Agent

為了讓AI智能體真正自主執行任務，它們需要一個隔離、安全且可快速部署的計算環境。本文介紹了智能體為何需要自己的“計算機”，以及LangSmith沙箱如何通過微虛擬機隔離、快照與分支、認證代理和安全執行等特性滿足這一需求。同時討論了提示注入等安全風險及緩解措施。

ZDNet作者David Gewirtz對比測試了ChatGPT Work和Claude Cowork的桌面文件自動化能力。ChatGPT Work能自動檢測重複文件並智能重命名，整理速度雖快但全程未請求權限，存在安全風險。Claude Cowork則在每次重大操作前請求批准，更適合高風險任務。作者認為，一旦OpenAI修復權限問題，兩者在整理質量上不相上下。

一項研究表明，結合Bomly MCP服務器的AI代理在大型項目上能穩定修復98%以上的可修復漏洞，而僅靠代理自身則表現不一，甚至低至14%。該服務器通過提供依賴圖、漏洞列表和修復上下文，有效解決了大型項目中依賴發現的瓶頸問題。

互聯網協議架構師之一温特·瑟夫離開谷歌後，開始擔任創新實驗室的顧問，致力於為AI代理創建開放的身份識別架構。

Anaconda 收購了流行的開源編碼代理 Kilo，此舉發生在企業對 AI 供應商鎖定感到擔憂的背景下。Kilo 允許開發者自由切換模型提供商，避免供應商鎖定。Anaconda 計劃將 Kilo 集成到其 AI 工作區中，同時保持其開放源代碼特性。

文章指出，現代工作場所本質上是威權系統，而教育體系過於側重就業技能，忽視了培養獨立思考和批判性判斷能力。隨着AI取代更多工作崗位，年輕人面臨前所未有的就業危機，教育應當轉向培養能夠質疑和改變現有系統的人才。

這個TypeScript倉庫展示了一種通過工具強制執行的規則系統，防止AI代理在編碼過程中破壞架構。它包含五個關鍵防護措施：依賴規則、突變測試、測試與規範保護、提交門控和規範驅動開發。該倉庫還作為模板，可用於啓動新項目，並提供了一個基準測試來驗證代理的能力。

本文展示瞭如何使用Google Gemini規劃假期，通過生成包含航班、住宿和活動建議的行程單。包括用户經驗、不同提示的測試以及使用Auto Browse的技巧。

LoopGain 是一個開源庫，利用控制理論智能地停止AI智能體循環當它們收斂時，取代浪費的 max_iterations 方法。它實時測量循環增益，在基準測試中實現了 92.8% 的API開銷節省和 15 倍加速，同時保持輸出質量。

本文介紹了七種Python工具，工程師在2026年實際使用它們來在本地基礎設施上構建、協調和運行AI代理，涵蓋從模型運行到決策編排的各個層面。

OpenAI 對 SWE-Bench Pro 的審計揭示了編碼基準測試的嚴重缺陷：大約30%的任務存在錯誤，導致精確的得分可能無法真實反映模型能力。該發現促使 OpenAI 撤回先前推薦該基準的建議，並強調需要更可靠的評估方法。

日本作為全球AI中心，正藉助NVIDIA技術構建全棧AI生態系統。NVIDIA與SEGA慶祝合作30週年，宣佈將《VR戰士CROSSROADS》等經典遊戲引入NVIDIA RTX Spark新平台，展現了從圖形技術到AI計算的技術演進。

PromptMan是一款macOS菜單欄應用，允許用户通過全局快捷鍵快速保存、組織和重用AI提示，支持ChatGPT、Claude等工具，並提供雲同步、提示版本管理和AI增強功能。免費版提供10個提示，Pro版每月4.99美元，年付39美元。

AITerm是一款原生macOS終端應用，集成了AI功能，支持自然語言命令、錯誤診斷、本地或雲端AI模型，並具有安全風險分級和自動回滾建議。免費版提供核心功能，Pro版增加自動化、運行手冊等，注重隱私和安全性。

非英語母語寫作者的新工作流：先用母語起草，然後用AI翻譯和潤色成英語。研究表明，用第二語言寫作會多花30-50%的時間，原因是認知負荷。通過將想法生成與語言轉換分離，並藉助Echoo等AI工具，寫作者可以恢復速度和表達質量。

在AI輔助代碼審查中，確定性的靜態分析可以顯著降低token消耗。通過在調用LLM之前先用確定性檢查過濾已知問題，團隊能減少不必要的推理開銷，將模型能力集中在真正需要判斷的模糊問題上。

AIDE2 系統通過八天的自主研究，發現了一個比人類兩年構建的更好的自動研究框架，實現了遞歸自我改進（RSI）的首個實驗證據。該系統採用雙層優化循環，內層循環優化代碼，外層循環優化內層智能體的代碼框架，最終產生了七個改進版本，並在未見過的任務上表現出泛化能力。同時，系統還進化出了防止獎勵黑客行為的機制。

UltraWork 是一個託管式AI編程環境，每月固定費用399美元，無令牌計量，無需擔心意外賬單。它提供精選模型目錄、智能路由、提示模板庫，面向獨立開發者、機構和小團隊。由具有高性能基礎設施經驗的工程師運營，強調簡單性和可預測的定價。

TormentNexus是一個本地優先的開源AI控制平面，為多代理工作流提供持久記憶、MCP工具編排和自主基礎設施管理。它支持38+ AI編碼代理，具有漸進式工具路由、雙層記憶架構和羣集協調等功能。

本文探討AI編程助手如何通過“提示-等待-評估”循環破壞心流狀態。作者指出，這種循環替代了編程中清晰的目標、即時反饋和技能匹配挑戰，導致頻繁的上下文切換和精神重建。文章引用心理學和中斷研究，分析AI工具如何成為新型中斷源，並建議開發者區分任務類型、批量使用AI以保護深度工作。

Tiptap AI工具包通過集成AI，實現直接、實時地編輯文檔，從而提升團隊協作和生產力。

Monid是一個平台，允許AI智能體無縫連接並使用超過1300種工具，涵蓋搜索、數據抓取、天氣、3D建模等領域。它提供統一的支付系統，按調用付費，無需訂閲，並支持三種集成方式：Skill、MCP和CLI。

Sogni Unlimited 提供基於訂閲的無限圖像、視頻、音樂和 LLM 生成，使用去中心化的 GPU 網絡。無需按渲染計費，支持開源模型及部分付費合作伙伴模型。訂閲收入的一部分用於支持獨立 GPU 運營商。

2026年6月，Anthropic的Claude Fable 5系統提示詞在GitHub上泄露，這是一份長達3826行的文檔，用於引導模型行為。本文詳細解析了其來源、結構、拒絕處理、關懷義務、記憶系統、代理機制以及版權保護等關鍵部分，揭示了前沿AI本質上是一套精心編寫的規則手冊。

本文提出一種基於契約的行為樹合成架構，通過編碼智能體查詢機器人端的MCP服務器獲取技能庫和操作符，實現從自然語言到可執行行為樹的可靠合成。實驗表明該方法在模擬和實體機器人上均取得高成功率。

多機器人在受限環境中需要變形和重構兩種行為。現有方法獨立建模或依賴規則，易導致死鎖。EFLUX提出幾何基礎的LLM智能體框架，聯合推理變形和重構動作，通過閉環生成與驗證實現安全導航。實驗表明能減少死鎖和導航失敗。

SymbOmni是一種新型AI模型，旨在解決當前模型“永恆新手”的問題——即無法積累經驗並自主進化。它通過符號概念學習，利用可優化的記憶模塊將低級操作抽象為可重用的符號工作流指令，並通過歸納-轉導循環實現持續自我改進。實驗表明，SymbOmni在圖像質量和任務成功率上超越現有代理系統及閉源模型，同時減少40%以上的令牌消耗，並在持續學習基準上取得新成果。

TSCA-Net通過三個互補模塊（時空團注意力、跨行人團勢、自適應KAN網格細化）顯著提升擁擠環境中的行人軌跡預測精度，在ETH/UCY和SDD基準上達到最先進性能。

本研究提出G-SHARE框架，將核電站人因事件診斷的CNNP九步準則轉化為多階段診斷流程，包括證據提取、逐步推理和一致性修復。在真實數據集上，G-SHARE顯著優於一次性提示和傳統機器學習方法，表明結構化推理和一致性約束對穩健診斷至關重要。

本文提出GenAI Evaluation，一種配置驅動的流水線，用於大規模評估零售對話系統。通過規範化、分片、異步執行和模式約束的LLM評分，評估有幫助性、真實性、清晰度、語氣一致性和翻譯維度。選擇性重新評估僅處理無效記錄，支持模式鎖定和版本化配置。每日處理約5萬條記錄，已評估超200萬次交互。在12,980條人工標註記錄上取得宏F1 0.93和翻譯準確率89%。

本研究探討了多智能體語言模型系統中交互圖結構如何影響共識形成。通過命名遊戲協議，研究人員分析了開源語言模型（1.1B-32B參數）羣體中的約定形成過程。研究發現，同質性閾值相似性路由會加劇碎片化，而橋樑尋找路由在有記憶的情況下可修復碎片化。在異質模型羣體中，閾值相似性導致共識失敗，而狀態組件和標籤分歧橋樑可恢復共識。同質模型羣體中，保留歷史通常促進共識，其中Qwen2.5-32B模型在所有保留歷史設置中均達到穩定共識。該研究還驗證了結果對狀態閾值、羣體規模和詞彙表大小的魯棒性，並表明早期窗口圖能量特徵可作為有效的網格內診斷工具。

論文提出了一個“代理就緒網站”設計框架，旨在增強電商平台對AI代理的可讀性、可解釋性、可驗證性和可操作性。實驗表明，代理就緒網站將嚴格成功率從49.3%提升至89.3%，部分成功結果從43降至3，平均步驟數從9.31降至6.49。

提出一種可復現的校準優先獎勵審計框架，用於智能温室強化學習控制，將標量獎勵分解為温度、CO2、濕度等組件，並在GreenLight-Gym和自主温室挑戰賽數據上驗證。

該研究結合了本體增強蒸餾與情境審計兩項方法，針對受數據居留規則約束的金融機構，提出租户自有語言模型的構建與治理方案。蒸餾實驗表明，Qwen3.6-27B學生模型在40項越南語金融任務中達到36項正確，與GPT-5相當，但統計功效不足以證明等價；情境審計試點的結果表明殘存情境性為零，直接影響與構造耦合才是有效信號。研究不支持當前模型的可部署性、安全性或優越性。

本文綜述了非平穩環境下的上下文強化學習（ICRL），即預訓練或微調的決策模型如何僅通過交互上下文推斷潛在任務規則並改進未來行為，而無需在測試時更新參數。在變化的環境中，累積的上下文可能變得過時甚至誤導，因此策略必須推斷當前決策規則並識別哪些歷史證據仍然有效。論文圍繞三個核心問題組織文獻：什麼在變化、變化如何展開以及變化對智能體的可觀察程度，並將其與元強化學習、決策序列建模、檢索增強強化學習等方法聯繫起來。

Syncless 的 Devices 功能允許用户將多個環境（如 MacBook、服務器、瀏覽器）連接到一個 AI 代理，實現跨機器無縫協作，無需 SSH 隧道或端口轉發。文章介紹了設置方法、使用場景及解決實際痛點。

儘管AI智能體被廣泛看好，但實際表現遠未達到預期。當前最佳模型的成功率僅為45.7%，且面臨可靠性、成本、法律和信任等多重挑戰。文章探討了單體和多智能體架構的優劣，並指出短期內AI應輔助而非完全替代人類。

GPT-5.6系列中，Sol和Luna在任何智能水平上的成本效率均優於Terra，尤其是Luna表現出極高的性價比。

文章探討了“AI例外主義”現象，即人們對AI的態度因自身利益而異：當AI威脅自身職業時被視為不道德，而當其帶來便利時則被接受。通過記者、版權糾紛、好萊塢罷工和大學等例子，揭示了這種雙重標準的普遍性。

Vehir是一個實驗性的AI原生計算平台，專為代理與計算機交互設計。它擁有自託管本地編譯器、用户空間微內核、內容尋址存儲和聲明式協調等核心特性，目前處於積極開發階段。

bunny是一個開源工具，通過共享遠程環境、聊天原生工作流和並行驗證，幫助團隊在AI時代進行協作開發。它允許人類和AI代理在統一上下文中討論、執行和迭代，並提供了基於RBAC的治理層。

現有的基準測試顯示語音AI接近人類水平，但實際對話卻大不相同。Hume AI發佈了Real World VoiceEQ基準，從超過40個語音模型在15+維度和60+指標上進行評估，基於超過100萬人類評分。關鍵發現包括：語音AI進展日益專業化、模型更擅長説話而非傾聽、傳統基準高估了實際性能、人類評估仍然不可或缺。

超級應用Codex每天新增100萬用户。AI新聞彙總涵蓋編碼代理、開放模型、多模態系統、基準測試和物理AI。

本文探討了專門為法律用途設計的AI系統，與通用編碼代理的不同之處。強調法律AI需要以證據為基礎、可審計、可驗證，並支持逐項修改的編輯流程。對比了Codex和Lexifina在跨引用檢查、壓縮和版本控制方面的不同方法。

Maincode已啓動Matilda的公開測試版，這是一款完全在澳大利亞構建和運營的AI助手，強調本地基礎設施、澳大利亞風格和信任。該系統專為深思熟慮的使用而設計，旨在為用户提供控制權和透明度。

Demis Hassabis 認為通用人工智能（AGI）將在幾年內到來，其影響將遠超工業革命。他呼籲建立前沿AI標準機構，以負責任地開發AGI，同時解決網絡安全、生物風險等挑戰。該框架旨在通過自願評估和逐步強制測試，促進創新與安全。

今年的AIE世界博覽會上，AI工程進入新階段：圍繞智能體構建系統，而非僅僅使用智能體構建。大會突出五大趨勢：從智能體轉向其周圍系統、循環工程作為新控制層、企業通過前向部署工程師採用AI、編碼智能體取代IDE作為開發者界面，以及智能體平台圍繞技能構建。

PrismML發佈了Bonsai 27B，這是Qwen3.6-27B的低位表示，並非全新預訓練模型。提供三進制和二進制兩種變體，採用Apache 2.0許可證。三進製版本每位僅1.71比特，理想大小為5.9GB；二進制版本每位1.125比特，大小為3.9GB。性能方面，三進制保留FP16基線的94.6%，二進制保留89.5%。該模型支持多模態，上下文長度262K令牌。PrismML聲稱二進制版本是首個適合手機的27B級模型。

隨着AI編程代理的普及，GitHub在應對大量拉取請求和自動化時顯得力不從心，暴露出架構問題。Buildkite作為替代方案，因其開發體驗和靈活性受到開發者和大型企業的青睞，如Airbnb、Shopify等。

Simon Willison 在 Codex Desktop 中意外激活了一個“寵物”功能，並利用 GPT-5.6 Sol 和 gpt-image-2 創建了一個騎自行車的鵜鶘寵物，命名為 Pedalican。他記錄了整個生成過程，包括提示詞和中間步驟，並開源了相關技能。