相关文章
7144 篇高质量内容
OpenAI把Codex“拆开卖了”
OpenAI拆分Codex核心能力推出Agents API，开发者可直接调用云端Agent管理工具；回顾Codex能力开放演进，看清AI开发工具重构逻辑。核心内容： 1. OpenAI发布四大新API，Agents API为核心突破 2. Agents API是Codex核心能力（Agent管理等）的云端化拆分 3. Codex能力开放演进：从开源CLI到App Server逐步开放核心组件
Token狂省83%！OpenAI发布Agents API：模型内卷时代彻底终结
OpenAI Agents API发布，Token消耗狂省83%，终结模型内卷，运行架构革新智能体开发。核心内容：1. 智能体性能瓶颈：模型权重非关键，运行架构（Harness）才是核心2. 开源Codex Harness+Agents API：云端高效运行框架开箱即用3. 极简代码启动多智能体：Node.js一行代码实现生产级协同会话
Google Gemini桌面版进化成超级应用，可操控电脑、对接Obsidian
Google Gemini桌面版进化为全能超级应用，新增电脑操控、Obsidian对接等内测功能，AI代理时代再掀高潮！核心内容：1. Ask/Assign双模式切换，安全边界与任务执行分离2. Computer Use能力实现AI操控电脑及跨设备联动3. Obsidian深度整合，打通私人知识库与AI协作
刚刚，OpenAI重磅上线Agents API：Codex同款底座全开放
OpenAI发布Agents API公测版，一次调用即可启动生产级AI智能体，开放Codex同款底层底座，简化复杂开发流程。核心内容：1. OpenAI Agents API公测版发布，支持生产级智能体部署2. 开放Codex及ChatGPT企业版底层完整底座与基础设施3. 开发者可定制算力环境，OpenAI负责智能体运行维护
月之暗面的 Kimi Code 和 Kimi Work 正式接入 CloudBase
月之暗面Kimi Code和Work双产品线接入CloudBase，一个插件实现终端与桌面端云资源操作，覆盖编程与知识工作场景。 核心内容： 1. Kimi产品线背景及接入CloudBase意义 2. Kimi Code（终端优先）与Kimi Work（桌面Agent）场景特点 3. 插件安装方式及CloudBase核心服务接入
Android Studio Quail 4 稳定版发布: 借助 Android Skills 与 Gemma 4 极速构建应用
Android Studio Quail 4稳定版发布，内置Android Skills解决LLM开发痛点，结合Gemma 4极速构建高质量应用。核心内容：1. Android Skills解决LLM在Android开发中的错误/过时代码问题2. 预置23项精选Android Skills（如AGP 9升级、性能分析等）3. 借助Gemma 4与自定义Skills加速开发流程（含CLI使用指南）
Harness Inspector：让 Agent 交付过程可观察、可检查、可追溯
Harness Inspector让Agent交付过程可观察、可检查、可追溯，通过连接Session、文件活动与Git Commit，构建完整交付链路。 核心内容： 1. Agent交付过程仅看Session难判断行为逻辑与交付路径的问题 2. Harness Inspector工具：本地生成只读页面，整合Session、文件活动和Git Commit 3. 交付链定义：意图、过程、产出构成从需求到提交的完整链路
从钉群提问到任务交付：团队级 Agent 基础设施全链路实践
阿里云自研研发协作平台Domino，从钉群提问到全链路任务交付，揭秘团队级Agent基础设施实践与演进。核心内容：1. Domino平台从单一工具到团队级Agent系统的演进历程2. 钉群提问场景下Agent面临的核心问题与解决方向3. 分层Agent体系（ConsoleAgent+SandboxAgent）的能力与实践
Agent 观测与优化开发者摸底报告
Agent生产落地遇难题？700+企业调研揭示观测、评估、优化基建薄弱痛点，助你建立可优化工程闭环。 核心内容： 1. Agent生产落地现状：需求强烈但基建薄弱、认知体系化不足 2. 观测与评估核心瓶颈：轨迹观测工具缺乏、评估依赖人工经验 3. 优化闭环与审计合规：闭环未形成但需求迫切，审计落地能力待提升
Google 给 AI 曝光单独记账：企业该为 GEO 的什么买单？
Google推出AI搜索曝光单独记账工具，企业看清品牌AI呈现却仍困于GEO优化价值判断。 核心内容： 1. Google新工具功能与局限（曝光数据及来源，但无转化收益） 2. SEO与GEO边界演变（生成式搜索优化仍属SEO，页面检索≠品牌呈现） 3. 企业破局方向（跨平台观察、品牌描述核查及购买场景分析）
GPT-6 Astra的唯一正确用法：把你电脑给它！
GPT-6 Astra编程能力提升有限，但玩电脑水平超人类！多场景操作案例颠覆认知，直接授权电脑更高效。 核心内容： 1. GPT-6 Astra的整体测评结论 2. 无人机电路板绘制等多场景电脑操作案例 3. 未来软件使用方式将被颠覆，无需学习专业软件
刚刚，Codex 把"压缩"换成了"记忆"
Codex CLI记忆系统从“压缩”转向“token预算”，主动管理上下文，解决长任务记忆丢失，设计思路与架构值得借鉴。 核心内容： 1. Compaction机制的局限（有损、被动、失忆） 2. Token Budget的核心设计思路（主动管理+记忆保留） 3. Token Budget的三层架构与应用价值
从数据流到 AI 上下文： IBM Confluent 面向 AI 场景的能力演进
从数据流到AI上下文：IBM Confluent助力企业AI从历史洞察转向事件驱动，构建实时智能闭环底座。 核心内容： 1. AI时代数据基础变革：从历史洞察到事件驱动的企业需求转变 2. IBM Confluent技术架构：实时数据流平台与智能体的贯通方案 3. 能力演进的业务价值：构建“实时感知-智能决策-行动反馈”闭环
从一次 LLM 调用到完整 Harness，Agent 到底经历了什么？
从单次LLM调用到完整Harness，Agent系统如何从简单模型演进为复杂系统？本文拆解其关键部件发展逻辑。核心内容：1. 初始LLM模型的朴素形态（仅输入输出，无记忆与执行能力）2. Q&A Bot时代：上下文装配层引入，维护对话历史3. 复杂Harness演进：工具、记忆、子Agent等部件解决多场景需求
DeepSeek Harness 的 Agent 运行时设计
DeepSeek Harness 是Agent运行时，解决长期运行等核心问题，覆盖模型、工具全流程，适合架构学习。 核心内容： 1. 长期Agent工具使用、任务中断恢复等运行时核心问题 2. 与模型SDK边界：SDK仅管请求，Harness管运行时全流程 3. dsh-v0.1.0-rc.7版本特性及Web/Headless启动方式
刚刚，OpenAI公开研发内幕：递归自我改进只会局限在少数实验室
OpenAI公开研发内幕：智能体系统重塑AI研发，人类1工作日被AI智能体顶至3.1倍，2028年目标全自动研究员。 核心内容： 1. 智能体重塑研究员工作（工作量、费用、任务类型扩散） 2. 研发产出与任务成功率提升（实验量创新高，复杂任务依赖人类干预） 3. 人类与智能体协作模式（人类掌握决策权，智能体承担底层工作）
Behavior Spec 完整解读：用行为规范监督长程 Agent
Behavior Spec用行为规范监督长程Agent，替代人工逐项标注，定义可版本化的合格行为标准。 核心内容： 1. 长程Agent任务需转向行为监督的必要性 2. Behavior Spec的定义与核心要素 3. 三值判定及AGENTS.md与BEHAVIOR.md的区分
德勤扩招FDE，成立开放模型工程业务
德勤成立开放模型工程业务，以混合模型架构与现场FDE重构企业AI落地逻辑，顶级咨询公司AI布局再升级。 核心内容： 1. 混合模型架构成企业AI基础设施标配（替代单一选型） 2. FDE从后台走向业务现场，成新业务运营基石 3. AI原生团队形成技术底座、自研平台与FDE协同的新三角结构
Google Teamwork：多个 Agent，不等于一支团队
多Agent≠团队？Google新框架揭示关键：分工与交接机制，而非更多“脑力”。核心内容：1. 多Agent系统的典型问题：错误放大与共识偏差2. Google Teamwork框架的核心思路：任务拆解与结构化交接3. 解决协作困境的关键：明确分工、边界与责任划分
从 Vibe Coding 到 Harness Engineering： JDK 升级中可控演进的 AI 工程实践
AI Coding擅长新功能开发，但JDK升级等维护性工程需“改得对”。本文结合实践，分享Harness Engineering让AI稳定完成系统升级的工程化思路。核心内容： 1. AI Coding在新功能开发与维护性工程中的差异 2. JDK升级作为维护性工程的典型挑战（依赖、配置、运行期约束） 3. Harness Engineering实现AI可控演进的工程化实践