以前改一个参数,Claude 要搜一次、看一次、改一次、再看一次;现在它把这几步写进一段代码一口气跑完,只读最后需要的那部分。
#Agent 88 篇
以前只给付费订阅的「任务」开关,现在免费拨给六个国家的用户:说一句话,它在后台打电话、翻邮件、下单,关键一步再回来问你。
没有验证循环,你同时只能开一两个 Claude,因为每份改动都得自己看;有了它,可以开几十上百个。
Anthropic 公开了给 Claude 设计记忆的思路:记忆分四层,边干边记,晚上通过「做梦」进行复盘整理。
Agent 照着代码库写代码。Grok Bot 工程师 Lauren Tan 的做法是先把代码库收拾干净,每纠正一次就写成一条自动检查,再让 Agent 自己拿录像和证明来交差。
Gemini 4 家族里主打快和省的一档。单独用,它比 3.8 Flash 强出一大截;在 Antigravity 里,它还能和 Carbon 搭班:Carbon 出主意,Hydrogen 动手。
当用户只交代要办什么,接下来用哪家工具,可能由 Agent 决定。a16z 把商家因此获得的新生意叫作 B2A。
A2UI 是 Google 推出的生成式界面开源协议,1.0 是首个稳定版本。Agent 按任务描述界面,应用用自己登记的组件呈现,让用户直接选择、修改和确认。
Fable 5.2 很听话:提示词里写明的规则,它都照字面执行,连你早忘了的旧规矩也照办。官方这份指南列了十种常见毛病,告诉你该加哪几句、删哪些旧句子,提示词可以直接复制。
同一个 Dot 可连接自己的多台电脑,为任务指定机器。应用测试、旧环境对照和界面操作,可以交给另一台电脑处理。
从开源世界动作模型 GR00T 2、Isaac Lab 3.0 与 Newton 柔性物理仿真,到百万环境错题加练与 Agent 自动编排控制图,拆解具身智能如何跨过工业落地的最后一毫米。
Agustin 用一个 Agent 加 treg 按次付费的工具市场,搭起自家的 GTM 研究流水线:看对手流量和广告、查 AI 回答引用了谁、找人找邮箱、盯买家信号、审花费,8 段提示词和他的实测账单全部摊开。
Claude Code 团队的 Addy Osmani 把好经理带团队的十条做法,一条条对到用 Agent 写代码上:怎么交代、怎么验收、怎么放手,以及这个比喻在哪里不成立。
不靠换更大的模型,先改掉一问一答的聊天框形态:用一个对话框管所有事、装上定时心跳、用小模型守住收件箱,再教它在杂音里学会有眼力见。
不直接照搬庞大的旗舰原模型,而是用 Muse Wonder 训练现有模型的专门化版本,把主动记忆和主动专注带进 Muse 与 Meta AI。
代码维护和整理 Hacker News 的任务可以分别在云端跑。网页、桌面和手机都能接回同一个会话。
Anthropic 演示了一套后台工作流:按份回读日志,用工具结果核对旧经验,再把改过的记忆交给新会话。
把代码对象、分支指针和后台整理拆开,GitHub 怎样应对单个仓库的高并发。
Meta 开始在美国推出 Muse 的实时语音和动态形象。你说话时,角色会做出反应,也可以随时插话。
从 Firefox 高危漏洞到 Linux 提权验证,看看自动化安全研究走到了哪一步,以及补丁为何仍需要人来把关。
Agent 错得越少,人越懒得再看一眼。Claude Code 团队的 Addy Osmani 讲清了哪些事能放心全交、交出去之后怎么确认结果还归你。
你开口它才动,惦记这件事的就还是你。OpenAI 的 Nick Baumann 用一张七列的职责表,把出差报销这类长期要盯的事整个交给了 Dot,附完整提示词和十个现成职责。
红杉 AI Ascent 开场 32 分钟,三位合伙人讲了 AGI 怎么算、钱在哪、做应用的公司怎么打,以及认知被机器接管之后的世界。
一套让 Agent 常驻后台、同时推进多件事的系统设计,以及它还没解决的四个问题。
客户、合同和账本已有权威底账,企业却常查不到一次决定为什么获准。当 Agent 开始办事,把这些依据留成可复用的记录,可能催生一层新的业务底账,成为下一代平台的起点。
从一万个Agent做数学,到个人AI帮你退货:Sam Altman谈算力、安全与商业入口。
Addy Osmani 建议重新检查旧模型时代的指令:把目标与检查方法交代好,再考虑子 Agent、云端运行和项目协调。
AI 在你下面、身边,或上下级之间,会带来不同的公司形态。真正的变化在于:谁负责执行,谁掌握信息,谁来做决定。
从复杂代码排查到漏洞验证与修补,Carbon 提升了长任务能力,也减少编造、越界和工作没做到位的情况;首批先向部分网络防御人员开放。
共享数据和权限让一线更容易行动,持续记录判断与纠错则让公司保有经验。Databricks 想把这两件事接在一起。
一次追问,可能补上病历里缺失的停药原因。Concurrence 希望把这样的照护经验连成能持续学习的系统,难点在于如何验证、怎样行动。
Maggie Appleton 用阴影、播放器和重试重构,说明怎样把长篇计划变成能试、能比较、能与同事共同决定的界面。
把目标说清,让 Agent 自己试验并拿出证据,再把人工审查留给影响大的改动。这套工作方式,也包括如何检验规则、安排异步任务和留下团队记忆。
Amjad 判断到 2030 年底财富 500 强都会这样运转,并说 Replit 已经是一家自动驾驶公司。关键不是把 AI 关起来或放出去,而是给 Agent 建一个管得住的「栖息地」。
复用浏览器里的登录状态,让编程 Agent 读网页、填表、检查真实页面;扩展与远程调试的接法、操作范围和使用条件各不相同。
用户导出用量账单发现,token 里八成左右是缓存重读,Bot 真正写出的约 1%。一周用量≈唤醒次数×每次重读量,按这两个数逐个压。
研发靠一个写给 AI 看的统一工作区,让 AI 能自己看全局、本地验证、查线上、走发布;产品经理自己写代码上线,有人用视频代替需求文档;市场团队多了会主动提醒进度的数字同事。代价是曾有一个月人均超 1 万美元的 AI 开销。
工具慢慢干,Claude 接着帮你忙别的;缺信息、要授权时,再停下来问你。
把业务流程整理成技能,把业务接口接成工具,让同一个 Agent 持续处理请求;哪些子 Agent 值得保留,用实际任务来判断。
给 Codex、Claude Code 等 Agent 接入 Google 多模态能力:媒体直接存进项目,长任务凭 ID 继续查询。
读懂 Miles Deutscher 的十张提示词卡,学会交代任务、核实依据和验收结果。
从 Gemma 4 继续训练,兼顾简短对话和连续工具调用。约 6GB 内存的说法、机器人演示和性能数字,各有需要看清的条件。
一条广告要经过意图理解、检索、评分和竞价,即使胜出,也可能因为语境不合适或来得太晚而不展示。
从读改动、启动应用,到操作、保存、刷新、修复复测和交付证据,把一次完整验收交给 Agent。再用项目规则、Skill 和可选工具把它复用起来。
默认 0.5 为什么会漏检?用租赁 Agent 的真实记录,讲清报警阈值、模型选型与概率校准。
从客户资料整理、提案预算到跨应用待办,看懂它能替你做什么,以及全本地与 Hybrid 的分工、隐私机制和选择条件。
fx0 主打快速生成与局部修改:高速模型、紧凑 HTML、精确替换和流式预览怎样配合?附三个真实可玩案例与完整提示词。
17 张原始图表,读懂 AI 购物的三重阻力、TikTok Shop 的头部集中、AI 建设的成本反馈,以及美国年轻人收入与信心的反差。
AI先接走一部分任务,再改变人的工作重心。沿着销售、文案与研发的真实变化,看懂招聘、协作和新人成长正在承受什么影响。
赛车能从开赛跑到结算,故宫可以换视角看,河谷会随时代变样。这次更新能做什么,又能给使用者省下哪些事?