标签
论文将 LLM Agent 视作操作系统(AaOS),对照标准 OS 教材盘点 19 个子系统共 116 项机制,发现仅 11 项同构、65 项缺失(含特权分离、资源配额、防篡改审计),并在 Claude Code、Codex CLI、Gemini CLI 上实验证明单工具防护可被 shell 绕过、伪造会话记录可被恢复接受,指出需要模型之外不可绕过的监控层。
RealCLI是一个成对基准,统一评估CLI代理的任务执行能力与人机协作质量,采用五维框架,并通过脚本化用户模拟实现渐进式交互。结果显示前沿代理之间能力差距显著:最佳配置平均得分仅为49.2%,协作分数峰值仅为37.6%。
该论文提出了 REALCLI,这是一个配对基准,用于联合评估 CLI 智能体的任务执行能力和人机协作质量。结果显示,前沿智能体在任务执行方面的得分仅为 49.2%,在联合协作方面的得分仅为 37.6%,在可引导性、信任校准和安全边界管理方面存在显著差距。
Munder Difflin 是一个开源的多代理框架,它使用户能够部署AI代理克隆体以实现全天候自动化和团队协作,集成现有CLI代理,并提供私有云和网络功能。
本文介绍了DCAS——一种后端替换拦截层,它将CLI代理脚手架与后端模型解耦,从而实现跨脚手架评估。研究表明,在小规模数据集上进行规划感知微调,能够提高模型在非训练脚手架上的泛化能力。
作者分享了他们的项目 The Termi Protocol,一个桌面应用,为每个CLI代理在舒适的3D房间中赋予一个可视化身体,并将它们连接成一个蜂巢,拥有一个中央女王大脑,用于统一历史和协调。
ECHO引入了一种混合目标,将策略梯度损失与环境观测预测相结合,从终端反馈中提供密集监督,使Qwen3模型在TerminalBench-2.0上的性能翻倍。
Superset 是一个开源IDE,用于并行编排多个基于CLI的AI编码智能体,具有隔离的git工作树、内置监控和差异查看器。它支持多种智能体,如Claude Code、Codex CLI和Gemini CLI。
ECHO是一种新的、简单且免费的方法,用于解决CLI代理、持续学习、自我改进和世界模型等问题。
作者分享了他们使用Rocket.Chat、CLI代理和tmux构建AI代理基础设施的经验,规模扩展至250个客户,帮助他们建立网站。他们从销售服务转向教客户自己使用代理,强调了此类系统中上下文管理的重要性。