跳到正文
只看一手#Agent
7月2日周四
  1. Google Developers Blog41

    我们为何构建ADK 2.0

    Google官方博客阐述了构建ADK 2.0的动机——包括核心特性与升级理由，并解释了开发者应考虑迁移的原因。该文章发布于ADK 2.0正式上线次日。

  2. LangChain：Blog63

    LangChain Deep Agents 用递归语言模型（RLM）解决长上下文推理中的“上下文腐烂”问题

    Deep Agents 通过动态子智能体和轻量级代码解释器实现递归语言模型（RLM），让智能体以编程方式对大型输入执行 grep、map、reduce 等操作，而非将所有内容塞入单一上下文窗口。在长上下文推理基准 OOLONG 上，该方案在逐轮交互式智能体开始失效的场景中仍能保持稳定表现。

  3. xAI：News77

    xAI 发布 Voice Agent Builder 测试版

    xAI 推出 Voice Agent Builder 测试版，这是一个基于 Grok Voice 的无代码平台，可在两分钟内创建生产级语音智能体。它集成电话、知识检索、工具、MCP、Guardrails 及可观测性，支持连接现有 SIP 号码、API 和 WebSocket，采用语音到语音路径。在 τ-voice Bench 上，Grok Voice Think Fast 1.0 得分 67.3%，领先 Gemini 3.1 Flash Live（43.8%）和 GPT Realtime 1.5（35.3%）。定价为每分钟音频 0.05 美元、电话费 0.01 美元，提供 80+ 种语音及声音克隆，每个账户附赠一个免费电话号码。

    推荐理由：xAI 用 Grok Voice 原生的语音到语音路径，把生产级语音代理的搭建门槛降到了无代码、两分钟，计费也简单，做语音业务的人值得试试。

  4. Google Developers Blog52

    用 Genkit 构建智能体全栈应用

    开源框架 Genkit 推出 Agents API，将消息历史、工具循环和流式传输封装为单一接口，简化对话 AI 开发。该 API 支持服务器或客户端管理的状态持久化，可实现历史分支、长时间运行的分离任务及多智能体协调等高级工作流，并通过统一线协议连接前后端。目前以 TypeScript 和 Go 预览版发布，集成 Genkit Developer UI，开发者无需编写客户端代码即可测试、调试和检查智能体快照。

7月1日周三
  3. Cato AI Labs：AI安全原创研究78

    Cato AI Labs 披露 Cursor IDE 两个零点击提示词注入 RCE 漏洞 DuneSlide

    Cato AI Labs 在 Cursor IDE 中发现两个 CVSS 9.8 的远程代码执行漏洞（CVE-2026-50548、CVE-2026-50549），通过零点击提示词注入即可触发。

    推荐理由：原文由发现方详述两个漏洞的利用链和披露时间线，读者可以了解提示词注入如何突破沙箱造成系统级风险。

  5. Anthropic：Newsroom81

    Claude Sonnet 5 发布

    Claude Sonnet 5 是 Anthropic 推出的最新 Sonnet 模型，具备计划、浏览器和终端工具使用能力，可自主运行。性能接近 Opus 4.8，定价更低：即日起至 2026 年 8 月 31 日，输入 token $2/百万，输出 $10/百万，之后恢复为 $3/百万输入和 $15/百万输出。相比 Sonnet 4.6，在推理、工具使用、编程和知识工作等智能体能力上大幅提升。在 BrowseComp 和 OSWorld-Verified 评测中严格优于 Sonnet 4.6。安全评估显示不良行为率更低，幻觉和谄媚减少，但网络安全能力弱于 Opus 4.8。即日起在所有套餐及 Claude Code、Claude API 中可用。

    推荐理由：Claude Sonnet 5 把代理能力从 Opus 下放到了 Sonnet，性能接近 Opus 4.8 但价格只有三分之一，这对开发者来说性价比飞跃。虽然还不是最强，但已经能让许多复杂任务从勉强可用变成可靠。

  7. Anthropic：Newsroom66

    Claude Science 科研工作台正式上线

    Anthropic 推出 AI 科研工作台 Claude Science，整合常用工具与计算资源，支持从文献分析到多步骤研究的全流程。提供超 60 项预配置技能与连接器，覆盖基因组学、单细胞、蛋白质组学、结构生物学、化学信息学等领域；可在macOS/Linux本地运行，或通过SSH/HPC远程使用。生成含代码和环境的可审计成果（3D蛋白质结构、基因组浏览器轨迹等），内置reviewer agent自动检查引用与计算错误。通过NVIDIA BioNeMo接入Evo 2、Boltz-2等模型，也支持连接自有模型与管道。今日以beta版面向Claude Pro、Max、Team和Enterprise用户开放。

    推荐理由：Anthropic 为科学家打造了一个整合 60+ 技能、可管理计算和审计输出的 AI 工作台，让 AI 从顾问变成可复现的实验合作者。

  8. Claude：Blog72

    Claude Code 入门：智能体循环

    Claude Code 团队将智能体循环定义为 agent 重复工作直到满足停止条件的过程，并划分出四种主要类型：turn-based 循环（用户提示触发，Claude 自行判断完成或需更多上下文）、goal-based 循环（通过 `/goal` 命令设定可验证完成标准与最大轮次）、time-based 循环（通过 `/loop` 按时间间隔重复执行，可用 `/schedule` 移至云端）、以及 proactive 循环（基于事件或计划自动运行，无人实时参与）。文章还介绍了如何编写 SKILL.md 文件将人工验证步骤编码，让 Claude 进行端到端自检，减少 turn-based 循环中的手动操作。

    推荐理由：Anthropic把agentic loops从模糊概念变成四种可复制的模式，附带SKILL.md和命令示例，Claude Code用户读完就能设计更自主的编码流程。

  9. Google Developers Blog67

    ADK Go 2.0 发布：构建可靠的多智能体应用，新增基于图的工作流引擎、人工参与循环与动态编排

    Agent Development Kit (ADK) for Go 2.0 发布，引入了一类基于图的工作流引擎，用于组合复杂多智能体应用。新版本内置人工参与循环（HITL）编排、使用纯 Go 代码的动态执行、以及指数退避重试等自动弹性特性。统一执行模型后，单智能体应用与复杂图均运行在同一运行时上，简化了遥测与状态持久化。

    推荐理由：Google 给 Go 生态补上了多智能体编排的关键一环，图工作流引擎和人机协同直接内置，比之前拼积木的方式可靠很多，做 Agent 的 Go 开发者值得跟进。

  10. Google Developers Blog52

    Google发布新技能：从你的编码智能体驱动智能体质量飞轮

    Google推出了一项面向编码智能体的新开发者技能，将评估过程自动化成五阶段飞轮：准备数据、运行推理、使用自适应AutoRaters评分、分析失败聚类、执行针对性优化。该工具可针对生产流量持续运行或通过合成场景按需触发，开发者用自然语言描述测试目标，独立评估服务安全验证并统计实际性能提升。

  12. LangChain：Blog48

    LangChain 提出 Deep Agents 无沙箱运行不可信代码方案：WASM + QuickJS 隔离与快照持久化

    LangChain 为 Deep Agents 设计了一种无需完整沙箱即可运行不可信代码的方案，核心采用 WASM 与 QuickJS 实现进程内隔离，并通过最小权限能力模型控制资源访问。该方案还引入基于快照的持久化暂停机制，使智能体可在暂停后恢复执行状态，兼顾安全性与运行效率。

  13. LangChain：Blog56

    LangChain 撰文解析面向 AI Agent 的 Wiki Memory 模式

    LangChain 发文分析一种正在兴起的 wiki memory 模式：用 Agent 把原始数据压缩成持久、结构化、可检查的文件知识层，供后续 Agent 更快理解领域。文章指出其区别于 RAG 的查询时检索，并举例 DeepWiki、Karpathy 的 LLM Wiki 和 Factory 的 AutoWiki，认为文件是最简单可用的长期记忆载体，但不适合短期会话状态或用户偏好。

6月30日周二
  2. LangChain：Blog68

    LangChain 发布智能体评估就绪检查清单

    LangChain 发布了一份面向 AI 智能体评估的实用检查清单，涵盖错误分析、数据集构建、评分器设计、离线与在线评估以及生产就绪等环节。该清单旨在帮助开发者系统性地验证智能体在真实场景中的表现，降低部署风险。

    推荐理由：如果你在做 Agent 评估，这份检查清单把评估从“随机测试”变成了结构化流程，从错误分析到生产就绪都有覆盖，可以直接对照执行。

  4. LangChain：Blog52

    LangChain 基准测试：指令与工具数量对单 ReAct 智能体性能的影响

    LangChain 通过基准测试探究了单 ReAct 智能体在指令和工具数量增加时的性能变化，测试了 claude-3.5-sonnet、gpt-4o、o1 和 o3-mini 等模型在两个任务域上的表现。结果显示，指令和工具数量的增长会显著影响智能体的准确率和效率，不同模型对复杂度的容忍度存在差异。该研究为设计更高效的 Agent 系统提供了量化参考。

  6. PromptArmor：Threat Intelligence68

    PromptArmor 测试 104 万个 Skills，微软 Copilot Cowork 安全扫描混淆后漏检 99.6%

    PromptArmor 从 SkillsMP、Claude Marketplaces、skills.sh、ClawHub、Composio、LobeHub 六个市场收集约 195 万条 Skills。

    推荐理由：作者用约百万条真实市场 Skills 和微软自家 BIPIA 攻击样本实测其扫描器，给出了具体检出率与绕过手法，可帮助读者评估 Skill 安全审查的局限。

  8. Cursor Blog75

    从任何地点构建——Cursor for iOS 公测版发布

    Cursor 推出 iOS 原生公测版，所有付费计划可用。开发者可在手机上启动始终在线的云端智能体，或远程操控电脑端智能体。支持语音输入、斜杠命令和选择前沿模型。智能体运行后，锁屏 Live Activities 和推送通知实时更新状态，完成或需要输入时提醒。云端智能体在隔离虚拟机中运行，可自动迭代生成合并就绪的 PR，并输出演示、截图和日志。本地与云端智能体支持双向切换。移动端 Composer 2.5 享受 75% 折扣，优惠至 2026 年 7 月 5 日。

    推荐理由：Cursor 移动端把 Agent 放到了云上，从手机就能启动和合并 PR，通勤灵感不再浪费，对经常离开桌面的开发者是真正的效率杠杆。

  9. LangChain：Blog51

    Candidly 如何用 LangSmith 构建状态感知的 Agent Harness

    Candidly 团队在 LangChain 博客发文，介绍其 AI 财务规划师 Cait 如何用 IO-HMM 从对话轨迹逐轮推断用户参与状态，并将状态接入响应策略实现会话内干预。模型基于轨迹特征以 0.90 AUC 预测对话解决或放弃，恢复出四种参与状态，策略将 Disengaging 状态占比从 23% 降至 11%；文中还展示了该评估作为控制信号的方法如何推广到编码 Agent 等场景。

  10. LangChain：Blog59

    LangChain Deep Agents 引入 Dynamic Subagents，用代码编排替代工具调用实现规模化智能体工作流

    LangChain 在 Deep Agents 中推出 Dynamic Subagents，通过程序化编排（programmatic orchestration）替代传统工具调用，让 AI 智能体用代码而非工具调用来协调大规模任务。该机制可保证任务覆盖、处理扇出（fan-out），并支持可靠的多步骤复杂智能体流水线，提供常见编排模式与实时追踪。

6月29日周一
  1. OpenAI：官网动态41

    惠普与OpenAI启动Frontier战略合作伙伴关系

    惠普宣布与OpenAI达成Frontier战略合作伙伴关系，此前试点中一名工程师数周内用OpenAI模型处理了43个项目中的122个pull requests，安全团队一天修复多个软件bug（原估计需一个月）。惠普将把Frontier作为统一平台整合访问、上下文、部署与评估，覆盖定价、合作伙伴门户、客户支持、员工体验平台（WXP）及网络安全等场景，同时使用ChatGPT支持知识工作、Codex加速软件现代化与交付。Frontier提供从试点到生产环境的治理型运营模型。

  2. Cognition 模型 / Devin 博客66

    Cognition 发布 Devin Fusion：多模型路由实现 60% 降本

    Cognition 发布多模型智能体 harness Devin Fusion，在 FrontierCode 1.1 Extended 基准上以最高 60% 更低成本维持前沿模型水平的表现，已开放 preview（app.devin.ai/signup）。

    推荐理由：原文公开了 sidekick 双智能体与上下文压缩时切换模型的路由细节，读者可以直接借鉴这些降本做法。

  3. LlamaIndex：产品、工程与评测62

    LlamaIndex 发布 Retrieval Harness，扩展 LlamaParse Index 检索能力

    LlamaIndex 宣布扩展 LlamaParse Index，新增 Retrieval Harness，为 Agent 提供文件系统式文档遍历工具，包括 Hybrid Retrieve、List Files、File Grep 和 File Read。

    推荐理由：官方展示了文件系统式检索工具和流水线可观测能力，读者可据此评估企业 Agent 检索方案的选型。

6月27日周六
  2. LangChain：Blog60

    LangChain 用 Perplexity Agent API 与 LangGraph 构建 90 秒生成可溯源 VC 投资备忘录的 Agent

    LangChain 发布 cookbook，展示用 Perplexity Agent API、LangGraph 和 LangSmith 构建一个约 90 秒、约 $0.40 API 成本生成投资备忘录初稿的研究 Agent，每个论断可溯源到一手来源。

    推荐理由：原文给出可复用的并行研究 Agent 架构和供应商评测方法，读者可迁移到自己的引用溯源型工作流。

6月26日周五
  1. Claude Code：GitHub Releases61

    Claude Code v2.1.193 发布

    Claude Code v2.1.193 新增 `autoMode.classifyAllShell` 设置，将全部 Bash/PowerShell 命令经自动模式分类器处理。自动模式拒绝原因现加入转录、拒绝提示及 `/permissions` 页面。新增 `claude_code.assistant_response` OpenTelemetry 日志事件（默认不记录，需设置 `OTEL_LOG_ASSISTANT_RESPONSES=1`）。Bash 模式支持实时文件路径自动补全；MCP 服务器需认证时显示启动提示。新增空闲后台 shell 命令自动内存压力回收（可禁用）。修复 `/model` UI 状态滞后、后台任务误取消、子 agent 隐藏同级等问题，并改进了后台 agent 启动指令、MCP 认证重连、插件自动重命名等行为。

    推荐理由：一次扎实的工具更新，自动模式覆盖所有 shell 命令和 MCP 认证重连是最实用的改进，后台任务内存回收也解决了长期痛点，Claude Code 用户值得更新。

  2. Runway：News65

    Runway发布Agent 2.0

    Runway发布Agent 2.0，帮助营销人员创建、测试和优化广告、视频及营销活动。品牌营销人员可在对话中开发活动概念、生成变体并自动本地化；绩效营销人员可上传创意并导入Meta、YouTube、TikTok或Google广告数据，由Agent分析后生成下一轮待测广告。社交媒体营销人员可一次性生成一周内容，自动裁切为9:16、16:9、1:1等格式；产品营销人员可借助Agent确定定位角度并构建活动资产。Agent 2.0面向所有用户开放。

    推荐理由：Runway的Agent 2.0不只是生成视频，它试图打通从广告数据分析到全平台素材生成的闭环，做增长和社交内容的团队可以观望一下。

6月25日周四
  2. OpenAI：官网动态65

    OpenAI内部报告：智能体Codex如何改变工作

    OpenAI 在2025年8月至2026年6月间观察到，智能体产品 Codex 取代 ChatGPT 成为主要工作工具，各部门输出 token 中 Codex 占比从不足10%升至99.8%。80.6%个体用户曾发起预计等效人类工作时间超30分钟的请求，70.2%超1小时，25.6%超8小时；99百分位用户每日生成超60小时 agent turns。非开发者用户增长迅猛：个体用户增长137倍，组织用户增长189倍。Legal、Finance、Recruiting 部门在2026年4月前后跨过 Codex 使用过半拐点，平均每位律师或招聘人员超85%输出 token 来自 Codex。

    推荐理由：OpenAI 第一次用内部数据量化智能体如何改变工作，非开发者增速 137 倍比工程师还猛，Codex 已经吃掉内部 99.8% 的输出 token——这不是产品更新，但比大多数发布会都更值得做策略的人看一眼。