01
LeRobot Humanoid：开源低成本人形机器人平台
Hugging Face 旗下 LeRobot 团队发布 LeRobot Humanoid，一个面向机器人学习的开源低成本人形机器人平台。该平台当前双足原型的零件成本约为 2,500 美元，主要由 3D 打印部件、现成组件和低成本电子元件构成。此次发布不是单一机器人模型，而是完整技术栈，包含硬件清单、装配文档、运行时工具、系统辨识工具和训...
观察
Signal Feed
#智能体 主题信号第 10 页
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
Gemini 3.5 Flash 登顶 APEX-Agents-AA
Google 的 Gemini 3.5 Flash 在 APEX-Agents-AA 基准上排名第 1，并且超过了“大一号”的更大模型。Logan Kilpatrick 还透露，Google 在 Antigravity 中把所有套餐的 rate limits 提高了 3 倍，以便用户更充分地测试 Gemini 3.5 Flash；随后又提...
观察
03
Pipecat 开源语音框架
Pipecat 团队发布了一个用于构建实时语音 AI agents 的开源 Python 框架，可编排音频、视频、AI services、传输层和对话流水线。该框架采用 voice-first 架构，内置 WebRTC 和 WebSocket 传输，支持 STT、TTS、对话逻辑和低延迟流式交互，可用于 voice assistants、...
观察
04
MemOS 2.0 开源更新
MemOS 开源项目 MemOS Local Plugin 2.0 更新了记忆系统，GitHub Star 达到 9.3K。该版本主打“执行即学习”，把 Agent 完成任务时的执行过程拆成可学习单元，并通过双重反馈机制把高价值经验逐层提炼为原始轨迹、通用套路、长期世界模型和可调用的 Skill。链接展开的 GitHub README 显...
观察
05
Claude Does Cyber Competitions
Anthropic 表示，2025 年他们持续让 Claude 参加面向人类的网络安全竞赛，并公布了 7 场比赛中的部分成绩。Claude 在 Western Regional Collegiate Cyber Defense Competition 资格赛中位列 28 支队伍第 10 名；在 PicoCTF 2025 中以 10,460...
观察
06
Project Fetch: Can Claude train a robot dog?
Anthropic 发布研究 Project Fetch，邀请 8 名 Anthropic 研究员和工程师（都没有机器人领域经验）随机分成两组：4 人可用 Claude，4 人不可用，要求操作四足机器人完成“捡回沙滩球”的任务。结果显示，Claude 组平均完成任务更快，速度约为无 Claude 组的一半，且只有 Claude 组在让机器...
观察
07
AI Agents Find Smart Contract Exploits
Anthropic 及其 MATS/Anthropic Fellows 项目团队发布 SCONE-bench，这是首个按“模拟被盗资金总美元价值”评估智能体利用智能合约漏洞能力的基准。该基准包含 405 个在 2020 至 2025 年间真实被利用过的合约，覆盖 3 条 Ethereum 兼容链；团队在其中对截至知识截止日期之后才被攻破的...
观察
08
Project Vend: Phase two
Anthropic 发布了 Project Vend 第二阶段实验，继续测试改造后的 Claude“Claudius”能否在真实商业任务中经营自动售货店。相比第一阶段使用 Claude Sonnet 3.7，第二阶段升级到 Claude Sonnet 4.0，后续又用到 Sonnet 4.5，并新增了 CRM、改进库存管理、增强网页搜索等...
观察
09
How we built our multi-agent research system
Anthropic 介绍了其 Claude Research 功能背后的多智能体系统，从原型到生产的过程中总结了系统架构、工具设计和提示词工程的经验。该系统支持 Claude 通过 web、Google Workspace 和各类 integrations 搜索信息来完成复杂任务，采用 orchestrator-worker 架构，由一个...
观察
10
Desktop Extensions: One-click MCP server installation for Claude Desktop
Anthropic 在 2025年9月11日发布 Claude Desktop Extensions，将用于安装本地 MCP server 的打包格式从 .dxt 更新为 .mcpb（MCP Bundle），旧的 .dxt 仍可继续使用，但新扩展建议改用 .mcpb。新格式把整个 MCP server 及其依赖打包成单个可安装文件，用户可...
观察
11
Equipping agents for the real world with Agent Skills
Anthropic 发布 Agent Skills，并在 2025 年 12 月 18 日更新为跨平台可移植的开放标准。该方案把面向特定任务的能力封装为包含 `SKILL.md` 的目录，内含 instructions、scripts 和 resources；启动时先加载每个 skill 的 `name` 和 `description` ...
观察
12
Code execution with MCP: Building more efficient agents
Anthropic 介绍了如何用代码执行环境结合 MCP（Model Context Protocol）提升 agent 与外部系统交互效率。文章指出，MCP 自 2024 年 11 月发布以来，社区已构建数千个 MCP servers，SDK 覆盖所有主流编程语言，行业已将其视为连接 agent、工具和数据的事实标准。文章分析了两类主要...
观察
13
Introducing advanced tool use on the Claude Developer Platform
Anthropic 在 Claude Developer Platform 上发布了 3 项工具使用能力：Tool Search Tool、Programmatic Tool Calling 和 Tool Use Examples，目标是让 Claude 面对成百上千个工具时按需发现、在代码环境中调用并从示例学习正确用法。文中给出的内部测...
值得跟进
14
Effective harnesses for long-running agents
Anthropic 介绍了用于长运行 agent 的 harness 设计，目标是让 Claude Agent SDK 能在多个 context window 中持续推进任务。其内部方案分为两部分：第一轮由 initializer agent 搭建环境，创建 `init.sh`、`claude-progress.txt` 和初始 git ...
观察
15
Demystifying evals for AI agents
Anthropic 发表文章，系统解释如何为 AI agents 设计评测（evals）。文中区分了单轮评测与多轮评测，并给出 task、trial、grader、transcript、outcome、evaluation harness、agent harness、evaluation suite 等定义；同时指出 agent 评测更复...
观察
16
Designing AI-resistant technical evaluations
Anthropic 性能优化团队负责人 Tristan Hume 介绍了他为招聘 performance engineers 设计并重做的 take-home 测试。该测试自 2024 年初开始使用，已有超过 1,000 名候选人完成，招来了几十名工程师，包括参与搭建 Anthropic Trainium 集群并交付自 Claude 3 ...
观察
17
Building a C compiler with a team of parallel Claudes
Anthropic Safeguards team 研究员 Nicholas Carlini 介绍了一种名为“agent teams”的监督语言模型方法：多个 Claude 实例可在共享代码库上并行工作，无需人工持续介入。为压力测试该方法，他让 16 个 agent 从零开始编写一个基于 Rust 的 C 编译器，历时近 2,000 次 ...
观察
18
Harness design for long-running application development
Anthropic 的 Labs 成员 Prithvi Rajasekaran 介绍了用于长时间运行应用开发的 harness 设计。他将早先的 frontend design skill 和 long-running coding agent harness 继续推进，针对 Claude 在前端设计和无人干预构建完整应用时遇到的瓶颈，提...
观察
19
Claude Code auto mode: a safer way to skip permissions
Anthropic 为 Claude Code 推出 auto mode，用模型分类器代替人工审批来决定是否放行工具调用，目标是在减少频繁点击批准的同时降低跳过权限带来的风险。该模式采用两层防护：输入层由服务器端 prompt-injection probe 扫描文件读取、web fetch、shell 输出和外部工具响应；输出层由运行在...
值得跟进
20
Scaling Managed Agents: Decoupling the brain from the hands
Anthropic 介绍了 Claude Platform 的 Managed Agents 设计，目标是在长期运行的代理任务中，将“brain”（Claude 和 harness）、“hands”（sandbox 和 tools）以及“session”解耦为独立接口。文中举例称，之前在 Claude Sonnet 4.5 上为“cont...
值得跟进