最新 · Latest
11月20日周五
Gemini 工具检索加 Mac 电脑操作:Google 把管道铺好了
Google 周四没发新模型,花了一整天铺 agent 的管道,两件事都值得知道。18:00 UTC,Gemini Interactions API 上线 Tool Retrieval 预览版。17:00 UTC,Mac 版 Gemini 应用加上了电脑操作。一个给工具多到塞不下的开发者,一个给想让 agent 替自己在桌面上点来点去的用户。原文:https…
11月11日周三
Claude 有了表格和白板,Adobe 把自家软件敞开给所有 agent
同一个周二,两件事指向同一个方向。Anthropic 推出 Claude Whiteboards 和 Claude Sheets 测试版,Claude Dashboards 正式上线并改名 Claude Data。Adobe 在 MAX 大会上发布本地 MCP 服务器,让 ChatGPT、Claude、Gemini 都能直接驱动 Illustrator、Ph…
11月10日周二
Spacefast:WordPress 的东家想当你的 agent 的发布地
WordPress 当了二十年建站的地方。现在大家建站是直接问 Claude。于是 Automattic 在 11 月 9 日推出了 Spacefast,官网一句话把定位说透了:Spacefast 不是 AI 建站工具。
它管的是 agent 写完之后那一段。你的 AI 一下午就能写出一个能用的应用,然后你得挑主机、配数据库、接登录、绑域名、决定谁能看。S…
11月9日周一
agent 记忆有九种格式,谁也读不了谁
你的 CLAUDE.md、Copilot Memory、Mem0、LangGraph store 都在记同一个仓库的事,彼此却一个字都读不了。这是 LoreKit 11 月 7 日那篇《Agent memory needs its OpenTelemetry moment》的出发点,周日在 Hacker News 上拿到 159 分、90 条评论。
作者自…
11月8日周日
ChatGPT 在流程中途悄悄换了连接器,只有服务端发现了
一位 MCP 开发者抓到 ChatGPT 悄悄越过了应用边界。11 月 5 日发在 OpenAI 开发者论坛上的报告,周五晚上被 Hacker News 翻了出来:一次后续工具调用,走的不是发起流程的那个连接器。
场景是这样的:一个 ChatGPT 账号,开了两个连接器,指向同一个 MCP 服务器,各自有独立的 OAuth 客户端。用户要做一个需要确认的操…
11月7日周六
三个新 benchmark 都在考 agent 最差的一项:承认这事做不成
以前的考题是做完。这周三个不相干的 benchmark 考的都是更难的事:agent 肯不肯告诉你,答案根本不在这儿。
OpenAI 和生物技术公司 Ligo 发布了 BioBasicsBench,100 道日常湿实验分析题,数据是原始的凝胶图、平板、显微图像和测序读段,能认出证据不足也算分。GPT-6 Astra 在 xhigh 下拿到 66.7% 的分…
11月4日周三
苹果向所有开发者开放 Siri AI,skills 也要上 iPhone 了
地球上最大的 agent 分发入口,刚刚开了 beta。从周二的 iOS、iPadOS、macOS 和 visionOS 27.3 测试版开始,开发者预览让任何开发者都能通过 App Intents 把应用接进 Siri AI。用户用自己的话提要求,Siri AI 就去执行你做好的自定义操作,从查快递到下单都行。
有两个细节让这件事不只是 Siri 翻新。…
CrowdStrike 花约 4.95 亿美元盯 agent,还上了个只有人能按的急停开关
老牌公司开始掏支票,这个品类就算坐实了。周二 CrowdStrike 在 Fal.Con Europe 宣布签约收购两家公司:做 agent 可观测性的 Fiddler,和做 AI 自动化安全测试的 Dreadnode。两份新闻稿都没写价格。《华尔街日报》说分别约 4 亿和 9500 万美元,TechCrunch 引 PitchBook 说两家此前融资约 9…
11月2日周一
同一个应用写 12 遍:Angular 的 agent 成本快到两倍,官方 MCP 没人用
选前端框架,现在可以按 agent 花了多少钱来算了。Nolan Lawson 让 Claude Code 用 12 个 JavaScript 框架各写一遍同一个应用,每个跑 5 次,每个结果都过一遍规格一致性测试,防止 agent 偷工减料假装完成。文章 10 月 28 日发的,这个周末上了 Hacker News 首页,267 分。
按 API 价格算…
10月27日周二
三篇论文给 harness 打分:模型再大也救不了烂框架
两年来 agent 评测都在给模型打分,把 harness 当成水管。周一 arXiv 批次里有三篇论文专门给水管打分,结果发现水管说了很大一部分算。
TraceTrial-Bench 把 harness 拆成七块:上下文、执行、治理、生命周期、可观测性、工具、验证。4 个 harness、9 个模型、95 个任务,一共 3420 次运行,harness …
第 1 页
较早 →