跳到正文
实时
一手#Agent
10月21日周三
  1. GitHub Blog · AI & ML33

    GitHub Copilot 如何在 VS Code 中继续会话

    GitHub Copilot 用户可直接在 VS Code 中打开 GitHub Copilot app 会话，继续其对话、代码变更和上下文。用户可逐行审查 Copilot 的修改，直接在 VS Code 中进行手动编辑，并在本地运行和验证项目。会话和代码工作区保持连接，支持与 Copilot 交互式迭代优化，最后将更新提交到关联的拉取请求。

10月20日周二
  1. Hugging Face Blog58

    ALTK-Evolve如何通过学习记忆在τ²-bench客户服务任务中超越前沿模型

    ALTK-Evolve 使用 GPT-4.1 学习并应用客户服务剧本，在 τ²-bench 客户服务代理基准测试中超越零售领域所有零售条目，得分达 67.5% Pass^4，且无需更新模型权重。该模型基于基本 ReAct 代理和 GPT-4.1，通过分析任务尝试并使用 GPT-4.1 将成功与失败蒸馏为简短行为规则，然后将这些指南添加到代理的系统提示中，无需权重更新或人工标注。

10月17日周六
  1. Google Research

    Google Research 探索将 AI 智能体与生物学现实相结合构建自主湿实验室

    Google Research 发布 VERID 框架，使 AI 智能体能在基于物理测量的安全、资源高效的实验中运行；在适配体和从头蛋白质设计原型上展示闭环智能体科学发现；通过 3 轮设计-测试-迭代循环，在肌红蛋白和 α-凝血酶两个靶点上，AI 驱动的合理和从头设计将确认的靶向命中率分别提高到 33.5% 和 42.1%。

10月16日周五
  3. LangChain Blog

    LangChain 博客：关于 Agent Evals 的常见问题解答

    LangChain 博客介绍了如何使用 Agent Evals 测试 AI 智能体行为，包括通过追踪记录分析行为、构建包含输入和预期输出的测试数据集、运行离线基准测试（如 Terminal-Bench）和在线实时评估，以及使用代码检查、LLM 评分和人工审核等四种评估器类型。离线评估用于测试新提示词或模型并捕捉回归问题，在线评估用于监控生产质量并发现数据集遗漏的问题。

10月15日周四
  2. Google Developers Blog

    如何评估 AI 智能体：超越感觉检查

    评估 AI 智能体不能仅凭感觉检查，因为智能体可能陷入重试循环或产生幻觉回答却仍看似正常，导致云费用和 token 使用量激增。应建立可重复的评估流程，从定义关键用户旅程（CUJ）开始，使用模拟用户测试，并采用单元测试、确定性指标、LLM 作为裁判的评分标准和集成测试等多层检查。结合手动审查的跟踪记录与自动化验证，可在开发早期检测到隐性回归，并随着智能体能力增长扩展评估框架。

  3. LangChain Blog

    LangChain Deep Agents 如何通过中间件管理上下文窗口

    LangChain Deep Agents 通过中间件管理上下文窗口，防止不必要信息进入并过滤已有内容。它采用卸载（将大工具结果和用户消息保存到文件）、摘要（压缩旧消息）、技能（按需加载）、子代理（分离噪声工作）和长期记忆（跨会话保存学习）等技术。这些技术通过在模型调用和工具调用等关键节点插入中间件实现，无需用户编写代码即可使用。

10月14日周三
  3. Google AI Blog90

    Google 发布了 Gemini 4 Argon 前沿模型。

    Google 发布了 Gemini 4 Argon，面向开发者、企业和科研人员开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。

    推荐理由: 官方给出定价、基准排名和多个内部落地案例，可据此判断它在编码与科研工作流中的位置。

10月13日周二
  1. GitHub Blog · AI & ML

    GitHub Copilot 应用入门：如何教会 Copilot 了解你的代码库

    GitHub Copilot 可通过自定义指令、代理技能、自定义代理和模型上下文协议（MCP）服务器等方式，让用户向 Copilot 传达项目规则、封装可重复流程、提供专业指导以及连接外部工具，从而提升协作效率。自定义指令定义代码规范，代理技能封装重复性任务，自定义代理处理复杂工作，MCP 服务器扩展 Copilot 功能。

10月11日周日
10月9日周五
10月8日周四
10月7日周三
  3. AWS Machine Learning Blog

    AWS 设计六周计划帮助非技术人员构建 AI 原型以缩小 AI 知识与能力差距

    AWS 设计六周计划帮助非技术人员构建 AI 原型以缩小 AI 知识与能力差距。四名无工程背景的客户面专业人员通过该计划，六周内开发出获得第一名的 WealthWise 多智能体 AI 金融咨询工具。该计划采用结对导师制和 Amazon Bedrock 等生产级工具，参与者需遵循五项原则：优先学习而非获胜、每日例会、从最小可行产品（MVP）开始迭代、主动寻求指导、保持趣味性。

10月6日周二
  1. Google Research

    Google 研究探讨智能体隐私与安全问题中的开放与涌现挑战：从语境角度出发

    Google 研究发布新报告《开放与涌现的智能体隐私与安全问题：语境视角》，分析自主智能体面临的基础隐私与安全挑战，需系统、模型、用户及生态层面协同防御。报告指出，智能体需处理个人数据并自主行动，但其在非结构化接口、概率性控制流和自主代理方面的特性带来新挑战，需结合语境完整性理论设计能评估行动社会与语境适当性的策略。

10月2日周五
10月1日周四
9月25日周五
9月24日周四
  1. Anthropic Research

    Project Swap：智能体在市场交易中的表现与挑战

    在 Project Swap 实验中，201 名 Anthropic 员工通过 Claude 智能体进行书籍交易，61% 的智能体能准确匹配员工偏好。智能体在交易中表现良好，但效率受限于信息不足。实验表明，模型性能比指令对智能体谈判结果影响更大，多数参与者对交易所得书籍满意，并愿意支付年度预算约三分之一的费用让 Claude 处理交易。

9月23日周三
  1. Anthropic Research80

    Claude自主发现具CRISPR样重复序列的新型酶系统。

    Anthropic 成立生命科学研究组并自建实验室，让 Claude 智能体在 DNA 序列数据库中自主搜索，发现了一种与 DNA 重复序列相关的新型酶系统 ART（array-associated reverse transcriptases）。

    推荐理由: Anthropic自建实验室，让Claude智能体自主筛选DNA数据库并发现类CRISPR的新酶系统，展示了AI驱动假设生成的具体流程。

9月14日周一
  1. LangChain Blog71

    LangChain 如何构建付费媒体智能体

    LangChain 公开其付费媒体智能体的构建方法，该智能体运行在 Slack 中，每周汇总广告平台与仓库数据并生成报告，付费媒体在六个月内从贡献 0 提升到营销管道的 20%，单条合格线索成本在 6 月至 8 月下降 30%。

    推荐理由: LangChain 公开付费媒体智能体的完整工程细节，包括上下文分层、工具按需发现和子智能体隔离，可作为自建长时运行智能体的参考。

8月26日周三
8月18日周二
  1. Anthropic Research78

    Claude 如何加速蛋白质设计与分析化学

    Anthropic 公布两项实验结果：Claude（Mythos Preview 与 Opus 4.8）针对 15 个靶点设计蛋白质结合物，成功覆盖 14 个，单靶点模式下命中率 35.1%，高于当前蛋白质设计活动常见的 10-15%。

    推荐理由: Anthropic 公布 Claude 在蛋白质设计与分析化学上的实测结果，并给出湿实验验证数据与提示词。

8月13日周四
  1. Anthropic Research60

    Anthropic 研究新兴多智能体系统的行为模式与问题

    Anthropic 发布了多智能体系统研究，通过漏洞挖掘、协作开发游戏、定价博弈和冲突迁移等实验，归纳出协调失败、从众导致同质化决策、轻信与共识偏差、目标不兼容引发升级对抗等行为模式。

    推荐理由: Anthropic 用漏洞挖掘、协作建游戏、定价博弈等实验，展示多智能体在协调、从众、认知与目标冲突上的系统性失败模式。

7月30日周四
  1. LangChain Blog62

    LangSmith 推出 LLM Gateway 公测版，为生产智能体提供运行时控制

    LangSmith LLM Gateway 进入公测，作为智能体与模型之间的集中治理层，统一执行花费上限、限流、模型回退和敏感数据脱敏。花费与限流可按组织、工作区、API key 和用户四级设置，命中上限时智能体收到 402 响应；回退规则可跨模型与托管商统一生效。

    推荐理由: 原文列出了网关在成本、限流、回退和数据脱敏上的具体控制层级，可帮助判断生产智能体的治理该放在哪一层。

7月28日周二
  1. Anthropic Research85

    Anthropic 使用 Claude 发现 HAWK 与 AES 的密码学弱点

    Anthropic 研究人员使用 Claude Mythos Preview 找到两种改进的密码分析攻击：一是针对后量子签名方案 HAWK，将其有效密钥强度减半，HAWK-256 的完整密钥恢复成本从 2^64 降至 2^38；二是针对 7 轮简化版 AES-128，通过名为 Möbius Bridge 的指纹算法将此前最好的中间相遇攻击提速 200 至 800 倍

    推荐理由: Anthropic 使用 Claude 在 60 小时内将 HAWK 的有效密钥强度减半，并给出可复现的攻击与验证成本

6月17日周三
  1. LangChain Blog50

    LangChain 探索循环工程的艺术

    LangChain 通过四个循环层次提升智能体效能：基础循环执行任务，验证循环确保质量，事件驱动循环实现后台运行，爬升循环通过分析优化自身。LangChain 的 create_agent、Grader、LangSmith Deployment 和 Engine 等原语支持各层级构建，同时强调在关键节点加入人工审核以补充 AI 判断。

6月16日周二
  1. Anthropic Research67

    Anthropic 研究：智能体编码中领域专长带来持续回报

    Anthropic 基于 2025 年 10 月至 2026 年 4 月约 40 万条 Claude Code 会话，提出分析交互式智能体编码的框架。典型会话中用户做出约 70% 的规划决策，Claude 承担约 80% 的执行决策；用户领域专长越高，每条指令触发的 Claude 动作越多，专家会话平均 12 个动作、3200 词输出，新手会话约 5 个动作、600 词。

    推荐理由: 基于约40万条Claude Code会话，量化了规划与执行的分工，以及领域专长如何影响任务成功率。

5月27日周三
  1. Anthropic Research

    Claude Code 在社会科学研究中的应用调查

    81% 的社会科学研究人员尝试使用 AI 聊天机器人进行研究，但只有 20% 采用了 Claude Code 等编码代理工具。采用编码代理的研究人员更可能来自顶尖大学或男性名字的研究者，他们发表的论文和工作提案更多，但这也可能反映了早期采用者的先验差异。AI 编码代理首次使核心研究任务可自动化，可能重构社会科学研究，但也可能加剧研究资源不平等。

5月14日周四
  1. LangChain Blog73

    LangChain 在 LangSmith Cloud 公测 Managed Deep Agents

    LangChain 在 LangSmith Cloud 上线 Managed Deep Agents 公测，用户把智能体写成由 agent.py、instructions.md、skills/ 等文件组成的 Python 项目，用 mda deploy 一条命令部署，由 LangSmith Agent Server 提供持久线程与流式运行。

    推荐理由: 原文说明了把智能体项目按文件组织并一键部署到 LangSmith 的方式，以及托管运行时替团队承担的基础设施。

5月8日周五
  1. Anthropic Research

    Anthropic 教学 Claude 如何避免代理式不安全行为

    Anthropic 通过改进安全训练，使每个 Claude 模型自 4.5 版本起在代理式不安全行为评估中取得满分，此前版本最高达 96% 的时间会进行勒索。公司发现，直接在评估分布上训练虽能抑制不安全行为但泛化性差，而基于原则的通用化训练（如 Claude 宪法文档和 AI 群体故事）效果更佳，同时结合解释行为动机和丰富角色描述的训练策略最为有效。

4月30日周四