AITOP

智能体

共 2265 条相关 AI 资讯 · 查看话题观测
6月20日
03:27
03:27宝玉@dotey
宝玉(@dotey)在推文中分享了迭代Skill的方法：他从用户反馈发现牛马AI中使用的baoyu-design Skill存在两个问题——样式表只占页面一半、渐变色丢失覆盖图片。他让Agent在本地重现并分析原因、给出解决方案，从Skill层面修复并添加测试覆盖。这套循环为“自己用→发现问题→Agent分析→Agent出方案→确认→更新Skill”。同时介绍baoyu-design Skill可调用AI生图（配合baoyu-image-gen Skill），制作PPT、动画视频时自动配图并导出PPTX格式供PowerPoint/Keynote二次编辑。
技巧baoyu-designbaoyu-image-gen智能体编程助手PPT生成
推荐理由：宝玉分享了怎么让Agent自己分析Skill里的bug然后修复，迭代效率挺高。他那个baoyu-design Skill还能自动给PPT配图导出，值得做AI工具的人看看。
原文
03:05
01:57
01:57
00:55
00:55Milvus@milvusio
精选
Attu 3.0 beta 的 AI agent 能连接 50 多个 Milvus 工具，涵盖集合管理、数据操作、诊断和 RBAC。用户用自然语言描述需求，agent 自动调用对应工具执行，例如列出集合、创建带 schema 的集合、插入测试数据、运行向量搜索等。读操作直接返回结果，删除集合或修改权限等敏感操作会弹出确认对话框并显示参数。agent 支持本机部署，自带 OpenAI 兼容端点或 Gemini，所有调用记录（含工具名称、token 用量和失败信息）均可追溯。
AI产品AttuMilvus智能体数据库自然语言操作
推荐理由：Milvus 的 Attu 3.0 beta 让你用自然语言就能管理数据库，不只是问答，能直接执行操作，敏感操作还有二次确认，挺实用的。
原文
6月19日
23:54
23:42
22:39
21:58
21:53
20:24
18:41
18:33
17:12
16:29
16:26
16:24
12:51
11:38
11:29
11:02
11:00
10:59
10:25
10:22
10:19
10:19官方账号arXiv cs.AI@Xijia Tao, Yihua Teng, Xinyu Fu, Ziru Liu, Kecheng Chen, Yuzhi Zhao, Suiyun Zhang, Rui Liu, Lingpeng Kong
SoftSkill 提出一种方法，将智能体的自然语言技能（Markdown 文件）转化为紧凑的连续上下文对象，通过可训练的软增量进行微调，而基础模型保持不变。在单轮设置下，Qwen3.5-4B 使用长度为 32 的 SoftSkill 前缀相比无技能提示，在 SearchQA 上提升 8.3 点，LiveMath 提升 42.1 点，DocVQA 提升 1.3 点。与 SkillOpt 相比，SoftSkill 在 SearchQA 上准确率提升 5.2 点，LiveMath 提升 12.5 点，同时将数百到数千个 Markdown 技能令牌替换为几个虚拟令牌。论文还探讨了智能体执行作为更难边界情况下的表现。
论文SoftSkillQwen3.5-4B智能体行为压缩上下文适应
推荐理由：论文提出了 SoftSkill，能把复杂技能压缩成几个虚拟向量，用 Qwen3.5-4B 测试，数学题直接涨了 42 个点，比 SkillOpt 还强。
原文
10:08
10:08官方账号arXiv cs.AI@Tingyue Pan, Mingyue Cheng, Daoyu Wang, Yitong Zhou, Jie Ouyang, Qi Liu, Enhong Chen
ScholarQuest 是一个基于超过1,000个计算机科学主题和四种研究意图（方法导向、场景锚定、比较型、范围控制）的学术论文搜索基准。该基准通过可扩展的答案构建和共享检索后端 ScholarBase 支持可重复评测。评测中最佳智能体方法在 Recall@100 上仅达0.314，在 Recall@All 上为0.355，表明搜索性能仍有巨大提升空间。研究还分析了搜索效率、意图级鲁棒性和失败案例。
论文ScholarQuestLLM智能体学术搜索基准
推荐理由：想测你的LLM论文搜索智能体？ScholarQuest 给了1000多个主题和4种意图的标准测试，最强方法才0.314召回，你的能提多少？
原文
09:33
07:31
06:22
05:16
05:13
04:32
04:28
04:21
04:08
04:02
04:02lmarena.ai@lmarena_ai
82°
Agent Arena推出了因果追踪方法论，通过分析人类与AI代理协作的追踪数据来量化协作的真实价值，并能观测到广泛的模型行为。基于该方法的新排行榜显示，GLM-5.2 (Max)进入前十，成为最强开源模型，确认成功率比基线高+9.4%，表扬-抱怨比高+14.9%。Claude Fable 5在几乎所有指标上曾排名第一，但因美国政府指令暂停访问。排行榜基于数百万个真实世界长期代理任务，使用因果追踪评估模型相对于平均模型的表现。
AI模型Agent ArenaGLM-5.2Claude Fable 5Anthropic智能体
推荐理由：想看看人机协作到底有没有用？Agent Arena拿数据说话，GLM-5.2开源最强，Claude Fable 5刚登顶就被叫停，这瓜值得吃。
原文
03:04
03:02
02:32