Agent

Shippy是一個用於實時海洋領域感知的AI代理，其設計注重可靠性、模塊化和可審計性。文章詳細介紹了其架構：由“靈魂”（系統提示）、技能（結構化Markdown文件）和配置組成。通過專用CLI與Skylight API交互，並使用Mothership平台進行沙盒託管和用户隔離。評估系統針對真實場景和加權標準對整體代理進行評分。未來計劃包括代理驅動的UI控制、模型路由和跨線程記憶。

本文探討了AI代理中模型路由的複雜性，指出路由不僅僅是分類問題，而是系統優化問題。文章通過三個維度（成本、複雜度、延遲）揭示了常見誤解，並介紹了IBM Research團隊構建的基於優化的路由解決方案。

一種名為CrashStealer的新型macOS惡意軟件偽裝成蘋果崩潰報告工具，竊取用户數據、密碼和加密貨幣錢包。本文介紹其工作原理及三種防禦習慣。

隨着人工智能成本成為美國企業增長最快的支出之一，一些初創公司開始轉向更便宜的中國AI模型以節省開支。儘管中國模型在能力上落後6到12個月，但其開源特性和低成本吸引了大量用户。

一個研究團隊成功利用分佈在四個國家的14台Mac電腦（包括一台個人MacBook）進行強化學習後訓練，在PaperSearchQA任務上將pass@1從29%提升至63%。該系統通過PULSE權重同步技術實現90MB的增量更新，並採用異步星型拓撲結構，所有通信基於對象存儲，無需專用網絡。這是首次完全使用消費級Mac進行rollout生成的RL後訓練。

LangChain的Fleet平台新增一鍵部署功能，允許用户無需編碼即可創建併發布AI代理到Slack。代理可擁有自定義身份，在頻道和線程中工作，並支持權限控制和審批流程。

OtoDock是一個自託管的AI Agent平台，讓你可以在自己的基礎設施上以Agent團隊的形式運行Claude Code和Codex。它提供實時儀表盤、安全沙箱、多Agent會議、自動化調度、文檔生成等功能，支持消費級訂閲、API密鑰或本地模型。採用公平源碼許可（FSL-1.1-Apache-2.0），支持Docker一鍵部署。

傳統的VPN無法滿足AI代理的訪問需求，企業需要統一的身份網絡和特權訪問管理，以安全地支持人類和代理的混合工作負載。Tailscale專家將於7月28日舉辦網絡研討會探討解決方案。

Mindlas 是一款開源工具，通過確定性儀表盤實時監測 AI 編碼會話中的上下文惡化、驗證債務、變更影響範圍等問題，並在問題累積前提供具體糾正措施，無需網絡調用且完全本地運行。

OpenAI與鍵盤製造商Work Louder合作推出了一款名為Codex Micro的方形按鍵設備，用於監控和管理Codex編碼平台上的AI代理。該設備售價230美元，限量發售，與OpenAI和Jony Ive合作的另一硬件項目無關。

Tura是一個本地開源編碼代理，通過在DeepSWE v1.1基準測試中使用宏CLI命令和反向推理，相比Codex CLI High，將LLM調用次數減少80%，同時成功率從60%提升至80%。

GeoSQL是一種地理空間分析技能，通過將地圖可視化反饋整合到AI代理循環中，顯著提高了空間查詢的準確性。它解決了AI僅基於文本數據時無法檢測到的幾何錯誤（如多邊形異常或座標偏移），並通過數據庫探索、成本預估、結果驗證和地圖渲染等步驟實現自主校正。與Dekart配合使用時，性能提升可達4倍。文章還討論了局限性，如僅BigQuery支持成本控制、測試規模有限等。

Linus Torvalds在Linux內核郵件列表中明確表態，Linux項目不反AI，AI是實用的工具，反對者可以選擇復刻項目或離開。他強調內核社區基於技術優劣做決策，而非恐懼新工具。

本文介紹如何用110行Python代碼構建一個基於Telnyx Call Control和AI Inference的AI談判練習電話。用户撥打電話後，可選擇薪資談判、銷售交易或供應商合同三種場景，與扮演對手的AI進行語音談判，掛斷後獲得結構化評分反饋。文章包含完整的構建步驟、架構解析和自定義場景的方法。

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。

研究人員發現Claude的web_fetch工具存在漏洞，允許攻擊者通過嵌套鏈接誘導AI泄露用户私人記憶中的敏感信息，如姓名、位置和僱主。Anthropic已修復該漏洞，但未支付漏洞賞金。

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。

本文基於Google白皮書《AI時代的軟件生命週期》，探討AI如何改變軟件開發流程。核心觀點包括：智能體由模型和工具鏈組成，上下文工程是成本關鍵，驗證是區分“氛圍編碼”與工程的關鍵，各階段變化不均，經濟上建議採用智能體工程而非純粹的氛圍編碼。

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。