逻辑的场景。

技巧 Agent Code Interpreter LangChain 智能体代码执行

推荐理由：LangChain创始人教你用轻量级方案跑Agent代码，不用开重型沙箱，省资源还安全。

原文

00:33

Harrison Chase@hwchase17

harbor是一个用于评估长时间运行、有状态智能体的框架。它正在成为行业标准，支撑着terminal bench 2等基准测试。LangChain已将harbor深度集成到LangSmith、Sandboxes和Deep Agents中。这有助于开发者更高效地评测智能体性能。

AI产品 harbor LangChain LangSmith terminal bench 智能体

推荐理由：想给长时间运行的有状态智能体做评测？用harbor吧，已经是行业标准，LangChain全家桶都深度集成了，省心。

原文

00:31

coderabbitai@coderabbitai

CodeRabbit Agent 现在可以在 Discord 中运行，直接在社区频道内处理 PR 修复、自动化任务和代码工作。该功能支持范围限定，防止服务器被滥用。对于开源项目，CodeRabbit Agent 免费使用。

AI产品 CodeRabbit Discord 编程助手智能体

推荐理由：CodeRabbit 的 AI 代码审查工具上线 Discord，在聊天频道里就能处理 PR 和自动化，开源项目还免费，团队协作更方便了。

原文

00:28

官方账号LangChain@LangChainAI

精选

Harbor框架新增与Deep Agents、LangSmith Sandboxes和LangSmith Observability的直接集成。用户可在真实、可复现、隔离的环境中运行代理，支持多次并行执行和最终确定性检查。该集成简化了AI代理的测试与可观测性工作流。

AI产品 Harbor Deep Agents LangSmith 智能体测试框架

推荐理由：Harbor框架现在可以直接接Deep Agents和LangSmith，帮你并行跑代理测试，环境隔离还能自动检查结果，省心多了。

原文

00:27

官方账号Andrew Ng@AndrewYNg

Andrew Ng在一封信中分享了循环工程（loop engineering）的概念，该术语因Claude Code创造者Boris Cherny和OpenClaw创造者Peter Steinberger的提及而走红。Ng提出三个关键循环：代理编码循环让AI代理根据产品规范和评估集迭代写代码、测试，直至无缺陷；开发者反馈循环让开发者检查产品并指导代理改进，每十分钟到几小时一次；产品方向循环帮助团队用AI辅助决策。例如，Ng用代理编程构建了一款打字练习应用，代理持续工作约一小时后才返回结果。

技巧 Claude Code Andrew Ng 循环工程编程助手智能体

推荐理由：Andrew Ng手把手教你用三个循环让AI编程代理干活更久更稳，适合做0到1产品的开发者看。

原文

00:23

elvis@omarsar0

精选

自主智能体能规划任务、调用 API，但无法获取未授权工具。Apify 与 Coinbase 合作推出 x402 支持，将智能体可获取工具从约 2000 个扩展至超过 20000 个。智能体无需账户或 API 密钥即可直接调用这些 Web 自动化工具，填补了自主循环的关键缺口。

AI产品 Apify x402 Coinbase 智能体 Web自动化工具

推荐理由：Apify 和 Coinbase 搞了个大动作，让 AI 智能体能直接调用两万多个网络工具，不用自己写代码调 API，省事多了。

原文

6月30日

23:51

Harrison Chase@hwchase17

Harrison Chase在推文中介绍了一种常见的AI记忆模式——Wiki Memory，即让智能体维护类似维基百科的结构化知识库。他列举了三个具体实现：Cognition公司开发的DeepWiki、FactoryAI旗下的AutoWiki，以及Andrej Karpathy的LLM Wiki。该模式通过持续更新外部知识文档来增强智能体的长时记忆能力。

技巧 DeepWiki AutoWiki LLM Wiki 记忆机制智能体

推荐理由：Harrison Chase用三个实际项目告诉你智能体怎么记住东西，适合想搞记忆机制的开发者。

原文

23:37

官方账号ElevenLabs@elevenlabsio

ElevenLabs 为 ElevenAgents 推出新功能，用户可导入已有的 SOP 文档（doc、PDF、txt 格式）。系统自动将文档内容生成为操作流程（Procedure），供用户确认或进一步修改。该功能旨在简化将现有标准化流程转化为 AI 智能体执行步骤的过程，无需手动编写工作流。

AI产品 ElevenLabs ElevenAgents 智能体文档导入 SOP

推荐理由：ElevenLabs 让智能体直接遵循你现有的 SOP，上传文档就能自动生成流程，省去手动配置的麻烦。

原文

23:35

官方账号ElevenLabs@elevenlabsio

ElevenLabs 为 ElevenAgents 引入 Procedures 功能，这是一组打包的剧本，允许用户定义代理在常见场景中的操作流程。该功能类似于员工遵循的标准操作程序（SOP），为代理提供具体指令。这条推文获得 5 条回复、2 次转发、38 个点赞和 6054 次查看。

AI产品 ElevenLabs ElevenAgents Procedures 智能体工具

推荐理由：ElevenLabs 给代理加上了 SOP 功能，像给员工定流程一样，让 ElevenAgents 执行更可控。

原文

23:03

techcrunch@Russell Brandom

71°

亚马逊宣布投入10亿美元成立新的FDE（Full-stack Deployment Engineering）组织。该组织工程师将嵌入企业客户现场，部署专用AI智能体。此举与OpenAI和Anthropic此前设立的类似部门一致，旨在加速AI落地。新组织强调快速部署和客户自给自足能力。

行业 Amazon OpenAI Anthropic 智能体 AI部署

推荐理由：亚马逊砸10亿美元学OpenAI和Anthropic搞AI部署，派工程师驻场帮你搭智能体，省心。

原文

22:50

官方账号阶跃星辰 Stepfun@Stepfun_AI

Step 3.7 Flash 本月在 OpenRouter 平台上处理了4.29万亿 tokens，进入该平台流量前十。开发者将其用于真实 agent 运行、编程任务和长上下文工作流。模型在处理复杂任务时表现稳定，获得社区积极反馈。

AI模型 Step 3.7 Flash OpenRouter 推理模型编程助手智能体

推荐理由：Step 3.7 Flash 在 OpenRouter 上月流量超4万亿 tokens，开发者拿它跑智能体、写代码，又稳又快。

原文

22:03

官方账号LangChain@LangChainAI

LATAM Airlines 在 Interrupt 大会上展示了基于 LangGraph 构建的 B2C 旅行代理。该代理每天处理数千名用户，成为航空业智能体落地的实践案例。LangGraph 是 LangChain 推出的框架，用于构建状态化、多步骤的 AI 代理。

行业 LATAMAirlines LangGraph 旅行代理智能体

推荐理由：LATAM Airlines 用 LangGraph 搭的旅行助手每天服务几千人，航空业搞AI客服的可以看这个案例。

原文