#AI Agent
共 1091 篇相关文章
LabAgent：为科研实验室打造可复现的AI智能体系统
arXiv新论文提出LabAgent，一套面向科研实验室的AI智能体系统，通过可执行验证和经验记录两大机制解决科研方法传承难题，在药物预测、蛋白质变异等生命科学领域超越通用智能体。
自适应物理AI探索：LLM智能体能否胜任长周期物理任务？
最新arXiv论文探讨LLM智能体能否管理长周期物理任务。研究通过整合规划、工具调用、观察与验证的多智能体框架，在农业场景中对比零样本LLM与强化学习智能体，发现LLM在环境变化时具备更强的自适应能力。
SOP-Bench：评估AI智能体处理真实业务流程的新基准
SOP-Bench 是一个用于评估 AI 智能体处理真实业务流程能力的新基准，采用可扩展框架，测试完成标准作业程序所需的全套能力，而非孤立的代理任务，为企业落地 AI Agent 提供更务实的参考。
Agent评估框架深度解析：自建还是采用现成工具？
深入解析Agent评估框架（eval harness）的四大核心组件——测试用例、执行器、捕获层与评分器，并探讨自建与采用现成框架的决策标准，助力AI工程团队构建可靠的智能体评估体系。
ProGantt：让AI Agent通过MCP读写甘特图
ProGantt是一个让AI Agent通过MCP协议读写甘特图的项目管理工具。本文解析其核心能力、MCP协议的价值以及AI原生工具的发展趋势。
Otis：开箱即用的本地AI Agent工具解析
Otis是一款主打本地模型开箱即用的极简开源AI Agent工具。本文解析其设计理念、本地运行大模型的价值与挑战，以及极简路线对开发者的意义。
COGEXT：给AI Agent装上"测谎仪"的验证层工具
COGEXT 是一款面向 LangChain 等 AI Agent 的验证层工具，通过提取承诺并对接 Gmail、GitHub 等外部系统独立核验，防止智能体谎报任务完成。本文解析其验证引擎、急停开关、审计凭证等核心能力及其对 AI 可信度的意义。
Naoma AI Demo Agent V2：用AI销售把网站流量变成成交会议
Naoma AI Demo Agent V2 用AI销售代表替代传统预约表单，实时为访客演示产品、筛选线索并预约会议，已运行5万+演示并开放自助试用。解析这款登顶Product Hunt的销售自动化工具。
Nimble推出自学习Web搜索智能体：让AI自动完成网络调研
Nimble在Product Hunt发布Web Search Agents自学习网络搜索智能体，可自动完成公司信息补全、法规研究等领域的深度网络调研与检索，为AI应用提供更相关的网络上下文。
Aside：能替你干活的AI浏览器，实测超越Claude Cowork
Aside 是一款主打"替你干活"的AI浏览器，可登录账户、操作网站、完成支付与本地文件任务。官方称在智能体浏览基准上超越 Claude Cowork，全本地加密运行，并支持接入 Claude、ChatGPT 订阅。
Resumate：为LangGraph智能体打造的修复与续跑层解析
开发者为LangGraph智能体打造修复与续跑层Resumate，通过检查点记忆失败、复用有效方案并防止Stripe扣款等副作用重复触发。本文解析其核心机制、坦诚局限与工程价值。
GAUGE研究：何时不能信任LLM-as-a-Judge的智能体评测
GAUGE 研究揭示 LLM-as-a-Judge 在任务型智能体评测中的两大盲区：满意度与任务成功几乎不相关（57.5%满意对话实际失败），且面对势均力敌的强模型时分歧率飙升至31%，并提出「先校准再信任」的补救方案。
BI Visual Advisor：用AI审查你的数据看板设计
BI Visual Advisor 是一款用 AI 审查数据看板的工具，支持 Power BI、Tableau、Looker Studio 和 Excel，上传截图即可识别图表问题并给出优化建议。本文解析其工作原理、价值与局限。
AI助手的失败标志：当它制造了第二份运维工作
一位Reddit用户提出评判AI助手成败的新标准：当它为你制造第二份运维工作时就已失败。本文解析如何让AI工作流端到端可靠，识别连接器失效、重复操作等隐藏维护成本，用净收益而非工具数量衡量Agent价值。
AI Agent权限管理难题：手写角色成新税负？
随着AI Agent数量增长，手动定义权限角色正成为团队的隐形负担。本文探讨AI Agent权限管理的规模化挑战、自动生成角色的可能性，以及提示注入绕过权限检查的安全风险。
Agent如何决定信任另一个Agent？多智能体协作的信任难题
当AI Agent开始自主雇佣其他Agent，它该如何决定信任谁？本文从Reddit开发者的真实提问出发，探讨多智能体协作中缺乏可携带信誉体系的核心难题，并类比人类信用评分的演进，展望Agent信任机制的可能解决方向。
AIAgentCogNest：AI Agent知识孵化与开发教程开源项目
AIAgentCogNest是一个开源的AI Agent知识孵化与大模型应用开发教程项目，面向AI应用开发者、AI工程化实践者及传统软件转型团队，帮助建立系统化的AI Agent知识体系。
OpenAI Agents SDK：轻量级多智能体框架详解
OpenAI 官方开源的 openai-agents-python 是一个轻量级多智能体框架，用于构建 multi-agent 工作流。本文解析其设计理念、社区热度与适用场景，帮你判断是否值得选用。
ArcReel：AI Agent驱动的开源视频生成工作台
ArcReel是一款AI Agent驱动的开源视频生成工作台，支持从小说到角色设计、剧本、分镜图再到视频的完整流程，集成Nano Banana 2、Veo 3.1、Grok等多个模型，主打跨镜头角色与场景一致性。
GPT-6 Astra 实测：用一句话生成 5K/10K 跑步路线
开发者 Simon Willison 实测用 GPT-6 Astra（ChatGPT Work）一句话生成 5K/10K 跑步路线，模型基于 OSM 数据运行27分钟，输出可视化地图、GPX 和 GeoJSON 文件。本文解析这一 AI Agent 应用案例的意义。