Bright Data 原生集成 LlamaIndex，为 AI 智能体提供网页访问能力
Bright Data 通过 LlamaHub 原生集成 LlamaIndex，为 AI 智能体提供网页抓取、搜索与数据增强能力。
#Agent
LlamaIndex：产品、工程与评测AI 评分4141
METR：Research精选AI 评分6161 METR 研究更新：算法评分高估 AI 智能体真实软件工程能力
METR 在 stdlib-js 和 hypothesis 两个仓库的 18 个真实 issue 上评估 Claude 3.7 Sonnet（Inspect ReAct 智能体），按维护者测试用例算法评分成功率为 38%（±19%），但人工评审的 15 个 PR 中没有一个可以直接合并。
推荐理由：METR 用人工评审对照算法评分，给出量化证据说明测试类基准为何高估智能体的真实软件工程能力。
TransluceAI 评分5656 Transluce 的 Docent 进入公开 alpha，开放在线分析 AI agent 行为
Transluce 宣布其 AI agent 行为分析工具 Docent 进入公开 alpha，任何人都可在 docent.transluce.org 上传自己的数据进行分析。
Berkeley RDI：Blog Agentic AI Summit 2025 于 2025 年 8 月 13 日圆满落幕
Agentic AI Summit 2025 在 UC Berkeley 吸引超过 2000 名现场观众及约 4 万名在线参与者，汇聚全球 AI 领域领导者、创新者与创业者共探 agentic AI 发展。目前所有会议录像已开放观看，主办方宣布下届峰会将于明年回归。
英国 AI Security Institute：Blog精选AI 评分6565 英国 AISI 开源 Inspect Sandboxing Toolkit 用于安全的 AI 智能体评估
英国 AI Security Institute 开源 Inspect Sandboxing Toolkit，一套用于安全运行智能体 AI 评估的沙箱插件。
推荐理由：原文给出三个沙箱插件和三层隔离协议，并说明架构如何分离推理与工具执行，读者可据此选择评估隔离方案。
LlamaIndex：产品、工程与评测AI 评分4141 用文档智能体自动化工作流：基于 LlamaParse 构建上下文感知 AI 的完整教程
LlamaIndex 发布教程，演示如何用 LlamaParse Index 解析并索引非结构化文档，再通过开源智能体框架接入 AI 智能体。教程以 JPMorgan Chase 存款账户披露文件为数据集，用 Claude Sonnet 4 搭建查询引擎与 FunctionAgent，可完成透支费、补卡费和止付费等复合计算。
Linear：NowAI 评分5656 Linear 发布 Agent Interaction SDK，将 AI 智能体作为一等用户集成到工作流中
Linear 推出 Agent Interaction SDK，通过 OAuth 新增 `actor=app` 模式为智能体创建独立身份，并引入 `app:assignable` 和 `app:mentionable` 两个可选作用域，让开发者控制智能体是否可被分配任务或通过提及调用。
Manus：BlogAI 评分5757 Manus 推出 Wide Research，向 Pro 用户开放大规模并行研究功能
Manus 推出 Wide Research，一种系统级并行处理机制和智能体到智能体协作协议，用于处理需要获取数百个项目信息的大规模研究任务。其中每个子智能体都是功能完备的通用 Manus 实例，而非基于预定义角色的多智能体分工。该功能今天面向 Pro 用户推出，计划逐步向 Plus 和 Basic 用户开放。
LMSYS Blog精选 智谱发布 GLM-4.5 系列模型并原生支持 SGLang
智谱发布旗舰模型 GLM-4.5（355B/32B 激活）与 GLM-4.5-Air（106B/12B 激活），含 FP8 量化版本，即日起原生支持 SGLang 框架。采用 MoE 架构与 128k 上下文，在 12 项基准测试中分列第 3 与第 6。GLM-4.5 在 BrowseComp 网页浏览任务中以 26.4% 准确率超越 Claude 4 Opus，工具调用成功率达 90.6%，编程与数学推理能力突出。
推荐理由：国产大模型Agent与编码能力跻身第一梯队，为开发者提供Claude/GPT之外的高性价比替代方案
Mistral AI：NewsAI 评分4747 Mistral 发布 Codestral 25.08 及面向企业的完整编程技术栈
Mistral 发布 Codestral 25.08，接受补全量提升 30%，建议后保留代码增加 10%，失控生成减少 50%，chat 模式在 IF eval v8 和 MultiplE 上各提升 5%。同步推出面向企业的完整编程栈，包含 Codestral Embed 代码语义检索，支持云、VPC 和本地部署，企业可将开发、审查与测试时间缩短 50%。
OpenRouter：AnnouncementsAI 评分5151 OpenRouter 推出服务端 Presets 功能
OpenRouter 上线服务端 Presets，支持用户一次定制模型配置（如参数、提示词）后跨应用直接调用，无需重复设置，简化跨平台模型工作流。
LlamaIndex：产品、工程与评测AI 评分4040 如何用 Oxylabs 与 LlamaIndex 构建更智能的 AI 智能体
Oxylabs 与 LlamaIndex 集成，为 LLM 提供网页抓取基础设施，可显著降低网页搜索成本。该集成通过 llama-index-readers-oxylabs 和 llama-index-readers-web 两个包，提供 Google、Amazon、YouTube 专用抓取器及通用网页抓取能力，能自动解析 HTML 并绕过反爬封锁。
上海人工智能实验室 InternLM：原创项目精选AI 评分6767 上海AI实验室开源 Intern-S2-Preview-397B 与 Intern-S2-Preview-35B 科学多模态模型
上海人工智能实验室 InternLM 团队发布 Intern-S2-Preview-397B，定位面向科学智能与长程智能体的最强多模态基础模型，通过新的视觉语言预训练范式、20 多个领域的大规模多任务强化学习以及沙盒环境中的智能体强化学习提升通用推理与科学能力。
推荐理由：官方仓库同时给出 Intern-S2 两档新模型与 S1 系列的架构细节和基准对比，便于读者评估科学场景下的开源选型。
Anthropic：Alignment Science Blog精选AI 评分6868 Anthropic 开发并评估三个自动执行对齐审计的智能体
Anthropic 发布三个自主执行对齐审计任务的智能体，并用含植入缺陷的模型环境进行评估。调查智能体在真实条件下以 13% 的胜率解开 Marks et al. 审计博弈，多智能体聚合后提升到 42%；评估智能体在 88% 的运行中能区分有/无植入行为的模型；广度优先红队智能体发现 10 个植入行为中的 7 个。
推荐理由：Anthropic 报告了三个对齐审计智能体在植入缺陷模型上的可复现成绩，并公开部分代码与提示词，读者可以了解自动化审计的实际能力与局限。
Liquid AI 模型与工程博客AI 评分5151 Liquid AI 与 .txt 合作：用 LFM2-350M 加 dotgrammar 在端侧实现可靠函数调用
Liquid AI 与 .txt 展示如何用 LFM2-350M 和 dotgrammar 在端侧设备实现可靠的 LLM 函数调用。LFM2-350M 量化前内存低于 1 GB，常见边缘硬件上推理低于 100ms；dotgrammar 用上下文无关文法（CFG）约束输出，保证语法合法且不增加推理延迟。
Cognition 模型 / Devin 博客AI 评分5252 Devin 上线 MCP Marketplace，支持接入 MCP 服务器
Cognition 宣布 Devin 现已兼容 Model Context Protocol（MCP），并通过新的 MCP Marketplace 让用户为 Devin 接入喜欢的 MCP 服务器。
OpenAI DevelopersAI 评分4545 OpenAI Agents SDK 快速入门指南
OpenAI Developers 发布了 Agents SDK 的快速入门文档，提供启动代码示例，旨在帮助开发者在几分钟内构建第一个 AI Agent。内容涵盖 Agent 基础、工具调用等核心概念。
OpenAI DevelopersAI 评分4545 OpenAI 发布前端自动化测试演示项目
OpenAI Developers 发布了一个名为 Frontend testing demo 的 GitHub 示例项目，展示如何使用 Computer Use API (CUA) 来自动化前端测试流程。该资料仅提供了项目名称、简要描述及代码仓库链接，未包含具体的技术实现细节或教程内容。
OpenAI DevelopersAI 评分4545 OpenAI Computer Use API 使用指南
OpenAI Developers 发布了一篇关于 Computer Use API 的指南，介绍了基于计算机使用代理（CUA）的相关功能。该资料主要指向官方文档链接，未包含具体的技术细节、代码示例或新的能力变更说明。
OpenAI DevelopersAI 评分5555 OpenAI 发布 TypeScript 版 Agents SDK
OpenAI 在 GitHub 上发布了用于构建 OpenAI 智能体的 TypeScript 库和工具（Agents SDK），支持 agentic 工作流和工具调用。该资料仅提供了项目名称、简短描述及仓库链接，未包含具体的功能细节、API 变更或版本发布说明。
OpenAI DevelopersAI 评分4545 OpenAI 发布 Computer Use API 示例应用
OpenAI Developers 在 GitHub 上发布了一个名为 openai-cua-sample-app 的示例项目，旨在演示如何使用 OpenAI Agents SDK 构建能够操作计算机的智能体（Computer-Using Agent, CUA）。该资料主要指向一个代码仓库链接，未包含具体的功能更新说明、API 变更细节或新的技术突破描述。
OpenAI DevelopersAI 评分4545 OpenAI 发布 Agent 构建指南文档
OpenAI Developers 发布了关于如何创建和管理 Agents 的指南，内容涉及 Agents SDK、agentic 模式及工具调用。该资料仅提供了文档链接和简短描述，未包含具体技术细节或代码示例。
Manus：Blog精选AI 评分6868 Manus 团队分享构建 AI 智能体的上下文工程经验教训
Manus 团队成员 Yichao 'Peak' Ji 撰文分享构建 Manus 智能体的上下文工程经验，核心原则包括围绕 KV-cache 命中率设计、用 logits 遮蔽而非移除工具、把文件系统当作终极上下文、通过复述待办列表操控注意力，以及保留错误和避免少样本陷阱。
推荐理由：Manus 团队复盘构建智能体的上下文工程经验，KV缓存、工具遮蔽和文件记忆等做法可直接迁移到读者的 Agent 项目。
OpenAI：官网动态精选AI 评分8080 OpenAI 发布 ChatGPT agent System Card
OpenAI 发布 ChatGPT agent 的 System Card，说明其智能体模型整合了研究、浏览器自动化和代码工具。文档按 Preparedness Framework 给出了相应的安全防护措施。
推荐理由：原文给出 ChatGPT agent 的安全文档定位，读者可了解其研究、浏览器自动化与代码工具能力和 Preparedness Framework 防护安排。
OpenAI：官网动态精选AI 评分8484 OpenAI 发布 ChatGPT agent：可思考并调用工具完成任务
OpenAI 发布 ChatGPT agent，能够思考并行动，调用工具完成研究、预订和幻灯片等任务，全程在用户指引下进行。
推荐理由：OpenAI 官方宣布 ChatGPT agent 上线，可自主调用工具完成任务，读者可据此了解智能体能力的落地方向。
英国 AI Security Institute：BlogAI 评分5757 国际网络多国联合开展 AI 智能体评测测试演习
英国 AI Security Institute 牵头，新加坡、日本、澳大利亚、加拿大、欧盟委员会、法国、肯尼亚、韩国等参与第三次国际联合测试演习，聚焦 LLM 智能体评测最佳实践。
Mistral AI：NewsAI 评分5757 Mistral 为 Le Chat 推出 Deep Research、语音模式、Projects 等多项新功能
Mistral 宣布 Le Chat 上线多项新功能，包括 Deep Research 预览模式、基于 Voxtral 模型的语音模式、由 Magistral 推理模型驱动的多语言思考模式、按项目组织对话的 Projects，以及与 Black Forest Labs 合作的高级图像编辑。
Linear：NowAI 评分4242 Mercury 工程师六个月内用 AI 智能体重构工作流：从内部黑客松到 Linear for Agents 集成
金融科技公司 Mercury 的工程师 Matt Russell 在三月内部黑客松中创建工具，将 Linear 任务分配给第三方 AI 智能体，后者返回拉取请求供人工审查。
METR：ResearchAI 评分5858 METR 研究：AI 时间视界在不同领域如何变化
METR 分析 9 个基准，发现软件、数学竞赛和科学 QA 等智力领域的时间视界达 30-200 分钟以上，每约 2-6 个月翻倍，说明原论文 METR-HRS 的约 100 分钟、约 4 个月翻倍并非异常。
Cognition 模型 / Devin 博客精选AI 评分7979 Cognition 签约收购智能体 IDE 公司 Windsurf
Cognition 签署最终协议收购智能体 IDE 公司 Windsurf，交易包括其 IP、产品、商标、品牌和业务，Windsurf 团队将加入 Cognition。
推荐理由：官方公告披露了交易范围、Windsurf 的 ARR 和用户规模及员工待遇安排，读者可以据此了解这起收购的实际内容。
METR：Research精选AI 评分7979 METR 研究发现早期2025年AI工具使资深开源开发者完成任务耗时增加19%
METR 的随机对照实验让16名资深开源开发者处理246个真实issue，允许使用AI（主要是Cursor Pro 搭配 Claude 3.5/3.7 Sonnet）时完成耗时反而增加19%。
推荐理由：原文给出RCT实验设计和开发者预期与实测的反差数据，读者可以据此校准对AI编码工具收益的判断。
英国 AI Security Institute：BlogAI 评分4545 英国 AI Security Institute 如何应对 AI 助长的未来犯罪？
英国 AI Security Institute（AISI）发文阐述其应对 AI 犯罪滥用的研究路径，聚焦多模态生成、高级规划与推理、AI 智能体三类快速进步的能力。
LlamaIndex：产品、工程与评测AI 评分4848 什么是上下文工程？LlamaIndex 详解其与提示词工程的区别及实现技巧
LlamaIndex 发文拆解"上下文工程"概念，指出它与提示词工程的区别在于更关注用最相关信息填满 LLM 的上下文窗口，而非仅提供指令。文章将上下文拆为系统提示词、用户输入、短期与长期记忆、知识库检索、工具定义与响应、结构化输出、全局状态等来源，并给出知识库或工具选择、上下文排序与压缩等策略，可用 LlamaIndex 和 LlamaParse 落地。
Factory 研究 / 产品精选AI 评分7070 Factory 提出 Agent Native Development：用自主智能体开发软件的方法论
Factory 发布 Agent Native Development 方法论，主张让 agent 运行收集上下文、规划、实现、验证、提交的完整内循环，人来负责架构决策和护栏。
推荐理由：Factory 提出的 Agent Native Development 方法论给出写精确规格、验证环境和 drift 恢复的可迁移做法，适合想系统化用 agent 写代码的开发者参考。
OpenRouter：Announcements精选AI 评分5555 OpenRouter 发布新隐身模型 Cypher Alpha
OpenRouter 宣布推出 Cypher Alpha，这是一款免费、通用型隐身模型，内置工具调用功能，用户可直接尝试。
推荐理由：OpenRouter 自家出的免费通用模型，带工具调用，去年夏天发的，现在看只能算个入门级 Agent 玩具，但免费试不亏。
OpenRouter：AnnouncementsAI 评分4747 新型隐形模型：Cypher Alpha
Cypher Alpha 是一款免费、通用、隐形模型，自带工具调用功能。
LlamaIndex：产品、工程与评测精选AI 评分6161 LlamaIndex 发布 Workflows 1.0：面向智能体系统的轻量编排框架
LlamaIndex 正式发布 Workflows 1.0，一个用 Python 和 TypeScript 构建多步骤智能体应用的轻量事件驱动框架，首次以独立包和独立仓库发布。
推荐理由：官方发布说明列出了 1.0 的具体新能力和独立包入口，开发者可据此评估是否把 Workflows 用于现有编排场景。
Sierra：BlogAI 评分5151 Sierra 详解基础模型推理层的自适应路由与请求对冲实践
Sierra 介绍其自适应路由客户端，把基础模型可靠性当作动态优化问题，通过 Balanced 与 Protective 两种转向模式、自适应健康检查和基于 EWMA 的加权 tumbling 窗口，将请求路由到表现最佳的提供商。上线当月经历多次提供商故障，包括一次持续数小时的中断，客户均未感知停机。配套的请求对冲策略在超过设定延迟阈值时发送备份请求，使 P99 延迟下降超过 70%。
英国 AI Security Institute：BlogAI 评分4646 英国 AI Security Institute 发布 Inspect Cyber：面向智能体网络安全评估的新标准
英国 AI Security Institute 发布开源 Python 包 Inspect Cyber，用于标准化创建和运行智能体网络安全评估。它基于 Inspect 评估平台，仅需两个配置文件即可完成评估及其基础设施配置，并支持生成不同提示词或能力的评估变体。
Manus：BlogAI 评分4747 Manus 2.0 发布：速度提升 2 倍、成本降低 5 倍
Manus 推出 Manus 2.0，通过架构增强和基础设施优化将速度提升 2 倍、成本降低 5 倍，并新增聊天模式与使用指南以降低上手门槛。官方称研究、网站建设、幻灯片、图像视频生成和数据可视化已成为主要使用场景，未来将扩展计划任务、全能搜索及邮件、日历、云盘等应用集成。