Browser Use 分享了其 Agent 沙箱架构的演进：从最初在 AWS Lambda 上运行浏览器智能体，到把整个智能体放进沙箱、通过控制平面持有全部凭证的 Pattern 2。生产环境每个智能体运行在独立的 Unikraft micro-VM 中，启动不到一秒，仅接收 SESSION_TOKEN、CONTROL_PLANE_URL 和 SESSION_ID 三个环境变量，本地开发和评测则用同一镜像跑 Docker 容器。控制平面作为无状态 FastAPI 代理，统一处理 LLM 调用、S3 文件同步和计费，代价是每次操作多一次网络跳转。
匹配字段标题、摘要、正文
Replit 提出决策时引导（decision-time guidance），用一个轻量多标签分类器判断当前轨迹需要哪条微指令，只在相关时注入，从而把控制从单一系统提示词拆成可复用的指令库。文中称，把鼓励并行工具调用的短提示词放在轨迹末尾，比放在系统提示词中让智能体每轮多执行 15% 的工具调用；而决策时注入超过三到四条提醒后收益递减甚至为负。由于核心提示词不变、注入内容不留在对话历史中，该方案相比动态修改系统提示词可降低成本 90%。
匹配字段标题、正文
Amp 支持 Agent Skills，让 AI 智能体按需加载使用本地工具的特定指令，以更高效地利用上下文并改善工具调用表现。Skills 默认安装在工作区的 `.agents/skills/`，同时兼容用户级目录及现有 Claude Skills；团队还列出了 Agent Sandbox、BigQuery、Tmux 和 Web Browser 等实用技能。
匹配字段标题、摘要、正文
Linear 通过 Agent Interaction SDK，让 AI 智能体以独立用户身份进入工作区，并以明确权限参与任务。SDK 使用 OAuth actor=app、app:assignable 和 app:mentionable 管理身份与交互范围，以 agent sessions 传递结构化上下文并跟踪状态。Linear 还采用 delegation 区分人类责任与智能体执行，使问题保留人类负责人，同时委派智能体采取行动。
匹配字段标题、摘要、正文
Mistral AI 构建了 TranscriptToPRDTicket 智能体工作流，可将会议转录自动生成 PRD 和开发工单。该系统由基于 Mistral Large 2 的 PRDAgent 与 TicketCreationAgent 组成，并可在 Linear、Jira 等项目管理工具中创建结构化工单。
匹配字段标题、摘要、正文
Anthropic 工程博客总结与数十个团队共建 LLM 智能体的经验，指出最成功的实现并未使用复杂框架，而是采用简单可组合的模式。文章区分了由预定义代码路径编排的工作流与由 LLM 自主决定流程和工具使用的 Agent，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。作者建议从直接调用 LLM API 和简单提示词起步，仅在简单方案不足时才增加多步智能体系统的复杂度，并强调工具文档与 agent-computer interface（ACI）的设计投入应与 HCI 相当。
匹配字段标题、摘要、正文
Addy Osmani 谈 Claude Opus 5.5 时代如何用 Claude Code，认为从 Claude 5 系列起应减少堆提示词和手把手拆任务，改为一条说清目标与验收方式的提示，让模型自己跑完并停下。他建议从 /effort medium 起调，目标不清时先让 Claude 采访出规格再新开会话实现；对 Claude Opus 5、Claude Fable 5 把 Claude Code 系统提示去掉八成以上，编程评测未见明显掉点。他还提到 Claude Code 交互式终端近期默认 auto mode，并称这不是安全保证，子 agent 应少人为拆、单 agent 加 skills 往往质量更好。
匹配字段摘要、正文
Artificial Analysis 在 Coding Agent Index v2.0 中实测 GitHub Copilot 的 Copilot Fusion，其每任务成本为 5.59 美元，而 Claude Code 搭配 Opus 5.5（max）为 11.42 美元，性能仅低 2 分。Copilot Fusion 是运行时编排系统，在 Claude Opus 5.5、Claude Sonnet 5.5、GPT-6 Astra 和 GPT-6 Sol 等 Anthropic 与 OpenAI 模型间选择协调。它在 Terminal-Bench 4.0 上以 71 分领先，FrontierCode 得 51 分排第三，每任务使用 7.2M tokens，约为 Claude Code 中 Opus 5.5 的一半。
匹配字段摘要、正文
Artificial Analysis 评测显示，Google 的 Gemini 4 Carbon 以 59 分登顶 Intelligence Index v5，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项排名第一。在 Coding Agent Index 上，搭配 Antigravity CLI 的 Gemini 4 Carbon（high）得 59 分，落后 Claude Code 搭配 Claude Opus 5.5（max，62 分）3 分。该模型目前仅向部分用户开放，尚未公开发布，定价为每 1M 输入/输出 token 4/20 美元并提供 50% 折扣，上下文窗口 1M tokens，支持文本、图像、视频和语音输入。
匹配字段摘要、正文
NVIDIA 发布 Nemotron-Personas 法国和比利时数据集，并给出用其微调 Nemotron 3.5 Lightning 的完整后训练流程。流程包括定义行为契约、用 persona 生成合成对话、在 NVIDIA NeMo 上用 LoRA 微调、合并适配器，再与基座模型在冻结测试集上逐条对比评测。法国数据集与 Pleias 合作构建，比利时数据集由 Pleias 与 KU Leuven 参与，Nemotron 仓库提供数据生成、训练和评测的可复用步骤及 agent skills。
匹配字段摘要、正文
LangChain 的 GTM 工程团队与设计团队合作，在 Managed Deep Agents 上搭建了 Slack 内的设计智能体 Content Studio，可生成视频、社交图、UI 图与幻灯片，已产出 3000 多个素材、80 多份幻灯片。文章拆解了它的四层知识结构（技能、wiki、代码校验、记忆）、每个 Slack 线程独立的 LangSmith Sandbox、HyperFrames 与自研 motion-studio 两套渲染引擎，以及主智能体调度异步子智能体的协作方式。团队称迁移到 Managed Deep Agents 后自有代码减少约 80%，单次请求的模型成本中位数从 9 月中旬的约 8 美元降到约 50 美分，并已开源整套 harness。
匹配字段摘要、正文
Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项领先。在 Coding Agent Index 上，搭配 Antigravity CLI 的 Gemini 4 Carbon（high）得 59 分，落后 Claude Code 搭配 Claude Opus 5.5（max，62 分）3 分。该模型上下文窗口为 1M tokens，支持文本、图像、视频和语音输入，标准定价为每百万输入/输出 tokens 4/20 美元，目前向部分用户开放并提供 50% 折扣。
匹配字段摘要、正文
作者分享了用 Codex 和 Claude 逆向改造现实设备的操作过程：先给电视开启 ADB 调试，再让 Agent 停用系统软件包、清理开机广告并重做简洁桌面，另外三台电视也按同样方法复刻。团队还用 Claude 逆向 4 盏补光灯并做出统一网页控制台，用 Codex 为索尼和大疆 Pocket 3 搭建多机位控制台并部署到飞书。作者提醒不同品牌设备开放的接口和权限不同，修改系统软件前应先做好备份。
匹配字段摘要
LangChain 的 Harrison Chase 和 Caspar Broekhuizen 发文，总结其营销、销售、工程三个内部智能体共用的五个核心组件：智能体放在 Slack 等现有工作场所、区分代用户行事与固定身份、全局与用户两级记忆、沙箱内执行代码、大量运行为定时或事件触发。文中以 GTM Agent、OpenSWE、Content Studio 为例，说明各自在身份、记忆和代码执行上的具体处理方式，三者均构建在 Managed Deep Agents 之上。
匹配字段摘要、正文
Artificial Analysis 在 AA-AgentPerf 上发布 Meta 新开源权重模型 Muse Spark Open 的初步测试结果，该模型为 816B 参数、42B 激活的 MoE，在 Artificial Analysis Intelligence Index 上得分 39。测试显示 NVIDIA B300 与 GB300 在吞吐优先配置下每兆瓦功耗均可达约 150M tokens/s，GB300 在 100 tok/s 输出速度下约 108M、B300 约 92M；AMD MI355X 在 65 tok/s 下为 70M tokens/s 每兆瓦。模型 62 层中有 46 层采用 2,048-token 滑动窗口注意力，使 1M 上下文下的 KV cache 需求较全注意力降低约 75%，Meta 发布了 NVFP4 checkpoint，AMD 发布了 MXFP4 checkpoint。
匹配字段摘要、正文
AWS 发布在 Amazon SageMaker AI 上做多轮强化学习（MTRL）的实操指南，以 Wordle 为例，把智能体与奖励函数部署到 Amazon Bedrock AgentCore，训练作业通过 GRPO 更新 LoRA 适配器。示例中 gpt-oss-20b 在默认推理强度下对留出单词的解题率从 61% 提升到 84%，训练 token 花费约 339 美元，AgentCore 运行时约 79 美元。文章还给出奖励设计的两处反转错误、并发下 token 失效、工具调用退化为纯文本等失败细节，并建议在最终服务的解码设置下做评测。
匹配字段摘要、正文
TinyFish 发布两份技术指南，一份定义生产级智能体搜索架构，一份总结深度研究系统的构建经验。架构基于 TinySearch、TinyFetch、TinyBrowser 和 TinyAgent 四个网页原语，围绕基础模型运行七阶段控制循环，涵盖任务定义、检索规划、工具路由、证据评估与失败重试。在固定 gpt-5.6-sol 模型和 100 个任务的 OpenBenchmarks 测试中，TinyFish 搜索加抓取完成率 79.0%，中位任务成本 0.050 美元、耗时 24 秒；纯搜索配置下完成率为 59.3%。
匹配字段摘要、正文
robots.txt 只是一份抓取许可声明，不是访问控制，它只能约束愿意遵守的爬虫抓哪些路径，管不住不遵守的爬虫、已流出的内容和不经过爬虫的获取方式。文章按 RFC 9309 说明 User-agent、Allow、Disallow 和 500 KiB 读取上限等规则，并给出按 UA 屏蔽 GPTBot、CCBot、ClaudeBot、Bytespider 的 robots.txt 写法，以及用 nginx 按 UA 做差异化限速、用日志统计各爬虫请求量、用 curl 验证限速是否生效的做法。作者强调 robots.txt 表达意愿、服务端限速控制成本、日志看清事实、授权协议解决法律问题，四件事各管一段。
匹配字段摘要
AWS 解决方案架构团队构建并开源了多智能体系统 Deep Insight，可将 CSV 数据与自然语言提示转化为带引用的 .docx 分析报告。系统由 Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Tracker 等八个智能体分层协作，基于 Strands Agents SDK 的 Graph 与 Agents-as-Tools 模式控制执行流，并按角色分别选用 Claude Haiku、Opus 和 Sonnet。生产部署依托 Amazon Bedrock AgentCore 运行时，LLM 生成的代码在 AWS Fargate 的按会话临时容器中隔离执行，配套 Web UI 与 Ops 仪表盘。
匹配字段摘要、正文
文章介绍如何把决策模型当作廉价 LLM Judge 做自动评估，并基于 98 条公寓租赁 AI Agent 真实生产 trace（61 条失败、37 条无失败）对比 Jev、Perplexity Decider、Liquid d1、Cloudflare Clef、OpenAI Decisions API 五家模型。作者用分层五折交叉验证在训练折选阈值、留出折测量，发现调优阈值对原本不达标的模型收益明显，Perplexity 每 100 次评估 0.82 美分、F1 0.79，OpenAI Decisions F1 0.87 但贵约 4.5 倍。可靠性图显示部分模型分数严重失准，Clef Flash 一组预测失败概率约 8% 的样本实际失败率达 60%，Platt scaling 修复三个模型却让 OpenAI 的 Brier 从 0.159 升到 0.164。
匹配字段摘要、正文