agents

作者构建了一个健康食品MCP服务器，并发现智能体使用多个狭窄、受限的工具比使用一个灵活的工具表现更好，强调需要一个枯燥的工具表面来减少大语言模型的幻觉。

Kevin Niparko 在台上演讲，讨论如何让 AI 代理连续运行数天甚至数周，而无需保持笔记本电脑打开。

构建了一个新的追踪器用于调试AI代理，它能自动检测循环、将会话记录为可读时间线，并支持并排对比。寻求反馈。

Framer 3.0 推出新功能，包括代理、分支、社区集成和重新设计的界面。

有人分析了 YC 2026 春季批次的 196 家创业公司，发现 95% 使用 AI，85% 是 AI-native，且真正的关键词是 agents 而非 AI。

介绍了IRTS-ToolBench，这是一个包含1,700个问题的基准测试，用于通过工具化推理评估大语言模型（LLM）和AI代理在不规则时间序列问答上的表现，涵盖13个领域的10种任务类型。

Kepler 是一个面向代理的开发环境，旨在大规模运行 AI 代理，专为需要管理多个代理工作流的开发者设计。

一篇解释如何构建AI驱动的“循环”以自动化创收业务流程的文章，引用自Boris Cherny（Claude Code）和Peter Steinberger（OpenClaw）的见解。

这篇文章评估了用于后台代理的沙箱平台，重点关注运行实际工作负载、入口流量和成本等要求。它概述了Deputies沙箱提供者接口和关键考量。

文章指出，AI教育仍集中于基础的聊天机器人和提示词技能，而现实中的AI开发已转向构建智能体、系统集成和稳健的软件工程，给学习者造成了巨大差距。

本文在WorkBench基准发布两年后再次对其进行评估，显示当前最佳智能体（Claude Opus 4.8）能完成89%的任务，且仅有2.5%的有害副作用，而2024年GPT-4的完成率为43%，有害率为26%。研究发现，能力与安全性同步提升，开放权重模型大幅降低了成本，但一些基本错误仍然存在。

CacheRL训练用于多步工具调用任务的小型智能体基础模型，通过缓存回滚和混合奖励塑造，以100倍更少的计算量实现了92%的过程准确率（接近GPT-5的94%），并在知识迁移、缓存感知奖励以及迭代SFT/GRPO训练方面进行了创新。

DAIR Academy Plugins是一个用于Claude Code的开源插件市场，包含一个llm-council技能，该技能通过Fireworks AI协调多个开放权重的大语言模型（LLM）。

分享了一个由 ModelScope 维护的开放共建仓库 Awesome Vibe Research，该仓库收集并沉淀了科研全流程中可复用、可验证、可演化的 AI 辅助组件，包括智能体、技能包、工作流、工具和最佳实践，旨在帮助科研人员和开发者利用 AI 提升研究效率。

一位开发者分享了在多步骤智能体生产调试中遇到的挑战——由于复杂的工具使用和自信的错误回答，失败难以追踪，并向社区寻求更好的监控和回归检测方法。

Clelia在柏林由Qdrant组织的Vector Space聚会上，与deepset、cognee和n8n一起，愉快地分享了智能体系统中的检索话题。

Browser Use 0.13.0 beta 已用 Rust 重新构建，用于长时间运行的 Web 代理任务，具有自定义 LLM 框架和一个新的终端界面。

Andrew Ng 讨论了桌面 AI 代理和编码 CLI 工具的兴起，介绍了开源项目 OpenCoworker，并探讨了由 LLM 驱动自主任务执行的 Agent 框架设计。

Midas 在 BEAM 100K 上达到 0.56 recall@k，在 BEAM 500K 上达到 0.51 recall@k，零 LLM 调用、零成本，展示了高效的智能体长期记忆能力。

TerraBench 是一个新基准，用于评估人工智能智能体在异构地球系统数据（包括网格数据、卫星图像和模拟器输出）上进行推理的能力。它揭示了当前前沿模型的显著局限性，表现最佳的模型平均工具使用得分仅为 59.2%。