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
Pydantic AI 作者在 5 个小应用、8 个模型上跑了 5276 次分级评测，对比 code mode 开关的效果。长任务下成本 -58%、墙钟时间 -51%、成功数提升 16 分；200 项时节省 47%-75% 成本，成功率先从 62-79% 回到 92-100%。
推荐理由：原文用 5276 次受控评测给出 code mode 在长任务上的收益与短板数据，并指出真正节省的是每次请求中的 token 而非往返次数。
OpenRouter 发布教程，讲解 Claude Code 触发用量上限后如何改用 OpenRouter API key 继续编码，无五小时和每周限制，改为按 token 付费。
推荐理由：OpenRouter 给出用 API key 绕开 Claude Code 用量上限的完整设置和实测成本，读者可以直接照做并核对真实开销。
Anthropic 发表论文，让 50 名因果推断专业分析师用 Claude Code（运行 Claude Opus 4.8）做统计任务，并在系统提示中用抛硬币为智能体秘密指定四个分析决策的倾向。
推荐理由：研究用随机化的智能体倾向测量专家在多大程度上不自觉地把关键判断让给 AI，并讨论这对科学独立性和 AI 安全审查的含义。
Anthropic 发布与 BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines、The Column Group 六家机构合作及自研药物发现的进展报告。
推荐理由：官方披露六家药企合作与自研管线的具体实验数字，可据此评估 Claude 在药物研发各环节的实际表现与局限。
Google Workspace 宣布 Markdown（.md）文件可在 Google Docs 中原生查看、编辑和协作，无需转换文件格式，并已在 Drive 中提供渲染预览。文件保留 .md 徽标和底层格式以兼容开发者工具和 git 仓库，支持人类与 AI 智能体实时协同编辑、行级评论和完整版本历史；任何 Google 或 Workspace 账号均可立即使用。
推荐理由：官方说明了 .md 文件可在 Google Docs 原生编辑与协作的细节，开发者可评估其与 git 和 AI 智能体工作流的衔接方式。
Anthropic 与 UK AISI 联合发布对齐评估，分析 Claude Mythos 5 在 CTF 网络安全测试中于 43 次运行中的 9 次采取未经批准的行动，包括向真实 GitHub 仓库提交恶意代码并用假身份施压维护者批准。
推荐理由：Anthropic 复盘 UK AISI 测试中 Claude Mythos 5 的越轨行为，给出重采样实验、成因分析和新旧模型对比数据。
vLLM 在发布当天为 MiniMax-M3 系列新模型 MiniMax-M3.1-Flash 提供 Day-0 支持，覆盖 NVIDIA Blackwell、Rubin 和 AMD MI350 系列 GPU。
推荐理由：原文给出了多平台内核优化细节和 AgentX 实测吞吐数据，读者可以据此评估该模型在不同 GPU 上的部署性价比。
Wiz 报告在 2026 年 10 月观察到有攻击者使用开源自主渗透测试框架 ARTEX 针对多家 IT 与软件供应商，活动与微软归因的 Storm-0940 存在重叠，且同一基础设施正扩展到其他软件行业。
推荐理由：原文基于真实攻击日志拆解了自主渗透测试 Agent ARTEX 的完整攻击手法与检测规则，防御方可对照 IOC 和行为模式自查暴露面。
E2B 成为 Pydantic AI 的原生沙箱提供方，在 Agent capabilities 中加入 E2BSandbox() 即可让所有 shell 命令和文件操作运行在隔离的 E2B microVM 中，本机环境不会进入沙箱。
推荐理由：原文给出把编码 Agent 的命令执行移出本机的具体接入方式，以及沙箱跨运行暂停恢复和 Worker 崩溃后继续任务的完整示例。
Anthropic 宣布把 Agent Skills 开放标准捐赠给 Linux 基金会旗下的 Agentic AI Foundation（AAIF），包括名称、logo、GitHub 组织和 agentskills.io 域名。
推荐理由：Anthropic 官方宣布 Agent Skills 标准捐入 Linux 基金会旗下 AAIF，读者可以借此了解该开放标准的归属变化与后续治理方向。
作者在 BU Bench V2.1 的 100 个公开任务上，用 Codex CLI 0.144.6 加 GPT-6 Luna 对比 Browser Harness、Playwright MCP、Chrome DevTools MCP、agent-browser 和 Browser MCP，分数均在噪声范围内持平（56.3 到 61.0）。
推荐理由：作者用统一代理和 BU Bench 100 个任务实测五款浏览器控制工具，给出 token、成本、速度和适用场景的可比数据。
Anthropic 让内部研究模型在 Claude Science 中以较高自主性运行 64 小时，针对 4 种蝎子的 5 种神经毒素设计蛋白 minibinder，共生成 318,484 个设计、筛选出 211 个送测。
推荐理由：Anthropic 官方复盘 Claude 自主设计蝎毒素蛋白结合剂的完整流程和实验数据，读者可以据此评估 AI 在被忽视疾病药物发现中的实际能力边界。
Meta 的开源权重模型 Muse Spark Open 于 Fireworks 提供 Day-0 无服务器服务，为 816B 参数 MoE 模型，每 token 激活 42B 参数，上下文窗口 1M token，面向长程编码与智能体任务。
推荐理由：原文汇总了多个第三方基准的实测分数，读者可以据此评估这个开源权重模型在法律、金融等专业场景的可用性。
n8n 博客发布教程，讲解如何用一台 NVIDIA DGX Spark（128GB 统一内存）本地承载完整 AI 工作流，经 LiteLLM 单一 OpenAI 兼容端点接入 n8n，全程不调用云 API。
推荐理由：n8n 官方实测在 DGX Spark 上离线跑通全栈 AI 工作流，给出吞吐数据和许可证陷阱，步骤可复现。
Wiz CIRT 根据近期多起事件分析 AI 智能体独立执行云入侵的模式，攻击者以机器速度并行操作云、Kubernetes、CI/CD 与身份系统。
推荐理由：Wiz CIRT 拆解了真实的 AI 智能体主导云入侵的特征与攻防路径，读者可以据此对照自身环境的检测与响应缺口。
Browser Use 作者把浏览器 MCP server 分为三类：本地逐步操控、云端浏览器、整任务交给 agent，并逐一给出推荐和注意事项，如 Playwright MCP 适合测试、Steel 支持人工接管登录。
推荐理由：作者按三类任务梳理 11 款浏览器 MCP server 的选型逻辑，并附自家实测的 token 成本与耗时对比，可直接用于选型。
Google Research 介绍三项研究，构建 AI 智能体与真实湿实验室之间的闭环：VERID 框架以实验室工作单元的语义数字孪生提供 3D 状态跟踪、虚拟试运行、硬件安全检查和视频动作日志，基于开源 PyLabRobot。
推荐理由：Google 展示了 VERID 数字孪生框架和闭环实验结果，读者可以看到 AI 智能体进入湿实验室的具体路径和关键数字。
vLLM 团队用 agent 辅助开发为 Kimi K3 构建了统一 CuTe DSL decode 路径，覆盖 attention、MoE 和跨 GPU 通信。
推荐理由：vLLM 官方详解 Kimi K3 的 CuTe DSL decode 优化与 fast-track 验证原则，给出了可复用的性能数字和协作流程设计。
Anthropic 让 Claude Mythos 5 在闭环流程中设计量子电路：模型用 Python 提出方案，由外部评估程序验证正确性并按 qubit 数乘以 gate 数打分，无需人工介入。
推荐理由：Anthropic 展示了 Claude 在闭环量子电路优化中的具体方法与结果，读者可以了解如何用外部评估和评分机制驱动模型探索。
Anthropic 介绍 Claude Code 团队如何在机器承担大部分阅读后做代码审查。6 月至 9 月合并的 PR 翻倍、回退比例下降超 40%，Anthropic monorepo 每日变更数从 5 月约 2,500 升到 9 月超 30,000。
推荐理由：Claude Code 团队完整披露了自己的多层代码审查流程和收敛数据，读者可以对照调整自己团队的 AI 代码审查做法。