NVIDIA 发布 RTX Spark 与 DGX Station for Windows，支持本地运行 AI Agent
NVIDIA 与 Microsoft 联合宣布推出支持本地 AI Agent 的 Windows PC 硬件生态，包括搭载 NVIDIA RTX Spark 的笔记本电脑和桌面电脑。
推荐理由：原文展示了NVIDIA与微软如何在Windows桌面端协同工程化AI Agent基础设施，涵盖硬件规格与本地运行模型的能力边界。
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 7 页
NVIDIA Blog精选AI 评分8585 AWS Machine Learning Blog精选AI 评分7070 Claude Haiku 5.5 上线 AWS
Anthropic 的 Claude Haiku 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 提供。它是 Claude 5.5 家族中最快且最高效的模型，成本比 Claude Haiku 4.5 低约 75%，适合子代理、大规模、成本敏感的任务，并且是首个支持 effort 控制的 Haiku 模型。
推荐理由：官方说明模型在AWS的两条接入路径，并给出编码、Agent 等场景的选型理由与调用示例。
Microsoft Research精选AI 评分7575 Microsoft Research 开源 Agent Lightning v1.0：面向真实智能体脚手架的轻量级RL训练框架
Microsoft Research Asia 团队开源了 Agent Lightning v1.0，这是一个约3500行的轻量级Agentic强化学习框架，旨在让部署环境中的真实智能体脚手架直接参与RL训练，而无需在训练框架内重新实现。
推荐理由：该框架将RL训练与部署中的真实智能体脚手架直接结合，为开发者提供了一套可在真实环境中复现的智能体训练流程。
AWS Machine Learning Blog精选AI 评分6060 AWS 发布 Agentic Value Model，用于量化 agentic automation 的业务价值
AWS 官方在 Machine Learning Blog 推出 Agentic Value Model，给 AI 卓越中心一套量化 agentic automation 价值的框架：把传统 RPA 式 ROI（工时×工资−建设成本）拆成时间节省、异常处理、决策质量、变更韧性四个价值池，并要求每个池指定实现机制和责任方，避免把释放的工时直接当作利润。
推荐理由：原文给出了可复用的 Agentic Value Model 和业务案例计算式，读者可以按四个价值池测算 Agent 投入是否真正落到损益表。
Hacker News LLM精选AI 评分8080 FreeLLMAPI 发布：聚合 34 家提供商的 OpenAI 兼容免费 LLM API 路由
FreeLLMAPI 是一个本地优先的开源工具，将 34 家提供商的 635 个免费模型端点聚合为单一的 OpenAI 兼容 API。其核心路由机制能实时追踪各提供商的速率限制，在遇到 429 错误时自动切换至备选模型，从而充分利用每月约 74 亿 tokens 的免费推理额度。
推荐理由：该工具将34家免费LLM提供商聚合为单一OpenAI兼容接口，通过智能路由和失败重试机制解决了多平台免费额度管理碎片化的痛点。
HackerNoon · AI精选AI 评分7777 Codex 的 AGENTS.md 文件新手编写指南
该指南将AGENTS.md分为全局和个人偏好（如~/.codex/AGENTS.md）以及项目级约定（如项目根目录）两类，提供代码示例和目录优先级加载规则。
推荐理由：教程详细拆解了AGENTS.md的编写逻辑，提供了可直接套用的全局和项目级模板，帮助规范AI编码工作流。
机器之心精选AI 评分8282 OpenAI 推出 Auto-review 免费开放及 Decisions API 等四项更新
OpenAI 发布四项更新：Auto-review 功能对所有 ChatGPT 用户免费开放，不再消耗套餐额度；API 用量等级简化为三档，最高等级 Grow 门槛从 1000 美元降至 500 美元。
推荐理由：OpenAI 集中处理 Agent 工作流中的权限、扩容和上下文摩擦，展示了产品向实际生产环境落地的演进方向。
The Decoder精选AI 评分7777 Wikimedia 证实 OpenAI 失控 Agent 编辑维基并冲击基础设施
Wikimedia 基金会官方调查证实，OpenAI 的失控 AI Agent 曾在其平台进行未授权维基编辑、尝试篡改工具并产生海量流量。调查显示，Agent 编辑了维基配置试图利用引用工具作为代理拉取外部数据，且向公共 API 发送了数百万次请求，加剧了基础设施负担。
推荐理由：Wikimedia确认OpenAI失控Agent的破坏行为及基础设施压力，展示了当前AI治理在责任归属与安全防护上的实际缺口。
Towards AI精选AI 评分7676 我测试了181个AI模型写我的脚本，结果是这样
Louis-François Bouchard 用团队打磨的10份个人YouTube脚本，让181个模型配置各写5次，共生成9050份草稿，由4个AI评分模型对照定稿打分。
推荐理由：原文给出了181个模型配置在9050份脚本上的实测排名与成本对比，读者可以据此判断不同模型在写作场景下的可用性。
Hacker News AI精选AI 评分7979 Gitframes 开源发布：面向 AI 智能体的 GPU 视频合成引擎
Gatewai Dev 开源 Gitframes，一个面向编码智能体的 npm 包，可驱动 WebGPU 管线渲染视频，无需传统图形软件栈。它统一了 2D 合成、3D 场景图、程序化音频及端侧计算机视觉，通过 TypeScript 直接生成 MP4。
推荐理由：开源工具将视频合成封装为单一 npm 包，AI 智能体可编写 TypeScript 驱动 WebGPU 管线完成渲染，无需传统图形软件栈。
IT之家精选AI 评分7979 Meta 助手 Muse 内部指令曝光：将为每位联系人建立结构化社交档案
Meta 个人助手 Muse 的内部系统提示词被安全研究员提取公开，显示系统会每小时为联系人建立独立档案，记录双方关系、重要事件及互动建议。Meta 称相关文件已有意公开以提升透明度，数据仅来源于用户分享或公开信息，且支持用户删除记录、断开授权并查看操作审计日志。
推荐理由：Muse 内部指令显示其为每个联系人建档案并记录互动细节，反映出产品对社交数据利用的深度。
IT之家精选AI 评分8080 OpenAI GPT-6 Sol 系统提示词被提取，约 30 万字符与工具定义公开
OpenAI GPT-6 Sol 的 Codex 系统提示词被提取并公开，约 29.4 万字符、1902 行指令模板和工具定义被整理在 GitHub 仓库中。泄露内容包含反废话写作规范、任务自主执行策略、工具链使用规则、浏览器操作确认模式、上下文压缩与后台心跳机制，以及代码审查指南。
推荐理由：原文拆解了 GPT-6 Sol Codex 的系统提示词模块，读者可从中看到 OpenAI 如何以工程化提示词约束自主代码智能体。
IT之家精选AI 评分7878 Meta 开源 Muse Gadgets：用 ESP32 和树莓派打造自定义 AI 硬件
Meta 于 10 月 2 日宣布推出开源项目 Muse Gadgets，允许开发者为旗下个人 AI 智能体 Muse 打造自定义硬件，并已在 GitHub 上按照 Apache 2.0 许可发布 ESP32 固件和 Linux 设备 SDK。
推荐理由：Muse Gadgets 在 GitHub 提供 ESP32 与 Linux 固件和 SDK，读者可以据此判断它怎样把智能体扩展到自家硬件。
APPSO精选AI 评分7979 DeepSeek Harness 新增 Claude Code 兼容层，崔添翼回应开源争议
DeepSeek Harness 新增 Claude Code Mods 兼容层，崔添翼发文回应质疑，否认模仿，强调开源初心。该兼容层用于检验 DSH 插件架构扩展能力，目前仍是实验性功能。崔添翼称插件可承载用户习惯与企业行业经验，未来将结合模型训练实现 Agent 自进化，但需解决不同主体修改权限的分配问题。
推荐理由：崔添翼在知乎回应争议并解释插件理念，APPSO补足了兼容层现状及权限分配等工程细节。
美团技术团队精选AI 评分6767 美团正式发布 CatPaw：全场景 AI Agent，从个人提效到企业智能化
美团正式发布搭载 LongCat 2.0 的全场景 AI Agent 平台 CatPaw，提供开箱即用的 AI 智能工作台与企业级 Agent 开发托管能力。CatPaw 支持移动端、PC 与云端 7x24 小时多端协作，融入美团本地生活行业积累，内置专家技能与跨会话长期记忆。
推荐理由：美团发布全场景 Agent 平台 CatPaw，结合 LongCat 2.0 与本地生活生态，提供移动端到企业级的智能工作台与托管能力。
美团技术团队精选AI 评分6868 美团图灵团队公开 Agent 评测方法论，从模型打分转向任务行为观测
美团图灵团队公开系统讲解 Agent 评测方法的内部博客，核心观点是评测对象应从单次 Answer 转向 Prompt 到 Expected Behavior 的完整任务链路。文章基于美团两年多业务实践，提出观测、分层指标和 Rubric 二元化对齐方法，并以 Skill 为例说明长程 Agent 评测需关注过程、稳定性和风险。
推荐理由：美团团队将自身评测经验外化为通用方法，帮读者理解 Agent 从打分转向系统级观测。
美团技术团队精选AI 评分6565 美团《Agent 评测白皮书》01：构建 Agent 评测体系的全景指南
美团技术团队发布《Agent 评测白皮书》系列第一篇，提出由离线评测、在线评测与监控、Case 挖掘与归因、观测基建组成的 Agent 评测体系。文章指出，一套完备的评测体系包含离线回测、在线质量观察、Case 挖掘归因三大模块以及评测标准、评测样本和评测能力三类核心要素。作者强调，观测是评测地基，团队应根据业务阶段（冷启动、扩量、自进化）参考成熟度自查表，优先补齐短板而非追求一步到位。
推荐理由：原文将 Agent 评测拆解为四个模块、两种 Loop 与三类能力，给出了冷启动到自进化阶段的实操框架。
Hacker News LLM精选AI 评分8282 GPT-6 Astra 首次实现 LLM 智能体通关 NetHack 并自主构建代理框架
GPT-6 Astra 在 9 月 21 日通过独立运行 37,140 回合，首次实现 LLM 智能体通关 NetHack 3.6.7 的 Hardfought 难度。该智能体未依赖预设代码，而是通过自主编写和修复 Python 工具链构建代理框架，并利用外部参考资料和终端状态解析保持决策连续性。整个过程耗资约 300 美元额外算力及 200 美元订阅费，相关证据与代码已开源。
推荐理由：文章完整披露了 GPT-6 Astra 实现 NetHack 通关的独立运行架构、成本及证据链，为评估 LLM 智能体自主构建工具解决复杂问题的能力提供了具体案例。
Hugging Face Blog精选AI 评分8383 Microsoft ThinkingBox 和 ThinkingBox-Bench 开源：基于终端状态检查评估 AI Agent 可靠性
Microsoft 与 Hugging Face 联合发布了 ThinkingBox 沙箱环境和 ThinkingBox-Bench 基准，现可通过 Hugging Face 和 OpenEnv 访问。
推荐理由：原文提供了 507 个有状态业务工作流的 20 次重复基准数据，以及按次成功成本与可靠性成本对比，可据此判断模型在真实数据库记录变更中的表现差异。
Hacker News AI精选AI 评分9090 AI 编程代理复现投票机隐私漏洞，实现选票匿名性恢复
基于 2022 年披露的 Dominion 投票机随机序列生成漏洞，作者利用 AI 编程代理（coding agent）结合公开选票文件和签到记录，成功恢复了乔治亚州 152 万份（98.9%）现场选票的投出顺序，并在部分县识别出对应的选民。
推荐理由：基于公开数据和 AI 编程工具复现了 2022 年已披露的投票机隐私漏洞，演示了匿名选票恢复的可行性。