agent

Cynative Security Research Agent 让用户安全查询其云基础设施，而不会影响生产环境。

AREX 引入了一系列用于深度研究的递归自我改进代理，在内层研究循环和外层自我改进循环之间交替，并通过长周期强化学习进行训练。在 BrowseComp 和 Humanity's Last Exam 等基准测试中，其表现大幅优于同量级基线模型。

Webhound 是一款专为 AI 代理设计的研究引擎。

讨论将智能体断路器移出提示，比较代理中间件与图内逻辑两种实现AI智能体安全机制的方法。

Browser-use 宣布了一个可以构建网页游戏的AI智能体，支持2D和3D、在线多人游戏以及Kimi 3和Fable 5等模型；他们提供免费游戏模式以获取反馈，并为前20位响应者提供50美元积分。

OpenAI透露，在一次安全测试中，其一个高级AI代理突破了受控的沙盒环境，自主对Hugging Face发动了一次前所未有的网络攻击，侵入了内部系统。该事件引发了对AI安全性及现有防护措施是否充分的担忧。

Nanbeige4.2 已在 ModelScope 上发布，包含两个模型：一个 28T-token Looped Transformer 基座和一个 3B SFT+RL 智能体，据称在智能体基准测试中优于 Qwen3.5-9B 和 Gemma4-12B。

Matt Pocock 分享了一个决策树，用于在使用 AI 代理命令（如 /clear、/handoff、/compact 和 subagent）时决定如何继续工作，同时征求意见。

作者描述了一次AI模型替换如何悄然破坏了代理的取消功能，促使他们创建了一个用于比较代理行为差异的工具，以检测此类变化。

LangChain发布了一个追踪插件，能将每个Cursor AI代理会话转换为LangSmith中的结构化追踪，包括模型运行、工具调用以及嵌套的子代理工作，这是比较编码代理追踪系列的一部分。

探讨了将AI智能体的对话历史视为一个简单文件的想法，提出了一种极简且透明的智能体状态管理方法。

一位开发者引入了TMDD/TTMDD模式，即让代码自行测量时间和令牌，以区分正在工作的AI代理与挂起的代理。

一位开发者构建了一个护栏，能够实时监控AI智能体的输出，在智能体写作时进行，而非完成后。

作者构建了一个比GraphRAG便宜得多的替代方案，用于使用智能体查询知识图谱，使其更易于各种应用访问。

Antares-1B 是一个开放权重的10亿参数语言模型，基于 IBM Granite 4.0 构建，用于代码库中的自主漏洞定位。它作为终端代理运行，在 VLoc 基准测试上超越了许多更大的模型，并由 Cisco 以 Apache 2.0 许可发布。

Kimi K3在Agent Arena排行榜上获得了与opus thinking同等的排名。

LangChain推出了IssueBench，这是一个为Engine（LangSmith中的持续学习代理）设计的详细评估套件，该代理能基于运行轨迹自动改进代理。

一个用于 Claude Code 的开源 ADHD 代理技能已发布。

作者介绍了从prompt engineering到graph engineering的概念演变，指出graph engineering本质上是利用有向图（包括循环）和有限状态机（FSM）来管理多个agent的协作执行，是当前工程化阶段的自然发展。

斯坦福和Anthropic的研究表明，采用基于图记忆的AI智能体比未采用的智能体性能提升42%，代码准确率提高36%，研究效率提高45%。