跳到正文
只看一手#Agent
  1. Hugging Face Blog77

    H公司发布通用计算机使用智能体模型 Holo4 系列与 Holotron4 Nano

    H公司发布专为通用计算机操作打造的 Holo4 智能体模型系列，包含 27B Dense 与 35B-A3B MoE 两种规格，并同步推出轻量级模型 Holotron4 Nano。

    推荐理由：展示了开源中等规模模型如何通过混合 GUI 与 API 接口调用，在桌面控制长流程任务中降低落地成本。

  1. Google Research67

    Google Research 提出连贯长视频生成多智能体框架

    Google Research 提出了一套用于自动化连贯长视频生成的 AI 视频协同导演多智能体框架体系，作为运行在 Gemini 和 Veo 之上的编排层，以解决多镜头叙事中的语义漂移与视觉不一致问题。

    推荐理由：原文拆解了长视频生成中角色与场景漂移的成因，提供了一套通过分层智能体解耦创意与时序一致性的系统性方案。

  2. GitHub Blog · AI & ML73

    GitHub Security Lab 开源基于 Taskflow Agent 的 C/C++ 自动化模糊测试工具

    GitHub Security Lab 发布并开源了面向 C/C++ 项目的自主模糊测试管道 Fuzzing Taskflow，可通过 LLM 智能体全流程自动完成入口识别、测试桩编写、执行与漏洞排查。

    推荐理由：该工具把模糊测试的测试桩编写、覆盖率反馈与崩溃分类解构成由 MCP 工具配合的智能体循环，为代码安全自动化提供了可参考的端到端方案。

  1. GitHub Blog · AI & ML81

    GitHub 如何用 Copilot 将 Copilot 运行时重写为 Rust

    GitHub 工程团队借助 Copilot CLI 与 Copilot 应用的多智能体协同，由单名核心开发者在数月内将 Copilot agent 运行时从 TypeScript 彻底重写为超 80 万行生产级 Rust 代码。

    推荐理由：文章完整公开了单人驱动多智能体舰队重写数十万行核心运行时的协作机制与防退化方案，为大规模智能体工程实践提供了参考路径。

  1. GitHub Blog · AI & ML63

    GitHub 团队实践：结合 Copilot 与 Actions 将市场活动运营自动化

    GitHub 市场运营团队展示了如何结合 GitHub Copilot、Actions 与 Issue 表单实现“Marketing ops as code”，完成活动筹备、物料生成、报名名单筛选及会后 CRM 上传的全流程自动化。

    推荐理由：文章拆解了将运营手册沉淀为 Markdown 规程并由 Copilot 执行的方案，为非纯研发团队落地智能体工作流提供了可复用的工程化模板。

  2. OpenAI News67

    OpenAI 推出 Agents API 构建云端智能体

    OpenAI 推出 Agents API 托管服务，支持开发者在云端构建并运行 AI 智能体。该服务基于 Codex harness 提供编排能力，支持长时间运行的会话与工具调用。

    推荐理由：该 API 依托 Codex 工具链提供编排、长程会话与工具调用能力，便于开发者在云端直接部署自主智能体。

  1. Mistral AI68

    Mistral 分享用 AI 智能体现代化改造复杂遗留代码的实践方法

    Mistral 协助欧洲能源运营商将 40,000 行 Fortran 77 遗留代码迁移至 C++，并总结了一套基于 AI 智能体的现代化改造流程。团队先搭建了以数值一致性为核心的测试框架，通过解析调用树并结合 OCR 补齐文档，最终采用包含规划、编码、测试与人类审查的结构化工作流替代完全自主运行。该实践指出数值对齐验证、前置文档整理和人机协同卡点是大规模遗留系统迁移的关键要素。

    推荐理由：文章总结了遗留代码迁移的工程框架，为利用智能体改造老旧代码库提供了可复用的流程参考。

  1. Mistral AI73

    Mistral AI 推出 Agentic Search，通过多步检索循环提升复杂文档检索精度

    Mistral AI 推出 Agentic Search 检索层，通过多步检索循环帮助企业模型在长文档与复杂数据中定位并核验信息，已接入 Mistral Search Toolkit 及相关库。

    推荐理由：针对传统单次检索处理长篇和表格易丢失上下文的问题，原文展示了借助文件系统式工具循环检索提升复杂文档精度的方案。

  1. Berkeley AI Research64

    伯克利 BAIR 探讨近乎免费智能时代下数据系统的三大演进方向

    伯克利 AI 研究院团队发文指出，随着大模型推理成本大幅下降，数据系统将迎来由智能体主导的范式重塑。文章梳理了面向智能体的高频推测查询优化、支撑海量智能体协同与结构化记忆的状态底座，以及由智能体全自动按需合成定制数据系统三大方向。未来数据系统将从被动查询执行器转变为与智能体深度共生且具备主动反馈能力的协作架构。

    推荐理由：文章梳理了推理成本骤降后数据系统在推测执行交互、多智能体协同状态底座及专用引擎合成三方面的架构重塑路径。

已经到底了