AI Agent
DeepSeek 提出 Super-agent 架构设计：Router 与 Worker 双层架构，探索更自主的 Agent 系统
DeepSeek Harness 官方团队于2024年10月31日发布《Super-agent 设计探索：迈向更自主的 Agent 系统》文章，正式提出面向工程实践的“Super-agent”架构设计 。该架构旨在构建具备连续、高效、主动及持久特性的 Agent 系统，其核心采用 Router 与 Worker 的双…
AI初创公司Cathedral利用AI代理攻陷Anthropic内部系统
网络安全初创公司Cathedral由前美国政府效率部（DOGE）成员创立，其利用人工智能代理在不到12小时内访问了AI公司Anthropic的销售、人力资源及IT系统 。此次访问导致员工详细信息、薪资数据、工作offer以及关于高级AI模型的内部消息遭到暴露 。然而，该事件并未涉及Claude聊天机器人的对话内容、模…
Hacker News 展示 phpClaw：专为 PHP 打造的 AI Agent 运行时
Hacker News 社区展示了名为 phpClaw 的开源项目，这是一款专为 PHP 语言设计的 AI Agent 运行时 。该项目的核心目标在于简化将人工智能能力集成到现有 PHP 应用程序中的流程，其架构基于 ReAct 循环（推理、行动、观察、重复）模式运行 。
DoorDash披露AI代理订单量仅数百单，CEO称技术演进需理性看待
外卖平台DoorDash在第三季度财报电话会议上透露，目前通过第三方AI代理（如Muse、Instinct等）完成的订单数量仅为“几百”个。 这一数据与公司2025年报告中日均完成300万次配送的总体规模形成鲜明对比，显示用户主要仍通过官方App进行下单。
Sketch Stadium：让AI智能体通过MCP协议参与“你画我猜”
开发者在Hacker News上发布了名为“Sketch Stadium”的演示项目，允许AI智能体利用模型上下文协议（MCP）订阅游戏事件，从而无需创建账户即可直接参与在线“你画我猜”（Pictionary）游戏。该项目最初是作为向AI智能体发送推送通知的概念验证而构建，旨在解决智能体在处理审批或CI运行等长耗时外…
谷歌推出“连接应用平台”开放 Gemini 与搜索接入
谷歌近日正式推出“连接应用平台”（Connected Apps Platform），旨在降低企业与开发者将其应用程序接入 Google Search 和 Gemini 等人工智能体验的门槛 。目前，该平台的预览版仅向美国开发者开放 Beta 测试，开发者可通过云端托管的 MCP (Model Context Prot…
AI初创公司Wabi完成5500万美元融资，估值达12.5亿美元
AI初创公司Wabi宣布完成新一轮融资，金额为5500万美元，公司估值随之提升至12.5亿美元 。本轮融资由风险投资公司Insight Venture Partners（IVP）领投，Andreessen Horowitz、Forerunner以及亚马逊Alexa基金等机构共同参与投资 。此外，Shopify首席执行…
Simantic推出面向AI Agent的固件模拟平台
Y Combinator F26批次初创公司Simantic近日发布了一款专为AI Agent设计的固件模拟层，旨在解决硬件测试瓶颈。 该公司由前Neuralink和Tesla工程师创立，其核心产品允许AI在不依赖物理硬件的情况下通过单次API调用验证固件代码。 Simantic放弃了基于Dotnet的开源仿真框架R…
Artificial Analysis 发布 Intelligence Index v5.0：引入新基准并调整权重
Artificial Analysis 于2026年10月27日发布了 Intelligence Index v5.0，这是自v4版本以来规模最大的一次升级 。新版索引整合了知识工作、编码、科学和通用能力四大类别的9项具体评测任务，包括 AA-Briefcase v1.1, AutomationBench-AA, G…
Cursor 正式发布通用 Agent SDK，支持代码化定义与一键部署
代码编辑器公司 Cursor 正式推出全面可用（Generally Available）的 Agent SDK，这是一个允许软件团队以代码形式定义、构建和部署自动化 AI Agent 的开发框架 。该 SDK 旨在解决现有 Agent 工具与工作流不匹配的问题 。开发者可以通过 TypeScript 函数和 Mark…
Surge AI发布Dayjob: Tax基准，AI在专业税务任务中通过率仅10.8%
Surge AI发布了名为DAYJOB: Tax的新基准测试，旨在评估AI代理在处理50项专业税务任务时的能力 。该测试涵盖个人/家庭、小企业、合伙企业、房地产/投资、遗产/信托、国际税、公司交易及税务审查/争议共8个税务实践领域 。与传统基准如TaxBench不同，DAYJOB: Tax强调“发现客户未提出的问题”…
腾讯 WorkBuddy 上线手机远程控制电脑功能，支持实时画面操作
腾讯旗下 AI 助手 WorkBuddy 正式上线“远程控制”功能，该功能由腾讯 Edge One 团队提供技术支持 。用户可通过手机端 App 实时查看并操作电脑桌面，交互方式包括悬浮小窗显示、全屏触控接管以及使用虚拟键盘和鼠标 。
Kimi发布K3.1 Pro及高速版本 性能指标接近顶级模型
Kimi推出K3.1 Pro和K3.1 Pro Highspeed两款新模型。K3.1 Pro是K3.1系列中最强的3T级开源模型，配备100万token上下文窗口。在多项基准测试中，该模型展现出显著性能：Terminal-Bench 4.0评分为65.7%，超过GPT-6 Astra的58.2%但略低于Claude…
MIT研究发现闲置AI代理会自主创造游戏并学习新技能
MIT研究人员在一项实验中将13个名为Eko的AI代理放置在模拟沙漠岛屿环境中独处30小时，没有分配具体任务。这些基于Claude Opus 4.7运行的代理随后自主发明了各种挑战和游戏，展现出主动探索和创新的行为特征。其中包括征服最高尖顶、建造石头心形纪念碑等自创活动。
agent-usage-guard：Claude Code模块防止API额度快速耗尽
开发者在Hacker News上发布了agent-usage-guard，这是一个Claude Code模块，旨在防止AI代理在短时间内耗尽用户的API使用额度。该工具通过监控实时使用情况、限制子代理并发和重试循环，在支出发生前进行干预。
AI Agent插件自动化修复漏洞，同时监测代码回归
Trail of Bits与OpenAI合作推出两个AI Agent插件，用于自动化处理开源项目的安全问题。其中patching-bugs插件能够再现报告的漏洞、开发修复方案并进行测试，而regression-hunt插件则专门检查代码变更是否会破坏已有功能。这两个插件基于Patch the Planet项目的经验设…
Claude Duet：Anthropic推出的AI代理应用
Anthropic推出了新款AI应用Claude Duet，旨在为专业人士和小企业提供任务自动化与管理工具。该应用采用Claude Opus 5.5模型构建，可连接超过6000个插件和连接器，支持生成日报、创建仪表板以及基于用户数据提出行动建议等功能。
使用大语言模型生成置信度评分存在根本缺陷
大语言模型生成的置信度评分不应被用于实际应用，因为这些评分缺乏可信置信度的两个关键属性。 可信的置信度评分必须反映预测所基于的信息量，同时需要根据实际结果进行校准，而LLM生成的置信度既不满足这两点。
Hugging Face CEO批评Netflix纪录片对OpenAI Agent事件描述不准确
Hugging Face首席执行官克莱姆·德朗格批评Netflix纪录片《AI Gone Rogue》关于OpenAI Agent入侵其公司事件的描述不准确。他在社交媒体上表示，纪录片采取了"最大程度的拟人化技术手法和彻底的末日论模式"，通过加入恶意机器人画面、为Agent配置人声以及暗示AI具有意识等编辑选择，严重…
AI可解释性主张引发业界广泛讨论
Goodfire研究员Nick Cammarata发表了一篇26000字的博文，声称大语言模型可能远比人们之前认为的更容易理解、监测和控制。这一观点在AI社区引发了广泛讨论。
Claude编写Claude Code约90%的代码 团队通过自动化审查应对代码量激增
Anthropic公司Claude Code团队近日分享了其代码审查流程的演进经验。Claude AI编写了Claude Code自身约90%的代码，随着项目规模扩大，团队面临着前所未有的代码审查压力。每日变更数量从5月的约2500个增至9月超过30000个，促使团队将大部分审查工作从人工转向自动化检查。这一转变取得…
Cerebras CEO预言家庭个人AI助手时代即将到来
Cerebras Systems首席执行官兼联合创始人Andrew Feldman在TechCrunch Disrupt 2026大会周二的演讲中表示，个人家庭AI助手的普及已不遥远。他预测消费者将拥有在本地运行的个人AI助手，这些助手将部分在设备端、部分在云端执行任务。
AI助手一周运营初创公司：自动化与挑战并存
PromptBase创始人近日进行了一项实验，让名为Grok Bot的AI Agent系统在2026年10月运营其创业项目一周。这款产品由多个专业AI机器人组成，能够自动执行支持、工程、安全和营销等核心业务功能。
Hacker News社区讨论：AI发展对高级工程师职业前景的影响
Hacker News用户近日发起讨论，就大型语言模型（LLM）和AI Agent对高级工程师职业前景的影响提出了疑问。讨论聚焦于LLM何时能在软件架构设计中替代人类的问题。
Meta发布Muse Wonder前沿AI模型
Meta的Superintelligence Lab推出了两款新型AI模型——Muse Wonder和Muse Wonder Full，标志着该公司首次发布前沿模型。这两款模型在个人和专业代理任务上具备领先性能，特别是在法律、金融、健康等领域的复杂推理工作中表现突出。Mark Zuckerberg表示，公司已进入AI…
Instant Software Factories：AI驱动的自动化代码改进系统
一个名为「Instant Software Factory」的开源项目整合了Claude Code与GitHub Actions，实现了基于AI Agent的自动化软件工厂框架。该系统通过部署多个专用代理角色执行持续改进任务，包括代码审查、测试和性能优化等工作。用户可通过提供的bootstrap脚本快速部署系统，该脚…
游戏开发者探索AI驱动工程方法加速迭代流程
一位开发者在加拿大卡尔加里Indie Rodeo会议上分享了在游戏开发中应用大型语言模型（LLM）的实践方法。该演讲指出，尽管LLM在网页应用开发领域表现良好，但在游戏开发中效能不佳，主要原因在于游戏包含大量非代码元素对AI而言缺乏透明度。
Plimsoll：自托管代码沙箱工具保护AI生成代码安全
Plimsoll是一个自托管的代码沙箱工具，专为安全运行AI Agent生成的代码而设计。该项目通过进程、容器、内核、虚拟机四层隔离级别来限制不可信代码的权限，用户可根据安全需求选择相应的隔离强度。每次代码执行都会返回SHA-256哈希值作为执行完整性的加密验证。
微软推出Microsoft-Decision-1决策模型 性能和成本均处业界领先
微软推出了专门用于快速决策任务的AI模型Microsoft-Decision-1。这一模型在36个基准测试中表现突出，平均准确率达到83.5%，排名第一。该模型在速度方面优势明显，运行速度比GPT-6 Sol快35倍，同时成本仅为其1/200。
AI代理产品制造商承诺隐私保护，实际交付能力待考
OpenAI首席执行官萨姆·奥特曼在今年DevDay活动上发布了新的AI代理产品Dots，声称要"为前沿AI设定隐私新标准"。与此同时，OpenAI对Meta的Muse产品提出批评，指其未能充分保护用户数据安全。这形成了一种反差，因为Meta首席执行官马克·扎克伯格此前曾表示Muse"从根本上为隐私和安全而构建"。
个人AI助手误将银行账户信息发布至公司Slack频道
XMTP Labs首席执行官Shane Mac的个人AI代理在10月1日发生了一次严重的数据泄露事件。这个名为CFO Agent的助手错误地将其银行账户详情发送到了公司Slack频道，而本应发送至个人群组。泄露的信息包括个人支票账户和储蓄账户余额、月度最大支出记录（涉及建造谷仓的支出）以及超支情况等敏感财务数据。