Salesforce 发布企业级智能体模型 Koa，基于 Nemotron 后训练提升工具调用成功率
Salesforce 发布企业级语言模型 Koa，该模型基于开源权重 Nemotron-3-Super-120B 基础模型，使用 Group Relative Policy Optimization (GRPO) 强化学习后训练，并部署为 FP8 格式。
推荐理由：论文展示了基于开源模型和纯公共/合成数据构建企业级工具调用智能体的路径，并在基准上超越了 GPT-4.1。
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。
249 条精选近 30 天 182 条共收录 3,207 条
更新
精选归档 · 第 6 页
arXiv · NLP精选AI 评分6363 arXiv · NLP精选AI 评分6868 Memento 3: 通过反思规则手册实现基于模型的递归自我改进
研究人员发布Memento 3框架，使冻结的LLM智能体通过维护自然语言规则手册作为持久语义记忆，持续学习显式世界模型。该框架将规则编译为可执行代码用于预测和规划，并通过观察、反思、规则修订、编译和验证的循环，利用预测误差精化规则与代码。在ARC-AGI-3基准测试中，单模型智能体完成了全部25个公开游戏的所有关卡，平均相对人类动作效率（RHAE）达到100.0，仅使用人类动作数量的44%。
推荐理由：论文提出Memento 3框架，通过外部记忆更新世界模型实现冻结LLM的递归自我改进，并在ARC-AGI-3上达到100%人类效率。
量子位精选AI 评分6767 openJiuwen发布并开源企业级AgentOS
openJiuwen发布并开源企业级AgentOS，集成多智能体协同、自演进及企业级安全可靠能力。该底座通过插件化架构连接上层应用与底层算力资源，支持任务拆解、经验沉淀及多租户隔离。
推荐理由：原文详细拆解了Jiuwen AgentOS的多智能体协同、自演进和算力亲和架构，为企业评估私有化部署方案提供了具体路径。
量子位精选AI 评分8585 谷歌发布办公 Agent Gemini Agent，支持调用 Claude
谷歌发布名为 Gemini Agent 的办公 Agent，支持长期运行、跨应用调用工具和多 Agent 协作，并可创建拥有独立企业身份的 Coworker Agent。该系统提供会话、语义、程序性和情景记忆，允许底层模型在 Gemini 与 Anthropic Claude 之间动态选择，未来计划支持更多闭源和开源模型。
推荐理由：谷歌将通用办公 Agent 与可动态调用的多模型架构放进企业体系，并允许调用 Claude，方便读者理解巨头在智能体落地上的竞争变化。
量子位精选AI 评分7070 AgentGarten 让智能体在实时物理环境中边探索边进化
MirroS 团队提出 AgentGarten，将可执行代码环境与实时神经渲染器结合，使智能体可在 30+ fps 吞吐下持续探索物理世界。在重做捉迷藏实验中，躲藏者第 4 轮学会搭掩体，搜寻者第 10 轮掌握借坡道翻墙；同时引入实验手册机制沉淀经验，并在陪伴小狗、狭桥会车、合作牧羊、采石场装载四个新场景中各跑 4 轮，得分与任务完成效率持续提升。
推荐理由：将代码世界与神经渲染结合，展示智能体可基于视觉与记忆跨任务持续进化。
Hugging Face Blog精选AI 评分8787 如何利用 ML-Intern 在低成本下训练和部署定制 AI 模型
作者使用 Hugging Face 的 ML-Intern 智能体，以约 103 美元的计算成本完成了多个定制化模型项目。这些项目包括柑橘叶病识别 VLM、角色 LoRA、相机视角 LoRA 以及 0.8B 和 2B 的 Pocket Rewriter 模型。其中柑橘病识别模型在单张 A10G 上训练，将 Qwen3.5-2B 对测试集的正确识别率从 14.9% 提升至 52.8%。
推荐理由：展示了Agent驱动的工作流，用极低算力成本生成多个专用模型，并公开了可直接复用的Prompt技巧。
Hacker News AI精选AI 评分7878 AI 智能体正在引发无同意访问的代理洪水
科技专栏作家 John Herrman 分析 AI 智能体引发的“代理洪水”（agentic flooding）现象。Meta 推出的 Muse 和其他类似工具在未经充分协商的情况下，开始代替用户致电小企业、操作政府网站，冲击了原本依赖人工交互的服务流程。业内正讨论通过增加摩擦机制、身份验证等方式应对这一趋势。
推荐理由：文章通过具体小商家和平台案例，分析智能体调用对现有服务系统的冲击及应对思路。
Hacker News AI精选AI 评分8080 Radar 提出先为 Agent 提供上下文再评估 AI SRE 的基准测试方法
Radar 团队在 SREGym 基准上对比了带有只读 MCP 上下文与仅具备 Shell 和 kubectl 权限的 Claude Code，结果显示上下文组在 2 分钟内诊断正确率从 60% 提升至 86%，平均诊断时间从 191 秒降至 64 秒。作者建议企业在采购 AI SRE 前，先利用现有的编码 Agent 配合只读上下文工具建立诊断基线，并依据可读取的历史变更记录和治理权限筛选产品。
推荐理由：通过控制变量对比显示，为 Agent 提供只读上下文可将诊断时间缩短至 1/3 并提升准确率，为评估 AI SRE 工具提供了具体基线。
Hacker News AI精选AI 评分8787 如何构建AI原生软件工厂：从智能体工具到公司级基础设施
构建AI原生软件工厂的关键在于建立智能体运行的“地面”系统，而不仅仅是购买编码工具。Uber提出的六层建筑模块包括模型网关、DevPod沙箱、MCP工具目录、上下文图谱、执行框架和安全门禁，这些基础设施共同构成了从想法到生产的全流程。
推荐理由：文章拆解了Uber及多家企业构建智能体工厂的六个基础设施模块，提供了从测量等待时间到实施成本控制的落地路径。
The Decoder精选AI 评分8282 Zenity Labs 发现 AWS Bedrock AgentCore 存在 AgentCorruption 漏洞
Zenity Labs 研究人员发现 AWS Bedrock AgentCore 存在名为 AgentCorruption 的漏洞链，单个公开智能体中的简单提示词即可攻陷同一 AWS 账户和区域内所有 AgentCore 智能体。
推荐理由：揭示了 AWS Bedrock AgentCore 因默认权限过宽和隔离缺失，导致单一 Prompt 即可劫持同区域内所有智能体的系统性安全漏洞。
Hacker News LLM精选AI 评分7777 发布 LLM Fuzz CI 工具
LLM Fuzz CI 是一个 GitHub Action，允许编码代理阅读代码并为目标测试生成对抗性输入，只有正常测试运行中失败的真实断言会被报告。工具支持 pytest 和 vitest，通过两阶段 CI 运行：代理生成输入文件后由新环境重放，目前默认支持 Codex 和 Claude Code 作为代理。
推荐理由：工具将 LLM 代理用于攻击标记的测试断言，并在 CI 中通过真实失败报告筛选出有效输入，提供了一种减少测试误报的自动化验证思路。
Hacker News AI精选AI 评分8383 bigarrow：让 AI 智能体在屏幕绘制箭头指向操作元素的 macOS CLI 工具
bigarrow 是一个 macOS CLI 工具，允许 AI 智能体在屏幕上绘制箭头，指向需要用户手动点击的元素。该工具完全通过 Shell 脚本执行，支持多显示器、多空间及全屏应用。
推荐理由：作者开源了一个 macOS CLI 工具，它为大模型提供明确的指向接口，让智能体可以精确指示用户执行点击操作。
量子位精选AI 评分7272 Manus重启北京办公室大举招聘，获超5亿美元新融资
Manus完成超5亿美元新一轮融资，并重启北京办公室大举招聘，旨在组建团队开发面向国内市场的AI Agent产品。目前共开放17个岗位，覆盖技术、产品与运营。鉴于此前裁撤中国团队的历史及当前激烈的市场竞争，Manus需以更具诚意的待遇与决策权吸引核心人才。
推荐理由：Manus在历经迁址、被并购叫停及回购后，重新组建北京团队主攻国内市场，读者可据此研判其战略转向及在红海市场的竞争前景。
Latent Space精选AI 评分8888 Anthropic 发布 Claude Haiku 5.5，定价对标 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，定价与 OpenAI GPT-6 Luna 一致，并同日下调 Sonnet 5.5 缓存读取价格。
推荐理由：Haiku 5.5 以 GPT-6 Luna 同价推出，读者可据此判断小模型在 Agent 工作流中的定位是否真正改变。
arXiv · AI精选AI 评分7070 Humanize：面向智能体编码的判决工程框架
Humanize 提出一种用于智能体编码的多智能体编排工作流，通过判决工程在规划、实现、审查与学习边界设置明确且机械强制执行决策，由不同供应商的构建与审查智能体协作以捕获缺陷。
推荐理由：原文揭示了该多智能体编码流程依赖机械门控而非模型决策来隔离构建与审查角色，读者可据此理解其提高代码可靠性的设计逻辑。
arXiv · AI精选AI 评分7373 nanoMuse：面向所有自有设备的开源个人智能体
研究团队提出 nanoMuse，一个基于 GPL-3.0 的开源个人智能体框架，旨在作为 Meta Muse 的开源对应物。该系统允许用户在自有设备（手机和电脑）上运行单一 Agent，通过中继器共享对话，所有操作经 Sentinel 验证，记忆以可读文件形式存储，且模型由用户自主选择。
推荐理由：文章基于 Meta Muse 公开记录解析个人智能体架构，并给出 nanoMuse 开源实现与评估路线，为跨设备 Agent 开发提供可复用的工程参考。
IT之家精选AI 评分8282 马斯克：Grok Bot 不再只认自家模型，按用户任务择优调用 Claude 等 AI
马斯克 10 月 7 日宣布，旗下 Grok Bot 未来将根据用户任务自动选择最好的后端模型，包括 Claude Opus 5.5、Midjourney、Suno 以及其他领先 API，选择标准为最有可能给用户带来最佳结果。
推荐理由：Grok Bot 从自家模型转向多模型混合架构，读者可以据此观察 xAI 在 Agent 产品上的策略调整。
Google Research精选AI 评分6363 Google Research 发布专利撰写 AI 辅助对专业判断力影响的实证研究
Google Research 在 NBER 发表现场实验论文，随机向 11 家知识产权律所的 133 名律师分配 Gemini Notebook 未发布 AI 专利写作助手。
推荐理由：原文展示了为期三个月的现场实验数据，揭示了AI辅助在提升初级律师短期产出与长期独立判断力之间的张力。
Hacker News AI精选AI 评分7676 如何引导 AI 打造世界一流的界面设计
Lenny 基于在 Apple 的经验提出一套 AI 设计工作流，通过“随机种子生成灵感”、“引入独立设计批评代理”以及“使用视频模型制作互动过渡”三步，将 AI 默认输出的平庸设计转化为具有独特性的界面。该流程建议结合 Claude 和 GPT-5.6 Sol 等模型，利用 fal.ai 平台处理图像与视频，最终通过“做减法”的原则提升设计质感，避免 AI 常见的过度装饰与杂乱。
推荐理由：文章拆解了让AI跳出保守预测的三种实操路径，从随机种子到设计批评代理，给出了可直接复用的提示词模板和工作流。
Hacker News AI精选AI 评分8080 Grenat 发布：专为构建 AI Agent 系统的编译型编程语言
Grenat 发布 v0.1.2 版本，这是一种结合 Ruby 语法和 Rust 性能特性的编译型编程语言，旨在将 AI Agent 作为一等公民。该语言通过类型化提示词、预算控制和效果系统，将提示注入转化为编译时错误，并支持持久化工作流和人类审批机制。
推荐理由：介绍了编译型语言 Grenat 如何将 AI Agent 系统作为一等公民，通过编译时安全检查和持久化工作流解决传统框架的痛点。