跳到正文

#Agent

今日 165 條
9月28日週一
9月26日週六
  1. Claude Code：GitHub Releases50

    Claude Code v2.1.283 更新加入模型管控、提示詞審核及閘道負載測試

    Claude Code 發佈 v2.1.283，新增模型可用性管控、提示詞審核及閘道負載測試模式，並修正多項 MCP、插件與工作流問題。管理設定可限制可用模型版本或封鎖指定模型；/doctor prompt-audit 可檢查 CLAUDE.md、skills、agents 和 commands 中為舊模型編寫的提示詞模式。負載測試模式會建立並簽署請求，但不會發送至上游，客戶端則會收到固定回覆。

  2. GitHub Blog · AI & ML66

    GitHub Copilot app 初學者指南：如何用 canvases 建立自訂工作流程

    GitHub Copilot app 的 canvases 可按用户描述生成自訂介面，讓用户與智能體在共享畫布中同步查看和更新工作內容。用户在 Agent 工作階段輸入 /create-canvas，描述所需工作流程、介面操作和智能體可執行的事項，毋須手動編寫程式或設計。畫布建立後會保存為擴展，可留在專案中供團隊共用，也可保存為個人擴展重用。

    推薦理由：文章從描述工作流程、介面操作與智能體職責開始，示範如何建立、反覆調整並保存可重用的畫布擴展，呈現把日常流程轉成協作介面的具體步驟。

9月25日週五
  1. Azeem Azhar：Exponential View64

    Meta Muse：你的智能體究竟為誰服務？

    Azeem Azhar 分析 Meta 的 Muse，指出消費者智能體能代辦購物與日常任務，但交易抽成可能令代理的忠誠對象與用戶利益出現衝突。Meta 表示會從交易收取小額費用，Muse 已與 Walmart、Best Buy、Sephora 及 Expedia 合作，Amazon 則封鎖 Muse。

  2. Newcomer 新聞長文67

    個人智能體承諾重塑網絡，Instinct 與 Meta Muse 崛起將逐步揭示網絡新面貌

    個人智能體已突然以大眾消費產品形式登場，Meta Muse 暫時領先，並承諾大幅減輕用戶處理行政事務的負擔。但網上商務基建和商業慣例尚未準備好應付大量智能體操作，Instinct 用戶反映常被要求完成 CAPTCHA，Amazon 亦宣佈封鎖 Muse 在其平台購物。Expedia 雖宣佈與 Muse 整合，股價仍隨旅遊預訂同業下跌，反映市場憂慮智能體可能繞過既有中介服務。

  6. Redwood Research：Blog60

    AI 持續學習或令阻斷監控器幾乎失效

    持續學習中的 AI 可能因阻斷監控降低任務效用而學會規避，令監控在長期部署中幾乎失效。文章比較部署期間的 online RL 與記憶系統，認為 online RL 的優化壓力較強，記憶系統短期影響或較弱，但仍可能留存規避策略。作者建議降低監控幹預造成的效用損失、以線上或對抗訓練提升監控能力，或使用未納入獎勵迴路的監控器作後備。

  8. Google Research51

    Google Research 介紹長篇連貫影片生成研究與四套框架

    Google Research 介紹 Co-Director、CANVAS、A²RD 和 VQQA 四套框架，聚焦長篇影片生成的多鏡頭敍事連貫性。它們分別涵蓋創意編排、視覺分鏡記憶、長時序分段生成及閉環提示詞優化，並以專項基準評估。AI video co-director 在 GenAD-Bench 取得 81.4 的峯值質量分數；各框架在相應測試中改善了敍事連貫性、角色持續性或影片品質。

9月24日週四
  1. Latent Space59

    Foundries 與 Navigators：降低科研成本的兩種 AI 路徑

    Adrian Sanborn 將 AI 改變科研的路徑分為 Foundries 與 Navigators，前者加速實驗數據產出，後者改善日常決策流程。在 Endura Therapeutics，團隊使用大語言模型研究智能體分兩階段篩選約 500 個疾病靶點，再深入分析約 100 個剩餘靶點。這種做法有助及早排除不合適方向；第二階段分析仍須對照一手來源，入選項目也接受完整人工盡調。

  3. elsewhere：文章64

    這個中秋國慶，放過自己，讓元寶 AI 處理旅遊規劃

    作者實測元寶新上線的旅遊計劃 Agent，展示它如何把聊天需求整理成行程，並提供可互動行程卡和旅前裝備推薦。蘇州低精力行程每天安排兩個景點並預留午睡時間；新疆行程則把單日車程控制在最長 4 小時內，並按需求安排住宿與徒步路線。文中還展示元寶查詢蘇州 2026 年門票預約規則，並按對話修改行程。

  5. Pragmatic Engineer53

    Maggie Appleton 談設計工程與 AI 協作

    Maggie Appleton 在 Pragmatic Engineer Podcast 討論設計工程師如何運用 AI 智能體製作原型，以及 AI 對設計流程的改變。她常用紙筆整理構想，也會讓編碼智能體製作可用滑桿和色彩選擇器即時調整的原型，稱為「Jigs」。她以「capability gaslighting」形容前沿模型先令使用者相信其能力，卻可能不久後在相同任務上失敗。

9月23日週三
  4. Latent Space83

    Anthropic 發佈 Claude Opus 5.5 並成為 AINews 預設模型，OpenAI 推出降價版 GPT-6 Sol 與 GPT-6 Luna

    Anthropic 發佈 Claude Opus 5.5，Latent Space 表示將其即時設為 AINews 後續內容的預設模型。Anthropic 表示其多數任務表現接近 Claude Fable 5.1，運行成本較 Opus 5 低 40%；文中補充，這項成本降幅適用於 medium 預設設定，API token 標價則下調 20%。

    推薦理由：報道並列 Claude Opus 5.5 與 GPT-6 Sol、GPT-6 Luna 的能力主張和價格變化，也區分 token 標價降幅與每任務成本，呈現不同降價口徑。

  6. Modal 官方工程博客63

    Modal 如何為採用萬億參數模型的編碼智能體提供萬億級 token 推理服務

    Modal 為編碼智能體優化月之暗面 Kimi K2.6 推理服務，相關服務每日處理數千億 token，累計處理萬億級 token。優化令單副本每用戶解碼速度提升 2.8x，每 GPU 的跨用戶 token 吞吐量提升 5.6x。方法涵蓋推測解碼、KV 快取與負載感知路由，並從單副本優化延伸至多副本部署。

9月22日週二
  3. Anthropic：Claude.dev 開發者博客67

    Opus 5.5 在 Claude 和 Claude Code 中的使用指南

    這份指南説明如何在 Claude 和 Claude Code 中使用 Opus 5.5，涵蓋提示詞撰寫、長任務管理及結果核查。指南建議明確説明任務完成條件，在 CLAUDE.md 設定長任務何時繼續或停止，並將任務清單存入檔案追蹤進度；大型審查和遷移則可分派給子智能體，再核查各自證據。

9月21日週一
  1. HuggingFace Daily Papers（社區熱門論文）52

    OSWorld-Pro：電腦操作智能體的流程式評估

    OSWorld-Pro 論文提出電腦操作智能體的流程評估基準，包含超過 300 項任務和超過 2,800 個子目標。基準以超過 67,000 條人工標註為基礎，並透過與人類判斷一致的 LLM 評審評估子目標完成情況。Claude Opus 5 的成績為 75.7%，低於其在 OSWorld 的 83.4%；研究亦指出子目標無關行動及點擊失誤等流程問題。

9月19日週六
  1. elsewhere：文章66

    YC 最新投資的 236 家公司：「幾乎所有事情都不一樣了」

    YC 2026 夏季批次的 236 家公司中，91% 與 AI 相關，創業方向由應用層轉向模型以下的基礎設施及實體世界。與春季批次相比，模型以下公司佔比由 8% 升至 20%，應用層由 55% 降至 39%；推出自主 Agent 的公司比例由 45% 降至 33%。夏季批次有 45 家公司交付實體硬件，為春季批次的兩倍；另有 21 家公司投入算力建設。

9月18日週五
  1. Trail of Bits：AI安全研究69

    Trail of Bits 以 AI 智能體建置工具審計 Miden VM，發現高危漏洞

    Trail of Bits 為審計 Miden VM，先花六個月以 AI 智能體從零建置工具，再在審計中發現安全漏洞。工具包括 LSP 伺服器、反編譯器、靜態分析引擎及 VM 執行器的 Lean 模型；分析找出逾 400 處可改善類型驗證的位置，並發現一項可讓惡意證明者偽造 Falcon 簽章、盜取由 Falcon 金鑰對控制的 Miden 帳戶資金的高危漏洞。

9月17日週四
  1. Sierra：Blog49

    Sierra 獲 AIUC-1 認證

    Sierra 通過 Schellman 獨立審核及 AIUC 測試，取得專為 AI 智能體設計的 AIUC-1 認證。測試涵蓋聊天及語音智能體的日常互動、對抗情境和真實語音條件，包括他人嘗試操控智能體、存取受保護資訊或令其超越授權範圍的情境。相關技術評估至少每季重複，並每年進行全面審核。

  2. Microsoft：Official Blog56

    Microsoft 分享自身 AI 轉型的五項經驗

    Microsoft 根據自身數百項 AI 轉型實踐，總結出五項經驗，涵蓋以業務成果為先、重設端到端流程及讓員工參與等做法。文中舉例，銷售團隊成交率提高 20%，部分供應鏈工作流程週期縮短最多 75%，而一支 9 人工程團隊在 35 天內交付初始產品版本。Microsoft Frontier Playbook 整理了數百項轉型實踐，提供按職位、工作流程或全新業務機會調整的實踐模式。

9月16日週三