6月7日
00:02
00:02rohanpaul_ai@rohanpaul_ai
88°
Anthropic Claude Code负责人Boris Cherny表示,他不再手动提示Claude,而是编写循环让Claude自主执行任务并决定下一步。他认为这是2025年AI工作方式的转变趋势,即从人工提示转向自动化循环。这一观点反映了AI从工具向自主代理的演进,对开发者工作流有深远影响。
事件专题

推荐理由:Boris Cherny的观察揭示了AI编程从手动提示到自动化循环的范式转变,做AI应用或自动化流程的开发者值得思考这一趋势,并尝试调整自己的工作方式。
6月6日
01:12
01:12Harrison Chase@hwchase17
Witan Labs 正在开发面向 AI 智能体的无头办公套件,旨在让智能体能够直接操作办公软件的核心功能,无需传统图形界面。本周他们展示了最新进展,并预告了下一步计划。这一趋势预示着未来所有平台都将提供无头版本,以适配 AI 智能体的自动化需求。对于开发者和企业而言,这意味着更高效的办公流程和更灵活的智能体集成。
推荐理由:做智能体自动化的团队终于有了正经的办公套件方案——Witan Labs 的无头 Office 让 AI 直接操作文档、表格等核心功能,比传统 API 对接高效太多,做办公自动化的开发者建议点开看看。
6月5日
12:05
12:05官方账号arXiv cs.AI@Shiyun Xiong, Dongming Wu, Peiwen Sun, Yuang Ai, Bokang Yang, Wencheng Han, Xiao-Hui Li, Xiangyu Yue
精选
论文提出 Benchmark Agent,一个全自动构建 LLM/MLLM 评测基准的智能体系统。它从用户需求分析、子任务设计到数据标注和质量控制,全流程自动化。作者用它生成了 15 个覆盖文本理解、多模态理解和领域推理的基准,经人类评估和 LLM 评判验证,质量高且无需人工参与。该系统解决了传统基准构建劳动密集、易饱和的问题,能持续生成新基准以区分顶尖模型。代码和预览已公开。
推荐理由:做 LLM 评测的团队终于有了自动化工具——Benchmark Agent 能持续生成新基准,避免模型性能饱和,建议做模型评估的开发者直接试试。
05:43
05:43官方账号LangChain@LangChainAI
LangSmith Engine 推出新功能,将 Agent 团队手动改进循环(Trace → 找失败模式 → 修复提示/代码 → 创建评估 → 测试 → 部署 → 重复)自动化。它能将生产 Trace 转化为命名问题、根因分析、建议修复和更强的评估覆盖。这解决了 Agent 开发中调试和迭代效率低下的痛点,让团队更快定位并修复问题。
推荐理由:做 Agent 开发的团队终于可以告别手动 Trace 和找失败模式的苦活——LangSmith Engine 自动帮你做根因分析和修复建议,建议直接集成到工作流中试试。
02:21
02:21官方账号LangChain@LangChainAI
LangChain 团队在 Slack 中部署了一个名为 @docs_plz 的 Fleet 代理,用于自动化文档修改流程。该代理接收文档添加或修复请求后,自动创建工单并提交 PR。部署后,文档变更量显著飙升。LangChain 强调,代理不需要复杂设计也能产生巨大影响,从简单用例开始自动化往往是最高效的方式。
事件专题

推荐理由:这个案例证明了简单代理也能带来显著效率提升,适合正在探索内部自动化工具的团队参考——从文档这类高频低复杂度任务入手,效果立竿见影。
6月4日
04:44
04:44官方账号LangChain@LangChainAI
LangSmith Engine 能够自动发现并突出显示系统中的问题,而不是让它们隐藏在追踪记录中。ListenLabs 的 Ollie Elmgren 分享了该工具如何改变其团队评估智能体的方式。该引擎通过自动化问题检测,帮助团队更高效地识别和解决系统性问题,从而提升智能体的可靠性和性能。
推荐理由:做 AI 智能体评估的团队终于不用手动翻 trace 找 bug 了——LangSmith Engine 自动暴露系统性问题,ListenLabs 已经用上了,建议做 agent 开发的团队点开看看。
6月3日
07:57
07:57GitHub@github
88°
GitHub 宣布了一系列新发布,旨在让开发者在使用智能体时保持流畅体验,所有功能都集成在 GitHub 平台上。这些更新使开发者能够更好地控制智能体行为,提升开发效率。此举标志着智能体开发进入新阶段,开发者可以更专注于核心工作。

推荐理由:GitHub 这次更新直接解决了智能体开发中的控制痛点,做 AI 应用或自动化流程的开发者值得关注,建议试试新功能提升效率。
01:16
01:16Philipp Schmid@_philschmid
开发者Phil Schmid分享了一种使用GEPA自动优化任何CLI Agent提示词的方法。GEPA接受任何`(str) -> str`的可调用对象,兼容自定义CLI、本地模型或API Agent。只需将Agent封装在Python函数中,即可让其自我优化提示词。该方法可显著提升Agent的响应质量和效率,减少手动调优的工作量。

推荐理由:做Agent开发的团队终于有了自动化提示词优化的工具——GEPA支持任何CLI Agent,封装成函数就能自优化,省去反复手动调参的麻烦,建议试试。
6月2日
17:13
09:54
09:54HeyGen@HeyGen_Official
HeyGen 展示了其 Avatar 5 和 HyperFrames 功能如何自动生成理财顾问的客户更新视频。传统上,理财顾问每月花费数百甚至数千美元制作这类视频。HeyGen 让 AI 代理根据简单简报自动完成整个任务,大幅降低成本和时间。该演示展示了 AI 视频生成在专业服务领域的实际应用潜力。
推荐理由:理财顾问和内容营销团队终于有了降低视频制作成本的 AI 方案——HeyGen 的自动化流程能省下每月数千美元,做客户沟通的从业者值得一试。
09:29
09:29shao__meng@shao__meng
76°
Lee Robinson 分享了四条让代码库更适配 AI Agent 的原则:源码必须是真相或提供可编程访问路径(如 MCP/CLI),Agent 需能通过类型、测试、Linter 自检,AGENTS.md 应精简只写项目特有信息而非通用常识,以及通过自动化实现持续改进。他以 Cursor 官网从 CMS 迁回 Markdown 为例,说明移除抽象层后 Agent 效率显著提升。这些原则旨在降低 Agent 的认知与验证成本,让 token 和人力聚焦于产品价值。
事件专题

推荐理由:如果你的团队正在用 AI 编程助手或构建 Agent,这四条原则能直接帮你减少 Agent 的「猜错」和「瞎改」,从代码结构层面提升自动化效率。做工程基建或维护大型代码库的开发者,建议对照检查自己的仓库。
6月1日
11:27
11:27AI Will@FinanceYF5
Simon Smith 指出,AI 编程助手 Codex 已达到 500 万用户,但相比 ChatGPT 约 9 亿用户仅占 0.6%。这反映出绝大多数人仍不了解 AI 的现有能力,而少数人已开始用 AI 自动化个人生活和工作。该数据表明 AI 应用仍处于早期阶段,普及空间巨大。
推荐理由:这个对比数据揭示了 AI 普及的巨大鸿沟——做 AI 产品、投资或创业的人,值得思考如何触达那 99.4% 的潜在用户。
01:52
01:52Ate-a-Pi@svpino
Claude Code 允许用户通过 /config 命令调整输出风格,改变其解释深度、行动积极度和整体个性。默认风格外,还有 Learning 和 Proactive 等选项。Learning 模式更适合学习场景,能避免用户过度依赖 AI 而丧失思考能力;Proactive 模式则适合非编码自动化任务。这一功能让用户能根据使用场景定制 AI 助手的行为。

推荐理由:Claude Code 用户终于可以按需调整 AI 的「话多话少」和「行动力」了——Learning 模式适合想学东西的开发者,Proactive 模式适合自动化任务,建议打开 /config 试试。
5月31日
05:09
05:09Ate-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。
事件专题

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。