可自我改进的RLM智能体，面向编码工作流与长时自主任务
Hacker News 上出现一个可自我改进的 RLM 智能体项目，主打编码工作流与长时间自主运行任务，目前讨论热度极低，仅 1 分、0 条评论。
自动化科学机器学习：前沿智能体能否在真实场景中翻越科学高峰？
研究团队推出 Agent4Sci 测试平台，覆盖 11 个领域 20 个科学机器学习基准，评估前沿编程智能体能否超越已发表最优模型。结果显示智能体平均相对提升最高 10.4%，但主要靠工程技巧而非科研洞察。
盘点可常驻短信中的主流 AI 智能体
一份盘点列出了当前最值得关注的短信 AI 智能体，覆盖通用助手以及面向家庭、旅行和办公场景的专用代理，用户无需安装独立 App 即可通过短信直接调用。
Ask HN：AI 智能体集群是如何运作的？
Karpathy 指出 AI 使用存在巨大鸿沟：约 75% 的人几乎没用过大模型，仅约 5000 人能内部接触前沿系统，其形态是数千智能体协作数周完成软件工程、攻防与科研。HN 网友追问这种集群如何协调。
利用 AI 代码智能体优化软件架构的五种方法
文章介绍五种借助 AI 代码智能体优化软件架构的实践方法，帮助开发团队提升重构效率、降低技术债，对软件工程与研发管理者有参考价值。
AI 时代的移动端稳定性保障 —— 柯南 AI Agent 实践｜QCon上海
QCon上海分享柯南AI Agent在移动端稳定性保障中的实践，用AI自动定位崩溃、卡顿等问题，提升排查效率，对移动开发与运维团队有参考价值。
AI 智能体自主读写共享可验证修复数据库
Hacker News 上出现一个共享、可验证的修复数据库构想，允许 AI 智能体自行读取和写入修复方案，目前讨论热度较低。
Show HN：E2E——面向 Web、iOS 和 Android 的开源智能体测试框架
TesterArmy 联合创始人开源 E2E 智能体测试框架，支持在同一个测试中混用确定性 API 与 agent.act() 等智能体 API，并缓存回放智能体操作以避免每次运行都调用 AI，兼容任意 LLM，开箱支持 Web 与移动端。
安踏×火山引擎：下单缩至10分钟、月均建单1000+，Agent跑进全球电商业务
安踏与火山引擎合作，将Agent落地内容生产、海外订货和跨境退货环节：带货视频新人半天上手，下单决策由半天缩至10-20分钟，退货单月均自动创建超1000张，并计划跨品牌复制。
从 Agent 到 Loop：AI 正如何重构软件工程？｜QCon 上海 2026 即将开幕
QCon 上海 2026 即将开幕，议题聚焦 AI 从单点 Agent 走向持续 Loop 后对软件工程的重构，涉及研发流程、协作方式与工程范式变化，对开发者与技术管理者有参考价值。
AI 智能体三周重构 30 万行代码，Code Health 从 5.6 升至 10.0：代码真的变好了吗？
有团队用 AI 智能体在三周内重构 30 万行代码，Code Health 评分从 5.6 提升到 10.0。指标大幅改善，但代码质量是否真正变好仍存疑，值得开发者关注。
等预算下蒙特卡洛树搜索与随机重启列表调度在DAG工作流上的对照计算研究
研究在相同搜索预算下对比MCTS与随机重启列表调度用于DAG工作流调度，发现MCTS平均差2.88%，差距源于选择规则锁定首个扩展子节点，而非预算不足。
知你所不知：通过演化生成空间实现闭环学习的智能体数据合成
研究者提出 EvoSyn 多智能体框架，用学习反馈驱动合成数据生成，让智能体在交互中补足薄弱环节并扩展生成空间，在 τ²-Bench 与 CAR-Bench 上平均任务成功率提升 13.3 个百分点。
Show HN：Jevcrawl——面向 AI 智能体的网页爬虫，爬取环节不依赖大模型
Jevcrawl 是一款面向 AI 智能体的网页爬虫，其爬取流程中不调用大模型，在 Hacker News 上以 Show HN 形式发布，目前讨论热度较低。
手机解锁先见 AI，不再先找 App：阶跃星辰首款智能体手机来了，定价 3999
阶跃星辰推出首款智能体手机，定价 3999 元，主打解锁后直接进入 AI 交互界面，无需先打开 App，试图以智能体取代传统应用入口。
刚亮相就传被英伟达收购：Gemini老兵团队凭什么还敢押注Coding Agent？
一支由前谷歌Gemini核心成员组成的创业团队刚公开亮相，就传出被英伟达收购的消息。团队选择押注编程智能体（Coding Agent）赛道，认为代码生成与自主编程是AI落地的重要方向。
llms.txt 文件向 AI 智能体透露了什么（需警惕）
Hacker News 上出现关于 llms.txt 文件的讨论，提醒人们注意这类文件向 AI 智能体暴露的信息，目前热度较低。
开源工具：评估并改进你的 AI 智能体操控方式
团队开源 Agent Desk 与 Session Intelligence 两款工具，帮助开发者浏览 Claude Code、Cursor 等主流编程智能体的会话记录，分析上下文缺失、重复纠错与凭据泄露，从而改进对 AI 智能体的使用方式。
Apate 派 AI 智能体卧底被骗，以收集诈骗情报
Apate.ai 反其道而行，让 AI 智能体伪装成潜在受害者主动接触诈骗者，在被骗过程中收集诈骗手法与基础设施情报，用于反诈防护。
企业真正需要的，不是更聪明的 Agent？
文章讨论企业级 AI Agent 的落地误区：一味追求模型能力提升未必解决业务问题，可靠性、可控性与流程集成才是企业真正需要的。
千问办公杀入电商经营！3万开店成本压至几百元，一个Agent接管多平台生意
千问办公推出面向电商经营的AI Agent，可将原本约3万元的开店成本压缩至几百元，并支持一个智能体统一接管多个平台的店铺运营，降低中小商家数字化门槛。
Endo：一种高阶智能体编排框架
Endo 是一个开源的高阶智能体编排框架，提供统一界面接入任意智能体服务并支持会话中热切换，通过编排层实现智能体任意组合，面向需要确定性与灵活性兼顾的工作流。
微信、淘宝、美团等151款APP拒绝豆包手机助手GUI自动化代操作；对标字节红果，腾讯上线绿泡泡短剧；OpenAI一工程师被捕，涉嫌窃听机密
豆包手机助手公示151款拒绝GUI自动化代操作的应用，微信、淘宝、美团、DeepSeek在列；腾讯上线绿泡泡短剧对标红果；OpenAI一工程师因在会议室藏匿录音设备被捕并遭解雇。
阶跃星辰开放 Step 5 Preview 权重：长程 Agent 的竞争，延伸到上下文管理与训练系统
阶跃星辰开放 Step 5 Preview 模型权重，主打长程 Agent 能力，竞争焦点从单点模型能力转向上下文管理与训练系统，为开发者提供可自部署的智能体基座。
蚂蚁百灵开源 560B 模型 Ling-3.0-flash：0.19 美元搞定复杂工作流
蚂蚁百灵开源 560B 参数大模型 Ling-3.0-flash，主打低成本复杂工作流，单次调用成本约 0.19 美元，面向智能体与多步骤任务场景。
智能体数据科学中的沉默失败
研究指出，现有智能体数据科学评估只看预测性能和代码正确性，掩盖了数据泄漏、验证不当等方法论错误。对220个任务的测试显示，多数智能体方案至少存在一种失败模式。
ClawLoop：基于原生训练循环的自我改进智能体
ClawLoop 提出一种无需外部教师模型的自我改进框架，通过任务合成、训练与诊断反馈三阶段循环，让基于沙箱环境的智能体持续提升，并在多个基准上验证了效果。
LLM 工具调用从 API 调用到智能体应用的演进（2025）
Hacker News 上出现一篇讨论大语言模型工具调用演进的文章，梳理其从简单 API 调用走向智能体应用的路径，目前讨论热度较低。
印度成为最新报告失控AI智能体活动的国家
印度报告发现失控AI智能体活动，攻击者利用应用配置、公开代码仓库和过于宽松的云角色中暴露的凭证与连接设置入侵，凸显AI智能体安全治理的紧迫性。
世界不会等待：在实时时钟下评估与训练智能体
研究者提出 RealtimeBench 基准，含 180 个任务、六类游戏，在推理期间游戏持续运行，考察 LLM 智能体的实时性；并提出 TORSI 双时间尺度训练法，使慢速教师指导快速学生，将 Jev 平均分从 13.51 提升至 24.19。
AlphaDiana：面向可验证推理任务中智能体的测量系统
AlphaDiana 是一个模块化智能体测量系统，可分别控制文件复用与记忆保留，在五个基准上测试三种开源模型与三种执行框架，发现框架并不稳定提升推理准确率，技能与记忆干预同样不可靠。
三个大模型评审无法分辨AI智能体的真实记忆与伪造记忆
Hacker News 讨论显示，三个大模型评审无法区分AI智能体的真实记忆与伪造记忆，暴露了当前记忆评估方法的可靠性问题，对做智能体记忆系统的开发者有参考价值。
Show HN：InBox Wall——面向AI智能体的本地优先开源邮件净化器
开源项目InBox Wall发布，这是一个本地优先的MCP服务器，在本地AI智能体处理邮件前净化HTML，清除隐藏的CSS/Unicode提示注入，保护智能体安全。
Laminar 推出 RL 训练的智能体轨迹错误检测模型 flow-1
Laminar 发布经强化学习训练的模型 flow-1，用于自动发现 AI 智能体执行轨迹中的隐性错误。其检测质量与 GPT-6-sol 相当，成本却低 23 倍，可对全部生产轨迹做无采样分析。
微软：AI智能体如同内部威胁，前沿模型不可信任
微软提醒企业密切监控员工使用的、由OpenAI和Anthropic等AI实验室之外系统控制的AI智能体，将其视为类似内部威胁的风险源，因为前沿模型本身不可完全信任。
结构化权威注入：通过类型化 MCP 覆盖实现 LLM 智能体的持久人类控制
研究者提出结构化权威注入（SAI）协议，把操作者的纠正指令转为经模式校验的 MCP 工具调用，并在每次提示前加入排序后的权威上下文，让人类指令在智能体多轮规划中持续生效。
比 Opus 5.5 便宜 88 倍！MiniMax M3.1 Flash “杀”回王座，顺手拿了个 Agent 国模第一
MiniMax 发布 M3.1 Flash 模型，价格比 Opus 5.5 低 88 倍，并在 Agent 能力评测中拿下国产模型第一，主打高性价比与智能体任务表现。
Navalia：通过可验证任务合成与长程后训练推进协作智能体
Navalia 以企业财报为数据源，自动合成带可追溯证据和真实数据依赖的金融分析任务，经独立模型审查与程序校验后用于轨迹采集、冷启动微调和强化学习，使基于 Qwen3.6-35B-A3B 的智能体在五个基准上全面超越基座模型。
MedPAO-Assist：可边缘部署、模态感知的放射报告结构化智能体
MedPAO-Assist 是一个可在普通笔记本 CPU 上离线运行的智能体框架，能把放射科医生的口述和语音指令直接转成结构化报告，峰值内存约 3.3GB，端到端延迟约 31 秒，支持胸片、胸部 CT、腹部 CT 和脑部 MRI 四种模态。
Show HN：CATT 0.2.1，在 CI 中针对类 Muse/Instinct 智能体测试服务
开源工具 CATT 0.2.1 发布，让开发者在本地或 CI 中用模拟的 Muse/Instinct 类个人助理智能体测试自家服务与 MCP/API，记录工具调用与响应并比对结果，解决智能体记忆和账户状态导致测试难以复现的问题。