01
发布 OpenThinkerAgent-32B 开放数据智能体模型
Richard Zhuang 发布基于 Qwen-3 的开放数据智能体模型 OpenThoughts-Agent 与 OpenThinkerAgent-32B，在 7 个智能体基准测试中平均得分 44.8%，号称同类最强。
观察
Signal Feed
#智能体 主题信号
围绕 智能体 的精选动态、来源摘要和重要性判断。
动态列表
02
Qwen 开源 AgentWorld-35B-A3B 模型和 AgentWorldB
Qwen 开源了 Qwen-AgentWorld-35B-A3B (MoE, 35B 总参数, 3B 激活参数, 256K 上下文) 和 AgentWorldBench，旨在通过可扩展、可控的模拟器研究语言世界建模以提升通用智能体能力。
观察
03
深度定制化AI Agent系统构建能力
Hugging Face团队开发了Moon Agent，可通过Slack集成使用。核心特性包括：支持任意自选模型（支持私有部署）、按插件模块化扩展工具链接能力、通过私有存储保障数据未离开本地基础设施、完整审计功能实现操作可追性。区别于现有商用Agent解决方案，该Agent提供开源自由度低至数据管控零信任增强的本地化运营场景经验。
观察
04
Claude Tag: Slack团队成员
Anthropic 发布 Claude Tag 功能，使 Claude 能以团队成员身份加入 Slack，读取授权频道和工具，被 @ 后可分解任务、编写代码、提 PR；内部使用中为产品团队创建了 65% 的 PR。
观察
05
Claude Tag: 常驻 Slack 频道的 AI 同事
Anthropic 发布 Claude Tag，让 Claude 以常驻身份加入 Slack 频道，支持多人共享上下文、持续学习频道内容、主动推送信息。产品团队 65% 代码由内部版生成，底层模型为 Opus 4.8，以 research preview 形式面向 Enterprise 和 Team 客户提供。
观察
06
Introducing Claude Tag
Anthropic 将 Claude Code 嵌入 Slack，推出 Claude Tag，支持频道专属记忆、主动监控、代码执行和提 PR。内部数据显示产品团队 65% 的新增代码由其产出，目前仅 Enterprise 与 Team 付费计划开放 Beta。
观察
07
GLM-5.2 vs Opus 4.8实测
Cline团队使用Cline仓库的真实bug在相同环境下测试GLM-5.2和Claude Opus 4.8，发现Opus速度快3倍、token少一半、价格贵一倍，但修完bug后生产构建崩溃；GLM速度慢、token多67%、工具调用多2.3倍、价格便宜一半，但主动清理死代码并确保构建通过。
观察
08
LLM Agent 通信协议报告推荐
一份报告构建了五维分类法，分析了九个活跃维护的开源agent协议，发现所有协议都采用混合payload和会话状态持久化，而去中心化发现机制仍然罕见。
观察
09
Sakana AI 发布 Fugu 多智能体系统
Sakana AI 发布了名为 Fugu 的多智能体编排系统，通过单一模型 API 即可访问。其中 Fugu Ultra 模型性能与 Fable 和 Mythos 相当，提供前沿能力且无出口管制风险。
观察
10
前 Meta/微软/Atlassian 主任工程师的 Agentic 工程工作流
前 Meta/Microsoft/Atlassian 主任工程师 Kun Chen 分享了一套 Agentic 工程工作流，声称每天能交付 40-50 个经测试的生产级 PR。工作流包括全终端环境（WezTerm+tmux+Neovim）、精简的 27 行全局 memory、从记忆分离的 skills 机制、语音输入（OpenSuperW...
观察
11
Sakana AI 发布 Fugu 多智能体系统
Sakana AI 发布 Fugu，一个多智能体编排系统，通过单一模型 API 访问。Fugu 本身是 LLM，训练用于调用包括自身在内的多种 LLM 作为代理，动态编排解决多步骤任务。Fugu Ultra 在性能上与 Fable 和 Mythos 相当，且能规避出口管制风险。
观察
12
Skill-MAS：多智能体元技能进化
DAIR.AI 介绍了 Skill-MAS，一种多智能体系统的元技能进化方法，通过多轨迹展开和选择性反思的闭环，在不修改模型权重的情况下提升编排能力。该方法在四个基准测试和四种不同大语言模型上验证，进化出的元技能可迁移到未见过的任务和其他模型。核心创新在于将编排能力作为可进化的元技能，以策略级原则积累经验。
观察
13
Deep Agents 实战开源教程
zhanghaili0610 开源了基于 LangChain 和 LangGraph 生态的「Deep Agents 实战」教程。该教程提出了 Agent 开发的“三层架构”（Runtime: LangGraph, Framework: LangChain, Harness: Deep Agents），重点讲解通过虚拟文件系统（包含 re...
观察
14
DeepMind 发布 TacticML：开源实现 RL 在复杂任务中的高效训练
Google DeepMind 发布开源库 TacticML，集成了模拟算法与策略搜索技术，能显著降低复杂环境（如商业厂房控制场景）中 RL 演练所需 token 数 90%，同时保持策略性能。该方法方案针对样本效率问题提出新方向，相较以往 SOTA 方法在类似任务表现提升 23%。
高优先级
15
DeepSeek研究员开源AutoResearch协议并发布Self-play综述
DeepSeek研究员Deli Chen开源了AutoResearch协议并发布Self-play综述。其代理在DeepSeek 285B模型上首次完全自主运行了完整的RL研究闭环（实验设计、代码编写、GPU任务提交、调试、结论总结），实现零人工干预。
观察
16
OpenAI Codex Record & Replay 功能上线
OpenAI 为 Codex 推出 Record & Replay 功能，用户只需演示一次完整浏览器操作（如在 YouTube Studio 填写元数据、上传缩略图、保存私密视频），系统即把录制转化为可复用技能，可在后续任务中自动匹配素材、填写信息、核验结果，支持电脑、浏览器及已连接插件操作，未来可扩展至 PR 整理、日程安排等场景。
观察
17
SkillWeaver: 面向LLM智能体的组合技能路由
该论文提出组合技能路由方法SkillWeaver，将复杂查询分解为原子子任务，为每个子任务检索合适技能并组合成可执行计划。系统采用LLM分解器、bi-encoder FAISS检索器和依赖感知DAG规划器，并配套发布CompSkillBench基准（300个组合查询，覆盖2209个真实技能），以直接评估多技能场景下的智能体性能。
观察
18
Perplexity 推出 Brain 记忆系统
Perplexity 为其 Computer agent 推出名为 Brain 的记忆系统，通过构建上下文图并在设定间隔（如过夜）自我回顾，学习改进任务执行。在需要历史上下文的任务上，Brain 使答案正确性提升 25%，召回率提升 16%，每任务成本降低 13%，且每条记忆链接回原始会话、文件或来源。该功能作为研究预览向 Max 和 E...
观察
19
New Frontier Red Team blog: Phase 2 of Pro
Anthropic 的 New Frontier Red Team 在 Project Fetch Phase 2 中测试了 Claude 编程机器狗的能力。Opus 4.7 比去年最佳人类团队（辅以 Opus 4.1）速度快约20倍，但机器狗仍未成功取到沙滩球。
观察
20
Anthropic 展示 Claude Opus 4.7 编程机器狗，速度提升 20
Anthropic 在 Project Fetch 第二阶段中，让 Claude Opus 4.7 独立编程机器狗完成 5 项任务，耗时 12 分钟，比去年人类团队（264 分钟）快约 20 倍，代码行数从 10309 降至 1045，但因闭环控制失败未能抓取球。
观察