跳到正文

技术方向

Agent 智能体 最新动态

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。

27 条精选近 30 天 24 条共收录 61 条

更新

Agent 智能体的精选

11月21日周六第 1–20 条
  1. AWS Machine Learning Blog68

    如何使用 Skyflow 和 Amazon Bedrock AgentCore Gateway 保护智能体工具调用

    AWS 官方博客介绍了通过在 Amazon Bedrock AgentCore Gateway 中集成 Skyflow 拦截器,实现对智能体工具调用中敏感数据的去标识化处理。

    推荐理由:本文介绍了如何利用 Skyflow 和 Amazon Bedrock AgentCore Gateway 为智能体工具调用增加数据保护层,通过拦截器实现敏感数据的去标识化与还原,无需修改现有智能体代码。

  2. AWS Machine Learning Blog72

    Amazon Bedrock AgentCore 引入 Strands 框架、内置工具及生命周期钩子

    Amazon Bedrock AgentCore 升级至 Strands 框架,提供推荐模型、自动提示词缓存、上下文管理及多种内置工具,无需用户自行配置基础设施。新增的生命周期钩子允许开发者在智能体循环的关键节点运行确定性代码,从而实现对智能体行为的安全治理与流程控制。

    推荐理由:此次升级引入了 Strands 框架与生命周期钩子,开发者可借此实现更可控的智能体工作流,并利用内置工具降低开发与运维成本。

  3. AWS Machine Learning Blog68

    AWS Quick 发布 Selling Partner 插件并开启免费订阅优惠

    AWS Quick 推出 Selling Partner 插件,允许卖家将销售数据、库存信号和市场情报直接接入 AI 助手,实现对话式业务分析与自动化决策。该插件目前处于 Beta 测试阶段,亚马逊为全球卖家提供 12 个月的免费 AWS Quick Plus 订阅及 10 个协作账号,用户需在 2026 年 12 月 31 日前完成注册。

    推荐理由:亚马逊通过 AWS Quick 推出 Selling Partner 插件,将销售数据与 AI 助手集成,为卖家提供了一种无需编码即可自动化处理库存和运营决策的新路径。

  4. AWS Machine Learning Blog72

    宝马集团如何管理数千名开发者使用的数百个 AI 智能体

    宝马集团通过构建分层架构(MCP 工具、技能、流程)和基础设施即代码(IaC)实践,实现了对大规模智能体集群的治理。该方案通过 CI/CD 流水线强制执行确定性治理规则,并利用中央注册表与持续评估机制,在保障合规性与安全性的同时,支持开发团队高效构建并扩展智能体应用。

    推荐理由:宝马集团分享了其在企业级规模下治理数百个 AI 智能体的架构模式,为开发者提供了可复用的治理框架与 CI/CD 实践参考。

  5. AWS Machine Learning Blog78

    AWS 宣布 Amazon Bedrock AgentCore 支持通过 AWS 账单支付 Marketplace 产品

    AWS 扩展了 Amazon Bedrock AgentCore payments 功能,允许 AI 智能体在 AWS Marketplace 中发现并购买支持 x402 协议的软件、API 和数据,费用直接结算至开发者的 AWS 账单。该方案通过 AWS Billing 集成、支出限额设置及 CloudTrail 审计功能,为企业提供了安全且可控的智能体自主交易环境。

    推荐理由:AWS 将 AWS Marketplace 集成至 AgentCore payments,使 AI 智能体能通过 AWS 账单直接支付 x402 协议的付费内容,为企业级智能体交易提供了可审计的结算方案。

  6. AWS Machine Learning Blog68

    AWS Quick 发布多智能体协作、流程自动化及网页端更新

    AWS Quick 推出多项更新,支持用户通过自然语言在聊天中构建和运行自动化流程,实现多智能体协同处理复杂任务。更新后的网页端新增了每日简报、任务看板及后台持续运行功能,并增加了对 Meta Ads 和 Amplitude 的数据连接支持,同时引入了提示词安全防护与多语言支持。

    推荐理由:AWS Quick 此次更新强化了流程自动化与多智能体协作能力,通过自然语言构建工作流及新增数据连接器,帮助团队将个人经验转化为可复用的标准化流程。

  7. AWS Machine Learning Blog68

    AWS 推出分布式 KV 缓存 Agent 技能以降低自托管 LLM 成本与延迟

    AWS 发布了用于 Agent Toolkit 的分布式 KV 缓存技能,旨在通过 Amazon ElastiCache 共享缓存层减少 GPU 重复计算,从而降低自托管 LLM 的推理成本并缩短首字延迟。该技能支持 Kiro、Claude Code 等 Agent,可引导用户完成工作负载评估、缓存集群配置及故障排查,并提供 KVTrace 工具用于预测性能收益。

    推荐理由:本文介绍了如何利用 AWS Agent Toolkit 中的分布式 KV 缓存技能优化自托管模型推理,通过自动化诊断、成本评估与配置引导降低延迟。

  8. Google Research74

    Google 在 Gemini 应用中推出 Duplex 智能体通话功能

    Google 宣布将 Duplex 语音通话技术集成至 Gemini 应用,支持用户通过 AI 智能体代为拨打商家电话处理预约等现实任务。该系统已从早期的专用模型演进为基于 Gemini 的统一架构,利用多模态理解与实时推理处理复杂通话场景,并支持通过 Agent Payments Protocol 处理交易。

    推荐理由:Google 将 Duplex 语音通话能力集成至 Gemini 应用,展示了从专用模型到 Gemini 统一架构的演进,并支持处理更复杂的现实任务。

  9. AWS Machine Learning Blog62

    Standard Bank Group 如何实现生成式 AI 的风险评估自动化

    Standard Bank Group 与 AWS 合作开发了一套自动化风险评估系统,通过预评估智能体收集证据,并利用 Amazon Bedrock 上的大模型作为“裁判”对 AI 用例进行合规性评分。该方案将传统的两周人工审核缩短至约两小时,实现了从静态文档审核向持续性自动化合规治理的转变。

    推荐理由:本文展示了银行如何通过自动化评估流程将合规政策转化为可执行的测试,为企业在快速迭代中实现 AI 风险治理提供了可参考的架构思路。

  10. The Decoder81

    Google Gemini Mac 应用推出 Computer Use 功能

    Google 在 Gemini Mac 应用中推出 Computer Use 功能,允许模型在后台独立运行并完成跨本地文件、桌面应用和网页的多步骤任务。用户可通过自然语言描述目标,Gemini 将在隔离窗口中执行点击、输入和导航操作,同时支持用户实时监控、暂停及授权关键步骤。

    推荐理由:该功能通过后台隔离窗口实现桌面自动化操作,为用户提供了一种在不中断当前工作流的情况下处理多步骤任务的新方式。

11月20日周五
  1. Hugging Face Blog82

    Hugging Face 发布智能体适配器训练方案以提升模型性能与效率

    Hugging Face 介绍了如何通过在特定智能体框架内进行强化学习训练 LoRA 适配器,从而显著提升模型在软件工程任务中的表现与效率。该方案支持将多个适配器合并为单一的超级适配器,并提供了完整的训练配方、数据集构建流程及工具调用安全插件,帮助开发者在自定义任务中复现该优化效果。

    推荐理由:原文提供了一套通过强化学习训练智能体适配器以提升模型在特定框架下表现的完整方案,开发者可参考此配方优化自定义任务的执行效率与准确性。

  2. NVIDIA Blog68

    NVIDIA 开发者如何利用前沿 AI 智能体将创意转化为仿真应用

    NVIDIA 官方介绍了开发者如何通过自然语言指令引导 AI 智能体,结合 NVIDIA Omniverse 库与 Isaac Sim 框架,完成从 3D 资产组装、物理属性配置到交互式仿真环境构建的全过程。文中通过机器人拾取、VR 场景搭建、数字孪生测试及工业自动化等多个实战案例,展示了智能体在提升仿真开发效率与验证复杂场景中的应用价值。

    推荐理由:文章通过多个 NVIDIA 内部及生态开发者的实操案例,展示了如何利用前沿 AI 智能体结合 Omniverse 库构建物理仿真环境,为开发者提供了可参考的 Agent 辅助开发工作流。

11月19日周四
  1. OpenAI News77

    OpenAI 如何利用 Performance Factory 保持 ChatGPT 的运行速度

    OpenAI 介绍了其内部的 Performance Factory 系统,该系统利用 Codex 智能体自动调查、诊断并修复 ChatGPT 的性能回归问题。通过将性能工程工作流模块化,该系统实现了从告警触发到修复验证的全流程自动化,并引入了对抗性审查机制以提高诊断准确性。

    推荐理由:OpenAI 详细介绍了其内部自动化性能工程系统 Performance Factory 的架构与工作流,为开发团队构建生产级智能体系统提供了可参考的工程范式。

  2. Hugging Face Blog72

    RadixArk 发布 DaisyRose-27B 模型,提升智能体训练效率

    RadixArk 发布了 DaisyRose-27B 模型,该模型基于 Qwen3.8-27B,通过 Miles 强化学习框架在 1,200 个长周期智能体任务上训练而成。模型在 Terminal-Bench 4.1 等多项推理与编码基准测试中表现优于原版,并以 Apache 2.0 协议开源。训练过程利用了高效的异步后端,显著降低了 GPU 计算成本并提升了训练速度。

    推荐理由:RadixArk 发布了基于 Qwen3.8-27B 的 DaisyRose-27B 模型,展示了通过强化学习框架 Miles 在长周期智能体任务上的训练效率提升。

  3. Ars Technica · AI78

    Meta 内部聊天记录显示 Muse 智能体引发隐私担忧

    Meta 内部聊天记录显示,员工在测试 Muse 智能体时发现其存在读取加密私信、混淆对话上下文及泄露敏感数据等异常行为。Meta 官方回应称这些多为模型幻觉,已修复相关漏洞,但外部测试指出该智能体在 Android 和 macOS 上对权限的调用方式仍引发了关于隐私保护与用户控制的广泛争议。

    推荐理由:通过披露 Meta 内部聊天记录与外部测试,揭示了 AI 智能体在处理权限与隐私时存在的潜在风险,为开发者设计用户控制机制提供了反面案例。

11月17日周二
  1. NVIDIA Blog74

    NVIDIA 在 SC26 发布 Nemotron for Science 模型及 Rubin HPC GPU 等科学计算新品

    NVIDIA 在 SC26 大会上发布了面向科学计算的 Nemotron for Science 模型、Rubin HPC GPU 及 Vera CPU 平台,旨在通过 AI 智能体自动化处理实验规划、代码运行与结果验证。该系列工具支持在本地环境运行,并已在化学研究、天文观测及代码移植等场景中展现出显著的效率提升。

    推荐理由:NVIDIA 在 SC26 发布了面向科学计算的智能体工具集与硬件平台,展示了 AI 智能体在自动化实验规划与科学研究中的应用潜力。

  2. Microsoft Research76

    Microsoft Research 发布 TokenEconomizer:通过经验学习提升 AI 编码智能体效率

    TokenEconomizer 是一款开源插件,通过分析代码库的历史会话记录,利用微技能注入、工具剪枝和失败循环干预三种机制,在不修改底层模型的情况下减少冗余 Token 消耗。在 277 项 SWE-Bench 任务测试中,该工具在保持任务成功率稳定的前提下,将平均成本降低了 18.4% 至 30.9%。

    推荐理由:该研究提出的插件通过利用历史会话经验优化智能体上下文,在不修改模型的前提下显著降低了编码任务的 Token 消耗,为提升智能体工程效率提供了可迁移的实践路径。

11月14日周六
  1. Google Research88

    Google 在 Antigravity 平台发布 /teamwork 多智能体协作功能

    Google 宣布向研究人员和开发者开放 Antigravity 平台的 /teamwork 功能,该工具利用 Gemini 4 模型系列构建多智能体工作流,通过并行探索与自动化验证机制解决数学证明、代码重构及系统工程中的复杂长程任务。目前该平台已支持包括代码优化、文档审查在内的多种模式,并为学术研究人员提供免费使用额度。

    推荐理由:Google 开放了 Antigravity 平台的 /teamwork 多智能体协作功能,通过将复杂任务拆解并引入自动化验证机制,为科研与工程领域提供了一种可复用的长程推理工作流。

11月13日周五
  1. GitHub Blog · AI & ML74

    GitHub 指南:构建一次,在任意 Agent 上运行的技能

    GitHub 官方发布了关于构建可复用 Agent 技能的实践指南,建议将重复性指令封装为版本化的 SKILL.md 文件。通过将项目配置与技能逻辑分离、统一执行路径并设置人工审核节点,开发者可以实现跨不同 Agent 客户端的技能迁移与协同工作。

    推荐理由:本文介绍了如何通过标准化定义 Agent 技能实现跨平台复用,为开发者提供了构建可维护、模块化智能体工作流的实践指南。