跳到正文
#Agent
10月20日周二
  2. Rohan Paul73

    Bloomberg 报道，一个为授权渗透测试打造的开源智能体在数周内成为韩国和日本多起入侵行动的共同工具。日本 Ierae 考察的攻击服务器针对约 20 家公司，且几乎全部位于日本，其中 9 家属同一行业；在韩国，CrowdStrike 将该工具与一个可能讲中文、以牟利为目的的行为者联系起来，其从 9 月下旬起主要用 DeepSeek v4.1-flash 运行该工具攻击金融机构。

  3. Sakana AI：Blog49

    Sakana AI 提出 QD-Rec：用开放式探索提升推荐质量与多样性

    Sakana AI 开发出推荐方法 QD-Rec，把「候选＋选择理由假设」作为推荐单元，由生成 AI 基于历史优质假设反复生成新假设，并用 Quality-Diversity 思路保留不同切口的推荐。在 M&A、客户定向、论文推荐三类任务中，QD-Rec 多数设置下平均评分高于每次从零写假设的基线，并构建出规模更大的推荐集合。

  6. Rohan Paul50

    普林斯顿论文发现，将多个开发者各自构建的专用智能体组合起来，可超越任何单一开发者的通用智能体，GAIA准确率达70%。在相同总开发预算下，单独得分最高仅35%的专用智能体组合后达到70%，比通用智能体中位数高12个百分点；但在仅需网页搜索的SealQA上，组合系统成本更高且表现更差。作者认为智能体应填补共享系统的空白：单独得分19%的智能体可将组合系统从40%提升至53%。

  7. IT之家·人工智能43

    思科总裁用 AI 智能体盘点并取消无用订阅，一年省下上千美元

    思科总裁兼产品主管吉图・帕特尔用个人 AI 智能体扫描邮箱后发现，自己每年各类订阅总开销高达 9,000 美元，随后让智能体生成订阅清单并取消两项不需要的服务，每年省下 1,000 到 1,200 美元。该智能体每月订阅费 20 美元，还帮他取消了误开的每月 11.95 美元 Dropbox 套餐。他强调不应把未经企业审核的个人 AI 智能体接入工作工具与内部资源。

  10. indigo57

    作者引用 @0xshawnpang 的分析认为，阻碍 Agent 互联的不是技术而是政治。文中回顾了中国自 2013 年移动端时代以来的「不联网」生态，包括内容不可发现、链接被拦、功能只能进 App 使用，并指出美国平台也在向 Agent 关门，如 Amazon 向 Perplexity 发函要求其购物代理 Comet 停止未经许可的访问，eBay 要求代买 Agent 事先获得许可，Target 采用 Agent 白名单，花旗不允许第三方 AI Agent 代客户登录账户，Delta 明确用户授权不构成对其的授权，Yelp 仅提供需 API 密钥的 MCP 接入。

    引用Shawn Pang@0xshawnpang

    中国的互联网从13年的移动端时代就变成了“不联网”，其实现在美国的互联网也因为Agent能力重新可能变成“不联网”。 中国移动互联网 “不”联网的特征是： - 不能发现内容，搜索引擎找不到，必须进入某个 App 搜； - 不能读取内容，有链接也看不了，折叠全文、弹出登录或下载要求； - 不能使用功能，网页只有介绍或残缺功能，完整操作必须进 App／小程序； - 不能跨平台流动，链接被拦、不能直接跳转、只能复制口令或换浏览器。 这一个现象一直都很恶心，很独特的你封杀我我封杀你，平台之间的“截流”和投流量成为了一门学问，形成了我只在中国产品里见到的靠口令红包和自动读取剪贴板跳转的生态，贼tmd sb。 这也是为什么中国不管是Personal Agent还是Work Agent都是在同一体系内很能打，但是一旦跨体系就几乎智障的原因，很难出现一个Open Web上的Super Agent，都关着门，没有数据可以拿到没有功能可以调用，哪里能构建好Context和Workflow。 中国当前App “不联网” 的本质原因有两个。 一是因为2013年后手机端成为了主要入口，每一个大厂都在打造自己的超级App，于是乎web端功能不再迭代甚至删减限制，每一产品都在把聊天、内容、购物、支付乃至部分公共服务全部塞到自己生态里，再通过小程序继续确保用户不离开自己。 另外一个就是17年基本所有主流平台受网络安全法要求统一强制实名要求，其实也给了大厂们一个理由更封闭。 但是其实美国也在AI时代互联网面临着“不”联网的处境，最近大量讨论都围绕在平台是否应该向Agent开放权限上，大部分的头部传统企业也都先选择把门关上。 购物网站： - Amazon：2025年10月31日向Perplexity发函，要求其购物代理Comet停止未经Amazon许可的代理访问；2026年9月，又封锁了Meta Muse对Amazon的访问。 - eBay：用户协议直接点名代买Agent、LLM驱动的机器人等自动化工具，要求事先获得eBay明确许可才能访问其服务。 - Target：采用Agent白名单。只有用户批准、同时获得Target授权的Agent才能接入，其他Agent不能登录、查询、抓取数据，或者通过API与网站交互。 银行和券商： - 花旗Citi：不允许第三方AI Agent代客户登录账户，或者直接在其数字银行平台内执行交易；保留通过部分开放银行服务商、经客户授权的有限只读访问。 - 摩根大通Chase：要求Agent明确表明身份、标记流量，并在条款中保留限制、暂停、终止Agent访问的权利。 出行和本地生活： - Delta航空：条款明确写着，用户授权某个第三方Agent，并不构成Delta对它的授权；Delta保留拒绝与其交互、处理其请求或交易的权利。 - Yelp：未经许可的自动化访问、抓取和检索受到限制；它也提供自己的MCP接入，但需要通过Yelp的API密钥使用。

  12. 公众号：数字生命卡兹克75

    Apate.ai 用35万个AI反诈拖住骗子，国内年轻人用AI视频反制AI卖惨账号

    作者讲述了两起用AI反制诈骗的案例。澳大利亚公司 Apate.ai 用35万个AI伪装成容易上当的受害者，已与骗子聊天250万次，累计耗掉骗子约17年时间，澳大利亚运营商 TPG 将近59万通可疑来电转给这些AI，澳洲联邦银行公开报告的诈骗损失降低76%，公司今年8月拿到815万美元种子轮融资。

    推荐理由：文章复盘了用AI拖延骗子和反制AI卖惨账号的两个真实案例，可以看清攻防双方的成本结构差异。

  13. Stanford HAI News67

    斯坦福 HAI 发布 MedHELM、PhysicianBench 与 HealthAdminBench，测出医疗 AI Agent 实际完成率不足一半

    斯坦福团队总结三年构建医疗 AI 基准的成果，PhysicianBench 上最佳模型 GPT-5.5 单次仅完成 46% 任务，HealthAdminBench 上 Claude Opus 4.6 完成 36.3%。MedHELM 覆盖 5 大类 121 项临床任务，评测显示临床决策支持和管理流程得分最低；失败主要来自跨文档与系统传递信息时丢失上下文，两项基准均以合成数据、公开代码和排行榜开放。

    推荐理由：斯坦福团队基于三年基准构建经验给出实测结论，最好的医疗 Agent 完成任务不足一半，失败多源于跨系统信息传递。

  14. Cursor：Changelog65

    Cursor 正式推出 Agent SDK，可用代码文件夹定义并部署智能体

    Cursor 正式推出 Agent SDK，支持以代码文件夹形式定义智能体，用评估测试，并部署到 Cursor 或自有基础设施。运行 npx @cursor/agent-sdk init 即可初始化，agent-sdk deploy 会构建智能体并分配 URL；提供安全审查、PR 自动修复、Linear / Jira 分诊等模板。

    推荐理由：原文给出智能体即代码的项目结构和评估、部署命令，读者可以据此把 PR 审查、Slack 分诊等机器人跑起来。

  19. MiniMax (official)52

    MiniMax 宣布 MiniMax M3.1 Flash（代号 Space Bunny）已在 GMI Cloud 上线，官方称 GMI 实现了 day0 上线。引用内容称该模型面向编码、智能体工作流和 computer use，智能体任务成本降低 70%，DeepSWE v1.1 达 73.7%，CyberGym 达 82%，可通过 https://console.gmicloud.ai 运行。

    引用GMI Cloud@gmi_cloud

    MiniMax M3.1 Flash, aka Space Bunny, is now available on GMI Built for coding, agentic workflows, and computer use 70% lower agentic task costs, 73.7% on DeepSWE v1.1, 82% on CyberGym Run it now 👇

  22. MiniMax (official)50

    来自 @ollama 的 Day0 支持 🦙🤝🐰 M3.1 Flash，美国托管，零数据保留，已为你的智能体准备就绪。开始构建吧！

    引用ollama@ollama

    MiniMax M3.1 Flash is on Ollama! 🔒 Hosted in the US and with zero data retention. Fast coding and agentic workflows, with image understanding and a 1M-token context window. Try it on Ollama Cloud: ollama run minimax-m3.1-flash:cloud Claude Code: ollama launch claude --model minimax-m3.1-flash:cloud Codex: ollama launch codex -–model minimax-m3.1-flash:cloud

  26. Rohan Paul45

    Context.dev 提供一个 API 让 AI 智能体读取实时网页：传入 URL 返回干净文本，也可搜索、爬取站点、查询公司信息或监控页面变化。它把抓取、搜索、公司数据和页面监控整合到一个 key 和一张账单下，避免智能体管线分别付费给 3-4 家供应商并写胶水代码。该 API 已获 800+ 客户使用，公司完成由 General Catalyst 领投的 900 万美元融资。

    引用Yahia Bakour@mynameisyahia

    We raised $9M to give your agents the internet. Led by @generalcatalyst, with @orangecollectv and Robinhood Ventures. Search, scrape, crawl, monitor with one API trusted by 800+ customers. We’re making it ridiculously easy to build with web data.

  30. Arena.ai74

    Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Agent Arena 第一开源模型，总排名第 11，基于超 7.5K 真实会话净提升 +5.1%。其中位任务成本 $0.20，约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%；Confirmed Success 提升 +11.5%，且无 Tool Hallucination 问题。

    引用Arena.ai@arena

    激动人心的消息：@deepseek_ai 的 DeepSeek-V4.1-Flash-20261017 (Max) 现已成为 Code Arena: WebDev 中排名第一的开源模型，以低 10 倍的成本超越 Kimi K3 (Max)！ 亮点： - 排名第一的开源模型，领先于 Kimi K3 (Max) - 以 1670 分位列总榜第 12，领先于 Claude Opus 5 (High)，与 GPT-6 Sol (Max) 相差约 10 分以内 - 以每百万输入/输出 token $0.3/$1.2 的价格推动帕累托前沿移动 - 相比上一版 DeepSeek-V4.1-Flash-20260910 提升 52 分 祝贺 @deepseek_ai 团队为开源生态又做出了一项强有力的贡献！

    推荐理由：Arena 用 7.5K 真实会话的数据说明该模型以约 27% 的成本拿下开源第一，读者可据此权衡 Agent 场景的性价比。

10月19日周一
  2. LangChain：Blog61

    Numan 如何用 LangGraph 和 LangSmith 构建评测优先的 AI 健康教练 Nu

    英国数字健康公司 Numan 复盘其 AI 健康教练 Nu 的评测体系建设，核心结论是稀缺资产不是提示词而是评测标准。单轮静态数据集和脚本化多轮对话都难以覆盖真实会话，Nu 改为按类别打分的主题数据集、以更廉价模型扮演患者的模拟对话层，并让安全回归自动阻断发布。

    推荐理由：Numan 一手复盘 AI 健康教练的评测体系建设，给出的固定数据集、模拟对话和临床医生签核准则等做法可迁移到其他受监管场景。

  3. Meta Engineering Blog70

    Meta 详解 Thin Orchestrator 模式：让路由少干活提升 AI 智能体可靠性

    Meta 工程团队介绍其数据管道智能体采用的瘦编排器（thin orchestrator）模式：一个约 1300 行的编排器只负责路由和可靠性检查，将 20+ 工作流分派给 14 个上下文隔离的专项子智能体，自身不做任何领域推理。

    推荐理由：Meta 工程团队给出可直接迁移的瘦编排器架构方法，用固定路由协议和隔离子智能体降低生产智能体的幻觉风险。