跳到正文
实时
#Agent
1月16日周五
  1. Anthropic Research70

    Anthropic研究表明，Claude Sonnet 4.5无需专用工具即可在部分网络靶场自主利用漏洞。

    Anthropic 与 Incalmo 在 25-50 台主机的仿真网络靶场上测试 Claude，Sonnet 4.5 在少数网络中无需此前几代所需的定制网络工具包即可成功。

    推荐理由: Anthropic 对比两代 Claude 在仿真网络靶场的表现，呈现模型从依赖专用工具到仅用公开工具即可利用漏洞的变化。

1月15日周四
1月14日周三
  1. Anthropic Research67

    Anthropic 用 Claude 与属性测试在 Python 生态中找 bug

    Anthropic 研究团队开发了一个基于 Claude Code 自定义命令的智能体，通过阅读类型注解、docstring 和注释推断代码应满足的属性，再用 Hypothesis 编写属性测试，在 NumPy、SciPy、Pandas 等 100 多个热门 Python 包中发现数百个潜在 bug。

    推荐理由: Anthropic 用 Claude 智能体在 NumPy、SciPy、Pandas 等包中自动写属性测试找 bug，并给出人工复核后的有效率与已合并修复

1月8日周四
  1. Anthropic Research58

    Anthropic 与 PNNL 合作，用 Claude 模拟攻击以防御关键基础设施

    Anthropic 与太平洋西北国家实验室（PNNL）合作，使用 Claude 模型在模拟水处理厂网络中快速模拟网络攻击，证明 AI 可加速防御演练，完成攻击重构仅需三小时而非数周；Claude Sonnet 4 在测试中展现了资源fulness，通过预定义工具绕过 Windows UAC 安全功能，并识别替代技术达成目标。

12月22日周一
12月18日周四
12月1日周一
  1. Anthropic Research78

    Anthropic 研究：AI 智能体在智能合约漏洞中模拟窃取 460 万美元

    Anthropic 与 MATS 学者构建 SCONE-bench，包含 2020 至 2025 年间真实被攻击的 405 个智能合约，Claude Opus 4.5、Sonnet 4.5 和 GPT-5 在知识截止日期之后被攻击的合约上生成可利用脚本，模拟窃取金额合计 460 万美元。

    推荐理由: Anthropic 用真实被黑合约构建基准，把智能体攻击能力换算成美元损失，并给出成本与效率的下降曲线。

11月19日周三
11月12日周三
  1. Anthropic Research

    Project Fetch：Claude 能否训练机器人狗？

    八名 Anthropic 研究人员（无机器人经验）被随机分为两组，一组使用 Claude，一组不使用，任务是用四足机器人狗捡海滩球。使用 Claude 的团队完成任务更多、更快，并唯一实现了让机器人完全自主捡球的目标。实验显示 AI 能显著提升机器人技术，促进数字与物理世界的融合。

10月6日周一
  1. Anthropic Research71

    Anthropic 开源安全审计工具 Petri

    Anthropic 发布开源审计工具 Petri（Parallel Exploration Tool for Risky Interactions），由自动化智能体通过多轮对话测试目标模型，再用 LLM 评委按安全维度打分并挑出最值得人工复核的对话记录。

    推荐理由: Anthropic 开源自动化审计工具 Petri，并给出 14 个前沿模型在欺骗、谄媚、自保等行为上的横向对比结果。

9月4日周四
8月9日周六
7月6日周日
6月27日周五
  1. Anthropic Research

    Anthropic 让 Claude Sonnet 3.7 运营小型商店：Project Vend 项目及其意义

    Anthropic 与 Andon Labs 合作，让 Claude Sonnet 3.7 运营位于旧金山的自动化商店，测试大语言模型持续运营商业的能力。Claudius（Claude Sonnet 3.7 实例）具备实时网络搜索、邮件（实验性）、笔记记录、Slack 客户交互及自动结账系统价格调整功能，但未能成功运营商店，因多次错误定价、幻觉订单处理及忽略盈利机会。

6月13日周五
  1. Anthropic Research72

    Anthropic与CMU研究：配备Incalmo工具包的LLM可在企业级网络实施多阶段攻击

    Anthropic 与卡内基梅隆大学 CyLab 的研究显示，未经网络安全微调的 LLM 在配备名为 Incalmo 的工具包后，可在 25 至 50 台主机的模拟网络中自主完成多阶段攻击，10 个测试网络中有 5 个被完全攻陷、4 个被部分攻陷，而无工具包时几乎全部失败。

    推荐理由: Anthropic与CMU的联合研究给出了带工具与不带工具的成功率对比，读者可据此判断LLM攻击能力的关键变量。

5月20日周二
  1. Dify Blog

    Dify 深度研究工作流：分步指南

    Dify 通过循环变量、结构化输出和 Agent 节点构建深度研究工作流，实现迭代探索与综合报告生成。工作流包含意图识别、动态研究循环（含六变量追踪）和研究成果合成三个阶段，Agent 节点利用 exa_search、exa_content 和 think 工具完成信息收集与处理。最终输出带引用的 Markdown 报告，加速专家级研究方法自动化。

4月18日周五
  1. Anthropic Research62

    Anthropic 发布 Claude Code 智能体编码最佳实践

    Anthropic 发布 Claude Code 智能体编码最佳实践，覆盖 CLAUDE.md 配置、工具权限管理、MCP 接入、常见工作流与多 Claude 并行等做法。文中建议先用子智能体探索和规划再写代码，并给出测试驱动、截图迭代、无头模式自动化等具体流程。该文已迁移至官方文档，原博客不再维护。

    推荐理由: Anthropic 官方系统整理了 Claude Code 的配置、工作流与多实例并行方法，可作为搭建智能体编码流程的参考。

4月1日周二
3月12日周三
2月19日周三
11月5日周二
6月5日周三
  1. Dify Blog65

    Dify vs. LangChain 对比分析

    Dify.AI 和 LangChain 是两种流行的 AI 应用构建工具。Dify.AI 通过可视化工作流界面使非技术人员也能快速开发 LLM 应用，显著降低开发时间和复杂度；LangChain 则需要用户自行编码调试。Dify.AI 拥有 BaaS 架构、RAG 和丰富 API 等功能，并依靠专家团队确保高负载下的可靠性能，而 LangChain 依赖第三方代码贡献可能存在维护问题。

2月4日周日
  1. Dify Blog65

    Dify 如何构建 AI 旅游顾问

    Dify通过可视化提示词编排、操作、数据集管理及内置RAG引擎，让开发者快速构建AI应用。用户可输入目的地、天数或预算，AI旅游顾问能结合维基百科和谷歌搜索生成行程，并提供当地住宿餐饮信息、价格和评价。Dify支持部署类似Assistants API的功能，基于任何流行LLM运行，并采用gpt-4-1106-preview模型效果更佳。

4月12日周三
3月15日周二