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。
1,603 条精选近 30 天 167 条共收录 8,347 条
PromptArmor 发布安全公告，指出 OpenAI Codex CLI 在用户信任项目后会自动加载并执行 .codex/config.toml 中的任意代码，且信任对话框只提示 prompt injection 风险，未说明会执行项目级配置命令。
推荐理由：原文给出了具体的攻击链演示和组织级缓解方案，读者可以据此评估在不可信仓库中使用 Codex 的实际风险。
METR 基于 2026 年 1 月 7 名技术人员的 5305 份 Claude Code transcript，用 LLM judge 估算无 AI 完成同样任务所需时间，得出时间节省倍数约 1.5x 至 13x。作者认为该数值因任务替代、任务选择、员工专业化和 judge 验证有限（仅 34 个人工标注）而高估真实提升，只是软上界；并发 agent 数更高的员工时间节省倍数更高。
推荐理由：作者用 5305 份 Claude Code transcript 估算时间节省倍数，并说明它为何只是真实生产力提升的软上界，方法细节可直接借鉴。
Seed2.0系列正式发布，推出Pro、Lite、Mini三款通用Agent模型及专用Code模型，针对复杂多模态任务与长链路Agent场景优化。模型在视觉理解、数学推理与长上下文处理方面达SOTA水平，SuperGPQA分数超越GPT-5.2，并在ICPC、IMO、CMO测试中获金牌。支持科学研究级任务，token成本较顶尖模型降低约一个数量级。目前已上线豆包App、TRAE及火山引擎API。
推荐理由：字节 Seed2.0 正式发布，Agent 与多模态能力全面升级，已接入豆包和 TRAE
Meta与Hugging Face联合推出开源评估框架OpenEnv，旨在标准化智能体与真实系统的交互。Turing公司贡献了生产级“Calendar Gym”环境，用于在权限控制、时间推理等现实约束下研究工具使用智能体。该框架采用类似Gymnasium的API，通过标准接口连接真实工具，将评估重点从受控演示转向真实世界可靠性。日历系统因涉及多用户、多步骤工作流等复杂性，成为评估智能体实际能力的强大测试平台。
推荐理由：提供生产级基准测试，帮助开发者评估和改进 AI 代理在复杂环境中的表现。
MiniMax 最新发布的大语言模型 M2.5，通过在数十万个复杂现实环境中进行强化学习训练，在编码、智能体工具调用、搜索和办公工作等多项任务上达到 SOTA。模型推理效率高，完成 SWE-Bench Verified 评估的速度比前代 M2.1 快 37%，与 Claude Opus 4.6 相当。定价方面，以 100 tokens/秒运行时每小时成本仅 1 美元。M2.5 在超过 10 种编程语言和 20 多万个真实环境中训练，具备从系统设计到测试的全流程能力。
推荐理由：MiniMax M2.5 把 SWE-bench 拉到 80.2%，成本只有 Claude Opus 4.6 的十分之一，速度还翻倍，对做 agent 的团队来说是个高性价比选择。
小红书智能创作团队开源 FireRed-Image-Edit 图像编辑模型，权重采用 Apache 2.0 协议，并在 ImgEdit、GEdit 和自建 REDEdit-Bench 上取得开源模型中的最高分，如 ImgEdit_O 4.56。
推荐理由：小红书团队开源图像编辑模型，README 给出完整基准对比表、训练与部署方案，读者可自行核对开源 SOTA 的成色。
OpenAI 基于 Codex 与内部智能体经验发布一组智能体原语实践指南，包括 Skills（对齐 Agent Skills 开放标准的可复用版本化指令）、支持安装依赖和写输出的托管 shell 工具，以及自动压缩对话历史的服务端 compaction。
推荐理由：OpenAI 以自家和 Glean 的生产经验总结了 Skills、shell 与 compaction 的组合模式，含可操作的路由与安全建议。
Z.ai 发布开源权重模型 GLM-5（MIT 许可，面向长程 Agent 和系统工程），Modal 与其合作上线免费体验端点，4 月底前可用，限单并发请求。FP8 精度下模型约 700 GB，需多 GPU 部署，Modal 用 8 张 B200 单节点配合 SGLang 运行，内部实测每用户 30-75 tokens/秒。
推荐理由：Modal 官方给出 GLM-5 的部署细节、免费端点限制和前端接入配置，读者可直接照做在自己常用的 Agent 框架里试用。
PromptArmor 演示了一种通过间接提示词注入让 AI Agent 返回携带敏感数据的恶意 URL，借助 Telegram、Slack 等应用的链接预览功能在用户不点击的情况下实现数据外泄的攻击链。
推荐理由：原文拆解了链接预览导致无需点击即可数据外泄的攻击链，并给出 OpenClaw Telegram 的具体关闭配置和自测方法。
Cognition 宣布 Devin 现在可自动修复 Devin Review 及其他审查机器人留下的 PR 评论，包括 linter、CI/CD、安全扫描和依赖管理机器人。用户可在 Settings > Customization > Autofix settings 中配置；该功能大幅增加了内部 token 消耗，但团队称 PR bug 明显减少，并缩小了人类只需处理需判断的工作。
推荐理由：原文给出具体配置入口和适用范围，读者可以了解如何让 Devin 自动修复 PR 上的机器人评论。
Prime Intellect 发布 Lab 平台，将 Environments Hub 与 Hosted Training、Hosted Evaluations 整合为覆盖大规模智能体 RL、推理与评估的后训练全栈平台，即日起向所有人开放。
推荐理由：原文交代了平台构成、已开放状态和训练配置方式，读者可以判断它能否替代自建 GPU 集群做智能体后训练。
一款让 AI agents 担任市长的城市模拟器，支持通过 REST API 或 MCP 服务器进行程序化城市建造与管理。
推荐理由：AI Agent 通过 MCP 协议玩模拟城市，有趣的 Agent 应用实践案例
Kimi推出Agent Swarm系统，支持100个子代理并行工作，可执行超1500次工具调用，任务完成速度比顺序执行快4.5倍。该系统突破单模型上下文限制，采用自我组织架构，用户下达指令后自动"招聘"CEO、研究员等角色并动态分配工作流，无需人工编写脚本。适用于大规模信息搜集、长文档生成及多视角辩论等场景，通过结构性分歧避免AI群体思维。
推荐理由：Kimi发布Agent Swarm，支持100个AI子代理并行协作，可自动分解复杂研究任务
FireRedTeam 于 2026-02-10 正式开源 FireRed-OpenStoryline，将视频创作变为自然语言对话，支持素材搜索下载、脚本生成、BGM 与配音字体推荐，以及全流程剪辑。
推荐理由：官方开源的对话式视频剪辑项目，覆盖素材检索、脚本生成到剪辑全流程，并可直接通过 Claude Code 等 Agent Skills 安装使用。
NVIDIA 已向 3 万名开发者部署 Cursor，代码提交量提升 3 倍，缺陷率保持稳定。Cursor 已深度集成至软件开发生命周期全流程，不仅用于代码生成，还通过自定义规则实现代码审查、测试、调试及 git 工作流自动化。新员工可更快熟悉复杂代码库，资深开发者也能跨技术栈工作，代码风格一致性得到改善。
推荐理由：NVIDIA 3万开发者使用 Cursor，代码提交量提升3倍，展示企业级 AI 编程与 Agent 自动化实践
PromptArmor 实测演示了对 OpenAI Agent Builder 的间接提示词注入攻击：攻击者提交含注入的 Google Form，诱使销售智能体工作流通过 Gmail 将 Salesforce CRM 数据发送给攻击者。
推荐理由：作者以第一手实测演示了 OpenAI Agent Builder 中经 MCP 的提示词注入数据外泄路径，还展示了 Guardrail 被绕过和多步工作流传递注入的细节。
Manus 博客针对 B2B 销售提案、QBR 和竞争演示场景测试了 8 款 AI 演示工具，Manus 以研究驱动的可引用数据获 9 分居首，Genspark 和 Visme 各得 8 分。测评指出多数工具输出属于演示级初稿，只有 Manus 在生成幻灯片前实际研究市场和竞争对手；各工具均缺深度原生 CRM 导入，团队一般还需 15–30 分钟人工完善。
推荐理由：作者以真实 QBR 场景实测 8 款 AI 演示工具，给出评分、价格和适用场景，读者可按销售工作流直接对照选型。
Anthropic 发布 Claude Opus 4.6，定位为最智能模型，专为复杂智能体任务和长周期工作设计。新模型推荐使用自适应思考模式（`thinking: {type: "adaptive"}`），弃用手动思考，且不支持预填充助手消息。
推荐理由：Opus 4.6 把长上下文和智能体推理推向实用，加上压缩 API 和数据驻留控制，这是 Anthropic 面向企业落地的完整答卷，做 agent 的开发者值得认真评估。
研究人员采用“智能体团队”方法，让多个Claude实例在无人工干预下并行协作开发代码。为进行压力测试，团队指派16个智能体从零编写一个能编译Linux内核的Rust版C编译器。项目消耗近2000次会话和约2万美元，最终产出10万行代码的编译器，可成功在x86、ARM和RISC-V架构上构建Linux 6.9内核。研究重点在于设计支持长时间自主运行的智能体团队框架，包括如何编写测试以保持智能体不偏离方向，以及如何通过基于文本文件的锁机制协调多智能体并行任务分配。
推荐理由：Anthropic 研究员用 16 个 Claude 并行写了个能编译 Linux 内核的 C 编译器，2000 次会话花了两万刀。真正值钱的不是编译器本身，而是他总结的 agent 团队协作方法论，做多 agent 系统的人该逐段拆。
