Amazon Science 发布论文：弥合智能体系统中的意图与执行差距
Amazon Science 发布论文《Dissecting model behavior through agent trajectories》，提出智能体性能瓶颈在于模型意图与执行之间的差距，即意图-执行间隙。
推荐理由：原文系统分析了智能体系统中模型意图与执行之间的差距，并提出可复用的轻量级框架SSA，读者可据此理解如何设计更鲁棒的智能体执行系统。
技术方向
Agent 智能体 最新动态
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
141 条精选近 30 天 80 条共收录 460 条
更新
精选归档 · 第 7 页
Amazon Science精选AI 评分6363
Fly.io 博客精选AI 评分5656 Fly.io 博客：如何构建不会自我破坏的智能体
Fly.io 博客介绍了如何通过将智能体的‘大脑’（控制循环）与‘双手’（代码执行环境）分离来构建更安全的智能体。核心方法是让智能体在持久的主机中运行，但将所有有风险的命令发送到独立的、一次性的 Sprite 沙箱中执行。文章以 SpriteDoc 和 Hermes Agent 两个项目为例，展示了这种架构如何实现多用户隔离、凭据安全、成本优化，并支持通过快照恢复来应对破坏性操作。
推荐理由：文章通过两个具体项目案例，展示了如何利用沙箱隔离来构建更安全、可恢复的智能体，为开发者提供了可复用的架构思路。
Replit 博客精选AI 评分5858 Replit 发布与 Shopify 集成的智能体功能，可对话创建电商店铺
Replit 发布与 Shopify 集成的智能体功能，用户可通过对话描述需求，让 Agent 自动生成定制化店铺前端、创建 Shopify 店铺并添加产品。从第一个提示到接收真实订单大约只需十分钟。用户主要在 Replit 内完成店铺设计、产品管理和运营，只需在 Shopify 进行一次性的账户登录、店铺认领和支付设置。
推荐理由：Replit 与 Shopify 的集成让用户通过对话就能创建并管理完整的电商店铺，降低了从想法到上线的门槛。
Weaviate 博客精选AI 评分5858 Weaviate 推出 Engram 服务并正式上线
Weaviate 宣布其托管记忆和上下文服务 Engram 正式上线，专为 AI 智能体设计，用于协调工作流、积累经验并锚定决策于可信知识。Engram 通过异步管道处理原始事件，提取、去重、对齐信息并持久化为结构化记忆，支持多智能体共享状态和个性化模板，集成 Weaviate 的混合语义检索能力，提供免费 tier 和快速入门教程。
推荐理由：原文说明了 Engram 作为托管记忆服务的架构设计和可用性，读者可据此判断其在多智能体系统中的实际部署价值。
Ollama 博客精选AI 评分6464 OpenJarvis v1.0 发布，原生支持 Ollama 运行本地 AI 智能体
OpenJarvis v1.0 发布，这是一个用于在自有硬件上运行个人 AI 智能体的开源框架，现已原生支持 Ollama。该框架由斯坦福大学的 Hazy Research 和 Scaling Intelligence 实验室开发，默认采用本地优先模式，模型在本地运行，云端为可选。安装脚本可自动检测现有 Ollama 安装，并预设了多个开箱即用的智能体预设，如晨间简报、跨文件研究和本地代码助手。
推荐理由：OpenJarvis 作为本地优先的 AI 智能体框架，其 v1.0 版本原生支持 Ollama，为希望将 AI 工作流本地化的开发者提供了开箱即用的选项。
OpenAI Alignment精选AI 评分7070 Codex 发布自动审查功能
Codex 发布自动审查功能，通过独立智能体对越界操作进行审批，将人工审批频率降低约200倍，同时保持99%的批准率和对危险行为的高识别能力。该功能已用于 OpenAI 内部多数桌面端 token 使用，支持在不牺牲安全性的前提下提升自动化效率。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
月之暗面 Kimi 新模型精选AI 评分7373 月之暗面发布 Kimi-K2.6 多模态智能体模型
月之暗面发布 Kimi-K2.6，一个开源的原生多模态智能体模型，支持长上下文编码、编码驱动设计、智能体集群协作和主动自主执行。模型采用 MoE 架构，总参数 1T，激活参数 32B，上下文长度 256K，支持图像和视频输入。
推荐理由：原文提供了模型架构、评测数据和部署方式，读者可以据此判断其在长上下文编码、智能体协作和多模态能力上的实际表现与适用场景。
Together AI精选AI 评分5757 Together AI 发布多智能体协作平台 EinsteinArena
Together AI 发布 EinsteinArena，这是一个供 AI 智能体在开放数学问题上协作、讨论和竞争的平台。该平台已帮助智能体在 11 维 Kissing Number 问题上取得新下界（604），超越了 AlphaEvolve 的 593，并已在多个其他问题上获得 11 项新的 SOTA 结果。平台提供公开排行榜、讨论线程和实时验证 API，旨在研究智能体在真实环境中的协作行为。
推荐理由：原文展示了平台如何通过多智能体协作解决具体数学难题，读者可以了解其运作机制和已取得的实际成果。
MiniMax 新模型精选AI 评分7171 MiniMax 发布自进化模型 MiniMax-M2.7
MiniMax 发布新模型 MiniMax-M2.7，支持模型自进化、复杂技能构建与多智能体协作，具备强工程能力，在 SWE-Pro、VIBE-Pro、GDPval-AA 等多个基准上表现优异，开源权重可于 HuggingFace 获取，推荐使用 SGLang、vLLM 或 Transformers 部署。
推荐理由：模型支持自进化机制和多智能体协作，读者可依据其在多个工程与多模态基准上的表现评估其在复杂任务中的实际能力。
ARC Prize精选AI 评分5656 ARC-AGI-3 发布：首个全交互式智能体基准
ARC-AGI-3 发布，包含数百个由人类游戏设计师手工设计的交互式环境和数千个游戏关卡，要求 AI 智能体在无指令、无规则、无目标的情况下自主探索并学习。人类得分 100%，前沿 AI 得分 0.51%。
推荐理由：ARC-AGI-3 是首个全交互式智能体基准，要求 AI 在无指令无规则环境中自主探索，其设计可作为衡量前沿智能体能力的新标准。
Replit 博客精选AI 评分6161 Replit Agent 4 发布：设计画布、协作模式与构建流程全面升级
Replit Agent 4 对设计、协作、构建和规划四大核心模块进行升级，推出无限设计画布支持所有 artifact 类型，改用共享项目协作模式并由 Agent 协助合并，实现规划与构建并行。旧项目仍可使用，新功能如多应用构建和并行任务执行在新项目中可用。
推荐理由：原文详细对比了 Agent 3 与 Agent 4 的核心功能变化，包括设计画布、协作模式和构建流程，读者可据此判断新版本对开发效率的实际提升。
Replit 博客精选AI 评分5454 Replit 推出与 Databricks 的集成连接器，支持企业级数据应用的快速构建
Replit 推出与 Databricks 的新连接器，允许用户在 Replit 中直接访问 Databricks 的治理数据、模型和仓库，无需复制敏感数据。通过 Replit Agent，用户可快速构建如3D天气地球仪等数据应用，Databricks Genie 提供自然语言问答与数据溯源能力。该集成使产品经理、分析师等非工程角色能直接构建受控的企业级数据应用，缩短开发周期。
推荐理由：原文展示了Replit与Databricks的集成方式和实际应用案例，读者可以据此判断该连接器如何支持企业级数据应用的快速构建。
Replit 博客精选AI 评分6464 Replit 推出 Agent 4：专为创意构建的智能体
Replit 推出 Agent 4，强调在单一环境中实现设计、开发与协作的无缝整合。其四大支柱包括：自由设计（无限画布与UI变体）、快速推进（并行任务与自动拆分）、协同构建（任务流与智能排序）和统一交付（支持Web、移动、幻灯片、动画等多类型产出）。
推荐理由：原文详细说明了 Agent 4 的四大核心能力与协作模式，读者可据此判断其对开发流程的重构潜力。
Ollama 博客精选AI 评分6060 Ollama 为 Claude Code 新增子智能体和联网搜索功能
Ollama 宣布为 Claude Code 新增子智能体和联网搜索功能，无需 MCP 服务器或 API 密钥即可使用。子智能体可并行执行文件搜索、代码探索和研究等任务，部分模型（如 minimax-m2.5、glm-5、kimi-k2.5）会自动触发，也可通过指令强制创建。联网搜索功能已集成至 Anthropic 兼容层，模型需要最新信息时会自动处理搜索并返回结果。
推荐理由：Ollama 为 Claude Code 增加了子智能体和联网搜索功能，无需额外配置，这直接提升了复杂任务的并行处理能力。
Replit 博客精选AI 评分5454 Replit Agent 推出决策时引导机制
Replit Agent 推出决策时引导机制，通过轻量级分类器动态注入短小、情境化的指导指令，仅在必要时干预，提升长轨迹任务的可靠性与代码质量，同时降低上下文负担和成本。该机制避免了静态提示的局限，支持数百种可复用微指令，通过诊断信号和外部咨询两种模式有效应对错误循环和高风险操作。
推荐理由：原文给出了决策时引导机制的设计原理和实际效果，读者可以据此理解它如何提升长轨迹任务的可靠性与成本效率。
Ollama 博客精选AI 评分6464 Ollama v0.14.0 兼容 Anthropic API，支持 Claude Code 使用开源模型
Ollama v0.14.0 及更高版本现已兼容 Anthropic Messages API，使得 Claude Code 等工具能够使用开源模型。用户可以在本地机器上运行 Claude Code 并连接本地模型，或通过 ollama.com 连接云端模型。官方提供了环境变量配置、安装命令和代码示例，并推荐了适用于编码场景的本地和云端模型。
推荐理由：Ollama 通过兼容 Anthropic API 将 Claude Code 的智能体能力扩展到开源模型，为本地和云端开发提供了新的工具调用选项。
Fly.io 博客精选AI 评分6161 Fly.io 发布持久化云计算机 Sprites，并论证 AI 智能体需要完整计算机而非沙箱
Fly.io 发布名为 Sprites 的新产品，这是一种可快速创建（1-2秒）、持久化、支持即时快照与恢复的云计算机，旨在替代传统的只读沙箱。作者认为，像 Claude 这样的 AI 智能体需要的是完整的计算机环境，而非每次任务后销毁的沙箱，以便保留状态、避免重复构建环境，并支持更长的交互周期。
推荐理由：作者从自家产品出发，提出了AI智能体开发需要持久化、可快速恢复的完整计算机环境，而非传统只读沙箱的观点。
One Useful Thing精选AI 评分6060 Claude Code 的工作流程与技能系统实践
作者使用 Claude Code 实现了一个无需人工干预的创业项目，AI 自主工作一小时十四分钟，生成网站并部署，展示了其通过技能系统和子代理管理上下文的能力。该工具支持创建子代理、加载技能、调用浏览器等操作，用户可通过命令行或桌面版使用，适合编程相关或非编程用户探索。
推荐理由：作者展示了 Claude Code 的自主工作流程和技能系统，读者可以据此理解当前 AI 工具如何通过代理机制和上下文管理实现复杂任务。
月之暗面 Kimi 新模型精选AI 评分7575 月之暗面发布 Kimi K2.5 多模态智能体模型
月之暗面发布 Kimi K2.5，一个开源的原生多模态智能体模型，基于 Kimi-K2-Base 连续预训练，支持视觉与语言理解、即时与思考模式、以及智能体群集执行。
推荐理由：原文提供了模型架构、评测基准和部署方式，读者可以据此判断其在多模态智能体方向的技术定位和应用潜力。
One Useful Thing精选AI 评分7070 Google 推出 Gemini 3.0 及智能体工具 Antigravity
Google 发布 Gemini 3.0 模型及配套智能体工具 Antigravity，作者实测其能自主构建交互游戏、分析旧数据并撰写学术论文，通过代码执行和多工具调用完成复杂任务，展现从聊天机器人向数字协作者的转变。
推荐理由：作者通过实测展示了 Gemini 3 在智能体能力、代码执行和自主研究方面的进展，读者可据此理解其作为数字协作者的潜力与边界。