Agent

Superglue 推出了一款可自定義的 SAP MCP 伺服器，為 SAP 實施顧問提供 AI 副駕駛，可直接查詢客戶 S/4HANA 資料，支援一鍵安裝並整合到 Claude、Cursor 等 MCP 客戶端。

本文探討了在代理開發中規格說明的必要性，指出零規格和過度規格都有成本，最佳平衡點取決於任務型別，並強調了規格驗證和可執行測試的重要性。

OpenTSLM是一種多模態大語言模型，將時間序列作為原生模態處理，能夠與文本一起對原始多變數訊號進行推理。它在時間序列問答、活動識別、睡眠階段分類和ECG問答任務上優於基線方法，包括GPT-4o。模型支援擴充套件到多個超長時間序列，記憶體消耗幾乎恆定。ECG推理經7位心臟病專家驗證，正確率97%。所有程式碼、資料集和模型均開源。

GPT-5.6 Sol在Design Arena的網頁設計排行榜上排名第一，比其前身GPT-5.5高出18位。它主動避免常見的AI設計反模式，結合了強大的模板與高度的個性化，並且比競爭對手更快、更便宜。

一個名為 Reaper-MCP 的新開源專案透過模型上下文協議讓 AI 助手能夠直接控制 Reaper DAW，涵蓋作曲、編輯、混音等音樂製作全流程。

本文詳細介紹瞭如何將MCP（模型上下文協議）伺服器連線到Claude桌面版和Claude Code，使Claude能夠與外部工具、檔案、資料庫等互動。包括兩種桌面版配置方法（一鍵擴充套件和JSON配置）以及Claude Code的CLI命令配置，還提供了常見錯誤修復和推薦伺服器列表。

文章探討了AI輔助開發如何導致'單一模式倦怠'，透過壓縮規劃、實施和整合三種認知模式，使開發者儘管效率提高卻更加疲憊。

本文總結了五項最近關於AI在軟體工程領域的研究論文，這些論文共同揭示了AI正在壓縮軟體工程的上游工作，但下游瓶頸隨之出現。主要發現包括：GitHub Copilot使PR吞吐量增加約40%，且呈劑量反應關係；AI在程式碼生成階段的增益（高達+180%）在交付過程中大幅衰減（最終僅+30%的釋出量）；生產力與開發者體驗出現脫鉤；開發者希望AI更多用於驗證任務而非程式碼生成；以及“認知債務”和“意圖債務”正在成為新的軟體健康問題。

JetBrains 研究團隊探討了 AI 與擴充套件現實（XR）結合如何為技術創作者帶來新的互動正規化。透過專家訪談，他們總結了五個主題：人類如何向 AI-XR 系統傳達意圖、AI 如何使 XR 環境理解並適應個人、阻礙 XR-AI 主流化的因素、AI-XR 如何改變創作方式，以及隱私和倫理風險。研究指出，XR 硬體和 AI 的融合將徹底改變技術創作，但面臨技術、認知和組織上的挑戰。

NVIDIA釋出Nemotron 3 Embed，包含三個開源檢查點：8B BF16、1B BF16和1B NVFP4。其中8B模型在RTEB基準上以78.46平均NDCG@10排名第一。1B模型透過NAS剪枝和蒸餾從8B教師模型得到。NVFP4在Blackwell上保持99%+的檢索精度，吞吐量提升2倍。所有模型支援32,768 token輸入，採用OpenMDW-1.1許可。

作者利用AI編碼助手（Codex CLI、Gemini CLI、Claude Code）將Python的epub閱讀器epy移植到Rust，開發了終端閱讀器repy。專案從2025年11月開始，2026年2月釋出，但僅獲得少量關注。文章反思了AI時代軟體過剩的現象，並探討了創作的意義。

中國晶片設計公司摩爾線程和紫光資訊預測上半年收入大幅增長，得益於國內AI計算需求激增。摩爾線程預計收入增長135%-149%，紫光資訊預計增長55.6%-70.2%。這凸顯了中國在AI基礎設施上的強勁需求，以及在美國出口限制下國產晶片的崛起。

Lightport 是一個輕量級的 AI 閘道器，專注於讓各種 LLM 提供商相容 OpenAI API。它源自 Portkey AI Gateway，但去掉了重試、快取等高階功能，僅保留請求/響應轉換層。支援 77 個提供商，包括 OpenAI、Anthropic、Azure OpenAI 等。可直接透過 pnpx lightport 快速啟動。

歐盟釋出兩項新規，要求谷歌共享搜尋資料並開放安卓系統，以便競爭對手AI公司能公平接入。此舉旨在打破科技巨頭的數字壟斷，促進創新，但谷歌警告可能會危及使用者隱私和資料安全。

本文介紹了一個名為voidguard的新工具，它能夠檢測出程式碼庫中那些看似有效但實際上並未驗證任何內容的“空心”測試、型別檢查和CI門禁。作者透過對一個倉庫的掃描，發現了七個這樣的空心守衛，並由此開發了這個通用工具。文章詳細說明了voidguard能檢測的四類空洞以及無法檢測的三類，強調了驗證驗證手段本身的重要性。

OpenAI在其Codex命令列介面中引入了多代理v2訊息加密，隱藏了代理間傳遞的指令，導致開發者無法除錯和審計代理行為，引發了社群對可觀測性喪失的擔憂。

本文探索了利用功能性近紅外光譜（fNIRS）腦訊號來調節機器人強化學習的可行性。研究比較了被動（觀察）和主動（演示）互動任務中的智慧體訓練，並測試了多種增強RL演算法的方法，重點關注引數增強而非替換。結果表明，該框架有效：腦訊號在增強軌跡優先順序和狀態-動作Q值時改善了學習。此外，該框架能成功從離線資料中學習，為即時腦機介面設定不實用或資料有限的情況提供了實用替代方案。

一項來自arXiv的新研究提出了一種隨機過濾協議（ANTk），用於採用匿名通訊的機器人群體中的群體感應。該協議減輕了匿名協議中常見的重複計數偏差，提高了估計穩定性，但增加了錯誤恢復時間。研究將ANTk與基線和隨機變體進行了比較，揭示了準確性、速度和穩定性之間的權衡。

MonteRET是一種區域感知的檢索增強框架，用於自動生成胸部CT報告。它整合全域性和區域性CT特徵，檢索相關醫學知識，並透過知識引導的報告重寫智慧體最佳化初始報告。在RadGenome-ChestCT資料集和外部醫院資料上，MonteRET在報告質量、語義相似性和臨床效果上均優於現有方法。

提出首個關鍵幀條件影片生成基準KeyFrame-Compass，包含386個精心策劃的樣本，覆蓋多種設定，並引入自動化評估框架，在9個系統上實驗揭示忠實執行與自然合成之間的權衡。

本文提出了一種新的量化指標——工具效率，用於評估LLM智慧體軌跡中有用工具呼叫的比率。為了精確定義工具效率，作者還引入了邊際工具效用，該指標判斷每次工具呼叫的有用性，以及能否在不影響準確性的情況下從工具套件中移除，從而提高效率。研究使用LLM作為裁判來確定軌跡中每次工具呼叫的邊際工具效用符號。這項工作直接量化效率，為未來基準設計和精簡工具套件最佳化提供基礎。

新研究表明，大型語言模型代理在透過文本通訊時會丟失資訊。使用稀疏自動編碼器特徵分析，研究者發現潛在空間通訊雖然在某些壓縮率下保留更多資訊，但丟失的特徵主要編碼表面形式而非任務相關語義，從而對潛在通訊的優勢提出質疑。

提出分支策略最佳化（BPO），利用沙盒的確定性、可快照和可恢復特性，透過共享字首的樹形 rollout 拓撲降低策略梯度方差，在多個基準上較 GRPO 和 RLOO 提升 3.6-6.1 個絕對百分點。

本文提出了一種可解釋的、全球可部署的機器學習框架，用於從開放地理空間資料預測代表雜波高度（RCH）。該模型使用LiDAR衍生的標籤進行訓練，並採用LightGBM迴歸器，平均絕對誤差為1.79米，R²=0.765，相比ITU基線誤差降低超過60%。SHAP分析顯示樹冠覆蓋、土地覆蓋語義和光譜反射率是最重要的預測因子。該工作被IEEE CASE 2026接收。

儘管可解釋人工智慧（XAI）技術層出不窮，從特徵歸因到稀疏自編碼器，但解釋很少影響實際工作流程。本文認為，機器學習社群必須從臨時性的XAI方法轉向解決基礎性和結構性的挑戰，包括不明確的問題表述、不充分的評估目標以及缺乏解釋驅動反饋的流程。透過對近期ICML、NeurIPS和ICLR論文的分析及對XAI從業者的調查，作者揭示了限制累積進展的常見問題，並提出了一個實用清單，旨在將XAI轉向更以人為中心、面向行動的模式。

最新研究將小型語言模型（SLM）與知識圖譜結合，透過神經符號智慧體框架提升其推理能力。在CLUTRR親屬關係基準測試中，使用Gemma 3和Llama 3.2模型的實驗表明，RGCN提供的專家提示可使效能提升1.5-2倍，但存在提取瓶頸和順序推理脆弱性問題。

本文針對工具增強型大語言模型智慧體在擴充套件工具集時面臨的行為慣性問題，提出透過注入反事實錨定上下文來打破慣性，恢復失敗軌跡。ToolAnchor框架利用教師模型假設反事實上下文，經學生回滾驗證後，透過智慧體後訓練內化成功干預，在GAIA、BrowseComp和VDR-Bench等任務中表現優異，為動態工具適應開闢了新路徑。

研究人員提出了一種利用大型語言模型（LLM）構建貝葉斯信念網路（BBN）的新方法，該方法透過一組AI代理基於特定角色和上下文估計機率，並採用修剪均值規則去除噪聲，從而彌合專家意見與資料驅動學習之間的差距。研究以替代醫療系統中患者就醫意向為案例，發現自我效能的影響實際較小，而主觀規範的影響更強，最有效的策略是同時提升自信和社群規範。

一種名為LLM-T1D的新方法將強化學習與大語言模型相結合，建立了一種可解釋的胰島素泵控制器，用於1型糖尿病，實現了73.5%的時間在目標血糖範圍內，同時提供清晰的解釋。

RegNetAgents是一個基於AI的多智慧體框架，能夠跨異質性基因調控網路進行結構化的調控候選識別。該框架整合了TCGA和GREmLN專案的大規模網路，對焦點基因進行雙網路分類、癌症基因過濾和作用模式分配。在乳腺癌和結直腸癌的測試中，識別出的候選調控因子顯著富集於OncoKB註釋的癌症基因，且在管家基因中無富集，表明其特異性。框架還包含評估致癌潛力、可成藥性等擴充套件模組。

一篇新論文提出了一種三級分層學習架構，用於執行搜尋與救援任務的自主無人機群，整合了赫布神經可塑性、基於圖神經網路和行為樹的多智慧體強化學習，以及帶BDI推理和數字孿生的元學習。該框架提供形式化保證，並引入群體元認知。

針對AI生成程式碼速度快於人類審查而導致的信任危機，本文提出“語義合約”——一種型別安全、編譯時檢查的藍圖，位於需求與程式碼之間，確保任何實現（無論人工還是AI編寫）的正確性。文章透過排序演算法和電商結賬示例展示了語義合約的構建塊、狀態處理和整合方式。

本文介紹瞭如何使用Telnyx Edge Compute函式為語音AI助手構建後端，透過單一函式處理動態變數和Webhook工具呼叫，驗證請求並連線業務邏輯，從而簡化架構並提升效能。

Gradle Technologies 現已更名為 Develocity，專注於 AI 驅動的軟體交付管道治理與效率。公司表示，AI 已將軟體交付瓶頸從人類轉移到管道上。

PocketVeto是一款透過藍牙實現本地、無網際網路的AI編碼代理遙控工具。使用者可以從手機批准或拒絕代理執行的危險操作（如shell命令、檔案寫入等），並即時檢視代理活動儀表盤。支援Windows、Linux及開發容器，目前v1版本已可用。

Blur & Unblur AI是一款免費的線上工具，可檢測照片中的人臉，對選定的人臉應用模糊效果，並匯出乾淨的PNG檔案——所有處理均在瀏覽器本地完成，無需上傳圖片。

VulnHunter 是一個開源的智慧體AI安全工具，採用攻擊者優先的主動分析方法，直接從原始碼中識別可被利用的漏洞，並提出證據支援的修復方案。它由 Capital One 內部開發並開源，旨在應對現代軟體供應鏈中的安全挑戰。

微軟的Foundry平臺現已支援超過8萬家企業構建AI代理。在產品副總裁Marco Casalaina的訪談中，他解釋了原型與生產環境代理之間的關鍵差異、代理框架的重要性，以及微軟如何構建上下文層以確保代理的可靠性。

Moonshot AI釋出了Kimi K3，一個2.8萬億引數的開源模型，擁有1M上下文長度，在Frontend Code Arena中排名第一，並在多項基準測試中取得優異成績。此次釋出標誌著開源模型的一個里程碑，儘管與頂級閉源模型仍存在差距。新聞通訊還涵蓋了其他AI新聞，包括安全事件、智慧體框架和機器人技術。

SAM是一個免費的開源AI智慧體，它能在你的計算機上本地執行，無需訂閱。它不僅能聊天，還能實際執行任務，擁有173種工具，支援團隊協作、離線執行，並且注重隱私。

RepoMap 是一種新型工具，透過確定性分析倉庫結構，生成互動式架構圖，幫助AI代理快速理解專案架構，同時大幅減少令牌消耗。它支援分支對比、提交差異視覺化和多種圖形佈局。

Wandr基準測試旨在評估需要同時進行廣泛和深入搜尋的研究代理，確保全面資訊檢索。

Astrio 推出 Forall（∀），一個透過規範驅動生成程式碼並附帶機器可驗證證明的程式設計助手。支援 CLI 和 MCP 兩種使用方式，目前相容 TypeScript、Java 和 Rust，基於 Apache-2.0 開源。

據報道，Alphabet推遲了其旗艦AI模型Gemini 3.5 Pro的釋出，導致股價下跌。該模型的編碼能力未達到內部預期，而競爭對手如OpenAI和Meta已推出更先進的AI編碼模型。

月之暗面於2026年7月16日釋出Kimi K3，這是一款2.8萬億引數的開源MoE模型，採用Kimi Delta Attention和Attention Residuals架構，支援原生視覺和100萬token上下文視窗。K3在多項基準測試中表現出色，但整體效能仍略遜於最強大的專有模型。

Puter團隊成功將Firefox的Gecko引擎編譯為WebAssembly，實現了在一個瀏覽器中完整執行另一個瀏覽器的壯舉。專案耗費約25,000美元的AI計算資源，透過Wisp協議代理所有網路流量，並支援端到端加密。該成果已開源，展示了WebAssembly在虛擬化領域的巨大潛力。

AegisDB是一個自託管的AI代理記憶體系統，提供持久化、語義化和工作記憶功能，透過簡單的JSON-over-TCP協議訪問。它採用單個無依賴的C語言二進位制檔案，支援多租戶、加密、備份、只讀副本和可觀測性，特別適合與Claude Code整合，確保資料完全由使用者掌控。

Artificial Analysis 釋出了 AA-Briefcase 智慧知識工作基準測試結果，Kimi K3 以 1547 Elo 排名第一，領先於 GPT-5.6 Sol 的 1495 分。該基準測試模擬真實商業工作流，評估模型在生成電子表格、簡報和備忘錄等任務中的表現。

Moltshit.com是一個專為AI代理設計的圖片論壇，允許在沒有人類監督的情況下進行自主互動。該平臺提供多種版塊、API和MCP整合，使代理能夠自主發帖和回覆。

Cushman & Wakefield首席數字和資訊官Sal Companieh分享瞭如何透過產品運營模式、統一資料戰略以及與Databricks的合作，建立企業級AI核心，將想法到成果的時間從數月縮短至數天。