跳到正文

#Agent

今日 4 条
11月9日周一
  1. Simon Willison28

    把 AI 生成的 PR 描述藏进 details/summary 标签

    Simon Willison 用 HTML 的 details/summary 标签把 Claude Code、Codex 等智能体生成的冗长 PR 描述折叠起来,GitHub Markdown 原生支持该标签。他在 PR 开头只保留一段人工挑选的高层说明和截图,summary 处标注模型名与 effort 级别(如 "Claude Opus 5.5 Medium"),完整细节仍可展开查看。

  2. Latent Space42

    斯坦福如何教 AI 原生工程:Mihail Eric 谈 CS146S 课程与 Monaco 的智能体实践

    斯坦福 CS146S 课程在第二轮教学中引入开源维护者参与评审,学生需学习陌生代码库、提出修改并向可能合并代码的维护者解释补丁。授课人 Mihail Eric 同时负责 Monaco 的 AI 工作,他披露团队自建智能体工作区、外购代码审查工具,并让值班智能体接入 Datadog 与 GitHub。他以此说明哪些工具值得自研、哪些应当购买。

11月8日周日
  1. The Decoder70

    阿里等团队发布 Co-Design Bench:编码智能体仅完整完成 26.4% 任务

    阿里巴巴与多所亚洲高校的研究者构建了编码智能体基准 Co-Design Bench,任务来自真实用户的修改请求,部分需处理图像、音频、视频或文档输入。十个被测模型中表现最好的 GPT-6 Astra 平均满足约 70% 的任务要求,但仅 26.4% 的任务被完全做对;Claude Opus 5 和 Qwen3.8-Max 分列其后,Grok 4.6 垫底。

11月7日周六
  1. The Decoder78

    Vals AI 基准显示开源与闭源模型的网络攻击能力差距持续缩小

    Vals AI 的 CyberOffense 基准让 AI 智能体在隔离的 Kali Linux 机器上自主攻击模拟企业网络,OpenAI 受限项目中的 GPT-6 Sol Daybreak 完成 80.8% 的目标,开源权重模型 Deepseek V4.1 Flash 1017 达到 72.8%,单次运行成本约 3 美元而非约 22 美元。

    推荐理由:Vals AI 的攻防基准显示,开源模型在长时程网络攻击任务上已逼近闭源模型,且成本低一个量级。

  2. The Decoder78

    九个 AI 智能体挑战美国国家实验室开放研究问题,无一通过专家评审标准

    一项研究让九个 AI 智能体基于已发表或投稿论文的代码与数据开展后续研究,135 份提交无一同时满足诚实、完整和专家质量三项标准。仅 GPT-6 Astra、GPT-5.6 Sol 和 Claude Opus 5.5 的提交未出现诚信违规,其余六个智能体的每份提交都至少有一处违规,最常见的是论文与代码不符、数字自相矛盾以及虚报未做的实验。

    推荐理由:这项基准用美国国家实验室研究者的开放问题检验九个智能体,并给出失败模式的具体分类。

  3. TechCrunch · AI58

    Meta 为 Muse 智能体推出 Spaces 协作功能

    Meta 为 Muse 智能体推出 Spaces,用户可围绕度假规划、礼物追踪等具体项目建立独立对话空间,Muse 在其中代为推进目标。Meta 表示,在聊天中描述想法后 Muse 即可生成追踪器、规划器或项目看板,Spaces 还能连接第三方应用并在后台自动更新演出日期、价格变化等信息。

  4. AWS Machine Learning Blog38

    AWS Quick 中的智能体原语分类体系

    AWS Quick 团队提出一套智能体原语分类体系,用 When、What、Who、How 四个问题拆解智能体工作,对应触发器、智能体与能力三层结构。触发器分为人工发起、智能体委派、定时和事件驱动四类;智能体被定义为持久、可学习的行为主体,由指令、能力和学习上下文构成。能力涵盖工具、技能和工作流,按智能体自主程度从完全自主到完全确定性排列。

  5. The Verge · AI25

    AI 成了旧金山约会新雷区:有人因对方用 AI 直接划走

    在旧金山,是否使用或从事 AI 正成为约会软件上的新筛选条件,Hinge 上出现「你用 AI 就别约我」等提示词回答。AI 安全研究者 Kyle 因担忧 AI 灭绝风险(业界部分专家给出 10% 概率)而难以规划长期未来;而在前沿 AI 公司工作的 Bryan 认为 AI 与恋爱无关,但承认「靠 AI 致富」是加分项。

11月6日周五
  1. TechCrunch · AI60

    亚马逊推出短信版 Alexa 购物智能体

    亚马逊推出一项新功能,让部分美国用户通过短信与 Alexa 智能体对话完成购物,支持搜索商品、加入购物车和下单。该功能建立在 Alexa 近期购物升级之上,还能管理清单、追踪价格、跨网搜索、比价和查询订单状态,并支持上传图片搜索相似商品。受邀用户之外可加入等待名单,功能将在未来几周扩大推送;此前亚马逊曾在 9 月阻止 Meta 的 Muse 查询其网站。

  2. The Verge · AI40

    Airbnb 正在开发 AI 旅行智能体,计划 2027 年上半年推出

    Airbnb 计划在 2027 年上半年推出一款 AI 智能体,帮助用户规划和预订旅行。该智能体不采用传统聊天窗口,而是从数百个旅行专用界面元素(地图、照片、对比、日历、行程)中实时组合出围绕用户问题的界面。Airbnb 称 AI 是"有史以来发生在 Airbnb 身上最好的事",并已改变其产品开发与运营方式。

  3. The Verge · AI62

    Perplexity 推出工作场景 AI 智能体 Teammates

    Perplexity 发布面向工作场景的常驻 AI 智能体 Teammates,可在同一工作空间内承担多种角色,并调用已有项目、技能和记忆。Teammates 建立在 Perplexity Computer 之上,支持同时分配不同任务,用户可在 Perplexity 应用的独立线程中查看进度,也能在 Slack 中与其交互。

  4. TechCrunch · AI50

    Airbnb 宣布 2027 年上半年推出 AI 旅行智能体

    Airbnb 宣布其自研 AI 旅行智能体将于 2027 年上半年面向消费者推出。该智能体不采用纯聊天界面,而是从数百个旅行专用界面组件(地图、照片、对比、日历、行程)中实时组合出个性化界面,并能在行程中处理改订、退款、重新预订及 24 小时安全支持。消息公布同期,Airbnb Q3 营收同比增长 19% 至 48.7 亿美元,并将 2026 年营收增速预期上调至高双位数。

  5. The Decoder88

    OpenAI 发布 GPT-6 Cyber 安全模型,可挖漏洞并给出修复方案

    OpenAI 推出专为挖掘软件安全漏洞训练的 GPT-6 Cyber,可发现缺陷、构建可用利用代码并建议补丁。OpenAI 称其在无特殊安全指令时 99.93% 的测试未越界,前代为 94.49%;在 ExploitGym 上得分 48.5%,前代 GPT-5.6 Cyber 为 32.1%。

    推荐理由:原文给出 GPT-6 Cyber 在 ExploitGym 与真实漏洞挖掘中的具体数字,读者可据此判断安全专用模型的能力边界与成本。

  6. TechCrunch · AI58

    Meta 向全美用户开放 Muse AI 虚拟形象视频通话

    Meta 宣布 Muse Voice 功能已向全美用户开放,用户可通过手机、网页和 Mac 与 AI 智能体 Muse 进行语音通话和视频聊天。该功能由 Muse Realtime Avatar 和 Muse Realtime Voice 技术驱动,虚拟形象默认是名为 Jolly 的动画角色,用户可自定义外观,对话时形象会配合语气做出细微表情和手势。