跳到正文
只看一手#Agent
4月13日周一
  1. Together AI 研究与产品博客62

    Together AI 发布 EinsteinArena，AI 智能体协作刷新 11 项数学问题纪录

    Together AI 发布 EinsteinArena，一个供 AI 智能体在开放问题（从数学起步）上互动、讨论与竞争的平台，包含实时 API、公开排行榜和验证器，已完全开源。

    推荐理由：原文给出了平台机制与真实数学发现案例，读者可以据此了解多智能体协作如何推进开放问题的求解。

4月11日周六
  2. Claude Code：GitHub Releases

    Claude Code v2.1.101 发布

    Claude Code 发布 v2.1.101，新增 /team-onboarding 命令生成团队上手指南，默认支持 OS CA 证书存储以适配企业 TLS 代理，/ultraplan 可自动创建云环境。优化 brief 模式重试、focus 模式摘要、速率限制提示及插件钩子逻辑。修复 POSIX which 命令注入漏洞、长会话内存泄漏、--resume 上下文丢失、权限规则覆盖失效等关键问题，以及子代理 MCP 工具继承、沙箱命令执行等错误。

4月10日周五
  3. Claude Code：GitHub Releases

    v2.1.100 版本发布

    版本 v2.1.100 已正式发布，但官方未提供具体的更新内容、变更日志或发布说明。建议用户关注后续补充信息或查看相关发布页面以获取详细更新详情。

  5. PromptArmor：Threat Intelligence51

    PromptArmor 分析 Granola AI 安全风险并披露移动端漏洞

    PromptArmor 发布对 Granola 的威胁分析，指出其核心风险为间接提示词注入，可导致数据外泄和钓鱼攻击，并披露移动端缺少桌面端的 Markdown 图片过滤，Granola 安全团队已确认并于 2026 年 3 月 23 日当周部署缓解措施。分析还指出未认证访客对共享笔记的聊天输入可能不在 Customer Data 保护范围内，并给出限制默认共享、退出模型改进等配置建议。

  6. Tibo

    Codex 周活用户已达 300 万（一个月前 200 万），每新增 100 万即重置速率限制。按当前增速不到两周需再次重置，达到 1000 万目标前可能每周重置多次，团队正紧急扩容应对。

    引用Tibo@thsottiaux

    Three million people are now using Codex weekly - up from two million a little under a month ago. Incredible to see the growth. Thank you to all of you and to the ecosystem we’re part of. To celebrate, we’re resetting rate limits so you can keep building, and we’ll reset them every additional 1M users until we reach 10M, so we can keep celebrating along the way. Enjoy and thank you!

  7. Claude Code：GitHub Releases

    Claude Code v2.1.98 发布

    Claude Code v2.1.98 发布，新增 Google Vertex AI 交互式设置向导、Perforce 版本控制支持（CLAUDE_CODE_PERFORCE_MODE）及 Linux 子进程沙盒功能（PID 命名空间隔离）。修复多项 Bash 工具安全漏洞，包括权限绕过、复合命令绕过强制提示、/dev/tcp 重定向自动授权等问题。权限管理支持 additionalDirectories 实时生效，同时优化 MCP OAuth 刷新、流式响应超时及后台代理进度报告等体验细节。

  8. LangChain：Blog69

    LangChain 推出 Deep Agents deploy 测试版，作为 Claude Managed Agents 的开源替代

    LangChain 发布 Deep Agents deploy 测试版，一条 deepagents deploy 命令即可将基于 Deep Agents 开源 harness 的自定义 Agent 以生产就绪方式部署。

    推荐理由：原文把生产化部署拆成单条命令，并解释开放 harness 为何关乎记忆所有权，可作为与闭源方案的选型参考。

  9. Claude：Blog56

    Multi-agent 协调模式：五种方案及适用场景

    Claude 团队系统梳理了五种多智能体协调架构：Generator-verifier 通过生成-验证循环保障关键质量，适用于代码生成与合规审查；Orchestrator-subagent 以层级委派处理独立子任务，Claude Code 即采用此模式；Agent teams 支持并行长时任务，Message bus 适配事件驱动管道，Shared-state 则用于协同探索场景。建议团队从最简单的 Generator-verifier 起步，依据任务分解清晰度与信息依赖关系逐步演进，避免过早引入复杂度。

4月9日周四
  1. Claude Platform：开发者版本说明56

    Claude Platform 推出 advisor tool 公开测试版：用双模型分工提升长周期智能体任务效率

    Claude Platform 上线 advisor tool 公开测试版，允许用户将更快的执行模型与更高智能的顾问模型配对，在生成过程中提供战略指导。该工具使长周期智能体工作负载接近顾问模型单独运行的质量，同时大部分 token 生成仍按执行模型速率进行。使用时需在请求中包含 beta 标头 `advisor-tool-2026-03-01`。

  3. Claude Code：GitHub Releases

    Claude Code v2.1.97 发布

    Claude Code v2.1.97 版本发布，为 NO_FLICKER 模式新增焦点视图切换（Ctrl+O）及多项渲染修复。权限系统修复了 Bash 工具环境变量检查、MCP HTTP 连接内存累积（约 50MB/小时）、429 重试逻辑及设置热重载等漏洞。新增状态栏自动刷新、git worktree 检测、agents 运行指示器及 Cedar 策略文件语法高亮。改进包括自动批准安全环境变量前缀的文件命令、CJK 输入无需空格即可触发补全，以及图像压缩统一处理。

  5. Google Research：Blog

    ConvApparel：测量并弥合用户模拟器中的真实感差距

    Google Research 发布 ConvApparel 数据集与评估框架，用于量化 LLM 用户模拟器的"真实感差距"。该数据集包含 4000 余组服装购物多轮对话，采用"好/坏"双智能体协议收集，涵盖从满意到恼怒的全谱系用户行为。框架通过反事实验证测试模拟器对意外糟糕体验的适应能力，解决现有模拟器过于耐心、知识过剩等不现实问题，为训练更鲁棒的对话智能体提供可信的 AI 测试基准。

  6. Claude：Blog79

    顾问策略：为智能体提供智能升级

    Anthropic 在 Claude Platform 推出 advisor tool 测试版，实现"顾问策略"：以 Opus 为顾问模型，Sonnet 或 Haiku 为执行模型。执行模型全程主导任务，仅在遇到决策难题时咨询 Opus 获取指导。该方案让 Sonnet 在 SWE-bench Multilingual 基准上性能提升 2.7 个百分点，同时成本降低 11.9%；Haiku 搭配 Opus 在 BrowseComp 得分达 41.2%，是单独 Haiku（19.7%）的两倍多，且比单独 Sonnet 成本低 85%。开发者只需在 API 请求中添加 advisor_20260301 工具即可启用，无需额外上下文管理。

    推荐理由：我觉得这个 advisor 模式是今年最实用的 API 设计之一，用最小的架构改动换来近 Opus 级的 agent 智能，账单却和 Sonnet 差不多，做复杂 agent 的团队可以直接套用。

  7. Anthropic：Research47

    实践中的可信智能体（Trustworthy agents in practice）

    Anthropic基于Claude Code和Claude Cowork等产品实践，阐述了构建可信AI智能体的五大原则框架。该框架通过模型、约束指令（harness）、工具和环境四层架构，在提升自主性的同时确保人类控制。具体措施包括工具权限分级管理和Plan Mode功能，允许用户预先审批整个行动计划而非逐步确认，以平衡效率与风险控制。随着智能体能力增强，企业需建立共享基础设施以应对提示注入攻击和意图误读等新型风险。

4月8日周三
  1. Cursor Blog66

    Bugbot 现可通过学习规则实现自我改进

    Bugbot 的 bug 解决率已从 2025 年 7 月正式推出时的 52% 提升至近 80%，领先其他 AI 代码审查产品。其核心改进在于引入了规则学习机制，能够从实时代码审查反馈（如开发者反应、回复和人工评审意见）中自主学习，取代了原先依赖离线实验的更新模式。自测试版推出以来，已有超过 11 万个仓库启用该功能，生成了逾 4.4 万条规则。这些规则可根据信号积累被激活或禁用，帮助 Bugbot 更精准地识别问题。用户可在 Cursor Dashboard 中管理学习规则，以优化审查效果。

    推荐理由：AI code review 赛道卷了两年，Bugbot 78% 的解决率终于把第二名甩开 15 个点，关键不是分数而是它开始从真实 PR 反馈里自动学规则，做 code review 工具的该认真看看这套闭环逻辑。

  2. Claude Code：GitHub Releases

    v2.1.96

    Claude Code v2.1.96 修复 Bedrock 请求 403 "Authorization header is missing" 错误，解决使用 AWS_BEARER_TOKEN_BEDROCK 或 CLAUDE_CODE_SKIP_BEDROCK_AUTH 环境变量时的认证失败问题。该回归缺陷源自 2.1.94 版本。

  3. Meta AI：Research Blog80

    Meta Superintelligence Labs 发布 Muse Spark 多模态推理模型

    Meta Superintelligence Labs 发布 Muse 系列首个模型 Muse Spark，为原生多模态推理模型，支持工具使用、视觉思维链和多智能体编排，已在 meta.ai 和 Meta AI 应用上线并开放部分用户的私有 API 预览。

    推荐理由：官方发布给出基准成绩与三条扩展轴的技术细节，读者可以了解其相对 Llama 4 Maverick 的效率变化和安全评估结论。

  4. Factory 研究 / 产品64

    Factory 发布桌面应用，为 Droids 提供原生界面并支持本地模型运行

    Factory 发布桌面应用，为 Droids 提供原生界面，今日上线 macOS 和 Windows。主要功能包括多智能体会话、持久化 Droid Computers（含 Cloud Computers 与 BYO Machine）、计算机操作能力、VS Code 集成、动态可视化、移动端支持，以及通过 Ollama、vLLM 等端点在本地 GPU 上运行模型、数据不出内网。

    推荐理由：官方发布给出了多智能体会话、持久化 Droid Computer 和本地模型等关键能力变化，读者可以据此评估它对现有工作流的影响。

  5. Claude Platform：开发者版本说明67

    Claude 推出 Managed Agents 公开测试版与 ant CLI 命令行客户端

    Claude 发布 Managed Agents 公开测试版，这是一个完全托管的智能体框架，支持通过 API 创建智能体、配置容器并运行会话，具备安全沙箱、内置工具和 SSE 流式传输。同时推出 ant CLI 命令行客户端，可加速与 Claude API 的交互，原生集成 Claude Code，并支持以 YAML 文件管理 API 资源版本。

    推荐理由：Claude Managed Agents 把沙箱化代理从第三方方案变成了平台原生能力，ant CLI 则把 API 调用纳入了版本控制，这对习惯了 Claude Code 的开发团队是个自然升级，beta 阶段值得先占坑。

  6. Claude Code：GitHub Releases

    v2.1.94

    新版本新增对 Amazon Bedrock（由 Mantle 驱动）的支持，并将 API-key、Bedrock/Vertex/Foundry、Team 及 Enterprise 用户的默认 effort level 从 medium 提升至 high。修复了 429 速率限制后代理卡死、macOS 控制台登录失败、插件 hooks 被忽略、长会话滚动回显重复、CJK 字符损坏等关键问题。VSCode 扩展优化了冷启动性能并新增设置解析失败警告。

  7. Cognition 模型 / Devin 博客63

    Cognition 拆解 Devin 如何在财富 500 强企业现代化 COBOL

    Cognition 发文介绍过去八个月多家财富 500 强公司在 COBOL 项目中使用 Devin，包括用 DeepWiki 文档化数百万行代码、将 25000 行海关工作流迁移到 AWS Lambda（估算节省 73% 迁移成本），以及 Itaú Unibanco 跨数百个程序、20 种字段变体的税号重构，提前三个月完成且零生产错误。

    推荐理由：原文梳理了 COBOL 难倒智能体的三个原因和可落地的两类场景，并给出迁移成本下降等具体案例，方法可参考。

  8. LlamaIndex：产品、工程与评测68

    LlamaParse 复盘 VLM OCR 生产环境中的两类失败模式与修复方案

    LlamaIndex 复盘 LlamaParse 的两类生产故障：LLM 重复循环导致 token 消耗和延迟暴增、资源耗尽，以及 recitation 内容过滤把合法文档抽取误判为版权违规而强行截断输出。

    推荐理由：当事方复盘两类真实生产事故的根因、各厂商 API 表现差异与具体缓解手段，方法可直接迁移到其他 agentic 文档处理系统。

  9. Google Research：Blog

    改进学术工作流程：推出两款用于图表生成与同行评审的AI智能体

    Google Cloud推出PaperVizAgent与ScholarPeer两款学术AI智能体。前者通过检索、规划、风格、可视化与批判五个专门智能体协作迭代，将论文文本转化为符合发表标准的图表，综合评分（60.2）显著超越人类基线（50.0）及GPT-Image-1.5等模型；后者模拟资深审稿人流程，动态构建文献背景并验证基线，实现基于实证的自动化同行评审。

4月7日周二
  1. Meta Engineering Blog60

    Meta如何利用AI绘制大规模数据管道中的隐性知识图谱

    Meta针对其大规模数据处理管道（横跨4个代码库、3种编程语言、超过4100个文件）部署AI编程助手时，发现其无法快速生成有效编辑。为此，团队构建了一套新系统，通过AI绘制并利用管道中分散的“隐性知识”，显著提升了AI助手对复杂代码库的理解与编辑效率。这一方法解决了AI在大型、多语言代码环境中理解上下文和团队特定实践的瓶颈问题。

  2. Augment Code 博客51

    Augment Code 判言单模型工程时代结束，已接入 Gemini 3.1 Pro

    Augment Code 宣布接入 Gemini 3.1 Pro，成为继 Claude 和 GPT-5 之后的第三个模型，并提出单模型工程时代已经结束。作者复盘十三个月来最佳模型三次易主、GPT-5.4 每条消息价格约为此前方案 2.6 分之一的变化，主张选模型实为对供应商的绑定，应将模型、Context Engine 与 Intent 编排层解耦，让换模型成为切换设置而非迁移。

  3. Cognition 模型 / Devin 博客65

    Cognition 发布软件工程智能体模型 SWE-1.6，上线 Windsurf

    Cognition 发布面向软件工程智能体的新模型 SWE-1.6，已在 Windsurf 全面开放，未来 3 个月免费。模型在 SWE-Bench Pro 上与 SWE-1.6 Preview 表现相当，同时显著减少过度思考、循环推理和依赖终端等行为，更多使用并行工具调用；训练中引入长度惩罚，响应长度增长更慢且任务解决率保持稳定。

    推荐理由：官方说明了用长度惩罚等训练手段改善模型 UX 的具体做法和效果，对关注智能体行为质量的人有可参考的细节。

4月6日周一
  3. Manus：Blog58

    Manus 推出 Slack 集成，支持 DM Agent、频道标记和 MCP 连接器三种用法

    Manus 推出一整套 Slack 集成方式，把对话中的任务委派给自主 AI Agent 执行。共三种模式：Manus Agent 通过 DM 私聊执行任务并具备持久记忆；Slack 集成支持在任意频道话题中标记 @manus，读取话题上下文和文件后直接发布结果，无持久记忆；Slack 连接器基于 MCP，由 Manus 网页应用触发，可代用户阅读频道并以用户名义发送消息。

4月4日周六
  2. Claude Code：GitHub Releases

    Claude Code v2.1.92

    新增强制远程设置刷新策略、Bedrock 交互配置向导与按模型成本细分，远程控制会话默认使用主机名前缀。修复子代理生成、工具验证、API 400 等十余项错误，Write 工具大文件 diff 速度提升 60%。移除 /tag 和 /vim 命令，Linux 沙盒恢复 seccomp 限制。

4月3日周五