技术方向
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
466 条精选近 30 天 131 条共收录 1,842 条
Anthropic 基于与数十个行业团队构建 LLM 智能体的经验，提出最成功的实现往往不使用复杂框架，而是采用简单可组合的模式。文章区分了工作流（由预定义代码路径编排 LLM 与工具）与 Agent（由 LLM 动态决定自身流程和工具使用），并给出提示词链、路由、并行化、编排者-工作者、评估者-优化者五种工作流模式及各自适用场景。
推荐理由：Anthropic 基于与数十个团队的合作经验，把智能体系统拆成可组合的工作流模式，并给出何时该用、何时不该用的判断依据。
Google 发布 Gemini 2.0 Flash Experimental 公开预览版，速度是 Gemini 1.5 Pro 的两倍。该版本支持 Live API 双向流式、文本图像语音多模态响应生成，并内置代码执行、Search、函数调用等多轮推理工具调用能力。
推荐理由：官方更新列出 Gemini 2.0 Flash 实验版的速度、双向流式与多模态输出等能力，便于对照 1.5 Pro 判断升级幅度。
Mistral AI 为免费生成式 AI 助手 le Chat 推出多项 beta 新功能，包括带引用的联网搜索、用于构思与就地编辑和导出的 Canvas、文档与图像理解、图像生成以及可共享的 Agent。
推荐理由：官方列出 le Chat 新增的联网搜索、Canvas、文档图像理解与图像生成，并给出与主流助手的逐项对比。
Anthropic 宣布最新版 Claude 3.5 Sonnet 具备电脑操作能力，在适当软件环境下可移动光标、点击屏幕位置并通过虚拟键盘输入，目前处于公开测试阶段。
推荐理由：Anthropic 官方披露 Claude 3.5 Sonnet 电脑操作能力的训练思路与安全评估，可了解该能力当前边界。
Anthropic 发布升级版 Claude 3.5 Sonnet 和新模型 Claude 3.5 Haiku，并公开 computer use 能力公测。
推荐理由：官方给出升级版 Claude 3.5 Sonnet 与 Haiku 的基准变化，并首次开放 computer use 公测，可据此判断智能体操作电脑的当前边界。
Sarvam AI 发布面向印度的全栈生成式 AI 平台，支持 10 种印度语言并具备语音能力，同时推出多款产品。
推荐理由：Sarvam AI 一次性发布覆盖语音智能体、开源模型与 API 的印度语言全栈平台，可观察区域化 AI 的产品组合方式。
Hugging Face 用基于 transformers.agents 的 ReactCodeAgent 在 GAIA 验证集上取得 44.2%，排名第一，比第二名高 4 分；测试集得分 33.3%，排名第二，并在 Level 3 难题上取得最佳平均分。
推荐理由：Hugging Face 用 Code Agent 在 GAIA 上取得领先，并公开了工具、执行沙箱与规划策略的实现细节。
Gemini API 更新中，Gemini 1.5 Pro 的 2M 上下文窗口从预览转为正式可用（GA）。同时 API 新增对代码执行的支持。
推荐理由：Gemini 1.5 Pro 的 2M 上下文窗口转为正式可用，并新增代码执行能力，读者可据此判断长上下文与代码任务的可用边界。
Anthropic 为 Claude.ai Pro 和 Team 用户推出 Projects，可将聊天按项目组织，把知识文档与聊天记录集中在一处，并支持把优质对话分享给团队成员查看。
推荐理由：官方说明 Projects 如何把内部知识与聊天记录集中到一处，并给出 200K 上下文和团队共享的具体用法。
Sierra 研究团队发布 𝜏-bench 基准，用于评测 AI 智能体在动态用户与工具交互中的表现和可靠性，包含 𝜏-retail 和 𝜏-airline 两个领域。
推荐理由：Sierra 提出面向真实场景的智能体评测基准，并给出 12 个模型在规则遵循与可靠性上的实测表现。
Hugging Face 发布 Transformers Agents 2.0，在原有智能体类型之外新增可基于历史观察迭代的 ReactAgent 等两类智能体，并加入共享功能。
推荐理由：官方给出新智能体框架的模块划分与 GAIA 榜单成绩，可据此判断开源智能体方案的可用性。
Mistral AI 发布对话助手 Le Chat，作为与 Mistral 各模型交互的对话入口，底层可调用 Mistral Large、Mistral Small 或原型模型 Mistral Next。同时推出面向企业的 Le Chat Enterprise，支持自部署和细粒度审核机制。Le Chat 目前无法联网，可能给出不准确或过时的信息，现以 beta 形式开放注册。
推荐理由：Mistral 官方发布对话助手 Le Chat 及企业版，可了解其底层模型选择与自部署、审核机制。
Hugging Face 发布博客，介绍如何用 LangChain 新集成的 ChatHuggingFace 封装把开源模型搭建成 ReAct 智能体，并给出完整代码示例。
推荐理由：原文给出 ReAct 智能体的完整搭建代码与开源模型对比基准，可据此判断哪些模型适合驱动智能体工作流。
OpenAI 发布 GPTs，用户现在可以创建自定义版本的 ChatGPT，将指令、额外知识和任意技能组合在一起。
推荐理由：OpenAI 官方发布 GPTs，用户可组合指令、额外知识和技能定制 ChatGPT 版本。
Hugging Face 在 huggingface.js 下发布 Agents.js，一个可在浏览器或服务端为 LLM 提供工具访问的 JavaScript 库，通过 npm install @huggingface/agents 安装。
推荐理由：原文给出库的安装方式、代码示例与自定义工具接口，读者可据此判断如何在浏览器或服务端为 LLM 接入工具。
OpenAI 宣布为 ChatGPT 实现插件的初步支持。插件是专为语言模型设计的工具，以安全为核心原则，可帮助 ChatGPT 获取最新信息、执行计算或调用第三方服务。
推荐理由：OpenAI 官方给出 ChatGPT 插件机制的初步支持，读者可据此了解模型接入外部信息与服务的早期形态。
OpenAI 训练神经网络通过 Video PreTraining（VPT）在大量无标注的人类 Minecraft 游玩视频上学习，仅使用少量标注承包商数据。经微调后，模型能学会制作钻石工具，这一任务通常需要熟练人类花费 20 分钟以上、约 24000 次操作。模型使用键盘按键和鼠标移动这类原生人类交互接口，具有较强通用性，是迈向通用计算机操作智能体的一步。
推荐理由：OpenAI 用大量无标注游戏视频预训练网络，仅少量标注数据微调即可完成钻石工具制作，为通用计算机操作智能体提供了一条路径。
OpenAI 发布关于 Dota 2 大规模深度强化学习的研究，原文链接为 https://openai.com/index/dota-2-with-large-scale-deep-reinforcement-learning。
OpenAI 在模拟捉迷藏环境中训练智能体，观察到它们逐步学会使用更复杂的工具，并形成六种不同的策略与反策略，其中一些策略是该环境原本未被设计支持的。OpenAI 认为，这种在简单环境中自监督涌现出的复杂性，说明多智能体共同适应未来可能产生更复杂、更智能的行为。
推荐理由：OpenAI 在捉迷藏模拟环境中观察到智能体自发形成六种策略与反策略，可了解多智能体协同演化的一种研究路径。
OpenAI Five 在周末的 Finals 上连续两局击败 Dota 2 世界冠军战队 OG，成为首个战胜电竞世界冠军的 AI。此前 OpenAI Five 与 DeepMind 的 AlphaStar 都曾在私下击败高水平职业选手，但在直播的职业比赛中落败，因此这也是 AI 首次在直播中战胜电竞职业选手。
推荐理由：OpenAI Five 在直播中连胜 Dota 2 世界冠军 OG，可对照 AlphaStar 此前直播落败的节点理解 AI 竞技进展。