● 最新博客

全部文章 →

数据飞轮基建工程师:把模型失败变成训练数据的岗位

拆解微软 AI 的 data flywheel 基建岗:1P/3P 数据治理、policy-aware 采集、eval 到数据的闭环、合成数据管线与可审计血缘到底在造什么。

2026-11-19 Data FlywheelAI 基础设施数据治理

Agent 怎么连沙箱:写在沙箱里,还是把沙箱当工具

Harrison Chase 拆解 agent 与沙箱的两种连接架构:agent 跑在沙箱内,或把沙箱当成一个工具调用,各自的收益、代价与选型判断。

2026-11-19 AI AgentSandboxLangChain

Claude-BugHunter:把 681 份公开漏洞报告喂给 Claude Code 当红队工具箱

11k stars 的 Claude Code 技能包:83 个 skills 从 681 份 HackerOne 公开报告提炼,覆盖漏洞猎取到企业红队,装完 Claude 变操作员。

2026-11-19 Claude CodeBug BountyRed Team

Google ADK 用 YAML 建 agent:工具、MCP、skills 与 workflow graph

ADK Agent Config 用一个 root_agent.yaml 组装 agent:内置与自定义工具、MCP toolset、skills、子 agent 委派和 workflow graph 全部声明式。

2026-11-18 Google ADKAgent ConfigYAML

Harbor 拆解:SWE-bench adapter 怎么把 500 道修 bug 题搬进统一评测框架

SWE-bench Verified 是修 bug 评测的事实标准,但它自带一整套独立 harness。Harbor 的 swebench adapter 把 500 道题翻译成统一 task 格式,一篇拆完两边的数据格式和转换逻辑。

2026-11-18 HarborSWE-benchTerminal-Bench

Kaggle Gemma 4 Developer Agent 拆解:这题是啥,怎么解

Google DeepMind 出题:post-train Gemma 4,让它自己导航仓库修真实 Python issue,12 小时跑约 120 题,奖金 10 万美元。这篇拆清楚规则、提交结构和可用的解法。

2026-11-18 KaggleGemma 4SWE Agent

微软 TokenEconomizer:不换模型不换 agent,token 开销降三成

Agent 天天在同一个仓库从零开始:重复发现老事实、加载没用的工具、死循环烧钱。微软开源的 TokenEconomizer 用三个机制学经验,平均省 18.4% 到 30.9%。

2026-11-18 TokenEconomizerMicrosoft ResearchClaude Code

A2UI 和 AG-UI:给 Agent 接前端的两个协议怎么用

Agent 只会吐文字不够用了。拆解 A2UI 与 AG-UI 的分工:一个管画什么,一个管怎么传,附事件模型、五步管线和最小接线代码。

2026-11-18 A2UIAG-UIGenerative UI

cinecode 实测:让 AI 用代码拍一部 12 秒短片

cinecode 不是视频生成模型,它让 coding agent 写出一帧一帧的画面代码。拆解它的设计、三步用法,并用它从零写出 12 秒短片《Signal》,附完整代码与踩坑记录。

2026-11-18 cinecodeAI AgentClaude Code

Maybe 死了,Sure 活了:一个开源理财应用的社区复活案例

烧掉近百万美元的 Maybe Finance 停摆归档,社区 fork 出 Sure,482 天攒下 16k 星。拆解怎么自托管、怎么把 LLM agent 当客户端,以及可抄的复活 playbook。

2026-11-17 开源项目个人理财自托管

Claude Code 团队怎么做 code review:七层检查与收敛教训

90% 代码由 Agent 写的团队怎么 review?拆解 Claude Code 团队的七层流水线:AI 评审投票、风险分层审批、事故变 eval,还有 50 轮不收敛的教训。

2026-11-17 Claude CodeAnthropicCode Review

Claude Code 团队怎么看待验证:三类测试与诚实的检查器

Claude Code 团队 90% 的代码由 Claude 写成。译文拆解他们的验证体系:三类值得投入的测试、verify skill、REVIEW.md 与 observe mode 门禁。

2026-11-17 Claude CodeAnthropic软件测试

Laminar 拆解:Agent 观测平台卷到了 coding agent 和沙箱评测

开源 Agent 观测平台 Laminar:一行 init 自动埋点、一条命令给 Claude Code 装插件、harbor run 加一个 flag 回放评测轨迹,还能和 Langfuse 双写共存。

2026-11-16 LaminarAgent ObservabilityOpenTelemetry

SkillEvaluator 拆解:给 Agent 技能做质检,量化技能到底有没有用

NVIDIA 开源的 SkillEvaluator 用三层流水线给 Agent 技能做质检:无模型静态打分、embedding 去重,再用有技能/无技能 A/B 实测算出 Skill Lift。

2026-11-16 SkillEvaluatorNVIDIAAgent Skills

FrontierHarness v1.1:21 组 Harness 跑平同行,跑不赢 100 行基线

26040 次运行、21 组 Harness、5 个模型、17842 美元账单:冠军 62.3% 与 100 行基线在统计上无差别,模型单价差 7 倍,64% 的钱烧在失败上。

2026-11-16 AI Agent基准测试Harness

Chrome 团队把 Web 最佳实践塞进 Agent:拆解 modern-web-guidance

Chrome 官方 Agent 技能拆解:208 篇 Web 指南、29,165 词本地向量检索、33 条 legacy 规则,附实测输出与三个边界。

2026-11-14 Web 开发AI AgentClaude Code

Agent 越跑越笨?Deep Agents 上下文工程的检索与记忆

汇总 LangChain 两篇官方指南:用检索把对的信息挡在窗口外,用 offloading、summarization、skills、subagents 和 memory 管理已进窗口的上下文。

2026-11-14 Deep AgentsContext EngineeringRAG

什么是评测驱动开发 EDD:如何改进 AI Agent

LangChain 官方博客译文:定义好、先写评测、改完对比,用三步循环把 Agent 开发变成可度量的爬山过程。

2026-11-14 AI AgentEvalsLangSmith

Codex Security 拆解:值钱的不是模型,是那份封条

12k 星的 Codex Security,最硬的设计不是哪个模型,而是 SHA-256 封条、不写行号的指纹、以及把 89% 误报当主场的评测。

2026-11-13 Codex SecurityOpenAISAST

HarnessMM 拆解:80% 的 token 省在输入里,不在输出里

HarnessMM 在 MBPP 上省 80.35% token、准确率升 1.56 点。拆开聚合文件后发现省的全是输入侧,而相对 CoT 对照准确率反而低。

2026-11-13 HarnessMMLLM AgentToken 效率

Omarchy 深度拆解:4.7 万星的 Arch 桌面,把 23 个 Agent 装成第一公民

Omarchy 是 DHH 的 Arch + Hyprland 桌面方案,自带快照回滚与 23 个 Agent CLI。本文拆安装流程、更新机制、主题流水线,也讲清关掉 Secure Boot 的代价。

2026-11-12 OmarchyLinuxArch

RSI 不一定改模型:Harness² 与 Dream-RSI 的两条递归路线

Harness² 在没有标准答案时用对比式反馈改执行脚手架,Dream-RSI 把探索历史当回放模拟器评估策略。两篇论文的方法、数字和边界。

2026-11-12 AI Agent递归自我改进Harness

agent-browser:一条命令一步操作,Vercel 的浏览器 CLI 拿下 4.8 万星

Vercel Labs 的 Rust 浏览器 CLI:把页面压成 accessibility tree 加 ref,一步一条命令,daemon 常驻复用会话,技能文档随二进制发版。

2026-11-10 AI Agent浏览器自动化Rust

📢 广告位招租

通过公众号「AI人工智能时代」留言联系作者

公众号

关注公众号入群聊

● 最新资讯 · 11月20日

查看全部 →

具身机器人进入真机时代,华为云CloudRobo开始组队发力了

TopHub 15 小时前

GTA6刷屏!零AI纯手搓的3A大作玩一个少一个了

TopHub 15 小时前

好清晰!最新国产AI画的8K图,放这么大大大大也不糊!

TopHub 15 小时前

AI基建大潮方兴未艾,联想集团最佳财季诞生!

TopHub 15 小时前

安谋科技深度解析Arm Cortex-M42,发布“星辰100e”AIoT原型平台,助力打造AI性能更强的嵌入式设计

TopHub 15 小时前

范式下场做基模了!国产算力全链路训练,双模型同步亮相

TopHub 15 小时前

Gemini 4 Neon

TopHub 15 小时前

Rezora IO

TopHub 15 小时前

Upsolve MCP Connections

TopHub 15 小时前

Room AI

TopHub 15 小时前

Meilisearch Searchandising

TopHub 15 小时前

Ableten Hybrid AI Travel Planner

TopHub 15 小时前

Tracer-Cloud / opensre

TopHub 15 小时前

英伟达财报暴增却跌至 52 周新低?股价较 10 月高点重挫近40%

AIbase 15 小时前

Claude 自研推理引擎将首 token 延迟从 12 秒缩短至半秒

AIbase 15 小时前

谷歌主页新增AI搜索侧边栏,支持查看历史对话与连接Gemini笔记本

AIbase 15 小时前

Meta AI 可穿戴设备 Muse Charm 据悉定价300美元

AIbase 15 小时前

Google 开放 Genie4世界模型 API,支持实时交互与原生音频生成

AIbase 15 小时前

微软CEO纳德拉警告:零售商若屏蔽AI购物代理,市场份额恐流向Shopify等开放平台

AIbase 15 小时前

Anthropic CEO 回应 9000 亿美元 AI 投入承诺:对比现有现金与营收并不算夸张

AIbase 15 小时前