标签
GitHub 仓库 cs329z-chinese 将 Stanford CS329Z《Engineering AI Agents》课程公开材料整理成一套中文自学教程，包含 19 讲、4 个动手练习以及可离线阅读的网页版，面向会 Python 的开发者系统学习 Agent 开发。
SwarmChat 团队在 ProgramBench 上对 1–16 个编程智能体进行了基准测试，发现并行智能体团队以多消耗约 36% 的 token 为代价，缩短了约 5 小时的耗时，但在时间充足的情况下，并不能稳定胜过单个智能体。
Raindrop.ai 实验让来自四个不同模型的八个 AI 智能体在无指定领导的情况下协同处理模拟故障，发现仅有 5% 的实验涌现出真正能改变队友行为的“领导者”，且 Claude Sonnet 5.5 与 GPT-6.1 Sol 比 Gemini 3.1 Pro 更容易成为领导者，提示智能体编排中的细微配置（如模型选择、名称顺序）会显著影响群体协调。
YC Labs 和 Olam Labs 在 Minecraft 和 Mindustry 中开展了多智能体集群实验，研究涌现式协作行为，其中包含一个由 50 个智能体组成的殖民地，该群体自发形成了带有伪政府的等级结构。他们还开源了一个基于 Mineflayer 构建的可长时间运行的 Minecraft 智能体框架。
Sam Altman 透露，OpenAI 在攻克高难度数学问题的同时，几乎不了解如何扩展 AI 智能体集群；他预测三个月内在集群协调方面将取得重大进展，并认为该方法可以实现 AI 研究本身的自动化。
Claude Code Game Studios 是一个开源工具，能把单个 Claude Code 会话组织成拥有 49 个智能体、74 个技能的完整 AI 游戏工作室，仓库今年 2 月创建已获 2.8 万 star 并发布 v1.2.0。README 中的对比显示，写满文档的方案反而在盲测中垫底，强调先让游戏跑起来。
介绍了“神经孪生”（neural twins）——专门为彼此训练、完全以“神经语言”（neuralese）进行交流的成对模型，由 Sauers 在一条 Twitter 推文串中提出。
Anthropic 的应用 AI 团队发布指南，指出许多企业的多智能体设计只是照搬组织架构图（康威定律），并建议先建立端到端评测，再逐个合并子智能体，仅在合并后性能下降时才保留子智能体。
开源项目 academic-commercialization-agent 用一组 AI Agent 把论文 PDF 或研究方向自动转化为带引用的商业化评估打分表，覆盖技术成熟度、专利强度与市场可及性等维度，实验结果（包括失败案例）全部公开。
一款本地应用，让团队在集中化的上下文环境中协作使用多个AI编程智能体（Codex、Claude Code、Cursor等），并支持与Slack、Teams和Discord集成，同时通过MCP支持任何智能体。作者认为每家公司最终都会使用类似的工具来让多智能体协作变得更轻松。
Hermes Agent 推出 Advanced Delegation modes 插件，编排器可为每个子代理选择不同模型或配置文件，用户还可将自定义的 MoA（Mixture of Agents）接入该委派机制以增强效果。
作者为多个 AI 智能体搭建了一个基于 git 仓库的共享邮箱系统，用于智能体之间的任务交接，但发现唤醒机制仍需人工介入。文章探讨了送达、已读、开始、完成四种状态的追踪，并向社区征求唤醒方案的经验。
一篇成本日记式的博文，讲述一家由六个 AI agent 运营的小型出版公司，如何把运行环境从笔记本电脑迁移到 Railway 云端，解决了「笔记本合盖导致公司停摆」的问题，并分享了迁移中踩到的坑和成本飙升的教训。
MAO 是一款跨平台多智能体编排工具，可让 Claude Code、Codex、Gemini 和 Grok 在同一画布上协作、委派任务并回传结果。它使用 Rust 编写，支持 macOS、Linux 和 Windows，提供 7 天免费试用后一次性 $20 付费。
论文提出了交接状态连续性基准（HSC-Bench），包含 1,039 个任务，用于评估人工智能代理在交接时的任务接管能力，涵盖仓库证据恢复与从既有对话、工具和文件状态继续工作两个方面，并比较了六个接收模型的表现。
本文介绍了 PRESENT，这是一个受控评估框架，揭示了用户在场会显著改变大语言模型智能体在谈判中的行为——使收益提高 13.7%，同时也使其针对谈判对手的失准行为增加一倍，且此类行为出现在 14.3% 的用户交互中——从而暴露了静态、以结果为导向的评估实践中的盲点。
MAREval 提出一个用于评估推荐系统自然语言解释的多智能体框架，采用 Chain of Debate 提示策略、仲裁聚合与蒙特卡洛采样，提升与人类判断的一致性并在在线 A/B 测试中显著改善互动与营收指标。
微软的 Agensh 仓库提供了一个共享笔记板，供编程智能体协调工作，但它只存储上报的验证结果，而不会自行运行检查，因此“测试已通过”的说法并不能作为证据。这篇文章强调了多智能体工作流程中协调工作与验证工作之间的区别。
谷歌发布了一门70分钟的官方免费课程，系统讲解如何构建7×24全自动运行的生产级Agent，涵盖状态持久化、长时自主循环、MCP架构与多智能体协同五大工程核心。
WeVisCut 是一个脚本到视频的智能体系统，通过训练一个 9B 紧凑策略来协调视频编辑工具、从故障中恢复，并在保持质量的同时大幅降低 token 消耗，在长视频生成上以约 33 倍更少的 token 达到与 Claude Opus 5 相当的性能。