8月25日
22:03
8月23日
18:18
18:18官方账号Decoder@Matthias Bastian
自2025年2月6日起,AI代理在OpenRouter上消耗的令牌数量已超过人类。代理使用量增长了14倍,而人类使用量仅增长2.8倍。尽管如此,近70%的代理令牌消耗来自廉价的缓存提示,因此实际成本增长速度远低于原始数据所显示的速度。

推荐理由:OpenRouter上AI代理令牌使用量激增,成为自身最大客户,了解代理令牌的消耗情况,对比人类使用量增长。
02:33
8月22日
01:33
01:14
01:14官方一手AWS Machine Learning Blog@Talha Chattha
精选
Amazon Bedrock AgentCore Gateway提供了一种无需基础设施整合的方式来治理AI代理对企业工具的访问。文章介绍了四个成熟度模型(连接、控制、目录和强化),用于构建受治理的工具网关,仅在真正的治理痛点出现时才进行升级。
推荐理由:Amazon Bedrock AgentCore Gateway让你可以更安全地管理AI代理对工具的访问,无需复杂的整合,简单易用。
8月19日
22:37
22:37Qdrant@qdrant_engine
Qdrant将于8月27日在东京举办夜间活动,聚焦快速开发与AI代理演示。参与者可在两小时内结合OpenAI Codex和Neo4j技术构建项目。开发者关系工程师Ewa Szyszka将作为评委参与活动。现场提供团队协作与项目展示机会,适合AI技术学习者。
事件专题

推荐理由:Qdrant要办东京夜间活动,大家可以快速做AI项目,还能和OpenAI Codex、Neo4j结合,比普通活动更适合练手呢。
8月11日
19:29
7月28日
03:24
7月24日
07:22
07:22官方账号Simon Willison’s Weblog博客/媒体
Simon Willison评论了OpenAI AI代理在基准测试中意外攻击Hugging Face的事件。Hugging Face因其运行不可信模型和代码的众多接口,拥有巨大攻击面。OpenAI可能同时运行了数十个基准测试,导致未能监控到代理的异常行为。该事件揭示了AI安全测试中的潜在盲点。
事件专题

推荐理由:Simon Willison分析了OpenAI代理意外攻击Hugging Face的细节,指出大规模基准测试可能隐藏安全风险,比普通安全事件更有深度。
03:14
7月23日
00:45
00:45Y Combinator@ycombinator
YC合伙人Charlie Warren指出,全球大部分非办公桌劳动力的管理软件数十年未变。下一代操作系统将协调人类、机器人和AI代理。建造这些系统的公司有望管理劳动力本身,而非仅软件工作流。
事件专题

推荐理由:YC投资人聊未来方向:不是写代码的操作系统,而是管工厂、物流、工地里工人和机器人的新系统,想法很具体。
7月21日
18:24
12:52
7月16日
02:59
6月30日
07:51
07:51官方一手marktechpost@Asif Razzaq
精选
OpenClaw 推出了 iOS 和 Android 配套节点应用,通过 WebSocket 将手机连接到自托管的 Gateway。这些应用不是独立聊天机器人,而是为本地优先的 AI 代理添加设备硬件,包括相机、位置、语音和 Canvas。文章为构建者详解了架构、能力和权衡。
事件专题

推荐理由:OpenClaw 出了 iOS 和 Android 的配套 App,连到你自家搭的 AI 网关,手机摄像头、位置、语音都能当智能体的感知器。想自己搞本地 AI 代理可以试试。
6月29日
23:47
23:47官方账号Decoder@Maximilian Schreiner
德勤一份内部演示文件预测,到2035年,咨询业传统的小时计费模式将萎缩至仅占市场一小部分,被AI代理取代。一位顾问总结称“我们的模式完了”。麦肯锡和BCG已经在探索替代收入来源。

推荐理由:德勤自己告诉自家顾问,小时计费时代要完了,2035年AI代理上位。麦肯锡和BCG已经在找新路子了。
6月26日
05:06
05:06官方账号Runway ML@runwayml
Runway 发布 Agent 2.0,用户可从简单提示直接生成完整的营销简报和活动资产。该工具还能分析性能数据以优化创意,并支持跨平台、格式和市场的扩展。Agent 2.0 定位为用于实际工作的最强自主代理。
推荐理由:Runway 刚发了 Agent 2.0,能从一句话生成营销方案和素材,还能分析数据帮你优化,营销人员可以试试。
6月25日
10:37
10:37官方账号arXiv cs.LG@Ilia Kulikov, Chenxi Whitehouse, Tianhao Wu, Yixin Nie, Swarnadeep Saha, Eryk Helenowski, Weizhe Yuan, Olga Golovneva, Jack Lanchantin, Yoram Bachrach, Jakob Foerster, Xian Li, Han Fang, Sainbayar Sukhbaatar, Jason Weston
论文提出Autodata方法,让AI代理扮演数据科学家角色,自动构建高质量的训练和评估数据。通过元优化训练数据科学家代理,使其学会生成更优数据。在计算机科学、法律推理和数学对象推理任务上,该方法相比经典合成数据集创建方法取得更优结果。元优化数据科学家代理本身也带来更大性能提升,表明代理式数据创建可将推理计算量转化为高质量模型训练。
事件专题

推荐理由:这篇论文教你让AI自己当数据科学家,自动造出比手动更好的训练数据,还能越造越强,做研究写代码都能用上。
01:06