Agent

隨著AI工具在程式設計中的普及，軟體工程的面試流程變得過時。傳統的編碼測試無法評估開發者使用AI的能力，導致招聘雙方都面臨挑戰。一些公司開始嘗試允許使用AI的測試或現場工作，但問題仍未解決。

Anthropic推出Claude Opus 4.8，該模型在多數基準測試中擊敗了GPT-5.5和Gemini 3.1 Pro，並且識別自身編碼錯誤的頻率是前代模型的四倍。同時，Anthropic還引入了動態工作流功能，可啟動數百個並行子代理處理程式碼庫遷移等任務。

並非每個新模型都像宣傳的那樣出色。我們的追蹤器將每個版本與同類模型進行對比，幫助您瞭解哪些模型值得關注。本文總結了2026年至今的重大模型釋出，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（預覽版）、GPT-5.4、Claude Opus 4.6和GPT-5.3-Codex，並闡述了它們的特點與意義。

Perplexity 釋出了一款名為 Bumblebee 的開源開發安全工具，用於掃描程式設計師筆記型電腦上的風險軟體包、擴充套件和 AI 工具配置。該工具只讀，不會執行安裝指令碼或包管理器，專注於四個攻擊面：語言包管理器、AI 代理配置、編輯器擴充套件和瀏覽器擴充套件。與側重於容器和管道的 Chainguard 不同，Bumblebee 專注於開發者的本地環境。

在2026年Google I/O大會上，Google Research展示了一系列前沿技術，涵蓋科學發現、健康、邊緣計算和天氣預測等領域。推出了Gemini for Science套件（包括ERA和Co-Scientist），加速科學研究；健康方面有Google Health應用、Symptom AI和AMIE系統；Coral NPU推動邊緣AI發展；還有極端天氣預測模型。這些創新展示了AI如何放大人類的智慧。

本文介紹瞭如何構建一個嵌入Amazon SageMaker AI MLflow應用UI的自定義門戶，使用React前端和Flask反向代理實現AWS SigV4認證，並透過AWS CDK部署。該方案提供持久書籤URL，簡化訪問管理，並支援SSO整合。

本文演示如何構建一個基於Flask的安全MLflow代理服務，透過HTTPS端點訪問Amazon SageMaker MLflow，而無需直接使用MLflow SDK。該解決方案適用於正在經歷雲轉型、希望保留現有ML工作流同時採用雲原生服務的組織。

本文結合 LangChain 評估深度智慧體的經驗和 Anthropic 的 AI 智慧體評估指南，提供了實用指南。您將學習如何應用五種評估模式、使用 pytest 和 LangSmith 構建離線評估，以及配置生產環境的線上監控。文中以文本到 SQL 的深度智慧體為例，使用 Amazon Bedrock 覆蓋從開發到生產的完整生命週期。

透過推出新的自主AI功能，這家初創公司利用軟體收購來開發用於智慧體訓練與推理的AI硬體-軟體堆疊。

聯邦法官埃莉諾·羅斯被曝在 chambers 內與高階執法官員發生婚外情，司法部門試圖匿名處理，但 AI 透過公開檔案細節迅速識破其身份。此事凸顯法院對 AI 能力的無知，以及法律專業人士需提升技術素養，重新思考保密策略。

企業領導者在擴充套件AI代理時面臨快速交付與治理、信任、成本控制之間的緊張關係。文章分享了五項關鍵實踐：統一治理、管理複雜工作流、建立實驗空間、展示早期成果、培訓員工。

一份記錄全球各地反對大型AI帝國的抵抗運動的清單，涵蓋抗議、法律行動、替代工具和社群組織等多種形式，旨在激發希望和行動。

AWS完全重構了OpenSearch Serverless，分離儲存和計算，支援零成本空閒縮放，成本降低60%，自動縮放速度提升20倍，並針對AI代理的突發工作負載最佳化。新架構包括專有儲存層、GPU加速，並整合Vercel和Kiro IDE。未來將推出代理記憶體、日誌分析（6月）和搜尋推理模型。

AWS 對 OpenSearch Serverless 進行了重大重構，並引入了新的 Agent Skills。此舉旨在將 OpenSearch 打造為企業的基礎設施，提供更快、可擴充套件的搜尋能力。

Anthropic 釋出了其旗艦模型 Opus 4.8，新功能包括使用者可控制 Claude 的努力程度、動態工作流支援大規模編碼、快速模式價格降至原來的三分之一。模型在基準測試中領先 GPT-5.5 和 Gemini 3.1 Pro，但在終端編碼方面仍落後於 OpenAI。此外，模型在誠實性、自主支援和減少欺騙方面有顯著改進。

SIA是一個開源的自改進AI框架，透過協調元代理、任務特定代理和反饋代理，自動提升AI系統在基準任務上的效能。在多個基準測試中取得顯著成果，如LawBench準確率提升56.6%，GPU核心執行時間減少91.9%，單細胞RNA去噪提升502%，並在MLE-Bench Hard排名第一。支援本地執行和自定義任務，採用MIT許可。

美光科技市值於5月26-27日突破1萬億美元，與SK海力士同周達到這一里程碑，這是純記憶體晶片製造商首次同時進入萬億俱樂部。高頻寬記憶體（HBM）需求來自代理型AI工作負載，超大規模雲服務商正在簽署長期供應協議以鎖定產能。瑞銀將美光目標價上調三倍至1625美元，認為長期HBM供應合同將受益於代理型AI工作負載擴張。美光股價年內已翻三倍以上。

Anthropic 的最先進 Opus 模型 Claude Opus 4.8 在 Amazon Bedrock 和 AWS 上的 Claude Platform 正式可用。該模型在編碼、代理任務和專業工作方面帶來顯著改進，具有更強的自主性和一致性，適合長期生產工作負載。

截至2026年5月，七大AI智慧體框架（DSPy、Claude Agent SDK、OpenAI Agents SDK、CrewAI、AutoGen、LangGraph、Google ADK）在設計理念、架構、生產就緒度等方面各有千秋。LangGraph在生產部署中領先，Claude Agent SDK在單一提供商能力上最強，OpenAI Agents SDK提供最清晰的多智慧體交接，CrewAI在開發效率上佔優。市場預計從2025年的78.4億美元增長至2030年的526.2億美元。

Anthropic最新版Claude模型Opus 4.8主打誠實特性，更少做出無根據宣告，更善於承認不確定性。同時引入動態工作流功能，可協調數百個子代理完成大規模任務。定價不變，快速模式降價三倍。

Anthropic 於週四釋出 Claude Opus 4.8，該模型在訓練中強調“誠實”，能夠更頻繁地標記工作中的不確定性，減少無依據的斷言。評估顯示，其程式碼缺陷遺漏率比前代降低約4倍。此外，使用者可控制任務投入的努力程度，以及引入“動態工作流”功能，支援並行執行數百個代理。

本文演示瞭如何透過整合 Amazon Quick 和 Snowflake Cortex，自動化金融服務中最勞動密集的工作流程之一：反洗錢（AML）警報分類。您將使用 Amazon Quick Flows 和 Snowflake Cortex，透過 Amazon Quick 模型上下文協議（MCP）整合構建分類工作流。在測試環境中，自動化工作流將警報調查時間從 30-90 分鐘縮短至 5 分鐘以內。實際結果可能因警報復雜性和資料量而異。

Data Formulator 0.7 是一款開源AI系統，旨在解決企業資料分析中資料連線碎片化、分析工作流迭代困難等問題。它提供資料聯結器、上下文感知代理和互動式工作區，幫助使用者無需程式設計即可探索、分析和視覺化資料。

Claudeverse是一個專為開發者設計的命令中心，用於高效管理多個並行執行的Claude AI工作者。它提供了並行工作力、工作者升級、審查佇列、可追溯性、iPad映象以及模型無關引擎等功能，旨在解決多會話管理中的注意力分散和協調難題。目前處於邀請測試階段。

Google I/O 2026 主題演講釋出了多項重大更新，包括 Gemini Omni、Gemini 3.5 Flash、資訊代理、通用購物車、Neural Expressive 設計語言以及智慧眼鏡等。本文總結了 12 個最值得關注的時刻。

Google Pay 正在全面升級其支付基礎設施，以應對即將到來的 AI 代理交易浪潮。新推出的通用商務協議（UCP）和商家商務平臺（MCP）伺服器旨在為機器對機器商務建立基於 API 的後端。此次更新還包括動態回撥、擴充套件的 WebView 支援以及跨裝置生物識別認證，以解決安全挑戰。這標誌著向機器驅動經濟的轉變，企業必須調整其數字存在以適應 AI 代理。

AI可以提高生產力，但也可能暴露長期隱藏的資料，導致安全和治理挑戰。來自富達投資和安永的技術領導者分享了他們暫停AI部署以重新評估資料管理的經驗，強調了資料所有權、標籤和代理身份的必要性。

DeepSWE是一個新的基準測試，用於評估AI編碼智慧體在全新、複雜的軟體工程任務上的表現。它避免了資料汙染，覆蓋了多樣化的程式碼庫，需要大量程式碼修改，並使用手工編寫的驗證器。領先模型表現差異顯著，GPT-5.5以70%的準確率位居榜首。

IBM與紅帽宣佈啟動Project Lightwell計劃，投入50億美元，結合先進AI能力和20000多名工程師，建立可信的企業級開源軟體安全清算所模式，旨在保障軟體供應鏈安全。

在Decoder播客採訪中，Rivian首席軟體官Wassym Bensaid討論了與大眾的合資企業、全新的AI驅動Rivian助手，以及為什麼他認為語音介面將取代按鈕且不需要CarPlay。

DNS-AID專案利用DNS基礎設施實現AI代理之間的發現，避免建立新的中心化登錄檔。該專案由Linux基金會管理，支援MCP、A2A等協議，並允許透過名稱、功能或域名搜尋代理。

Pact是一種專為AI智慧體設計的程式語言，它強調機器可讀的規範和約束，而非人類友好性。該語言基於S表示式，整合了來源追溯、副作用追蹤、完全性保障、延遲預算等特性，並能夠編譯為Rust程式碼。其工具鏈支援從YAML規範生成程式碼、搭建Web專案，並提供了多種程式碼生成後端。儘管Pact在服務契約領域表現出色，但它在演算法規範方面仍存在侷限。

智慧體需要獨立的治理身份，而非共享API金鑰或開發者憑證。透過委託模型，有效許可權是智慧體角色與委託者許可權的交集，從而限制風險並實現可審計性。文章詳細介紹了身份錨定、許可權邊界、自主觸發授權及審計追蹤等關鍵實踐。

DiscloAI 是一個開源SDK，專為歐盟AI法案第50條合規設計，支援聊天機器人披露、深度偽造標籤和AI內容通知。透過CDN或npm可在10分鐘內整合，支援24種歐盟語言和WCAG 2.1 AA標準。

文章以Google Gemini Omni模型為引，指出AI設計工具因缺乏審美引導導致輸出同質化（“AI垃圾”），並提出解決方案：透過持續收集視覺參考（“數字囤積”）培養個人品味，並將其編碼為AI可理解的格式，從而引導模型產出獨特且具有品味的設計。

極佳視界釋出全球首創物理AGI“雙金字塔”體系，推出家庭機器人拾光S1，獲百臺家庭訂單，計劃12個月內實現物理AGI的“GPT-3時刻”。

在ICRA上，NVIDIA Research展示了28篇論文中的8篇，重點研究模擬到現實的遷移，使機器人能夠在動態、不可預測的環境中感知、推理、規劃和行動。這些方法涵蓋多臂協調、跨機器人導航、抓取、精確裝配和視覺-語言-動作模型，顯著提高了成功率和可靠性。

Cloudflare每秒處理超過十億事件，但資料分散在多個系統，難以訪問。為解決這一問題，他們構建了Town Lake統一資料分析平臺和Skipper AI資料智慧體。Town Lake提供單一SQL介面，Skipper允許用自然語言提問並獲得可審計的答案。文章詳細介紹了平臺架構、治理策略（預設關閉許可權）以及AI智慧體的工作原理。

文章認為，AI輔助軟體開發的關鍵並非更好的規格說明或工具，而是古老的小批次與快速反饋迴圈實踐。資料顯示，更快的程式碼生成導致設計、測試和審查環節出現瓶頸，反而使交付變慢、釋出更不穩定。真正的槓桿在於縮小批次、縮短反饋週期。

Mistral AI 將其聊天機器人 Le Chat 更名為 Vibe，並將聊天、程式設計代理和新的工作模式整合在一個品牌下。工作模式可接入 Google Workspace、Outlook、Slack 或 GitHub，獨立處理電子郵件、報告或拉取請求等任務。Pro 套餐價格從 17.99 歐元降至 14.99 歐元，但未明確使用限制。此舉直接對標 OpenAI、Google 和 Anthropic 的代理型產品。

OpenLoomi AI團隊決定將其AI工作夥伴開源，強調資料所有權、透明度和社群驅動。文章闡述了本地優先、閉源信任稅、基礎設施公共化等理念，並介紹了產品的五大核心功能：自進化記憶系統、多平臺整合、自動化排程、本地加密儲存以及開放技能介面。

本文介紹了七個實用的AI專案，涵蓋求職、研究、投資分析、市場趨勢、發票處理、圖表數字化和個性化鍛鍊，每個專案都附有完整指南和程式碼，幫助讀者自動化工作流程。

該供應商的增長與企業AI中代理的爆炸性出現同步。

Open Agent Tools (oats) 是一個自託管AI模型框架，透過原生代碼提示索引，將大型模型的計算密集型工具呼叫委託給小型開源模型，從而節省令牌消耗。

本文是AI驅動開發系列文章的第七篇，重點討論AI會話中的上下文管理。作者透過個人經歷（Gemini移動應用忘記之前記錄的筆記）引出上下文壓縮問題，並分享了四種實用技巧：將探索與文件編寫分離、使用交接文件而非延續提示、給AI設定驗收標準而非詳細步驟、以及使用規範文件作為不同AI工具之間的橋樑。這些技巧適用於從程式設計到寫作的各種AI使用場景。

Hermes Desktop 是一個跨平臺的桌面應用，它將 Python 執行時、hermes-agent（自改進 AI 代理）和 hermes-web-ui（Vue 3 + Koa 聊天儀表盤）打包到一個 Electron 應用中，使用者無需單獨安裝 Python 或 Node。應用整合了 DingTalk 並透過 DeepSeek 驅動。

Money Printer Pro 是一個基於 Google Gemini 和 VEO 3.1 的開源 AI 內容生成器，可建立逼真的影像和電影級影片，並保持身份一致性。它擁有 7 個視覺引擎、自動批次生成、AI 質量評分和釋出把關功能，使用者直接向 Google 付費，無需額外訂閱。

Superpowers是一個為AI編碼代理設計的完整軟體開發方法論，基於一組可組合的技能和初始指令。它強調測試驅動開發、設計先行、子代理驅動的迭代，並支援多種編碼助手（如Claude Code、Codex CLI等）。

隨著AI程式碼審查工具（如Anthropic的Claude Mythos）展現出比人類更強大的安全漏洞發現能力，軟體安全的信任基礎正從人類編寫的程式碼轉向AI審查的程式碼。文章以Mozilla Firefox為例，Mythos在單個評估週期內發現了271個漏洞，遠超人類團隊。這意味著人類在安全審查中的角色需要從“編寫和審查實現”轉向“定義軟體的意圖並驗證實現是否偏離”。

美國運通全球創新主管Luke Gebb分享了成為成功創新者的四個關鍵實踐：保持學習、深入技術、接受失敗、建立合作伙伴關係。他還介紹了公司在代理式商務領域的佈局，包括支付、優惠和專有體驗，並預測代理式AI將在未來幾年加速發展。