OpenRouter 为每个模型提供一致网络搜索与抓取功能
OpenRouter 向所有支持工具调用的模型开放自主网络搜索与页面内容抓取能力，并允许用户从多个搜索引擎和抓取引擎中自行选择。
推荐理由：OpenRouter把网络搜索和抓取做成统一的工具接口，任何工具调用模型都能用，做agent的开发者不用再自己拼搜索层了。
#Agent
OpenRouter：Announcements精选AI 评分5656 PromptArmor：Threat Intelligence精选AI 评分7474 PromptArmor 披露 Microsoft Copilot Cowork 可经间接提示词注入外泄文件
PromptArmor 报告 Microsoft Copilot Cowork 存在间接提示词注入风险，可外泄 M365 文件：向活跃用户本人发送邮件或 Teams 消息无需人工批准，消息中的外部图片可触发攻击者控制的网络请求，配合预认证下载链接即可在用户打开消息时外泄文件。
推荐理由：原文给出了完整攻击链、5/5 成功率实测和管理员缓解命令，读者可据此评估 Copilot Cowork 的提示词注入外泄风险。
Zyphra ResearchAI 评分5555 Zyphra 发布 ZAYA1-74B-Preview：在 AMD 上完成大规模预训练的 MoE 推理基座
Zyphra 发布 ZAYA1-74B-Preview，一个总参数 74B、激活 4B 的 MoE 模型，端到端在 AMD MI300x 上完成大规模预训练，权重以 Apache 2.0 许可在 Hugging Face 开放。
OpenAI：官网动态AI 评分5050 Singular Bank 借助 ChatGPT 和 Codex 助力银行家高效工作
Singular Bank 开发了名为 Singularity 的内部助手，该工具整合了 ChatGPT 和 Codex 技术，旨在帮助银行家节省日常工作时间。它主要应用于会议准备、投资组合分析和后续跟进等任务，可使银行家每天在这些事务上节省 60 至 90 分钟。
GitHub Blog精选AI 评分5656 Validating agentic behavior when “correct” isn’t deterministic
GitHub 探讨如何为 Copilot 编码智能体构建“信任层”。文章提出，在“正确”答案非确定性的场景下，可通过领域分析来验证智能体的自主行为，避免使用脆弱的脚本或黑盒判断。该方法旨在提升 AI 编码助手的可靠性与透明度，确保其行为符合预期标准。
推荐理由：做coding agent最头疼的就是如何验证产出质量，GitHub这篇把他们的内部方法论开源了，用dominance分析替代脆弱的脚本，对正在折腾AI编程工具的团队是实打实的参考，值得逐帧学习。
Cursor BlogAI 评分5353 通过自动安装系统引导Composer开发
团队开发了Composer自动安装系统，利用早期模型（如Composer 1.5）为强化学习训练自动配置可运行环境。该系统分两阶段工作：先由智能体设定成功环境的目标命令与描述，再由另一智能体执行具体配置，包括安装依赖、模拟缺失组件并进行测试。在一项针对区块链项目Celo的真实实验中，该系统成功处理了稀疏文档和复杂依赖。采用此方法后，Composer 2在环境设置基准测试中的得分从47.9%提升至61.7%，为后续训练提供了更优基础。
Claude：Blog精选AI 评分6969 Claude托管智能体新增功能：梦想、成果与多智能体编排
Anthropic为其Claude托管智能体平台推出三项核心更新。“梦想”功能通过回顾会话历史提取模式，使智能体能够自我改进。“成果”功能允许开发者设定成功标准，智能体据此进行自我评估与修正，内部测试显示其显著提升了任务成功率和输出质量。“多智能体编排”功能支持主智能体将复杂任务分解，并分配给配备专用工具的子智能体并行处理。这些更新旨在以最小人工干预，增强智能体处理复杂任务的能力。
推荐理由：Anthropic给托管Agent加了dreaming、outcomes和multiagent，这是Agent从完成任务到自我改进和协作的质变。dreaming让Agent能跨session复盘，做Agent产品的团队现在多了一个必须研究的模块。
Prime IntellectAI 评分5757 Prime Intellect 正式发布智能体训练平台 Lab
Prime Intellect 宣布 Lab 结束 beta 并全面开放，这是一站式自我改进智能体训练平台，覆盖环境、托管训练与评估、adapter 部署和推理。
OpenAI：官网动态精选AI 评分6565 前沿企业如何构建人工智能优势
OpenAI的B2B Signals研究揭示了前沿企业深化AI应用、规模化基于Codex的智能体工作流，并构建持久竞争优势的路径。这些企业正超越基础应用，将AI深度集成至核心业务流程，通过部署能自主执行复杂任务的智能体工作流来提升效率与创新能力。研究指出，成功的关键在于规模化应用AI代理，这能带来显著的运营优势并形成竞争壁垒。
推荐理由：OpenAI的B2B研究把企业AI落地差距摊开了，Codex驱动的代理工作流正在成为壁垒，做企业服务的可以当镜子照。
Claude Platform：开发者版本说明AI 评分5555 Claude Platform 发布说明（2026年5月6日）
Claude Managed Agents 推出多智能体编排与 Outcomes 公测，并新增 MCP OAuth 凭据的 vault 凭据后台刷新、Webhooks 及会话/事件过滤排序功能。Dreams 功能以研究预览形式开放，可读取记忆存储与历史会话，生成去重并提炼新洞察的重组输出。
Claude：Blog精选AI 评分7171 金融服务行业Claude部署指南发布
Anthropic发布金融服务行业Claude部署指南，详细介绍了Claude系列产品在金融研究、交易、承销、理赔及月末结算等场景的应用方案。指南包含产品矩阵、10个预置金融智能体模板（如招股书生成器、KYC筛查器等），并分享了AIG、澳大利亚联邦银行等机构的实践案例。同时，提供基础、试点、扩展三阶段实施路线图，旨在协助企业决策者与工程师规划AI落地路径，提升运营效率。
推荐理由：Claude 官方首次系统性给出金融行业的部署指南，从产品矩阵到预建代理模板再到三阶段路线图，做金融 AI 落地的可以直接拿过来对齐。
Manus：Blog精选AI 评分6060 Manus 推出可从任务对话中学习的 Project 更新功能
Manus 发布 Project 新功能，可将有价值的对话转化为经审批的 Project 指令、文件和技能更新，让每个任务帮助下一个任务做得更好。用户可通过提示词触发审查，Manus 说明应更改什么及原因，所有更新仅在审批通过后应用，更新适用于支持 Project 指令和文件的会话。
推荐理由：原文给出 Project 自我更新的具体机制和审批边界，读者可据此判断能否减少团队重复交代上下文。
Augment Code 博客AI 评分6060 Augment Code 用 Cosmos 智能体团队解决 AI 代码评审瓶颈
Augment Code 基于其 Cosmos 平台把代码评审重构为由多个 Expert 组成的智能体流程，包含 PR Risk Analyzer、Deep Code Review、Pair Reviewer、PR Author 和 Memory Manager，低风险 PR 自动批准，人只在需要判断时介入。
LangChain：BlogAI 评分4545 LangChain：Agent 可观测性需要反馈来驱动学习
LangChain 提出 Agent 可观测性的深层作用是驱动学习，而仅有 trace 不够，还需附加反馈信号。学习可发生在模型、harness 和上下文三个层面，反馈来源包括用户显式评分、隐式行为信号、LLM-as-a-judge 和确定性规则。核心要求是把反馈与 Agent 可观测性数据一起存储。
ElevenLabs：Blog精选AI 评分6666 ElevenLabs ARR 突破 5 亿美元，引入 BlackRock、NVIDIA 等新投资者
ElevenLabs 宣布完成 Series D 第三次交割，新投资者包括 BlackRock、Wellington、D.E. Shaw、Schroders、NVIDIA（via NVentures）、Santander 及 Jamie Foxx、Eva Longoria 等 30 多位创意与体育界人士。
推荐理由：官方披露 Series D 第三次交割、ARR 从 3.5 亿到 5 亿美元的增长节奏和资金用途，可了解语音 Agent 商业化进展。
Runway：News精选AI 评分8080 从单张图像构建实时视频智能体：Runway Characters技术解析
Runway公司推出“Characters”实时视频智能体，它能将任意单张参考图像（如真人、卡通或幻想生物照片）实时转化为具有自然对话表现力的视频角色。该技术基于其通用世界模型GWM-1，无需微调即可生成每秒24帧的高清视频，并同步口型、表情和头部运动。其核心突破在于通过自回归逐帧生成、流程优化与并行化，实现了每帧仅37毫秒的模型处理时间，以及从用户停止说话到角色开始响应仅1.75秒的服务器端延迟，从而满足了实时交互对话的严苛要求。
推荐理由：把单张图变成实时对话角色这件事，Runway 做到了 24fps 且 1.75 秒响应。不是预录，是真实时，还带了知识库和工具调用，做虚拟角色产品的可以直接拿来集成。
OpenAI：官网动态精选AI 评分6262 OpenAI 与 PwC 合作重塑 CFO 办公室
OpenAI 与普华永道宣布合作，旨在通过AI智能体帮助企业自动化财务工作流程、改进预测、强化控制并实现首席财务官职能的现代化。双方将把OpenAI的企业版ChatGPT等工具整合到普华永道的服务中，为数千名员工提供高级AI访问权限，以处理财务分析、税务、咨询等任务。这一合作标志着专业服务公司首次大规模应用生成式AI，目标是提升效率、减少人工错误并推动财务职能的战略转型。
推荐理由：OpenAI 和普华永道的合作，算是 AI 代理攻入企业财务腹地的正式信号，如果你是 CFO 或财务转型负责人，可以看看他们打算怎么重构风控和预测，但普通开发者可以跳过。
Apple Machine Learning Research精选AI 评分6666 PORTool: 基于奖励树和重要性感知的策略优化方法，用于多工具集成推理
研究团队提出PORTool算法，以解决多工具集成推理中仅依靠结果奖励导致的信用分配模糊问题。该方法通过重要性感知策略优化，在结果级监督下强化智能体的工具使用能力，同时实现步骤级奖励分配。PORTool生成奖励树来明确关键决策步骤，从而更精确地引导模型学习有效的工具调用序列，提升复杂任务解决的效率和可靠性。
推荐理由：不少 Agent 团队训练时都遇到过奖励信号太稀疏的问题，PORTool 试着把奖励细粒度化，给了个可实操的解法，做工具调用智能体的值得深读。
Claude Code：GitHub Releases精选AI 评分6060 v2.1.128版本更新
本次更新包含多项功能优化与错误修复。主要功能上，`/color` 命令支持无参数随机选色，`/mcp` 命令显示已连接服务器的工具数量，`--plugin-dir` 参数新增支持 `.zip` 插件包。用户体验方面，优化了 `/model` 选择器的显示。关键问题修复包括：解决了通过标准输入传输超大文件时导致的崩溃循环、修复了长 URL 在全屏模式下无法逐行点击的问题，以及修正了并行 Shell 工具调用中一个命令失败会错误取消同级调用的问题。此外，还处理了 MCP 服务器重连时工具列表刷屏等多个稳定性问题。
推荐理由：Claude Code 的日常维护版本，修了一堆小 bug 并给了 /color 随机色、插件支持 zip 等细节提升，重度用户建议升，非用户不必关注。
Manus：BlogAI 评分4848 Manus Browser Operator 指南：如何用本地浏览器做深度研究
Manus 的 Browser Operator 让 AI 在你授权的本地 Chrome 或 Edge 会话中运行，从而读取登录后的订阅内容、企业内部系统和需身份验证的门户。它可通过 Manus API 触发端到端网页操作，遇到付款等敏感步骤会暂停等待确认，并支持跨设备接续任务和从手机端发起。启用需在设置中打开「My Browser」连接器并安装浏览器扩展。
Sierra：Blog精选AI 评分6060 Sierra 获 9.5 亿美元融资，估值超 150 亿美元
Sierra 从新老投资者处筹集 9.5 亿美元，估值超过 150 亿美元。资金将用于构建基于 AI 的客户体验平台。
推荐理由：9.5亿美元的融资让Sierra成为Agent领域估值最高的公司之一，虽然已是两个月前的旧闻，但作为行业信号仍然值得关注。
PromptArmor：Threat Intelligence精选AI 评分6868 PromptArmor 发布 OpenAI Codex 全平台安全配置指南
PromptArmor 发布 Codex 安全配置指南，核心风险是间接提示注入，其曾在 2026 年 4 月披露默认权限模式下无需用户交互即可窃取 Codex 完整敏感邮件的漏洞。
推荐理由：原文系统拆解了 Codex Local 与 Cloud 的提示注入威胁面，并按用例给出 requirements.toml 和网络出口的具体配置，可迁移到企业部署。
Zyphra ResearchAI 评分5656 Zyphra 发布 Zyphra Inference：面向长上下文 Agent 工作负载的 AMD 优先推理云
Zyphra 发布 Zyphra Cloud 平台首个组件 Zyphra Inference，与 TensorWave 合作基于 AMD MI355X GPU 提供面向大 MoE 模型和长上下文 Agent 工作负载的推理服务，已支持 Kimi K2.6、DeepSeek V3.2 和 GLM 5.1，并将支持 DeepSeek V4-Pro。
Tibo@thsottiaux精选AI 评分7575引用Maja Trebacz@majatrebacz点击“批准权限”按钮很困难。 我们展示智能体可以为你做到这一点。 查看我们的对齐博客：https://alignment.openai.com/auto-review
推荐理由：Codex 这个自动审查模式把审批量砍了 200 倍，而且已经成了 OpenAI 内部默认设置。这意味着 AI 编程 Agent 真正开始被信任，做 Agent 工作流的人可以认真研究一下。
Claude：Blog精选AI 评分6464 零基础项目经理借助Claude Code，六周内独立开发并上线压力管理应用
毫无编程经验的项目经理Kostiantyn Vlasenko，借助Claude Code在72小时内独立开发出压力管理应用Respiro，并于六周后成功上线苹果应用商店。该应用能通过手机实时检测用户压力信号，并即时引导呼吸练习。其架构由15个以上并行运作的专用子智能体构成，涵盖设计、开发、审查等模块。Claude协助完成了从技术选型、代码重构到苹果账号注册、服务集成乃至界面调试等一系列复杂操作，甚至支持了后续的市场推广工作。
推荐理由：一个零编程经验的项目经理，用 Claude Code 六周做完压力管理 App 并上架。关键不在技术，而在「管人经验拿来管 AI agent」的思路，对非技术背景的创业者太有参考价值。
Augment Code 博客AI 评分6060 Augment Code 发布 Prism 模型路由，降低 Agent 成本并维持质量
Augment Code 发布模型路由功能 Prism，可选中会按轮次把请求分配给最合适的底层模型，官方称每月 1 万次请求的团队约省 2 万美元，成本最多低 30%。
Sierra：Blog精选AI 评分6464 τ-voice 发布：面向真实客服场景的实时语音智能体评测基准
τ-voice 是一个针对实时语音智能体的新基准，包含零售、航空和电信领域的 278 项接地气客服任务。该基准将确定性端到端任务评分与可控的真实音频（多样角色、环境噪音、自由轮次切换）相结合。
推荐理由：我觉得这是目前最接近真实客服场景的语音agent基准，278个任务覆盖零售、航空、电信，可控噪声和口音，做语音agent的团队可以直接拿来评测。
PromptArmor：Threat IntelligenceAI 评分5656 PromptArmor 分析 Claude for Legal 的间接提示词注入风险与防护设置
PromptArmor 分析 Anthropic 新推出的 Claude for Legal 插件（Claude Cowork 的法律插件），认为间接提示词注入是其首要风险。
Apple Machine Learning Research精选AI 评分6464 强化智能体：面向工具调用智能体的推理时反馈机制
本文提出一种将评估机制嵌入工具调用智能体实时执行循环的新方法。通过引入一个专门的评审员智能体，在推理时对主智能体的中间决策轨迹进行即时评估，并生成结构化反馈。这使得主智能体能在单次运行中动态调整其工具选择与参数调用，无需依赖传统的提示调整或模型重训练。该实时干预机制旨在直接纠正错误，提升了工具使用的准确性与可靠性，突破了传统后验评估无法在运行中修正行为的局限。本工作已被ACL 2026的自然语言生成、评估与指标研讨会接收。
推荐理由：Apple 把评估嵌进 agent 执行循环，不是事后分锅，而是让 reviewer 实时纠错，这对 tool-calling 类应用是个真方向，做 agent 架构的值得细读。
- Tibo@thsottiauxAI 评分6363引用Felipe Coury 🦀@fcoury
/goal also lands in Codex CLI 0.128.0. Our take on the Ralph loop: keep a goal alive across turns. Don't stop until it's achieved. Built by my co-worker and OpenAI mentor Eric Traut, aka the Pyright guy. One of the GOATs I get to work with daily.
Claude：Blog精选AI 评分6464 构建企业级AI智能体：领先企业的转型指南
2025年数据显示，美国员工工作AI使用率已从2023年的20%升至40%。真正获得持续竞争优势的企业正将智能体AI深度嵌入工作流程，并将机构知识编码成可累积的系统。本指南以欧莱雅、Lyft和乐天为例，提出企业AI转型三大支柱：跨越“智能体思维鸿沟”、基于实际工作流程培训员工、在压缩信息密集型流程时保留人工判断，以及构建能创造收入的新产品能力。Claude Cowork平台为此提供了无需定制开发的团队级解决方案，并包含六个月的落地框架。
推荐理由：从 L'Oréal、Lyft 这些案例看，企业怎么把 AI 智能体扎进业务流程，比泛泛而谈的 AI 转型文章实在得多。
Claude：Blog精选AI 评分6464 Claude Code 构建经验：提示缓存的优化实践
Claude Code 团队分享了大规模优化提示缓存的核心策略。提示缓存基于前缀匹配工作，能显著降低延迟与成本，高命中率还能支持更宽松的订阅速率限制。关键实践包括：将静态系统提示和工具定义置于提示词前端以最大化共享前缀；通过消息而非修改提示词来传递更新信息，避免缓存失效；在会话中不切换模型、不增删工具，以维持缓存前缀稳定。此外，针对工具过多或“计划模式”等场景，可通过发送轻量存根或设计专用工具来规避缓存失效，从而在复杂功能中持续利用缓存优势。
推荐理由：Claude Code团队把提示缓存的坑和优化方法全盘托出，从提示顺序、工具加载到压缩技巧，每一个经验都是钱和延迟换来的，做agent的同行可以直接拿去做架构参考。
OpenAI：Alignment 研究博客精选AI 评分6666 无需人类同步监督的智能体操作自动审查机制
一项名为“自动审查”的新机制为代码智能体的部署提供了更安全的默认方案。该机制通过一个独立的审查智能体，对主智能体可能越界的操作进行异步的批准或拒绝，从而无需人类进行实时同步监督。这种方法旨在提升自主智能体在代码生成与执行过程中的安全性与可控性，是保障AI代理在边界内可靠运行的关键技术进展。
推荐理由：每个在部署 coding agent 的团队都会遇到安全边界难题，OpenAI 这份研究没有炫技，给出了一个务实的自动代理审查方案，比等人来审批靠谱。
ARC Prize：官方博客精选AI 评分6363 ARC Prize 用 ARC-AGI-3 分析 GPT-5.5 与 Opus 4.7 的推理失败模式
ARC Prize 分析了 GPT-5.5 和 Opus 4.7 在 ARC-AGI-3 上的 160 段推理回放，两模型在半私 数据集上的得分分别为 0.43% 和 0.18%，并开源了分析包。
推荐理由：作者基于 160 段推理回放归纳出三种可复用的失败模式分类，并对比两个模型在压缩策略上的差异。
Anthropic：Claude.dev 开发者博客精选AI 评分7373 Claude Code 团队复盘构建经验：提示词缓存决定一切
Anthropic Claude Code 团队成员 Thariq Shihipar 发文分享该 Agent 围绕提示词缓存构建的经验：缓存按前缀逐字节匹配，前缀中任何改动都会使其后全部失效。
推荐理由：作者来自 Claude Code 团队，把缓存命中率当事故监控，给出的排序、fork 与工具加载模式可直接迁移到自己的 Agent 工程。
Cursor Blog精选AI 评分5555 持续优化智能体工具链：上下文演进与效果评估
Cursor团队以构建软件产品的方式迭代优化其智能体工具链，核心围绕上下文窗口的演进。早期模型能力有限，工具链依赖大量静态上下文和防护机制；随着模型能力提升，团队已转向提供更多动态上下文获取方式并移除限制。评估改进效果采用线上线下结合：通过CursorBench等基准测试进行标准化质量评估，同时进行线上A/B测试，使用“代码保留率”和用户反馈语义分析衡量真实场景表现。团队持续监控并修复工具调用错误，以应对日益复杂的工具链状态。
推荐理由：Cursor 这篇 agent harness 复盘是今年聊 agent 基础设施最好的文章之一，从上下文管理到多 agent 调度，全是实战迭代的血泪经验，做 agent 的团队该逐字读。
OpenRouter：AnnouncementsAI 评分5252 OpenRouter 四月发布亮点：视频生成、工作区、Agent SDK、重排序模型与前沿模型
OpenRouter 四月发布涵盖视频生成、工作区（workspaces）、Agent SDK、重排序模型（reranker models）以及一批前沿模型（frontier model）的推出。
OpenRouter：AnnouncementsAI 评分5252 OpenRouter 四月更新：视频生成、工作区、Agent SDK、Reranker 模型及前沿模型发布
OpenRouter 在四月推出多项更新，涵盖视频生成、工作区功能、Agent SDK、Reranker 模型以及一批前沿模型。
OpenRouter：AnnouncementsAI 评分5454 April Release Spotlight
本月发布聚焦视频生成、工作空间、智能体SDK与重排序模型。多家公司推出前沿大模型，包括GPT、Claude和LLaMA系列的新版本。核心变化体现在模型多模态能力增强，特别是视频生成功能成为竞争焦点。部分新模型在标准基准测试中性能提升超过15%，同时上下文窗口扩展至百万token级别。开发者工具方面，新的智能体SDK支持更复杂的任务编排，而重排序模型显著提升了检索精度。
Google Research：Blog精选AI 评分5757 谷歌研究团队应用实证研究辅助工具的四个领域
自去年秋季推出实证研究辅助（ERA）工具以来，谷歌研究团队已将其应用于多个科学领域以解决实际问题。在流行病学中，它助力流感与新冠预测；在宇宙学里，协助分析星系数据以探究暗能量；在大气监测方面，提升了二氧化碳排放的追踪精度；在神经科学领域，则用于解析大脑活动数据。这些实践表明，ERA能帮助科学家生成专家级的实证软件，其成果超越了黑箱模型，可发现兼具可解释性与机制准确性的解决方案，从而有效加速科学发现进程。
推荐理由：Google 把自家 ERA 工具在流行病学、宇宙学、气候监测、神经科学四个方向的实战案例摊开讲，虽然不是新模型发布，但对做 AI for Science 的人来说，这是一份难得的「AI 科研助手到底能干嘛」的全景参考。