智能体相关 AI 资讯

AITOP

8月4日

11:21

官方账号阿里通义 Qwen@Alibaba_Qwen

81°

阿里巴巴的Qwen3.8 Max已在OpenRouter上线。该模型有2.4万亿参数、950亿激活参数，主打长程编程、研究和多模态智能体任务。开放权重预计下周发布，这是Qwen Max级模型第一次开源。

推荐理由：Qwen3.8 Max已上线OpenRouter，2.4万亿参数、950亿激活，下周还首次开源Max级权重，想试的可以蹲。

原文

10:39

shao__meng@shao__meng

精选

@bharath31_ 从GitHub抓取200个公开的SKILL.md文件，用Tripwire的lint引擎扫描发现96%存在至少一个lint错误，仅4%完全无错误。在171个有效Skill中，95%（163个）缺少“Use when…”激活条件说明。这类Skill只描述功能，没写明何时触发，导致Agent难以在合适时机调用。问题根源在于Agent Skills规范2025年才开放，90天内已有30多个工具支持，skills.sh上有约9万个Skill，但description仍是自由文本，没有编译器或测试来检查。

技巧 Agent Skill Use when 智能体

推荐理由：作者扫了200份Skill文件，发现95%没写“何时该用”。写Agent Skill时记得加Use when，不然智能体不知道啥时候调用。

原文

09:49

Harrison Chase@hwchase17

精选

Harrison Chase 宣布本周将 Managed Deepagents 转为公开 Beta，重点解决智能体周边的“无聊”基础设施。目前已集成的功能包括基于 Harbor 的评测配置、智能体级和用户级记忆、工具访问 OAuth、Slack 与 GitHub 渠道集成，以及无缝沙箱集成，让开发者专注核心 agent 逻辑。Harrison 还在征集更多建议，后续可能继续扩展。

AI产品 Deepagents LangChain Harbor

事件专题

推荐理由：LangChain 把托管版 Deepagents 转公测了，评测、记忆、OAuth、Slack/GitHub 集成都给你配好，你只管写智能体逻辑就行。

原文

09:48

OpenRouter@OpenRouterAI

精选

Qwen在长期任务和视觉智能体基准上报告了新成绩。PaperBench从64.8升至93.0，OSWorld-Verified从73.3升至86.1，Vision2Web从42.1升至69.0。数据由OpenRouter推文转述。

AI模型 Qwen3.7 Max PaperBench OSWorld-Verified

推荐理由：Qwen放出了新基准分，PaperBench直接到93，比之前64.8涨了一大截，智能体任务可以关注。

原文

09:39

官方账号arXiv cs.AI@Simiao Ren

该研究提出CallScreenBench基准，用来评估手机端侧模型代接未知来电的表现。评测从五个质量维度打分，不合并为单一总分。研究用6个0.6B到4B参数的端侧模型，在4-bit量化下做测试，发现能力越高回答质量越好，但来电分流质量并不随之提升。修正脚本化退化基线后，11/15个模型对的分流差异在预注册操作点归零。一个只会挂断和复述对方的智能体也能拿到完美消息保真分数。

论文 CallScreenBench 端侧模型智能体

推荐理由：别只看模型跑分，这篇论文拆穿了端侧模型的电话代接短板，还附了踩坑评测方法，做手机智能体的值得读。

原文

09:37

官方账号arXiv cs.AI@Tezan Sahu, Himani Arora

该论文来自arXiv 2608.01042，提出一个从真实研究生成人物驱动、随时间演化的企业世界的系统。传统离线评估只用单一静态快照，只能验证最终状态，无法覆盖问答时刻之前的数据变化。新系统通过schema推断时间描述，结合确定性与LLM重建每条记录的过去状态，并预计算为紧凑差分缓存。评估时可在任意时刻重放场景，快速复现且无模型干扰，早期实验已用于企业代理评测。

论文智能体企业场景时间演化

推荐理由：这篇论文搞了个评估系统，能生成随时间变化的企业数据，在任意时间点重放来测试AI代理，比只看最终快照靠谱多了。

原文

09:23

官方一手arXiv: DeepSeek@Qunhui Zhang

AiFlow是一种Token原生响应式编排模型，将Provider增量归一化为Context<T>事件并通过有向流图传播。每个节点由Node Guardian管理，声明并执行队列上限、并发、排序、溢出策略与重试规则。微基准测试基于DeepSeek轨迹回放（30次）并与LangGraph基线对比，结果显示AiFlow不改变模型TTFT，但将应用TTFPT降低70.9%-94.7%。运行时队列深度也控制在声明边界内，较无界策略减少93.7%-96.5%的MaxQ。实现代码通过FIT Framework仓库公开提供。

论文 AiFlow LangGraph RAG

推荐理由：AiFlow将LLM输出按token流式编排，实测应用延迟比LangGraph降70.9%-94.7%，队列占用也大幅减小。

原文

09:10

Browser Use@browser_use

browser-use 发布 v4 智能体，支持搭配 GPT-5.6 Luna。开发者 Saurav Panda 实测，智能体仅花 3 美分就打开了 Hacker News 前 15 条帖子，读完所有链接页面并生成完整报告。这一成本比一块口香糖还低，相当于让 AI 代读全网资讯。

AI产品 browser-use GPT-5.6 Luna 智能体

推荐理由：browser-use 新智能体配 GPT-5.6 Luna，自动读网页写报告，3 美分一次，比口香糖便宜，试试呗。

原文

09:09

宝玉@dotey

在一个session里，主agent可以开启subagent来执行任务，并为subagent指定不同的模型。这样主agent和subagent就能在同一会话中分别使用不同模型。这个技巧省去了切换session的麻烦，适合多模型分工协作的场景。

技巧 subagent 智能体工作流

推荐理由：想在同一会话里换模型？让主agent开个subagent，给它指定模型就行，不用来回开新对话。

原文

08:54

Amjad Masad@amasad

Replit 在数据库、对话和文档之上构建了自驱动且自纠正的共享语义层。该层让所有数据源均可查询和连接，无需迁移或预处理。现在 Replit 的任何人可以直接提问，而过去这需要数据科学家团队工作数周。这个语义层依赖代理共享上下文，让更多人获得可靠答案。

技巧 Replit 语义层智能体

推荐理由：Replit 分享了他们自用的共享语义层，能把数据库、文档和对话都打通，员工直接提问就能查数据，不用等数据团队几周。

原文

08:29

宝玉@dotey

宝玉分享跨Agent session的协作技巧：在Claude Code中用Fable 5写技术方案并反复Review，再交给Codex配合/goal执行。他建议用/compact压缩上下文代替新开Session，只在关系不大的任务才新开。旧迁移任务因未设验收标准而交付质量差；加上“UI像素与原版完全一致”的标准后，Codex每一步都会截图对比像素差异，直到达标。

技巧 Claude Code Codex 智能体

推荐理由：看看宝玉怎么让Codex干活：先写文档再给目标，卡死验收标准，它就会老老实实逐像素核对。

原文

07:43

elvis@omarsar0

该论文提出一种 Agent 故障归因框架，将 41 种失败模式映射到模型、工具、记忆、环境等组件之间的交互边上。这41种模式均标出修复责任方，多数故障发生在模型与脚手架（harness）的接缝处。在四个前沿模型上，最强评判者对人类分类标签的 Cohen's kappa 达 0.76，可自动化标注生产轨迹。论文编号 arxiv.org/abs/2607.28802，适合生产环境构建智能体的团队参考。

论文智能体 Harness 故障模式

推荐理由：做Agent生产的人快收藏：它把41种故障按交互边分类，修bug能直接判断是模型问题还是脚手架问题。

原文

07:42

elvis@omarsar0

精选72°

TokTier提出有状态分词方法，解决智能体场景下代码转录重复提交导致的分词不可复用问题。在153,951次真实智能体调用中，提示缓存命中率94.1%时，分词仍占用首token时延的64%。该方法只对追加位置附近的小窗口重新分词，并通过稳定边界检查拼接，在17个分词器家族的1.5e10次分割检查中零偏差。增量修复100K到3M字符耗时0.5至1.1毫秒，比HuggingFace快最多437倍；在vLLM下中位首token时延下降16%至34%。

论文 TokTier vLLM 智能体

推荐理由：做智能体服务的朋友看下，TokTier把长记录重复分词干掉了，vLLM下首字延迟降16%-34%，省GPU。

原文

07:32

Guillermo Rauch@rauchg

71°

Next.js 16.3正式发布，开发模式内存使用最多降低90%，构建、类型检查和渲染速度均有提升。新版本加入Instant Navigations功能，可提供类似SPA的响应式导航，并计划未来设为默认。针对AI Agent优化了开发体验，内置版本化文档和多种导航策略供选择。本次更新还包含自定义错误边界和增量next build缓存，共有90位贡献者参与。

AI产品 Next.js Instant Navigations 智能体

推荐理由：如果你用Next.js，16.3把开发内存最多砍掉90%，还能让Agent帮你平滑升级，直接上手就行。

原文

06:40

eric zakariasson@ericzakariasson

精选

一位开发者分享 AI 代理操作电脑的观察：移动鼠标、在表单中打字、打开标签页一气呵成。该代理能点击自己构建的 UI，并录制短视频证明改动生效。它还能登录没有 API 的仪表板，直接从页面抓取数据。在文档网站上花了 45 分钟定位故障原因，最后像人类一样复现 Bug 并修复。

AI产品智能体浏览器自动化 Bug 修复

推荐理由：这个 AI 代理会自己点网页、填表格、录屏验证，还能翻 45 分钟文档找 bug，看得我直呼厉害。

原文

06:24

官方账号Microsoft Research@MSFTResearch

微软研究院发布 SocialRL，让小型语言模型学会多轮谈判。PazaBench V2 扩展了非洲语言语音 AI 评测。EvoLib 用于帮智能体把经验转化为知识。另公布了更可靠的 A/B 测试方法和 AI 精准肿瘤学新进展。

论文 SocialRL PazaBench V2 EvoLib

推荐理由：看微软研究院这周新东西：SocialRL 教小模型谈判，PazaBench V2 补非洲语言语音评测，顺带还有 EvoLib 智能体知识库。

原文

06:02

官方账号Cursor@cursor_ai

76°

Cursor 发布了新插件，让代理可直接访问 Gmail、Google Drive、Calendar、Docs 和 Sheets。这些插件支持读取、写入和操作工作区数据。用户授权后即可让 Cursor 在 Google Workspace 中执行跨应用任务。

AI产品 Cursor Google Workspace Gmail

事件专题

推荐理由：Cursor 出了官方插件，能直接读写你的 Gmail、日历和文档了，不用再手动切来切去。

原文

05:37

官方账号Replit@Replit

Replit 官方博客介绍了其内部“真理层”实践。他们让 AI 代理从共享上下文起步，以提升回答的可靠性。该实践把团队共同认可的信息作为基础设施，使更多人获得一致答案。

技巧 Replit 智能体上下文工程

推荐理由：Replit 把自己团队用 AI 的办法公开了，核心是让代理共享上下文，想要落地 AI 协作的可以看看。

原文

04:36

Guillermo Rauch@rauchg

Vercel CEO Guillermo Rauch 在 X 宣布，用户可让 agent 运行 `vercel i kernel` 或 `vercel i browserbase` 命令安装 Kernel 与 Browserbase。Kernel 与 Browserbase 这两个服务专注于完善无头浏览器操作，并针对公共互联网的规模化浏览做了优化。这条推文获得了 5 个赞、1 条评论和 2813 次浏览。

AI产品 Vercel Kernel Browserbase

推荐理由：Vercel 官方教你把 Kernel 和 Browserbase 装给 AI agent，跑一条命令就行，以后大规模抓网页不用自己搭无头浏览器了。

原文

04:32

向阳乔木@vista8

GPT-3时代只有token预测，ChatGPT通过InstructGPT引入RLHF才学会对话。RLHF基于人类偏好打分，让模型更讨喜但付出了降低学术能力的对齐税。2024年Claude Sonnet 3.5采用RLVR训练编码智能体，以测试用例作为可验证奖励。模型在虚拟环境中反复试错并复制成功路径，导致输出更机械、冗长、说行话。

行业 RLHF RLVR Claude

推荐理由：Kun Chen解释了为什么新模型越来越像机器人：训练从讨好人类变成了刷测试用例，看完你就明白根源在哪。

原文

04:23

官方一手marktechpost@Asif Razzaq

精选

本指南提出see-fix-protect框架，覆盖五层智能体AI攻击面地图和12点错误配置检查清单。还提供基于证据的排查矩阵、运行时防护栏和系统提示词加固方法。安全成熟度自评估对标NIST AI RMF、OWASP AIMA、ISO/IEC 42001和欧盟AI法案。适合正在将AI代理和MCP服务器投入生产的团队参考。

技巧 AI安全 MCP/工具智能体

推荐理由：这份指南把AI应用安全讲得很实在，有攻击面地图和检查清单，照着就能排查配置问题，比抽象的安全理论有用多了。

原文

04:02

官方账号LangChain@LangChainAI

Stripe在LangChain博客中分享了其知识AI平台Kai的构建过程。该平台由一位工程师使用Deep Agents在一周内完成。Kai被Stripe员工形容为职业生涯的分水岭。LangChain发布了完整的构建故事。

技巧 Stripe Kai Deep Agents

推荐理由：一个工程师一周就能搭出内部AI平台？看Stripe的Kai案例，用Deep Agents搞定。

原文

03:56

Harrison Chase@hwchase17

Stripe用LangChain的Deep Agents搭建了内部知识AI平台Kai，耗时一周，仅一名工程师完成。LangChain发布了完整案例，称内部AI平台有潜力改变公司运作方式。Stripe员工表示，在Stripe的职业生涯以Kai为界分为前后两段。

技巧 Stripe LangChain Kai

推荐理由：看看Stripe怎么用一个工程师一周做出内部AI平台Kai，LangChain还发了完整流程。

原文

02:51

techcrunch@Sarah Perez

Apple的Siri在多年延迟后终于完成AI改造，成为能完成复杂任务的语音助手。但如今聊天机器人已进化为能编程、推理、创作媒体的智能体。Siri的更新依然实用，只是相比这些智能体不再显得革命性。

AI产品 Siri Apple 语音助手

推荐理由：苹果终于给Siri动刀了，能干活了，但隔壁AI已经会写代码做视频，这更新来得有点晚。

原文

02:38

elvis@omarsar0

Intology的自动化研究系统Locus对Qwen3基础模型进行后训练，在PostTrainBench上达到SOTA。其训练出的模型超越官方人类调优的Qwen3 1.7B Instruct版本。PostTrainBench用10个H100小时评估代理后训练能力，扩展版PostTrainBench+将预算提升至数千H100小时。在此预算下，Locus后训练的模型集体优于官方Qwen3 1.7B。此外，Locus在Kaggle所有活跃奖金竞赛运行16天后，平均排名第4。

AI模型 Locus Qwen3 PostTrainBench

推荐理由：Locus这个自动化系统后训练的模型居然干过了人类调的Qwen3 1.7B，在PostTrainBench上拿了第一，还上了Kaggle奖金赛前排。

原文

01:56

Notion@NotionHQ

Notion 官方发布了一张产品目录图，整体定位为 System of Record，涵盖 Databases、Wiki、Docs、Tasks 等底层模块。Notion AI 部分列出了 Custom Agents、Deep Research、Autofill、AI Meeting Notes 等能力。开发者平台包括 MCP、Workers、API、ntn CLI、Webhooks 和 External Agents API。Connected Workspace 连接了 Slack、GitHub、Jira、Figma 等外部工具。

AI产品 Notion Notion AI 智能体

事件专题

推荐理由：Notion 官方把全家桶拆成一张目录图，AI 智能体、MCP、连接器全在里面，扫一眼就知道能用来干啥。

原文

01:42

官方一手AWS Machine Learning Blog@Subhro Bose

Formula 1与AWS合作构建Data Accelerator，基于Amazon Bedrock AgentCore的agentic AI改造其MarTech数据平台。该方案将数据源接入时间从最长8周缩短到约40分钟，并实现schema演进的自动化。F1还获得了覆盖粉丝互动数据资产的全链路可观测性。

行业 F1 AWS Amazon Bedrock

推荐理由：F1和AWS搞了个Data Accelerator，用agentic AI把数据接入从几周干到40分钟，还自动处理表结构变化，搞数据的值得看看。

原文

01:05

官方账号NVIDIA AI@NVIDIAAI

Teknium宣布Hermes Agent集成NVIDIA NeMo Relay，重点优化小型/本地模型性能。基于25万条对话记录的分析，优化涵盖工具执行时间、内存、任务回合数、schema上下文负载以及token效率。更新已推送，完整版本明天发布。

AI产品 Hermes Agent NeMo Relay NVIDIA

事件专题

推荐理由：本地模型跑Agent总嫌慢？Hermes Agent这次用上NeMo Relay，省token还少绕路，更新试试就知道。

原文

00:49

mem0@mem0ai

精选

mem0 通过将向量搜索迁移到 Turbopuffer，把查询延迟从 8-14 秒降到约 110-120 毫秒。这次优化带来 70 倍加速，同时让 Postgres 专注于其擅长的关系型数据存储。mem0 在博客中展示了这套面向 AI 代理记忆基础设施的架构调整。

技巧 mem0 Turbopuffer Postgres

推荐理由：mem0 写了个博客，把向量搜索迁到 Turbopuffer 后延迟从 8-14 秒降到 110ms。做 AI 代理记忆的可以学学。

原文

00:43

官方账号Microsoft Research@MSFTResearch

精选

Microsoft Research发布开源框架Orchard，面向研究社区，用于训练和评估多种任务类型的AI代理。该框架通过复用同一套基础设施，降低了搭建环境的复杂性。它支持较小规模的模型也能取得较强性能，方便研究者快速开展实验。

AI产品 Orchard Microsoft Research 智能体

推荐理由：微软开源了Orchard，一个给研究人员用的AI代理训练评估框架，小模型也能跑出好效果，复用基础设施省事。

原文

00:27

OpenRouter@OpenRouterAI

OpenRouter 发布 Ori Eval，一款用于模型选型的评估工具。开发者只需在编码智能体中执行 curl -fsSL openrouter.ai/skills/spawn-o… 命令，即可按指引启动评估流程。Ori Eval 会自动对比候选模型在具体任务上的输出质量，给出可量化的对比结果。目前该工具已开放使用，相关说明见 openrouter.ai/ori/eval。

AI产品 OpenRouter Ori Eval 模型评估

事件专题

推荐理由：OpenRouter 新出的 Ori Eval 能让你的 coding agent 自动跑模型评测，哪个模型最适合你的项目，跑一下就知道。

原文

8月3日

23:52

Viking@vikingmute

精选

Cloudflare 开源了 computer 库。它在 Durable Object 内实现虚拟文件系统，用 SQLite 持久化 Agent 工作区。workspace.runtime 支持 Container、Isolate Shell、Isolate JavaScript 三种运行时：Container 通过 FUSE 把 SQLite 状态挂载进真实 Linux 沙箱；Isolate Shell 在 Dynamic Worker 里跑 just-bash；Isolate JavaScript 提供隔离 JS 环境。Agent 可在不同 runtime 间动态切换，兼顾性能与隔离。

AI产品 Cloudflare computer Durable Object

事件专题

推荐理由：Cloudflare 开源 computer：给 Agent 持久化工作区，在容器、Shell、JS 三种 runtime 间切换。

原文

23:42

官方账号ElevenLabs@elevenlabsio

ElevenLabs 推出企业级智能体服务 ElevenAgents，内置可配置 guardrails（安全护栏）与区域数据驻留选项。该服务基于同一套安全基础架构，覆盖从初创公司到政府机构及 Fortune 500 企业。更多详情可访问 elevenlabs.io/agents 查看。

AI产品 ElevenAgents ElevenLabs 智能体

推荐理由：ElevenLabs 给智能体加了企业级安全配置，能设护栏、选数据存放地区，大公司用它更放心。

原文

23:41

官方账号ElevenLabs@elevenlabsio

ElevenLabs推出ElevenAgents，可构建遵循现有工作流的智能体。该工具支持上线前模拟场景测试，并能跨渠道部署。配套的Spotlight服务会监控生产环境中的对话，提供主动优化建议。

AI产品 ElevenAgents ElevenLabs Spotlight

推荐理由：ElevenLabs出了ElevenAgents，能先模拟再上线，还有Spotlight盯着生产对话给优化建议，比自己瞎调强。

原文

23:40

官方账号ElevenLabs@elevenlabsio

ElevenLabs 官方宣布，其 ElevenAgents 平台每周运行超过1000万次对话。这些对话由自然语音或聊天代理完成，涉及退款请求、预约、福利查询和航班更改等真实场景。该平台已支撑起大规模自动化客户交互，相关数据在 ElevenLabs 官方推文中披露。

AI产品 ElevenAgents ElevenLabs 智能体

推荐理由：ElevenLabs 说他们的智能体每周能跑一千万次对话，退款、改签这类活都能自动干，规模不小。

原文

23:17

Eric Jing@ericjing_ai

Genspark开源了AI办公套件GenOffice，自称全球首个功能齐全的开源AI Office，支持PC和Mac。它包含Docs、Sheets、Slides和PDF编辑功能，内置Super Agent，可用Genspark积分调用顶级模型完成研究和文档生成。官方称Alpha版由一名工程师在一周内用1万美元的token成本开发完成。项目可免费无广告使用，用户提交真实反馈可获得1000以上Genspark积分。

AI产品 Genspark GenOffice AI办公

事件专题

推荐理由：开源免费无广告，内置AI能写文档做PPT。反馈bug还送1000+积分，这事挺值。

原文

22:14

Eric Jing@ericjing_ai

Genspark正式开源GenOffice，宣称这是全球首个全功能开源AI Office，支持PC和Mac平台，免费且无广告。产品包含Docs、Sheets、Slides和PDF编辑工具，并内置Genspark Super Agent，可调用顶级模型完成研究、数据分析和文档生成。当前为Alpha版本，由一名工程师在一周内消耗约1万美元token构建。参与反馈的用户可获得1000以上Genspark积分奖励，代码已发布在GitHub。

AI产品 GenOffice Genspark AI办公

事件专题

推荐理由：Genspark把自家AI办公全家桶开源了，文档表格幻灯片PDF都有，还能让智能体帮你写材料。Alpha版免费随便玩，提意见还送积分。

原文

22:06

官方账号LangChain@LangChainAI

LangChain 的 Interrupt 会议在旧金山举办，邀请了 Cisco、LinkedIn、Andrew Ng 和 Levie 等演讲者。后续纽约和伦敦场将有 Modal、AstraZeneca、JPMorgan、LinkedIn 等机构参与。会议主题围绕 AI 智能体的下一步发展。Interrupt 门票目前开放购买，余票有限。

行业 LangChain Interrupt 智能体

推荐理由：LangChain 的 Interrupt 大会纽约伦敦场要开了，有 JPMorgan、AstraZeneca，聊智能体，票不多了。

原文

21:26

orange.ai@oran_ge

Qwen 3.8 Max 已正式发布。作者评价其为高性价比的 K3。AI 搭档 Cola 具备永久记忆能力。Cola 在超长上下文和复杂任务中依赖 Qwen 3.8 Max 支持。该模型帮助 Cola 兑现了「念念不忘，必有回响」的用户承诺。

AI模型 Qwen 3.8 Max Cola 智能体

推荐理由：通义的Qwen 3.8 Max出了，有人说是高性价比K3，还做了Cola记忆功能的底模，长上下文场景可以留意一下。

原文

21:08

官方一手Cloudflare Blog@Aron Carroll

Cloudflare发布@cloudflare/computer，这是一个面向AI智能体的运行时。它在轻量级isolates和完整Linux容器之间动态编排，为每个智能体分配独立计算环境。该设计让智能体不再局限于单一容器，从而获得更高的扩展性。

AI产品 Cloudflare @cloudflare/computer 智能体

推荐理由：Cloudflare搞了个新运行时，让每个AI智能体都有台自己的电脑，能自动调配容器和轻量环境，扩展更灵活。

原文