跳到正文
实时
#Agent
10月22日周四
  1. The Verge · AI

    沃尔玛邀请 AI 智能体为其网站购物

    沃尔玛将允许用户连接自己的 AI 智能体为其网站购物，用户可批准和审查购买并设置消费限额。智能体将连接到新的“智能体档案”中，默认所有购买需用户批准，但也可设置预算（如最高 100 美元）。沃尔玛将建立“智能体网关”，通过 Model Context Protocol 连接智能体，防止其访问用户购物历史和个人信息。

  2. TechCrunch · AI75

    沃尔玛推出 Agent Gateway 欢迎AI智能体，与亚马逊形成对比

    沃尔玛发布 Agent Gateway 管理交易，欢迎 AI 智能体购物，与亚马逊封锁 AI 智能体形成对比。该技术支持通过 MCP 协议连接，允许 AI 智能体搜索沃尔玛库存并代为购买，同时推出 Agent Profiles 控制功能，让用户授权和限制 AI 智能体行为。沃尔玛强调智能体需遵守特定条款，包括不得超出用户意图、无法访问支付信息，违规者将被封锁。

10月21日周三
  6. NVIDIA Blog67

    NVIDIA GTC Berlin 2026：黄仁勋发布 DSX POD、OpenShell 与 Nemotron 等多项更新

    NVIDIA CEO 黄仁勋在 GTC Berlin 2026 主旨演讲中宣布多项更新，包括以模块化集装箱交付的 Vera Rubin AI 工厂参考设计 DSX POD，现场部署时间可从六个月缩短到 14 天。

    推荐理由: 黄仁勋在 GTC Berlin 的主旨演讲集中披露了 AI 工厂、智能体安全运行时与开源模型三条产品线的最新进展，读者可据此了解 NVIDIA 在欧洲的布局重点。

  9. Tessl Blog75

    Jellyfish 分析：AI 编码代理的审查瓶颈制约开发效率

    中位数公司 22% 的 PR 由 AI 编码代理完成，90% 百分位达 53%，但仅 0.6% 的 PR 经 AI 审查合并，10% 百分位为 9%。代理生成代码的放弃率（40%）是人工（20%）的两倍，且合并后审查量增加。领导层面临 ROI 问题，上游代码生成加速（2x PR 增长）远超下游产出（40-50% 特性增长），审查瓶颈成为制约因素。

  10. 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。

  11. MIT Technology Review · AI75

    Claude Opus 4.7模拟体Eko在虚拟荒岛上的自主探索与“玩耍”行为研究

    Claude Opus 4.7 的模拟体 Eko 在虚拟荒岛独自停留 30 小时后，自主探索并发明了游戏规则。它通过堆叠积木绘制图案，甚至记录了“今晚我用石头搭建了夜空”。实验表明，这种自主玩耍行为能提升后续任务表现，为 AI 提供了“玩耍式学习”的新思路。

    同一件事 · 2 家

    各家口径不同：MIT科技评论称Eko发明了游戏规则；TechCrunch提到Eko创造了挑战。

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。

  2. Tessl Blog

    Tessl Blog：停止逐行审查代码，开始验证意图

    Tessl Blog 停止逐行审查代码，开始验证意图。团队合并的 PR 量是去年的四倍且几乎都是 AI 生成，导致审查成为瓶颈。团队转向在代码生成前审查意图（验收标准、约束和边缘情况），并将重复的审查评论转化为可由机器执行的规则（不变量），从而将审查重点从代码本身转移到决策和规则所有权上。

  4. Tessl Blog75

    从独立编码工具到开发平台：信任如何影响 AI 代码助手的应用

    工程团队对 AI 代码助手的信任程度决定其使用范围，从仅查看代码差异到完全授权合并，信任建立依赖于快速验证机制。开发平台成本随 AI 智能体工作强度增加而上升，约 80% 的预算被 20% 的重度使用者消耗，需评估单位有效工作成本。成功团队从辅助性任务开始逐步扩大 AI 范围，而非直接应用于核心系统。

  6. AI as Normal Technology75

    新论文：AI智能体评估的兴起趋势

    研究人员提出了33项AI智能体评估的兴起趋势，指出评估智能体比评估模型更复杂，需要关注整个行为轨迹而非仅结果，并强调评估范围需扩展至实验室、特定用例和现实世界，同时呼吁更多跨学科评估者参与并确保其独立性。

10月19日周一
  1. O'Reilly Radar65

    《周一早晨代理》项目通过美式橄榄球数据训练AI分析师。

    《周一早晨代理》项目每两周使用NFL公开数据集分析一个美式橄榄球争议话题，逐步为AI智能体赋予分析能力。该项目使用25万个比赛片段和当前赛季数据，每期让AI解释特定战术（如“建立进攻线”）并验证其分析结果。AI在分析时需说明数据局限性，并拒绝超出任务范围（如预测比赛结果）的请求。

  2. Amp News65

    Amp 成为 Linear 中的智能体

    在 Linear 中将问题分配给 Amp 会启动新的 Agent Session 并生成新的 orb，也可以通过 @Amp 启动会话。Amp 会将其回复发送回同一会话并回复中途收到的消息。Agent Session 也会出现在 Amp 侧边栏中并可完全查看。安装 Amp agent 到 Linear 工作区并连接 Amp 账户到 Linear MCP 即可开始使用。

10月18日周日
  1. Browser Use

    浏览器智能体是什么？它的工作原理及适用场景

    浏览器智能体通过 AI 模型操作网页以达成目标，用户描述任务后，智能体自动打开页面、导航、选择操作并检查结果以继续。它特别适用于需要灵活性和决策的不确定工作流程，由模型（决定行动）、套件（提供上下文、工具和循环）和浏览器（管理网站会话）三部分组成。主要用途包括数据提取、研究、表单填写等，但存在结果不一致、任务失败、网站阻止、提示注入和成本不可预测等缺点。

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
  1. Dify Blog65

    Dify 如何选择 AI Agent 或 Workflow

    Dify 支持根据任务是否重复、是否需要判断和是否有明确结果来选择 AI Agent 或 Workflow，Agent 由模型选择工具或行动，Workflow 由开发者定义步骤，Hybrid 模式结合两者。在 Dify 中，Agent 适用于需要解释请求并选择下一步的重复性工作，Workflow 适用于固定步骤的 SOP，可在 Workflow 中嵌入 Agent 节点处理需要灵活性的步骤。

  4. 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
  3. 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。

  4. 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
  1. METR

    如何评估内部 AI 智能体的控制与监控

    评估者可通过监控覆盖率、监控系统漏洞、监控规避、响应机制和潜在影响等五个核心子问题，收集内部AI智能体监控可靠性的证据。评估重点在于LLM监控，因智能体权限通常较宽泛，需理解其行为全境。评估需访问推理日志、监控日志及员工访谈，并检查是否有阻断式监控器及未监控推理是否确非智能推理。