AI 快讯 | Toolin AI

10小时前

10小时前智能体X

Astra 实战经验帖:别混用模型,给预算上限,警惕 2000 行 CSS

作者总结使用 Astra 等 agent 的一手经验: Astra 擅长 computer use,但会用浏览器读文档而不是 CLI;发现后往 AGENTS.md 加一行约束,或检查是否有 skill 改变了行为。用 GPT-6 Pro 在 ChatGPT 里做头脑风暴和交接 prompt;普通 GPT 对话不计入 Codex 用量,但 GPT Work 计入。加 skill 前先让它「别只会附和我,判断我的想法是真有帮助还是增加工作量」。不要为省钱混用便宜模型:一次运行中 Astra 直接丢弃 DeepSeek 的 3D 结果重做且未事先告知;便宜 worker 做完后强模型可能重做一遍,更多路由不等于更省更好。当前搭配:Sol 负责实现(精选少量 skills),Astra 只当顾问;3D/设计只用 Astra。 Astra 会写出 2000 行不可读 CSS,但效果好——要么接受压缩式代码,要么别用它写代码。改 UI 时可让 Codex「用 GPT Image 按当前设计系统生成 mockup」先行预览设计方向。给 Astra 设预算/时间上限,并允许它查询剩余 Codex 用量;可用「有疑问立即停下,我是主设计师」这类约束。

10小时前

10小时前智能体X

阿里开源代码审查工具:确定性流水线+LLM Agent 混合架构

阿里巴巴在 GitHub 开源了 open-code-review 代码审查工具(已获 22.6k star、1.7k fork),号称经过阿里规模实战检验。核心特点: 混合架构:确定性规则流水线 + LLM Agent 结合,兼顾精准与灵活性行级精准评论,减少噪音内置多语言微调规则集:覆盖 NPE、线程安全、XSS、SQL 注入等常见缺陷兼容 OpenAI 与 Anthropic API,可自由替换模型提供 VS Code 扩展、Claude 插件与 skills,支持多语言文档

10小时前

10小时前智能体X

别等更大上下文窗口:多智能体横向扩展才是长文本正解

INT21 工程博客 + 网友评论的组合内容: 核心论点:INT21 认为,更大的上下文窗口并不能解决长上下文问题,真正的突破是多智能体编排——把一个千万 token 级的问题拆成一组协同的、各自找证据的小任务。实践案例:作者一年前尝试让 AI agent 生成 NVIDIA CUTLASS C++ 内核时,整个 CUTLASS 代码库约 500 万 token,而当时最好模型只有 100 万 token 窗口。瓶颈不在代码生成,而在跨仓库找到并保持正确证据。解法是把 100 万 token 模型并行跑多次,每个 agent 研究代码库不同部分,最后合并结论——「上下文装不下时,横向扩展」。为什么大窗口不等于好上下文:即使几百万 token 塞得进窗口,模型仍要从噪声中分离信号;更大窗口带来更多无关信息、更多中间输出和注意力竞争,多智能体从结构上解决了这个问题。附带观点:转发者 bingxu_ 认为 Dario(Anthropic CEO)低估了华为与长鑫存储(CXMT)——华为 IC 设计只落后一代,且其光通信积累意味着华为具备独立搭建先进 MoE pod 的全部要素。

10小时前

10小时前智能体X

Ben Lorica 谈自我改进 AI：杠杆在 Harness 而非模型权重

Gradient Flow 作者 Ben Lorica 撰文拆解「自我改进 AI」的三个概念层次：持续学习（经验是否让系统下次更好）、有界自我改进（系统把经验转化为经过测试的持久变更）、以及递归自我改进 RSI（系统改进产生改进的流程本身）——三者并非阶梯关系，可单独存在。核心观点：对大多数应用团队，真正可拥有的杠杆不在模型权重（模型是「租来的」），而在包裹模型的 harness——prompt、上下文、记忆、工具、路由、子代理与工作流。近期的实用图景不是无限制的智能自我提升，而是自动化目前手工完成的改进环节。实操建议：把每次自动化 prompt 或工作流改动当作标准软件部署，独立测试、保留回滚、重大变更需人工签核。

10小时前

10小时前智能体X

Anthropic 上线 11 门免费课程：从 Claude 入门到 MCP 进阶

Anthropic Academy 课程目录更新，共 11 门免费课程：入门与产品：Claude 101（日常办公）、Claude Code 101（开发工作流）、Claude Platform 101（平台开发）、Introduction to Claude Cowork（任务循环、插件与 skills）进阶实践：Claude Code in Action（长时自动会话的引导、配置与验证）、Building with the Claude API MCP 系列：从零用 Python 构建 MCP 服务器与客户端（tools/resources/prompts 三大原语），以及 Advanced Topics 高级实现模式 AI 素养：面向普通用户、教育者与学生的 AI Fluency 框架课程适合想系统上手 Claude 生态（含 Claude Code 与 MCP）的开发者和普通用户。

10小时前

10小时前智能体X

开源 agent 框架 Ax：DSPy 式编程+RLM 智能体，六语言原生库

开发者 dosco 推荐 Ax——一个开源 agent harness，结合 DSPy 风格编程与 RLM agents，提供 TypeScript、Python、Java、C++、Go、Rust 六种语言的原生库。核心思路：定义输入输出签名（如 review:string sentiment:class）、用示例和评测改进结果、用代码构建基于数据与工具的 agent，一个编译框架覆盖全语言。支持云端与本地模型、经验证的输出，并提供 Claude Code/Cursor 可用的 Ax skills。被引用的 omar 强调 harness 的重要性：YC 创业者纷纷构建领域专属 harness，因为它是 agentic 时代保持竞争力的关键——产品层面开启新体验面，技术层面沉淀框架与最佳实践。

10小时前

10小时前智能体X

Pydantic 旗下 jiter 发布 x86 SIMD 支持，长字符串解析提速至 7 倍

Pydantic 作者 samuel colvin 宣布 JSON 解析库 jiter 的重大版本发布，核心是 x86 SIMD 支持，长字符串解析性能最高提升 7 倍，另有 tape 复用、arm64 字符串 SIMD、浮点解析等改进。 jiter 是 Python 生态中使用最广的第三方 JSON 库，作为 Pydantic 校验的依赖，也被 Pydantic Monty 和 Logfire（经 datafusion-functions-）使用。作者还分享了工作流经验：对想优化的目标施加严格约束、提供清晰基准，用 CodSpeed 跑基准后交给自动化工具（fable 和 astra）完成优化。

10小时前

10小时前智能体X

开源项目 Hermes Agent 贡献者数突破 3000 人

Teknium 宣布开源项目 Hermes Agent 的贡献者数量已达 3000 人，并感谢所有参与开发的社区成员。该项目通过大规模社区协作持续迭代，被视为开源 agent 生态中社区规模的标杆。Teknium 本人在转发中表示很荣幸成为贡献者之一，乐于与社区一起共同构建 Hermes Agent。

10小时前

10小时前智能体X

Teknium 修复 hermes-agent CLI 粘贴 bug：多行输入不再被拆成多条 steering

Teknium（NousResearch）合并了对 hermes-agent 的一个 CLI 修复：agent 运行中粘贴多行文本（或 IME/语音输入）时曾被当成多条独立的 steering 消息——在不支持 bracketed paste 的环境（如 tmux）下，每个换行都会触发一次 Enter 提交。修复方案在 _tui_handle_enter 中加入 50ms 防抖：距上次缓冲区文本变化 50ms 内的 Enter 被视为换行而非提交。

10小时前

10小时前智能体X

微软官方文档:用声明式 Agent 定制 365 Copilot

Microsoft Learn 发布了 Microsoft 365 Copilot 声明式智能体（Declarative Agents）的官方文档。声明式智能体允许开发者通过提供指令、动作和知识源来定制 Copilot，以适配企业的具体业务场景，例如员工 IT 自助服务、团队入职、客户问题处理等。关键点：声明式智能体运行在与 Microsoft 365 Copilot 相同的编排器、基础模型和可信 AI 服务之上，但作用域被限定为特定业务需求可用于建立一致、个性化的体验并自动化复杂流程还可以为智能体添加额外能力以扩展功能文档适合企业开发者了解如何基于 Copilot 平台构建面向组织内部场景的定制智能体。

10小时前

10小时前智能体X

24/7 常驻 Agent 怎么防攻击:Every 公开安全框架

Every 团队公开了一篇保护常驻 AI 智能体的安全指南，基于他们的真实实践。团队构建了名为 Claudie 的 Claude Code 智能体，在一台专用 Mac mini 上 24/7 运行，作为咨询团队的「参谋长」： Claudie 的权限：拥有自己的邮箱和社交媒体账号，可访问 Google Workspace 和带登录态的浏览器，按计划执行任务、运行和编写代码，全公司多人通过 Slack 与她交互动机：他们刻意先给智能体最大权限，以最快速度摸清能力边界，再据此收紧权限、做安全加固方法：文章给出一个可泛化的框架，用于评估智能体安全、评估风险，并说明他们为换取更难被利用的系统牺牲了哪些功能适合正在部署长驻 agent、需要权衡能力与攻击面的开发者参考。

10小时前

10小时前智能体Reddit

Agent 记忆和文档上下文怎么分？Reddit 开发者热议架构

Reddit 上一个关于 agent 架构的长帖讨论：如何区分「agent 记忆」与「可检索的文档上下文」。作者的核心观点：稳定用户画像：用普通数据库表 + 显式更新规则，比任何花哨方案都靠谱；近期任务状态：小的滚动窗口或摘要即可；文档（合同/PDF/发票/手册）：不应压缩成对话摘要反复注入上下文，而应单次处理、源文独立保留、按需检索。作者自述在开发文档层产品 Claix：抽取 schema 化 JSON 存确定性字段，文档保持可查询，支持跨文档问题。作者也坦诚利益相关，想比较生产环境的架构：文档记忆是并入向量/图记忆系统，还是独立成带权限、保留策略与校验规则的检索服务。

10小时前

10小时前智能体X

向 Codex 发一个特殊 prompt,回复可能让你意外

- 开发者 Daniel Mac 发帖称,把某个特定 prompt 发给 OpenAI 的 Codex,得到的回复「可能会让你惊讶」,并表示这个点子来自访谈节目《Staying Human in the Age of AI》。帖子未给出具体 prompt 内容(见其附图/视频),更像一个悬念式技巧分享,读者需看原视频获取玩法。

10小时前

10小时前智能体X

Blender MCP + Astra 实拍:AI 自主驱动 3D 建模工作流

开发者 adrianmg 分享用 Blender MCP 与 OpenAI 的 Astra 模型结合进行 3D 创作的演示:通过 MCP 协议让模型直接操控 Blender,展示其在 3D/游戏类任务上的能力。附视频演示。

10小时前

10小时前智能体Reddit

提案变更即失效:为 Agent 审批绑定内容哈希防越权

作者指出，多数 agent 系统把「人工审批」当作授权问题的终点，但审批与执行之间存在漏洞：人类批准的是「向供应商 A 转账 4000 美元」「发布 v7 草稿」「邀请这 12 人」，agent 却可能在执行前修改金额、草稿或名单——动作类型没变，被批准的动作却变了。作者给出的规则：把审批绑定到具体提案的哈希上，字段包括执行者、目标、内容/金额、来源版本和过期时间。任何关键变更都会使审批失效并重新请求确认。代价是更多的重复审批提示，但能防止「用户批准过一次付款」变成另一笔付款的授权依据。

10小时前

10小时前智能体X

10 个给 AI Agent 加超能力的 GitHub 仓库：浏览器、记忆、GUI 全齐

一份 AI Agent 基础设施仓库清单，聚焦让 agent 获得浏览器、记忆与工具能力的开源构件： Agent-Reach：让 agent 访问 GitHub、Reddit、YouTube、X 等平台 PageIndex：树状 RAG，帮助 agent 推理长文档 Browser Use：让 agent 控制真实浏览器完成网页任务 BrowserGym：用于测试和评估 web agent 的仿真环境 Skyvern：无需脆弱选择器的浏览器工作流自动化 Agent-S：让 agent 理解并操作图形界面 MCP-Agent：轻松对接工具与 MCP server 的 agent 框架（清单未列全，后续条目在链接中）

10小时前

10小时前智能体X

一条提示词让 Codex 自查并优化 skills 配置

开发者 daniel_mac8 分享了一条「出奇有效」的 Codex 提示词工作流：把 OpenAI Devs 博客上 Eric Provencher 的文章和官方文档喂给 Codex，让它对照文中建议审计自己的 skills 与 AGENTS.md 配置，并自动进行优化，还可适配 GPT-6 Astra。该方法为 Codex 用户提供了一种便捷的配置自查升级途径。

10小时前

10小时前智能体Reddit

check_vitals MCP 工具：给 agent 提供 CrUX 真实性能数据

开发者推出免费 MCP 工具 check_vitals，解决一个常见问题：大多数「检查网站性能」的 agent 只跑一次 Lighthouse 实验室测试，而 Google 实际排名信号来自 Chrome UX Report（CrUX）——28 天滚动窗口内的真实 Chrome 用户数据，两者可能截然不同。同时返回 CrUX 现场数据与实时 Lighthouse 结果，按 Google 公开阈值评级（LCP < 2.5s、INP < 200ms、CLS < 0.1）。若站点流量不足、CrUX 尚无数据，工具会明确说明，避免 agent 给出误导性结论。提供 MCP server 与 REST 接口，免费、无需注册、限 20 请求/分钟。

10小时前

10小时前智能体X

编码 Agent 会自创形式语言,自然语言或成其元语言

作者提出观察与猜想:随着编码 agent 使用工具、skills 并开始发明自己的语言,我们可能看到形式语言与自然语言的融合。形式语言精确但脆弱,自然语言开放灵活,两者间存在连续谱。LLM agent 或将擅长不断向形式化表达靠拢,尤其用于与其他 agent 确定语义;而自然语言可能成为 agent 发明、批评、解释和修改其形式语言的元语言。

11小时前

11小时前智能体X

Uncle Bob 发文质疑 Agent Harness 设计，呼吁重新思考

《Clean Code》作者 Robert C. Martin（Uncle Bob）发布新一期「Morning Bathrobe Rant」，主题为 Rethinking Harnesses，探讨当前 AI 编码 harness（智能体运行框架）的设计问题。正文仅附博客链接，具体论点需见原文。

11小时前

11小时前智能体微信

MetaRSI 技术报告：让自我改进作用于 RSI 自身，旗舰模型平均提升 7.3 分

CosmosMind 联合斯坦福、伯克利、MIT、清华等高校发布 MetaRSI-v1 技术报告，提出首个统一 Model-RSI、Data-RSI、Harness-RSI 的元递归自我改进架构，把「改进」本身也变成可递归优化的对象。核心内容 LoopKernel 范式：将「进步如何发生」抽象为统一闭环——学习信号在 Data、Harness、Model 三个可写面上提出改动，由验证器裁决并回流，三者成为同一 Kernel 的不同实例化算子。三种算子：Data-RSI 从运行轨迹提取并放大学习信号、标定能力边界；Harness-RSI 在 SystemPrompt/Skill/MCP/Tools/Memory 五个槽位上做加法与减法；Model-RSI 将验证有效的能力内化进参数。纵横双轴编排：横轴由 RSI²Agent 决定算子顺序，纵轴由 Sub-Agent 改写算子内部策略，元层 MetaRSI²Agent 再优化编排策略本身，形成三层嵌套。实验结果小模型路线：Qwen3.5-35B-A3B（3B 激活）在 Terminal-Bench 2.1、SWE-bench Pro、GPQA-Diamond、AIME 四项基准平均提升 10.9 分，SWE-bench Pro 解决率接近翻倍。前沿模型路线：GPT-5.6、Claude Opus 5 等六款旗舰模型（仅启用 Data/Harness 算子、无外部教师）平均提升 7.3 分。五条定律包括：验证器决定自改进前沿；自我认知会过期、重探能力边界是速率瓶颈；能力与载体无关但成本有关（应持续内化到更便宜载体）；可信度须由不可写面度量（内部无法察觉放宽标准）；循环不凭空创造能力、增益需区分「激发已有」与「外部新引入」。团队同步开源了 RSI-Harness 与 Genome 开放社区，主张各科学领域只需任务族、验证器与初始脚手架三样东西即可接入循环。