技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
1,601 条精选近 30 天 175 条共收录 8,329 条
Tessl 工程师 Ankit Jain 分享团队 PR 量翻四倍、代码几乎全部由 AI 生成后，放弃逐行 diff 审查、改为在代码生成前审查意图并逐条验证验收标准的做法。关键实践包括维护 offer-skill 技能理解代码变更，以及把重复出现最多的审查评论固化成机器自动执行的不变量规则，作者预计第二个月起审查负担明显缩小。
推荐理由：作者团队 PR 量翻四倍后放弃逐行审代码，改为事前审意图加可验证准则，给出了可直接照搬的做法和时间预期。
据 The Intercept 获取的文件，美国陆军网络司令部（ARCYBER）正在开发代号 ECHOTRIBBLE 的平台，让 AI 智能体自主在网络间移动、识别并清除威胁目标，之后自毁，且须在极少人工监督下运行。
推荐理由：文件披露 ARCYBER 让 AI 智能体自主扩散和清除目标的计划，多位安全研究者指出了误伤和失控风险。
Cursor 发布 Agent SDK，这是其构建 Bugbot、Security Reviewer、Rollouts 等托管智能体所用的框架，现已全面开放。
推荐理由：Cursor 开源了自家用作 Bugbot 等托管智能体的开发框架，读者可以据此评估用代码定义和部署团队智能体的可行路径。
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。
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。
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。
Arena.ai@arena精选AI 评分7474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。
Google Developers Blog 发布教程，讲解如何用开源 ADK 与 gemini-3.8-live 构建不出现冷场的语音智能体，核心是非阻塞工具调用。
推荐理由：Google 官方教程给出 ADK 非阻塞语音工具的两种模式和实测数字，可迁移到自己的 Gemini Live 语音智能体开发。
Artificial Analysis@ArtificialAnlys精选AI 评分6666推荐理由：第三方评测机构给出该模型在多项基准的具体分数和成本对比，读者可据此评估其在开源模型中的性价比位置。
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。
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。
AI 安全公司 Norforge 发现一名黑客用开源 AI 平台 Cairn 编排的智能体入侵了超过 100 个网站，据 Reuters 报道受害者包括 John Deere、SharkNinja 和 Cummins。
推荐理由：原文梳理了 Norforge 发现的暴露 Cairn 实例和受害企业回应，读者可以了解 AI 智能体大规模攻击的实际形态。
MiniMax 发布 MiniMax M3.1 Flash，匿名模型 Space Bunny 是其早期版本，曾处理超过 200 万亿 token。
推荐理由：官方给出具体基准分数、推理速度和每百万 token 定价，读者可直接对比智能体任务的性价比变化。
Browser Use 发布科普文章，讲解浏览器智能体由模型、harness 和浏览器三部分组成，通过观察页面、选择动作、执行并检查结果的循环完成任务，可通过 DOM、无障碍树或截图读取页面。
推荐理由：原文系统拆解浏览器智能体的组成、运行循环与选型边界，并用自家云端使用数据说明典型场景、成本风险与起步方法。
Addy Osmani@addyosmani精选AI 评分6969Claude 编写了 Claude Code 约 90% 的代码。 从六月到九月，合并的 PR 数量翻了一倍多，而回退的占比下降了 40% 以上。 我们撰文介绍了我们如何改变代码审查来实现这一目标，以及如何采用它： https://claude.dev/blog/solving-code-review-at-anthropic/
推荐理由：作者以 Anthropic 团队实践为基础，给出让智能体自证工作、把人工审阅改为多层验证体系的具体思路。
Anthropic 发布基于内部数据的技术报告，研究 AI 对自身雇佣与工作组织的影响。到 2026 年 8 月，交互式 AI agent 工时已达员工的 6 倍；技术部门初级员工占比从 21% 降至 14%，初级技术招聘占比从 27% 降至 9%。
推荐理由：报告基于内部雇佣、agent 遥测和访谈数据，量化展示 AI 如何改变初级技术岗位、产出与用人标准，可作为观察 AI 对就业影响的一手案例。
Google Research 发布三项研究，构建 AI 智能体自主湿实验室的基础模块。
推荐理由：原文给出 VERID 数字孪生、闭环适配体与全新蛋白设计三项进展的实验数据，可了解 AI 智能体走进湿实验室的真实差距与解法。
a16z 图表周报指出智能体商务遇阻，Cloudflare 数据显示智能体与爬虫收到的 403 拒绝响应自夏季起明显增多，约为原先两倍。文章引用 NRF 数据称退货率与退货成本自 2019 年以来分别翻倍和增至三倍，并引用调查指 42% 消费者完全不信任 AI 代购，Similarweb 数据显示 AI 购物多发生在发现与购买之间的中间阶段，而非下单环节。
推荐理由：原文汇集 Cloudflare、Similarweb 等数据，指出智能体购物正遭遇电商封禁与消费者信任不足的双重阻力。
Reflection 首个开放权重模型 Beam 发布当天即上线 Ollama Cloud，限时免费，端点支持零数据保留（ZDR）。
推荐理由：Ollama 官方说明 Beam 的接入方式、ZDR 隐私安排与适用场景，读者可据此评估是否把它纳入现有工作流。
SGLang 团队宣布原生支持 Reflection 的 Beam 1.0（501B 参数 MoE、每 token 激活 23B），并以其驱动 Reflection 的生产 API。
推荐理由：原文给出 SGLang 对 Beam 的原生支持细节与实测吞吐数据，读者可据此评估该推理栈在智能体负载下的服务性能。