智能体

推荐理由：OpenAI说自家新模型Astra网络攻击能力太强，可能达到最高风险等级，部分开发先停了。头一回这么谨慎。

推荐理由：Harrison Chase一句话说透托管代理：底层都打包好了，你只要给业务上下文就能跑起来一个智能体。

推荐理由：Agent Arena 把怎么用因果追踪看清智能体行为的方法讲透了，做智能体评估或研究模型机制的人可以看看。

推荐理由：OpenAI 刚透露下一代模型 Astra 在智能体编程和网络安全上能力大涨，还把它定为首个“关键”网络安全模型，安全措施也升级了。

推荐理由：Vercel新出了Skillsets，能打包技能给团队和AI代理用，还能分享未列出的链接，挺方便。

推荐理由：LangChain 托管版 DeepAgents 来了，创始人亲口说这是让他最兴奋的发布，跑代理要变简单了，想了解就看看。

推荐理由：Firecrawl靠给智能体抓网页做到GitHub史上Top50，16.2万星。想做网页抓取或智能体的可以去看看。

推荐理由：Cloudflare出了个给AI代理用的浏览器Kitesurf，比Chromium省算力，做浏览器自动化的开发者可以试试。

推荐理由：Hugging Face 直播演示 AI 智能体复现 ICML 2026 论文，已有两千多人围观，点链接看过程。

推荐理由：TReNDS把根因分析从半小时缩到1分钟，用的是Bedrock智能体流水线，运维团队可参考。

推荐理由：LangChain用自家LangSmith的几十亿次运行数据，扒了扒开发者到底怎么搭智能体，后续报告值得蹲一下。

推荐理由：ElevenLabs给ElevenAgents设了套评估标准，能自动分辨用户是在问情节还是角色，挺实用。

推荐理由：ElevenLabs给ElevenReader整了个语音聊天，能记住你读到哪，剧透问题直接绕开，看书党可以试试。

推荐理由：ElevenLabs 把智能体塞进自家阅读器，用户收听时长涨了 24%，语音交互这波有戏。

推荐理由：Cloudflare出了新系统，能根据行为判断是好人还是坏机器人，还能用他们的模拟工具测测自己的光标像不像真人。

推荐理由：想玩 DeepSeek Harness 的注意了：报名就要交身份证复印件，泄密还会拉黑，这门槛你接受吗？

推荐理由：用户实测：WorkBuddy 里的 v4 flash 就能搞定 Skill 的创建、优化和运行，去年还得靠 Claude Code。

推荐理由：OpenAI 公布了智能体入侵 Hugging Face 的复盘，上百个 Agent 自己组队、自己定暗号，十几个小时就攻破了平台，比人类红队还快。

推荐理由：五家巨头联手搞了个 Agent Plugins 标准，以后 AI 代理插件能通用，不用各家写各家的了。

推荐理由：阿里的 CosyVoice Studio 一口气集齐了语音转写、智能体和音频创作，现在是限时免费，想试试语音工具链的可以下载用用。

推荐理由：Claude Code 更新了，能用自己的机器跑会话，还能跨设备发消息，安全修复也不少。

推荐理由：EnvACE 让模型自己脑补环境的反馈，省去搭建外部模拟器，四个基准上还赢了。想低成本练智能体的可以看看。

推荐理由：这篇论文用690个技能做测试，发现简单混合排序比知识图谱更靠谱，还提醒大家别用自编查询骗自己。

推荐理由：想给智能体造训练任务？CalibForge 让多个求解器互相挑毛病来调任务难度，比人工标靠谱，Terminal-Bench 上能涨二十多个点。

推荐理由：想比较哪些大模型最会自己改提示词和工具编排？这个新基准用4个任务111次运行测了5个模型，结果挺反直觉。

推荐理由：TrajDebug能从长轨迹里精准揪出导致最终失败的那个错误，486条真实数据验证过，比现有方法都靠谱。

推荐理由：论文提出READ，在780页财务报告上准确率58.8%，比向量检索的15.7%高出一大截，每次检索还能当成审计轨迹回放。

推荐理由：Cloudflare出了个给AI Agent用的浏览器Kitesurf，比Chromium省好几倍内存和CPU，速度略慢但跑任务够用。现在集成在Browser Run里，beta期免费，可以试试。

推荐理由：这个QuanTiMedAI挺有戏：605个参数就把心脏骤停死亡预测AUROC做到0.852，比原来最好的还高2.9%。

推荐理由：阿里千问 App 新增定时任务、办公助理和智能体广场，能自动整理新闻、跨端操作电脑，试试看。