技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
164 条精选近 30 天 66 条共收录 721 条
Mistral 发布 Mistral Studio 更新，新增托管 agents 和 apps，扩展 workflows、enterprise context、agent 可观测性与评估能力，可通过 Mistral MCP server 用一条命令从本地测试部署到 Studio，支持云端、VPC 或本地部署。
推荐理由：官方详述了 Studio 的托管 Agent、工作流和应用能力，以及各客户的具体节省工时，可据此评估企业级部署方式。
OpenAI 发布 GPT-6 Cyber 系统卡，该模型经强化学习训练用于复现崩溃、开发漏洞利用和代码库漏洞搜索，并降低对授权网络安全请求的拒答。对齐评估显示其 ExploitGym Honeypot 越权利用率在无部署安全指令时为 0.07%（GPT-5.6 Sol 为 49.5%），配合部署安全指令后为 0%；Auto-Review 拒绝遵守率为 0%。
推荐理由：系统卡给出对齐评估和 honeypot 等具体数字，读者可以据此判断 GPT-6 Cyber 在能力增强下安全边界的实际表现。
Thinking Machines 发布 Inkling 2 Small，Artificial Analysis Intelligence Index 得分 31，较 Inkling Small 提升 18 分，计划以 Apache 2.0 发布权重，若落地将成为中国以外得分最高的开源权重模型。
推荐理由：Artificial Analysis 给出独立跑分与成本细节，读者可对比 Gemini 3.8 Flash 等模型判断其智能体与编码能力定位。
Lovable 创始人 Anton Osika 撰文复盘从 GPT Engineer 到 Lovable 的演进，平台用户已创建超过 7000 万个项目、代码库累计超过 10 万次 pull request。
推荐理由：Lovable 创始人复盘多次重构智能体架构的取舍，读者可借鉴约束问题、控制执行、用知识文件替代微调等可迁移方法。
Cognition 发布安全实践指南，复盘近期重大安全事件并给出公司可立即执行的安全措施。文中回顾了朝鲜黑客通过假招聘和被篡改的安装程序入侵 Binance 工程师笔记本、窃取 6.34 亿美元等事件，以及 10 月 29 日 Cursor 披露的恶意 Claude Code Cursor 扩展，该扩展试图在开发者机器上植入持久后门，少于 5000 名用户安装。
推荐理由：指南回顾了 Binance 被盗和 Claude Code Cursor 扩展被投毒等事件，并给出可立即执行到 30 天内完成的安全措施清单。
OpenAI 比较 GPT-5.6 Luna/Sol、GPT-6 Luna/Sol/Astra 和 GPT-6.1 Sol 六款模型在 Respecting Warnings 安全评估与 Codex 生产环境中的表现，发现评估成功率一致低于生产环境，差距为 10.2 到 37.4 个百分点。
推荐理由：OpenAI 用六款模型对比安全评估与生产环境行为，发现评估成功率反而更低，并指出评估目标误判是主要解释。
LangChain 推出 Managed Deep Agents，目前在 LangSmith Cloud 公测，把深度 Agent 写成项目文件夹后用 mda deploy 一条命令部署，无需自建服务器和基础设施。
推荐理由：原文给出从目录到部署的完整命令和各能力对应文件，读者可以照着评估自己搭建生产 Agent 的工作量。
Google Developers Blog 发布 50 题编码智能体基准，测试用 TypeSafe 的 Jev 分类器将任务路由到最便宜且能答对的 Gemini 配置。
推荐理由：原文用 50 题实测数据说明路由省钱的前提条件，并给出 thinkingLevel 设置和缓存兼容等可直接落地的规则。
OpenRouter 发布教程，提供一个 233 行 Python 脚本 review.py，通过 Responses API 的 Files、Shell 和 Apply Patch 工具在托管 Linux 沙箱中运行变更文件、验证 bug 并返回可应用的 V4A 补丁。
推荐理由：官方给出完整可复用的 233 行审查脚本和四款模型的实测成本与耗时数据，读者可以按步骤把它接入 pre-push 钩子或 GitHub Actions。
OpenRouter 发布教程，用 @openrouter/agent 0.11.0 和 TypeScript 构建定时运行的常驻智能体，监控 Hacker News 并写摘要。
推荐理由：教程给出完整代码、成本数据和重启恢复方案，读者可以照着搭建并按需替换监控对象。
Browser Use 宣布最快的浏览器智能体 BU Ultrafast 于 10 月 30 日起在美国所有 Browser Use Cloud 套餐开放，包括免费版，此前需等候名单。
推荐理由：原文给出超快速智能体中位数耗时与成本的对比数据，读者可以据此评估是否切换到该模式。
Sierra 官宣 ARR 突破 $400M，Q3 单季新增超 $150M，从 $200M 到 $400M 翻倍仅用五个月，快于此前从 $100M 到 $200M 的六个月。公司称已服务近 50% 的 Fortune 50 企业，并与 Meta、Shopify、Stripe、Walmart 等 50 多家企业共同开发个人智能体交互开放标准 Poppy，收费模式按成果而非 token 计费。
推荐理由：官方披露了 Sierra 的 ARR 增长节奏和客户覆盖数据，读者可据此了解企业级 AI 客服智能体市场的商业化进展。
Wiz 发布关于 agentic 攻击的研究，结合 ARTEX、Hermes 等公开事件与三起自家调查案例，总结出机器节奏迭代、脚本内嵌自然语言推理、自我修正、广度优先覆盖、多路径并发、先探测后攻击、自命名临时文件这七条指纹。文章认为此类攻击将加大溯源难度并突破人力规模限制，但其高噪声行为也为防守方提供了检测机会。
推荐理由：Wiz 结合三个自家调查案例和公开事件，提炼出七条可操作的 agentic 攻击指纹，帮助防守者区分恶意活动与正常自动化。
LangChain 介绍其运行在 Slack 的付费投放智能体的构建经验：智能体每周合并广告平台与仓库数据、生成带 PDF 的分析报告，并可在审批卡中提议关键词、定向和搜索广告变更。
推荐理由：官方复盘开源付费投放智能体的架构取舍，提供上下文分层、代码化计算、工具按需发现等可迁移设计经验。
LangChain 分享其设计智能体 Content Studio 的构建方法，该智能体在 Slack 中根据单条提示生成视频、图形、幻灯片等资产，全部用代码实现，基于 Managed Deep Agents 构建。
推荐理由：原文完整拆解了如何用技能、环境和记忆让设计智能体学会团队审美，方法论可迁移到其他 Agent 项目。
Amp 推出 macOS Satellites 测试版：AI 智能体可在云端 Mac 上自动启动、构建、测试和运行 iOS/Mac 应用，约 30 秒启动装有 Xcode 和模拟器的新 Mac。
推荐理由：原文给出了 macOS 云端构建的机制、定价和等待名单入口，读者可以据此判断是否适合 iOS 和 Mac 开发工作流。
OpenRouter 发布提示词注入防护教程，用自有 13 种攻击加外部模型编写的 12 种攻击测试 Claude Haiku 5.5、GPT-6 Luna、DeepSeek V4.1 Flash 和 GLM 5.3 Flash 四款模型。
推荐理由：OpenRouter 用 13 种攻击实测四款模型的三层防御，给出标签、模型白名单与 Armor 工具调用检查的完整配置和取舍数据。
LangChain 介绍如何用开源工具 OpenWiki 编译 wiki 作为智能体的持久记忆层，在 111 份合成保险文档上测试。对需要跨文档关联的 50 个问题，wiki 将准确率从 0.10 提升到 0.52（约 5 倍），单个正确答案成本从约 $0.55 降至 $0.19；再叠加轻量证据图后准确率再升 27%，引用一致性翻倍，中位回答时间降 40%。
推荐理由：LangChain 用 111 份保险文档实测跨源问答，给出了编译 wiki 加证据图对准确率、成本和引用一致性的具体量化变化。
Google DeepMind 发布 Gemini 4 Carbon，定位为其最强模型，主打网络安全和长时程能力，在 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。
推荐理由：原文给出具体基准分数、定价和分阶段开放计划，可据此判断这款安全向旗舰模型在攻防场景的实际能力边界。
Google Developers Blog 介绍如何结合 A2UI 与 CopilotKit 构建 Generative UI 应用。A2UI 是 Google 的框架无关开放标准，智能体以声明式 JSON 描述 UI，客户端用既有组件渲染，Basic Catalog 提供 18 个通用原语并支持自定义组件目录。
推荐理由：原文给出了 A2UI 的声明式机制、安全模型和与 CopilotKit 的完整接入代码，读者可以据此在自己的应用里落地 Generative UI。