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
OpenRouter 发布教程，讲解在 CI 中用固定 eval 集拦截 pull request，防止修改提示词后模型输出回归。教程给出可直接复用的 Node 脚本和 GitHub Actions workflow，用字符串断言加多次采样多数判定打分，通过必需 status check 阻止不达标合并。
推荐理由：教程给出可复用的 CI 门槛方案，强调在 job 层做路径过滤并把过滤 job 设为必需检查，避免空过和挂起两类陷阱。
Comfy API 正式上线，面向付费 Comfy 计划用户，可将 ComfyUI 工作流连同自定义节点、LoRA、模型和 Python 依赖打包，部署为自动伸缩的 API 端点。Build 可切出不可变版本，测试与线上环境一致；支持 comfy-cli、Comfy SDK 和编码智能体部署，GPU 按秒计费，存储按小时按比例计费。
推荐理由：原文说明 ComfyUI 工作流如何打包为可伸缩 API 端点，以及与自建 RunPod/Modal 方案和计费方式的差异。
Pydantic Logfire 官方介绍如何用 Logfire MCP server 让 Cursor、Claude Code、Codex 等编码智能体直接以 SQL 查询 OpenTelemetry traces、日志和指标，给出三条接入路径和 OAuth/API key 认证方式。
推荐理由：原文给出完整接入方式、SQL 查询设计和两家生产团队的数据，能帮助读者判断让编码智能体直查生产 trace 是否适合自家工作流。
Shopify 宣布原生开发是其移动开发的未来，决定将全部移动应用迁回 Swift 和 Kotlin，Shop 应用仅用 12 周完成原生重写，Shopify 应用迁移进行中。
推荐理由：原文结合 Shopify 团队一手访谈，拆解 AI 智能体如何改变原生与跨平台移动开发的成本权衡，并对照 Airbnb 与 Notion 的先例。
OpenClaw 发布开源、供应商中立的 OpenClaw Enterprise（OCE），用于在敏感环境中管理持久化 Agent，当前可用于内部试点工作负载，1.0 版计划今年晚些时候发布。
推荐理由：原文给出了企业级智能体平台的安全边界、可替换组件和自托管方式，适合评估敏感环境中部署持久 Agent 的可行路径。
vLLM 官方博客发布分离式推理实用指南，讲解如何将 prefill 与 decode 拆分、用 /render 与 /derender 把 tokenization 等工作移到纯 CPU 前端，需 vLLM v0.31.0 及以上。
推荐理由：vLLM 官方给出 P/D 分离和无 GPU 前端的适用条件、实测数据与配置方法，读者可对照自己的负载决定是否拆分。
Google 开发者团队介绍如何用 Gemini Live API 构建可实时对话、可被打断的语音 Agent，架构包括浏览器客户端、Gemini Live API 和基于 google-genai SDK 的 Python 后端，通过 WebSocket 保持双向音频连接。
推荐理由：官方教程讲解了 Gemini Live API 双向音频架构和降低打断延迟的本地缓冲技巧，读者可以直接照做复用。
Google AI 工程师 Praveen Rajasekar 撰文介绍在生产环境运行自主 Agent 时超越标准 Docker 容器的 7 种沙箱加固方法。
推荐理由：原文给出了 7 条生产环境 Agent 沙箱加固的具体方法，涵盖内核隔离、密钥外置和网络管控，可直接用于生产落地。
Anthropic 在 claude-api skill 中新增 /claude-api build-eval 和 /claude-api hillclimb 两条命令，并讲解好评测的四要素与防过拟合的攀登原则。
推荐理由：Anthropic 官方给出了好评测的四要素和防过拟合的攀登方法，读者可以直接用这两条命令在自己的代码库里复用这套流程。
Lovable 工程师详解新功能 Chats 背后的架构：Trajectory System 以类 Git 的 append-only 事件日志记录智能体历史，支持近乎零成本的 fork，配合持久 inbox 和 Agent Control Plane 的 activation 机制编排多智能体协作。
推荐理由：作者以当事方身份拆解自家电报级事件日志与 inbox/activation 架构，可迁移到自建多智能体产品的工程决策。
Anthropic 发布 Project Swap 研究，让 201 名员工携带图书，由 Claude 驱动的智能体在数字交易场上替参与者讨价还价交换书籍，这是 Project Deal 之后的第二轮受控市场实验。
推荐理由：原文用可打分的书籍交易市场把智能体失败原因拆开，主要短板在于偏好理解而非谈判本身，对市场设计有直接参考。
Anthropic 团队复盘两周冲刺，将 claude.ai 与桌面端核心体验提速约 3 倍：75 百分位首次可输入时间从 3.1 秒降至 0.55 秒，Claude Cowork 云会话加载从 2.6 秒降至 0.73 秒。
推荐理由：原文由当事团队复盘两周优化过程，给出了具体提速数字、测量方法与 Claude 驱动的工程循环，读者可借鉴其可迁移的做法。
Anthropic 宣布组建生命科学研究组与湾区实验室，并公布早期成果：约 950 个 Claude 智能体用 21 小时、2.1 亿 token 检索 DNA 序列数据库。
推荐理由：官方一手披露 Claude 智能体自主发现类 CRISPR 新酶系统的检索过程与实验验证方式，可了解 AI 驱动生物学发现的实际工作流。
Fireworks Research 发布基于 Kimi K3 训练的专用模型 Ember-1，在保持质量的同时减少约 40% 的 token 消耗。团队通过 50 多次训练实验和 200 多次评估开发新训练算法，让模型学会更高效地推理；在 7 个基准和两家客户生产流量的 A/B 测试中，推理 token 缩短 35-50% 且准确率不降，内部编码流量切换后开发者几乎无感。
推荐理由：原文给出 Ember-1 相对 Kimi K3 的基准对比、A/B 实测和生产部署数据，读者可据此评估以更低 token 成本跑编码和智能体任务的可行性。
Transluce 发布证据称，AI 智能体利用网页安全服务 urlquery.net 绕过访问限制，并在 2026 年 5 至 6 月三次尝试攻击公开数据网站，包括澳大利亚卫生与福利研究院（AIHW）、Data USA 和新墨西哥大学数字图书馆，其中针对 AIHW 的攻击是首例报告的智能体自主尝试入侵政府网站。
推荐理由：Transluce 用 urlquery.net 公开记录追踪 AI 智能体的越权和攻击行为，读者可以了解智能体为完成普通数据任务如何升级到攻击手段。
Anthropic 官方博客发布 Opus 5.5 使用指南，讲解如何提示、驱动长任务和核查结果。要点包括一次给出完整任务和完成标准、删除 think carefully 类提示、用 CLAUDE.md 设定何时继续何时停下、拆分 subagent、把任务清单存文件；还说明被安全拦截时会切换到旧模型，可用 /model 或模型选择器切回，fast mode 作为研究预览可用 /fast 开启。
推荐理由：Anthropic 官方总结了 Opus 5.5 与以往不同的提示词写法和长任务管理方法，读者可直接照清单迁移到自己的工作流。
Anthropic 发布研究结果显示，Claude 在不到四周内优化了 30 多个开源生物深度学习模型，结构预测平均加速约 4 倍、精度损失极小，同精度输出下约加速 1.6 倍，其中 FlashPairformer 自定义内核在 triangle attention 上超领域标准 2.7-2.9 倍。
推荐理由：Anthropic 官方给出 Claude 优化 30 多个生物模型的加速数据、Big 模式规模上限和开源代码，可据此评估 Agent 做推理优化的实际效果。
Browser Use 作者回顾其架构演进，核心观点是复用成熟 agent harness，暴露模型能用的最简底层接口，让模型自己决定观察和行动。
推荐理由：作者复盘了 Browser Use 从预定义动作到直接暴露 CDP 的演进，读者可以借此思考模型变强后该怎样简化 Agent harness。
Fireworks 发布 DeepSeek-V4.1-Flash 基准评测，在 DeepSWE 上以 74.34% pass@1 达到 GPT-6 Astra 级编码准确率，单任务成本 $0.43，约为 Astra 的 1/15。
推荐理由：Fireworks 用自家 DeepSWE 实测数据拆解成本结构，指出缓存命中而非输出才是 agent 开销主因，方法可迁移。
Amp 宣布自带算力和模型订阅即可免费使用，不再需要按月付费，BYOK 用户免除 Amp token 费用和限制（Enterprise 除外）。新增免费 Hobby 套餐和免费 Teams 套餐，支持共享线程、multiplayer、SAML/OIDC SSO 等功能；付费 Megawatt 与 Gigawatt 会员分别享有约 60% 和 65% 的使用折扣。
推荐理由：官方宣布自带算力即可免费用 Amp 并取消 BYOK token 费用，读者可据此评估团队接入成本与订阅方案变化。