智能体相关 AI 资讯 · AITOP

9月1日

11:43

Harrison Chase@hwchase17

LangGraph开发者Harrison Chase表示项目仍处于早期阶段，需要持续建设。用户Shashwat Jain已使用LangGraph一年半，认为公司成长速度和社区反馈响应能力 unmatched。项目由@hwchase17领导，目前已有540次浏览。

事件专题

推荐理由：LangGraph开发者感谢社区支持，项目虽处早期但成长迅速，社区反馈响应能力突出。

原文

11:38

shao__meng@shao__meng

Grok 研究了 300 多个 GitHub Skills 仓库，筛选出 12 个影响最大的技能。这些技能分为写作去 AI 味、工程流程与纪律、设计品味和认知研究四类。/humanizer、/unslop 和 /no-ai-slop 三个技能专门用于消除 AI 写作痕迹。/agent-skills 和 /superpowers 等技能强制 agent 遵循专业工作流程。/cartographer 和 /last30days 等技能帮助 agent 更好地理解和研究代码库。

技巧 Agent Skills GitHub 智能体

推荐理由：Grok 筛选的 12 个 Agent Skills，帮你让 AI 写作更自然、工程更规范、设计更专业。

原文

11:23

官方账号arXiv cs.AI@Jingxiao Yang, Wangjie Gan, Yingxuan Zhuang, Wenqi Zhang, Jintao Chen, Xuhong Zhang

精选73°

TASPO将特权监督转化为结果导向的行动信用，在三个智能体基准测试中比GRPO提高10.6%。该方法从验证的成功经验中构建决策适用的特权信息，在可执行行动级别聚合PI引起的似然变化。TASPO将相对行动支持转换为原始轨迹优势上的正、有界、均值保留权重，验证结果确定更新方向和平均规模。

论文 TASPO 智能体 GRPO

推荐理由：TASPO解决了智能体政策优化中的监督-信用差距问题，让特权信息只重新分配行动间的信用，不改变整体更新方向。

原文

09:34

shao__meng@shao__meng

73°

微软AI员工认为，模型性能差异60%取决于Harness，40%取决于模型本身。Claude擅长多步推理，首次通过率比GitHub Copilot高20-30%。复杂任务上，OpenAI模型因返工多，实际成本高出20-30%。未来定价将从token计费转向结果计费，65-70%开发周期将自动化。

行业 Claude OpenAI GitHub Copilot

事件专题

推荐理由：微软AI员工分享模型对比经验，Harness比模型本身更重要，初级开发者需掌握AI agent技能。

原文

09:33

shao__meng@shao__meng

精选

Grok Bot 团队展示了如何用 5 个专业 bot 组建 AI 工程团队，每个 bot 负责特定领域如移动端、基础设施等。该系统每 30 分钟巡检 Notion 任务看板，自动处理 Bug、安全告警和 CI 失败，可同时管理 200+ cloud agent。团队还设置了名为 Jenny 的运营 bot，负责每日沟通和错误根因分析。

技巧 Grok Bot AI 工程师团队智能体

事件专题

推荐理由：Grok Bot 团队分享如何用 5 个专业 bot 组建 AI 工程团队，能同时管理 200+ cloud agent，还包含夜间审计等进阶玩法。

原文

09:15

官方账号arXiv cs.AI@Xinke Jiang, Yue Fang, Zhibang Yang, Jiaran Gao, Zhixin Zhang, Tao Feng, Rihong Qiu, Wentao Zhang, Hongxin Ding, Ruizhe Zhang, Yongxin Xu, Yuheng Huang, Xu Chu, Junfeng Zhao, Yasha Wang

精选73°

AgenticRag-R1 是一种新型强化学习框架，通过内存栈和细粒度动作空间深度整合推理、检索和记忆功能。该模型在多跳、开放域和智能体推理基准测试中表现优于强基线模型，支持多种骨干模型规模。研究团队引入了分层动作感知奖励机制和信息感知轨迹拒绝策略，实现有效的长时程学习。

论文 AgenticRag-R1 RAG 强化学习

推荐理由：清华团队推出 AgenticRag-R1，解决多步推理中的检索适应性问题，比传统方法更聪明。

原文

09:12

官方账号arXiv cs.AI@Junxiang Liu, Lin Wang, Haiyu Shi, Hongxu Ma, Xiaoyu Yang, Chunjie Chen, Xiaoxiao Xu, Kaiqiao Zhan, Boao Wang, Shuizhou Shi, Tianyun Zhu, Jie Li, Jiangtong Li

精选73°

CineForge是自我演进的视频制作智能体框架，包含CineForge-Produce和CineForge-Evolve两个组件。该框架在CineScope-Data测试集上，CineScope-Metric评分从4.024提升至4.380。相比三种长视频基线模型，CineForge在ScriptAgent基准上实现稳定提升。在新故事生成中，CineForge减少了37.0%的审查LLM调用次数。

AI模型 CineForge 视频生成智能体

推荐理由：CineForge能自我改进视频制作能力，跨故事积累经验，生成更连贯的长视频故事。

原文

09:10

官方账号arXiv cs.AI@Sanket Badhe, Deep Shah, Priyanka Tiwari, Nehal Kathrotia

精选73°

该论文提出了智能体技能(agentic skills)的统一系统基础和参考架构。研究将技能定义为外部化程序知识，连接高层认知规划与确定性执行环境。论文详细阐述了技能的九阶段生命周期：自主发现、创作与表示格式、内存存储、动态检索与路由、组合与编排、执行与修复、终身适应、实证评估和安全治理。研究还考察了市场动态、公共注册表和新兴对抗威胁向量。

论文智能体 agentic skills LLM

推荐理由：MIT和哈佛研究人员提出智能体技能的完整生命周期架构，解决LLM智能体在复杂任务中的可靠性瓶颈。

原文

09:08

官方账号arXiv cs.AI@Hongbo Gao, Zeyu Ni, Xin Wen, Siyu Xu, Ruifeng Li

精选73°

AGM是一种轻量级闭环框架，用于冻结的视觉-语言-行动(VLA)策略。该框架将任务表示为带有进度指针的子目标序列，仅在当前子目标通过物理证据验证后才推进记忆。在RoboMME Counting基准测试中，AGM在PickXTimes和BinFill任务上表现优异，平均得分超越最强记忆增强基线。AGM通过单参数验证头实现，无需测试时大模型推理。

论文 AGM VLA 智能体

推荐理由：AGM让冻结的VLA策略变成闭环系统，物理验证子目标，机器人任务表现提升明显。

原文

08:48

shao__meng@shao__meng

精选73°

Codex 既是产品也是开源 coding agent harness，已接入 ChatGPT Work 等入口。产品形态从网页版、CLI 到 IDE 插件和独立 App 演化，约 95% 的时间无需手改代码。Sky 团队技术以 Computer Use 进入 Codex，基于 macOS 无障碍层级而非截图+模拟点击。信任通过分层设计实现，包括权限模式选择和按 App 征求许可。

AI产品 Codex OpenAI Computer Use

事件专题

推荐理由：OpenAI 产品负责人谈 Codex 演化史，从网页版到独立 App，揭秘 Computer Use 技术和信任机制设计。

原文

08:15

lmarena.ai@lmarena_ai

AI产品 Agent Arena 智能体排行榜

推荐理由：Agent Arena 发布了智能体排行榜，能直观对比各 AI 智能体性能，比传统评测更直观。

原文

08:13

AI Will@FinanceYF5

Grok Bot每月收费200美元，可连接邮箱、Intercom、GitHub、Cursor、Slack、CMS、Google Search Console、Ahrefs、X和银行账户。该机器人能过滤重要邮件，自动更新帮助文档，分类处理客户问题，生成PR，创建内容，提供每日简报，并分析财务数据。用户称其相当于雇佣了一名工程师和个人助理。

AI产品 Grok Bot Cursor Intercom

事件专题

推荐理由：Damon分享Grok Bot实际应用场景，连接多种工具后能处理邮件、客服、开发、内容创作和财务分析，相当于请了个工程师加助理。

原文

07:48

官方一手marktechpost@Asif Razzaq

Keenable AI 开源了 NEEDLE 基准测试工具，每小时重建一次查询集。该基准专门解决搜索 API 读取答案键的问题。测试对象包括具有获取工具的搜索智能体。基准测试防止模型直接下载公共数据集跳过检索过程。

论文 NEEDLE Keenable AI 搜索基准

推荐理由：Keenable AI 发布了 NEEDLE 基准，每小时更新查询集，防止搜索模型作弊跳过检索步骤。

原文

07:03

官方一手AWS Machine Learning Blog@Vivek Ghatala

精选

本文介绍如何在AgentCore Runtime中部署和托管MCP服务器，并将其与Amazon Quick集成。通过此模式，可提高AI工具的可重用性，避免重复开发。客户可在Amazon Quick的聊天代理和工作流中使用产品功能，无需为每个用例构建自定义连接器。

技巧 AgentCore Runtime Amazon Quick MCP

推荐理由：AWS教你用AgentCore Runtime托管MCP服务器，让产品无缝接入Amazon Quick，省去重复开发工具的麻烦。

原文

06:03

Guillermo Rauch@rauchg

精选

DESIGN.md帮助解决当今AI面临的最棘手问题：设计不一致。Vercel的智能体使用vercel.com/design.md构建品牌一致的页面。该系统通过单个文件编码决策和指导，并通过评估工具调整输出，将生产反馈循环回系统。

AI产品 DESIGN.md Vercel 设计系统

事件专题

推荐理由：Vercel推出的DESIGN.md，用Markdown文件解决大型组织的设计一致性问题，让设计品味真正可扩展。

原文

04:18

elvis@omarsar0

精选73°

腾讯训练智能体管理自身工作上下文，在上下文编辑层面分配信用。长距离任务迫使模型检索、整合和维持多轮对话中的分散信息，保持所有交互历史会使工作上下文无限增长。ContextPilot添加全局规划、长期记忆和自适应软压缩功能，使智能体能卸载信息而非仅丢弃信息。在长上下文问答和深度搜索任务上，ContextPilot在多个基础模型上超越现有基线，同时保持更紧凑的工作上下文。

论文 ContextPilot 腾讯智能体

推荐理由：腾讯推出ContextPilot智能体，能自主管理上下文、规划全局任务，比现有方法更高效地处理长距离任务。

原文

03:58

官方账号Replit@Replit

Replit 展示了其 Agent 在免费模式下的对话能力。用户可以创建跑步俱乐部并获取视觉设计创意。Agent 能提供设计概念展示并构建商品页面。用户还可以连接自己的商店前端。

AI产品 Replit Agent 智能体

推荐理由：Replit Agent 免费模式能帮你从创意到落地，全程辅助设计开发。

原文

03:43

官方一手AWS Machine Learning Blog@Chaitra Mathur

精选

AWS Agent Registry现已全面上市，提供单一可搜索目录管理组织内的智能体、工具、技能和自定义资源。该平台支持发布、策展和发现工作流，并包含企业级考量。AWS Agent Registry旨在解决大规模资源管理问题，支持跨组织统一管理。

AI产品 AWS Agent Registry 智能体工具

推荐理由：AWS发布了企业级智能体管理平台，帮你一站式管理所有AI工具和技能，比零散方案更高效。

原文

03:18

elvis@omarsar0

精选73°

Google的WikiSkill论文展示了持久智能体、知识库和技能的有效性。该论文提供了智能体如何利用不断演进的技能wiki的框架。WikiSkill支持跨不同任务和模型使用，甚至可将技能迁移到更小模型上。论文解决了构建和维护技能时的常见问题，自动利用智能体运行并将知识持久化到wiki中。

论文 WikiSkill Google 智能体

事件专题

推荐理由：Google这篇论文教你如何构建持久知识库，让智能体技能不断进化，还能迁移到更小模型上。

原文

03:18

官方一手AWS Machine Learning Blog@George Belsian

精选

Amazon Bedrock托管知识库支持用户上传文档并立即提出基于内容的问题。该方案包含摄取和检索流程、异步索引生命周期、按用户数据隔离机制。企业可利用此技术构建大规模多租户智能文档聊天应用。

AI产品 Amazon Bedrock 托管知识库多租户

事件专题

推荐理由：AWS发布Bedrock托管知识库新功能，实现企业数据多租户智能聊天，用户上传文档后可直接提问。

原文

03:18

官方一手AWS Machine Learning Blog@Luis Felipe Yepez Barrios

精选

亚马逊推出基于Bedrock托管知识库的企业级智能检索解决方案。该系统支持跨多个知识库进行推理和路由，并返回带引用的答案。系统包含七层可观测性功能，支持按需和持续评估。整个解决方案通过单一AWS CloudFormation链部署完成。

AI产品 Amazon Bedrock AWS CloudFormation 智能体

事件专题

推荐理由：AWS用Bedrock知识库和AgentCore构建了带七层监控的企业智能检索系统，一键部署就能跨知识库推理并返回引用答案。

原文

02:44

elvis@omarsar0

精选

Google团队发表论文提出SKILL.state方法，解决长时程智能体执行效率问题。该方法通过替换历史记录为显式可变执行状态，减少累积token消耗。实验显示，在多个数据集、模型和执行环境中，任务准确率提升同时token消耗下降。该抽象架构与具体实现无关，可移植到现有技能运行时环境。

论文 SKILL.state Google 智能体

推荐理由：Google团队提出SKILL.state解决长时程智能体性能问题，准确率提升同时减少token消耗。

原文

02:42

Harrison Chase@hwchase17

Alex @AlexatVester 发起开源智能体浏览器基础设施项目征集。该项目旨在构建类似 Codex 的应用内浏览器，专为智能体设计。目前已有 293 人关注此倡议。@hwchase17 和 @danshipper 等行业人士参与讨论。

行业智能体 Codex 开源模型

事件专题

推荐理由：Alex 正在寻找开发者构建开源智能体浏览器，可能是下一个重要基础设施项目。

原文

02:13

官方账号LangChain@LangChainAI

精选

Iconic Caspar 由开发者 @caspar_br 创建，能够自动处理整个 Slack 设置。该工具可为代理生成图标，提供约 200 万种可能的图标选择。其设计灵感来自 dither-kit 的 DitherAvatar 项目。

AI产品 Iconic Caspar Slack

事件专题

推荐理由：Caspar 发布的深度代理工具能自动配置 Slack，还能从名称生成 200 万种图标，比手动设置方便多了。

原文

01:59

Jerry Liu@jerryjliu0

精选

LlamaIndex创始人Jerry Liu在播客中表示，公司已从构建RAG框架转向构建AI智能体的文档基础设施。他指出，文档占世界非结构化上下文的90%，解决上下文层是实现通用智能的最大瓶颈。RAG只是临时解决方案，构建生产级检索系统仍然困难。

AI产品 LlamaIndex RAG 智能体

推荐理由：LlamaIndex创始人谈从RAG到文档基础设施的转变，解释为什么90%的信息被锁在文档中，以及为什么上下文而非智能是当前瓶颈。

原文

01:58

官方账号Clement Delangue@ClementDelangue

精选73°

AI开发者和智能体上周向HuggingFace上传了超过4PB的模型和数据集。这相当于约80万部高清电影的存储量。HuggingFace作为AI存储和协作平台的重要性日益凸显。

行业 HuggingFace AI开发数据集

推荐理由：HuggingFace上周接收了4PB新内容，相当于80万部高清电影，AI开发者上传量创新高。

原文

01:17

Justine Moore@venturetwins

精选

大多数用户不了解智能体的能力或如何提示它们。人们需要通过他人构建的模板获得灵感。@bot 已展示早期迹象，但用户仍难以发现个人生活中的实用自动化案例。

AI产品智能体 bot 提示词

推荐理由：用户反馈智能体使用困难，需要发现层来展示模板和案例，帮助找到个人生活中的自动化应用。

原文

01:04

Dify@dify_ai

Dify平台推出了新型智能体功能，智能体可独立工作或集成到工作流中。该功能允许智能体自主决定下一步操作，同时工作流保持整体流程有序可控。用户可通过日志检查每次运行情况，并通过监控查看长期性能表现。智能体支持一次构建、多次复用，并持续优化改进。

AI产品 Dify 智能体工作流

推荐理由：Dify上线了新型智能体功能，能自主决策又可融入工作流，还能监控性能持续优化。

原文

01:03

Dify@dify_ai

精选

Dify 发布了智能体工作流功能，允许智能体独立工作或成为更大流程的一部分。该功能使智能体能够决定下一步操作，同时保持整个流程的组织性和可控性。用户可以通过日志检查每次运行情况，并通过监控查看智能体的长期表现。智能体可一次构建、按需复用，并持续优化改进。

AI产品 Dify 智能体工作流

推荐理由：Dify 新增智能体工作流，让 AI 能自主决策又保持流程可控，还能追踪性能表现。

原文

01:03

Dify@dify_ai

Dify平台新增Agent功能，支持通过聊天或手动配置构建。用户可将同一Agent作为独立应用使用，发布为Web应用，通过API连接，或在多个工作流中分配不同任务。该功能实现一次构建、集中管理、持续改进。

AI产品 Dify Agent 智能体

推荐理由：Dify上线新Agent功能，能一键构建并多种方式部署，比传统工具更灵活。

原文

00:10

lmarena.ai@lmarena_ai

73°

智谱AI发布的GLM-5.3-Flash模型已在Agent Arena上线。该模型每任务中位成本为0.12美元，净提升4.6%。在9K+真实智能体会话中，GLM-5.3-Flash在开源模型中排名第4，总体排名第19，领先GLM-5.3 (Max)一位。在确认成功率指标上，GLM-5.3-Flash提升15.3%，排名第4。

AI模型 GLM-5.3-Flash Zai_org Agent Arena

事件专题

推荐理由：智谱AI的GLM-5.3-Flash在Agent Arena表现亮眼，成本仅0.12美元/任务，超越自家前代模型。

原文

00:10

lmarena.ai@lmarena_ai

精选

Agent Arena使用因果追踪技术测量模型在真实世界长时程智能体任务上的表现。该评测显示模型相对于平均模型的改进程度。完整的Agent Arena排行榜已在arena.ai/leaderboard/ag上线。

AI模型 Agent Arena 因果追踪智能体

推荐理由：Agent Arena上线新评测，用因果追踪测智能体在真实任务表现，看模型如何超越平均水平。

原文

8月31日

22:17

官方账号LangChain@LangChainAI

摩根大通将出席LangChain举办的Interrupt智能体大会。大会将于纽约举行，完整议程已在官网公布。参会者可通过官网获取门票。

行业 LangChain 摩根大通智能体

推荐理由：摩根大通参加LangChain的智能体大会，看看传统金融巨头如何布局AI智能体

原文

22:07

DeepLearning.AI@DeepLearningAI

78°

GLM-5.3 在人工智能分析智能指数上获得 60 分，与开放权重模型并列第一。该模型通过微调 GLM-5.2 而非重新训练基础架构获得整体智能提升。GLM-5.3 在 CyberGym 基准测试中取得 84.5% 的成绩，展现出高级网络安全能力。

AI模型 GLM-5.3 GLM-5.2 CyberGym

推荐理由：DeepLearningAI 分享 GLM-5.3 如何通过微调实现智能跃升，还意外获得了强大的网络安全能力。

原文

19:48

19:48IT之家（博客/媒体）

精选73°

卡特彼勒将AI技术引入真实作业现场，提供自动驾驶运输卡车、钻机等自动化设备。公司拥有约160万台联网设备，结构化数据规模超过16 PB。Cat AI Assistant帮助技术人员通过语音指令调取维修流程和排查故障。未来五年，卡特彼勒计划投入1亿美元培训11.8万名员工掌握AI、自动化和机器人技术。

行业卡特彼勒 Cat AI Assistant AI培训

推荐理由：卡特彼勒投入1亿美元培训员工，把AI从采矿带到建筑工地，有160万台设备数据支撑。

原文

17:11

官方账号Decoder@Matthias Bastian

73°

OpenAI已购买数万台Mac mini和Mac Studio训练计算机使用智能体。Anthropic同样依赖苹果硬件进行训练。需求激增导致最强大的Mac mini型号已断货数月。苹果Mac业务在6月季度收入增长近29%，达104亿美元。

行业 OpenAI Anthropic Mac mini

事件专题

推荐理由：OpenAI和Anthropic都在抢购Mac mini训练智能体，连苹果硬件都供不应求了。

原文

16:17

16:17IT之家（博客/媒体）

工信部发布通知，计划到2026年底培育2000家人工智能应用服务商，2027年底不少于3000家。专项行动将建立服务商资源池，提升技术创新、集成交付和安全合规能力。重点任务包括建立资源池、提升服务供给、推动规模应用和加强支撑保障。

行业工信部人工智能应用服务商大模型

推荐理由：工信部要培育2000+AI服务商，重点采购大模型、智能体等服务，推动AI规模化应用。

原文

15:36

shao__meng@shao__meng

精选73°

OpenClaw 2.0 是史上最大更新，由933位贡献者完成，合并了超过16,000个PR。团队原本只想简化安装和重构浏览器端，结果改动波及整个系统。新版本简化安装流程，重构浏览器应用，并新增共享云会话功能。产品哲学从单一用途转向自然生长和团队协作。

AI产品 OpenClaw Claude ChatGPT

事件专题

推荐理由：OpenClaw团队意外发布2.0大版本，简化安装、重构浏览器、新增多人协作功能，边开飞机边换引擎完成系统重构。

原文

12:48

AI Will@FinanceYF5

SpaceXAI团队整理了一套Grok Bot实战指南。该指南覆盖了多Bot协作场景。指南包含移动应用开发内容。指南还涉及设计和GTM策略。指南最后介绍了产品管理应用。

技巧 Grok Bot SpaceXAI 智能体

推荐理由：SpaceXAI团队教你如何用Grok Bot组建AI团队，从协作到开发全流程都有。

原文

11:59

官方账号arXiv cs.AI@Hanzhang Jia, Liheng Zeng, Hao Cheng, Yi Gao, Bo Ma

Logos是一个类似ROS的跨进程智能体框架，每个插件是一个独立进程，仅通过追加式日志共享状态。研究显示在工具调用周期的四个边界处放置故障后，80个会话可无重复效果地恢复。与单进程配置相比，同故障下单进程会中断所有共驻会话，而对等进程架构中一个故障仅影响一个节点。

论文 Logos 智能体 ROS

推荐理由：MIT新论文提出Logos框架，让AI智能体跨进程运行，故障隔离效果比单进程好80倍。

原文