Agent

随着AI工具在编程中的普及，软件工程的面试流程变得过时。传统的编码测试无法评估开发者使用AI的能力，导致招聘双方都面临挑战。一些公司开始尝试允许使用AI的测试或现场工作，但问题仍未解决。

并非每个新模型都像宣传的那样出色。我们的追踪器将每个版本与同类模型进行对比，帮助您了解哪些模型值得关注。本文总结了2026年至今的重大模型发布，包括Claude Opus 4.8、GPT-5.5 Instant、Nemotron 3 Nano Omni、GPT-5.5、ChatGPT Images 2、Claude Opus 4.7、Claude Mythos（预览版）、GPT-5.4、Claude Opus 4.6和GPT-5.3-Codex，并阐述了它们的特点与意义。

Perplexity 发布了一款名为 Bumblebee 的开源开发安全工具，用于扫描程序员笔记本电脑上的风险软件包、扩展和 AI 工具配置。该工具只读，不会运行安装脚本或包管理器，专注于四个攻击面：语言包管理器、AI 代理配置、编辑器扩展和浏览器扩展。与侧重于容器和管道的 Chainguard 不同，Bumblebee 专注于开发者的本地环境。

在2026年Google I/O大会上，Google Research展示了一系列前沿技术，涵盖科学发现、健康、边缘计算和天气预测等领域。推出了Gemini for Science套件（包括ERA和Co-Scientist），加速科学研究；健康方面有Google Health应用、Symptom AI和AMIE系统；Coral NPU推动边缘AI发展；还有极端天气预测模型。这些创新展示了AI如何放大人类的智慧。

本文介绍了如何构建一个嵌入Amazon SageMaker AI MLflow应用UI的自定义门户，使用React前端和Flask反向代理实现AWS SigV4认证，并通过AWS CDK部署。该方案提供持久书签URL，简化访问管理，并支持SSO集成。

本文演示如何构建一个基于Flask的安全MLflow代理服务，通过HTTPS端点访问Amazon SageMaker MLflow，而无需直接使用MLflow SDK。该解决方案适用于正在经历云转型、希望保留现有ML工作流同时采用云原生服务的组织。

本文结合 LangChain 评估深度智能体的经验和 Anthropic 的 AI 智能体评估指南，提供了实用指南。您将学习如何应用五种评估模式、使用 pytest 和 LangSmith 构建离线评估，以及配置生产环境的在线监控。文中以文本到 SQL 的深度智能体为例，使用 Amazon Bedrock 覆盖从开发到生产的完整生命周期。

通过推出新的自主AI功能，这家初创公司利用软件收购来开发用于智能体训练与推理的AI硬件-软件堆栈。

联邦法官埃莉诺·罗斯被曝在 chambers 内与高级执法官员发生婚外情，司法部门试图匿名处理，但 AI 通过公开文件细节迅速识破其身份。此事凸显法院对 AI 能力的无知，以及法律专业人士需提升技术素养，重新思考保密策略。

企业领导者在扩展AI代理时面临快速交付与治理、信任、成本控制之间的紧张关系。文章分享了五项关键实践：统一治理、管理复杂工作流、创建实验空间、展示早期成果、培训员工。

一份记录全球各地反对大型AI帝国的抵抗运动的清单，涵盖抗议、法律行动、替代工具和社区组织等多种形式，旨在激发希望和行动。

AWS完全重构了OpenSearch Serverless，分离存储和计算，支持零成本空闲缩放，成本降低60%，自动缩放速度提升20倍，并针对AI代理的突发工作负载优化。新架构包括专有存储层、GPU加速，并整合Vercel和Kiro IDE。未来将推出代理内存、日志分析（6月）和搜索推理模型。

AWS 对 OpenSearch Serverless 进行了重大重构，并引入了新的 Agent Skills。此举旨在将 OpenSearch 打造为企业的基础设施，提供更快、可扩展的搜索能力。

将快速变化的在线信号与稳定的离线基线相结合，智能体评估最为有效。Amazon Bedrock AgentCore的数据集管理提供了版本化的测试固定组件，实现一致测量和真实情况验证。

Anthropic 发布了其旗舰模型 Opus 4.8，新功能包括用户可控制 Claude 的努力程度、动态工作流支持大规模编码、快速模式价格降至原来的三分之一。模型在基准测试中领先 GPT-5.5 和 Gemini 3.1 Pro，但在终端编码方面仍落后于 OpenAI。此外，模型在诚实性、自主支持和减少欺骗方面有显著改进。

SIA是一个开源的自改进AI框架，通过协调元代理、任务特定代理和反馈代理，自动提升AI系统在基准任务上的性能。在多个基准测试中取得显著成果，如LawBench准确率提升56.6%，GPU内核运行时间减少91.9%，单细胞RNA去噪提升502%，并在MLE-Bench Hard排名第一。支持本地运行和自定义任务，采用MIT许可。

美光科技市值于5月26-27日突破1万亿美元，与SK海力士同周达到这一里程碑，这是纯内存芯片制造商首次同时进入万亿俱乐部。高带宽内存（HBM）需求来自代理型AI工作负载，超大规模云服务商正在签署长期供应协议以锁定产能。瑞银将美光目标价上调三倍至1625美元，认为长期HBM供应合同将受益于代理型AI工作负载扩张。美光股价年内已翻三倍以上。

Anthropic 的最先进 Opus 模型 Claude Opus 4.8 在 Amazon Bedrock 和 AWS 上的 Claude Platform 正式可用。该模型在编码、代理任务和专业工作方面带来显著改进，具有更强的自主性和一致性，适合长期生产工作负载。

截至2026年5月，七大AI智能体框架（DSPy、Claude Agent SDK、OpenAI Agents SDK、CrewAI、AutoGen、LangGraph、Google ADK）在设计理念、架构、生产就绪度等方面各有千秋。LangGraph在生产部署中领先，Claude Agent SDK在单一提供商能力上最强，OpenAI Agents SDK提供最清晰的多智能体交接，CrewAI在开发效率上占优。市场预计从2025年的78.4亿美元增长至2030年的526.2亿美元。

Anthropic最新版Claude模型Opus 4.8主打诚实特性，更少做出无根据声明，更善于承认不确定性。同时引入动态工作流功能，可协调数百个子代理完成大规模任务。定价不变，快速模式降价三倍。

Anthropic 于周四发布 Claude Opus 4.8，该模型在训练中强调“诚实”，能够更频繁地标记工作中的不确定性，减少无依据的断言。评估显示，其代码缺陷遗漏率比前代降低约4倍。此外，用户可控制任务投入的努力程度，以及引入“动态工作流”功能，支持并行运行数百个代理。

本文演示了如何通过集成 Amazon Quick 和 Snowflake Cortex，自动化金融服务中最劳动密集的工作流程之一：反洗钱（AML）警报分类。您将使用 Amazon Quick Flows 和 Snowflake Cortex，通过 Amazon Quick 模型上下文协议（MCP）集成构建分类工作流。在测试环境中，自动化工作流将警报调查时间从 30-90 分钟缩短至 5 分钟以内。实际结果可能因警报复杂性和数据量而异。

Data Formulator 0.7 是一款开源AI系统，旨在解决企业数据分析中数据连接碎片化、分析工作流迭代困难等问题。它提供数据连接器、上下文感知代理和交互式工作区，帮助用户无需编程即可探索、分析和可视化数据。

Claudeverse是一个专为开发者设计的命令中心，用于高效管理多个并行运行的Claude AI工作者。它提供了并行工作力、工作者升级、审查队列、可追溯性、iPad镜像以及模型无关引擎等功能，旨在解决多会话管理中的注意力分散和协调难题。目前处于邀请测试阶段。

Google I/O 2026 主题演讲发布了多项重大更新，包括 Gemini Omni、Gemini 3.5 Flash、信息代理、通用购物车、Neural Expressive 设计语言以及智能眼镜等。本文总结了 12 个最值得关注的时刻。

Google Pay 正在全面升级其支付基础设施，以应对即将到来的 AI 代理交易浪潮。新推出的通用商务协议（UCP）和商家商务平台（MCP）服务器旨在为机器对机器商务创建基于 API 的后端。此次更新还包括动态回调、扩展的 WebView 支持以及跨设备生物识别认证，以解决安全挑战。这标志着向机器驱动经济的转变，企业必须调整其数字存在以适应 AI 代理。

AI可以提高生产力，但也可能暴露长期隐藏的数据，导致安全和治理挑战。来自富达投资和安永的技术领导者分享了他们暂停AI部署以重新评估数据管理的经验，强调了数据所有权、标签和代理身份的必要性。

DeepSWE是一个新的基准测试，用于评估AI编码智能体在全新、复杂的软件工程任务上的表现。它避免了数据污染，覆盖了多样化的代码库，需要大量代码修改，并使用手工编写的验证器。领先模型表现差异显著，GPT-5.5以70%的准确率位居榜首。

IBM与红帽宣布启动Project Lightwell计划，投入50亿美元，结合先进AI能力和20000多名工程师，建立可信的企业级开源软件安全清算所模式，旨在保障软件供应链安全。

本文深入探讨Ollama的配置引擎，介绍如何使用Modelfile微调本地语言模型参数、优化硬件性能并格式化提示流。涵盖采样参数、惩罚设置、上下文窗口管理及服务器环境变量等关键内容。

在Decoder播客采访中，Rivian首席软件官Wassym Bensaid讨论了与大众的合资企业、全新的AI驱动Rivian助手，以及为什么他认为语音界面将取代按钮且不需要CarPlay。

DNS-AID项目利用DNS基础设施实现AI代理之间的发现，避免创建新的中心化注册表。该项目由Linux基金会管理，支持MCP、A2A等协议，并允许通过名称、功能或域名搜索代理。

Pact是一种专为AI智能体设计的编程语言，它强调机器可读的规范和约束，而非人类友好性。该语言基于S表达式，集成了来源追溯、副作用追踪、完全性保障、延迟预算等特性，并能够编译为Rust代码。其工具链支持从YAML规范生成代码、搭建Web项目，并提供了多种代码生成后端。尽管Pact在服务契约领域表现出色，但它在算法规范方面仍存在局限。

智能体需要独立的治理身份，而非共享API密钥或开发者凭证。通过委托模型，有效权限是智能体角色与委托者权限的交集，从而限制风险并实现可审计性。文章详细介绍了身份锚定、权限边界、自主触发授权及审计追踪等关键实践。

DiscloAI 是一个开源SDK，专为欧盟AI法案第50条合规设计，支持聊天机器人披露、深度伪造标签和AI内容通知。通过CDN或npm可在10分钟内集成，支持24种欧盟语言和WCAG 2.1 AA标准。

文章以Google Gemini Omni模型为引，指出AI设计工具因缺乏审美引导导致输出同质化（“AI垃圾”），并提出解决方案：通过持续收集视觉参考（“数字囤积”）培养个人品味，并将其编码为AI可理解的格式，从而引导模型产出独特且具有品味的设计。

极佳视界发布全球首创物理AGI“双金字塔”体系，推出家庭机器人拾光S1，获百台家庭订单，计划12个月内实现物理AGI的“GPT-3时刻”。

在ICRA上，NVIDIA Research展示了28篇论文中的8篇，重点研究模拟到现实的迁移，使机器人能够在动态、不可预测的环境中感知、推理、规划和行动。这些方法涵盖多臂协调、跨机器人导航、抓取、精确装配和视觉-语言-动作模型，显著提高了成功率和可靠性。

Cloudflare每秒处理超过十亿事件，但数据分散在多个系统，难以访问。为解决这一问题，他们构建了Town Lake统一数据分析平台和Skipper AI数据智能体。Town Lake提供单一SQL接口，Skipper允许用自然语言提问并获得可审计的答案。文章详细介绍了平台架构、治理策略（默认关闭权限）以及AI智能体的工作原理。

文章认为，AI辅助软件开发的关键并非更好的规格说明或工具，而是古老的小批量与快速反馈循环实践。数据显示，更快的代码生成导致设计、测试和审查环节出现瓶颈，反而使交付变慢、发布更不稳定。真正的杠杆在于缩小批量、缩短反馈周期。

Mistral AI 将其聊天机器人 Le Chat 更名为 Vibe，并将聊天、编程代理和新的工作模式整合在一个品牌下。工作模式可接入 Google Workspace、Outlook、Slack 或 GitHub，独立处理电子邮件、报告或拉取请求等任务。Pro 套餐价格从 17.99 欧元降至 14.99 欧元，但未明确使用限制。此举直接对标 OpenAI、Google 和 Anthropic 的代理型产品。

OpenLoomi AI团队决定将其AI工作伙伴开源，强调数据所有权、透明度和社区驱动。文章阐述了本地优先、闭源信任税、基础设施公共化等理念，并介绍了产品的五大核心功能：自进化记忆系统、多平台集成、自动化调度、本地加密存储以及开放技能接口。

本文介绍了七个实用的AI项目，涵盖求职、研究、投资分析、市场趋势、发票处理、图表数字化和个性化锻炼，每个项目都附有完整指南和代码，帮助读者自动化工作流程。

该供应商的增长与企业AI中代理的爆炸性出现同步。

Open Agent Tools (oats) 是一个自托管AI模型框架，通过本地代码提示索引，将大型模型的计算密集型工具调用委托给小型开源模型，从而节省令牌消耗。

本文是AI驱动开发系列文章的第七篇，重点讨论AI会话中的上下文管理。作者通过个人经历（Gemini移动应用忘记之前记录的笔记）引出上下文压缩问题，并分享了四种实用技巧：将探索与文档编写分离、使用交接文档而非延续提示、给AI设定验收标准而非详细步骤、以及使用规范文档作为不同AI工具之间的桥梁。这些技巧适用于从编程到写作的各种AI使用场景。

Hermes Desktop 是一个跨平台的桌面应用，它将 Python 运行时、hermes-agent（自改进 AI 代理）和 hermes-web-ui（Vue 3 + Koa 聊天仪表盘）打包到一个 Electron 应用中，用户无需单独安装 Python 或 Node。应用集成了 DingTalk 并通过 DeepSeek 驱动。

Money Printer Pro 是一个基于 Google Gemini 和 VEO 3.1 的开源 AI 内容生成器，可创建逼真的图像和电影级视频，并保持身份一致性。它拥有 7 个视觉引擎、自动批量生成、AI 质量评分和发布把关功能，用户直接向 Google 付费，无需额外订阅。

Superpowers是一个为AI编码代理设计的完整软件开发方法论，基于一组可组合的技能和初始指令。它强调测试驱动开发、设计先行、子代理驱动的迭代，并支持多种编码助手（如Claude Code、Codex CLI等）。

随着AI代码审查工具（如Anthropic的Claude Mythos）展现出比人类更强大的安全漏洞发现能力，软件安全的信任基础正从人类编写的代码转向AI审查的代码。文章以Mozilla Firefox为例，Mythos在单个评估周期内发现了271个漏洞，远超人类团队。这意味着人类在安全审查中的角色需要从“编写和审查实现”转向“定义软件的意图并验证实现是否偏离”。