DeepSeek V3.2发布：国产大模型首次实现思考模式下工具调用，Agent能力登顶开源榜首_服务软件

1. 刚刚，蝉联Future X全球榜首的MiroMind发布全球最强搜索智能体模型

2. 突破一亿Token极限：EverMind提出MSA架构，实现大模型高效端到端长时记忆

3. MiniMax是家什么样的公司 #人均95后的大模型公司上了新闻联播 #minimax #人均95后公司MiniMax登上央视

4. 未来智能体不能把它看成软件，它可以把大模型的专业能力提炼出来 #大咖观察 #红衣聊AI

5. 未来人类社会或将出现百亿甚至千亿智能体，智能体经济是未来方向 #大咖观察 #2026AI看崇礼 #红衣聊AI #智能体

6. #DeepSeek发布2款新模型#【DeepSeek发布两款新模型】《科创板日报》1日讯，今日，DeepSeek发布两个正式版模型：DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。DeepSeek-V3.2强化Agent能力，官方网页端、App 和 API 均已更新为正式版 DeepSeek-V3.2。Speciale 版本目前仅以临时 API 服务形式开放，以供社区评测与研究。（记者张洋洋）

7. LangChain Agent 年度报告：输出质量仍是 Agent 最大障碍，客服、研究是最快落地场景

8. 「Github一周热点99期」提升ClaudeCode效率10倍的工具？

9. 想要张艺谋式色彩、诺兰式调度？如何靠智能体实现？ #大咖观察 #红衣客厅 #红衣聊AI #智能体

10. 开源是战略，生态是王炸，阿里千问入局AItoC #千问 #大模型

11. 给建议的AI看够了？MiniMax Agent 让AI直接住进你的电脑干活#AI新星计划#科技改变生活#MiniMAX#Agent#minimaxagent

12. 一个视频带你快速盘点2025年GitHub热点项目

13. 体验完智谱刚刚发布的 GLM-5，我终于明白它为什么让硅谷猜破了头

14. 职场“Yes and”利器，录音、转写、总结、分析、翻译多合一的办公神器！钉钉AI办公小助理DingTalk A1好用吗？

15. 刚刚，Claude实现「永久记忆」！官方还没上线，大神已玩疯

16. 当AI从工具进化为队友，个人超级智能体硬件来了

17. 这个对 Agent 的定义和归纳挺好！Agent 是一种能够自主决策、执行任务、并在过程中动态调整行为的智能体。它并不是简单的问答系统，而是能理解目标、规划行动、调用工具、记忆状态，并根据反馈优化策略的智能执行系统。关键特征：（1）自主性：Agent 不依赖固定流程，而是根据上下文和已学到的信息动态决定下一步行动。（2）记忆能力：能够在多轮交互中保持状态，记住过往的操作与结果，用以改进后续决策。（3）工具使用：可以选择并组合不同的外部工具或系统，灵活完成复杂任务。（4）自适应性：在策略失败或信息不足时，能尝试不同方法或补充信息，持续优化执行路径。架构形式：（1）单智能体（Single-Agent）架构：由一个 Agent 处理所有任务，适用于中等复杂度的流程。（2）多智能体（Multi-Agent）架构：不同的 Agent 负责不同子任务，能处理复杂工作流，但需要协调机制确保协同一致。工作方式：Agent 通常会将用户请求拆解为子任务，通过搜索、记忆和工具调用等过程生成最终响应，并在此过程中不断判断是否需要更多信息、是否已回答过类似问题、是否需要切换策略。归纳起来：Agent 是具备理解、规划、执行、记忆与自我调整能力的智能体，能够以动态和自适应的方式完成复杂任务。#ai创造营# #程序员#

18. 智谱GLM-5强调的Agentic Engineering能力是什么？｜甲子光年

19. 手把手彻底学会 Agent Skills！【小白教程】

20. 大模型更像人的大脑，智能体是大模型的手和脚。 #大咖观察 #红衣聊AI #智能体 #大模型

21. AI 圈的“春晚”提前开了？MiniMax 的M2.5，10B 激活参数跑出旗舰水准！ #人工智能 #科技改变生活 #玩个很新的东西 #MiniMax #Agent

22. DeepSeek V3.2 正式版发布，V4 还没来，但已经是开源模型里 Agent 能力最强了

23. 未来的人和智能体应该是相互融合协作的关系。 #大咖观察 #红衣聊AI #智能体 #人机协作

24. 99%的人都搞错了AI Agent？智能体该如何帮企业赚钱？

25. 从能聊天的大模型，到会干活的智能体，AI正迎来全新进化。企业AI落地的机会就藏在这里。#网络名人赞两会 #2026全国两会 #红衣聊AI #产业升级

26. 揭秘GLM-5技术底牌：「异步强化学习框架Slime」成终极杀招

27. Agent常见面试题：LLM 是如何学会调用外部 API 或工具的？1 训练数据让模型先“知道工具是怎么用的”在模型具备工具调用能力之前，它必须先在训练数据里看到足够多的工具调用示例。通常包含两类数据：1）真实 API / 工具调用代码或文档，例如：a. “要获取天气，请调用 get_weather(city=...)”b. “要计算数学表达式，请调用 calculator(expression=...)”2）人类标注或模型生成的“对话 + 工具调用”示范，例如：a. 用户问：杭州天气如何？模型示范：调用 tool.get_weather({city:"杭州"})再根据工具返回的结果继续回答。通过这些示例，LLM 学会了：什么问题对应调用什么工具；工具调用的格式是什么；什么时候不该调用工具。2 监督学习（SFT）使模型学会“根据指令选择工具”在 Fine-tuning 阶段加入大量的示例：1）该调用工具的场景2）不该调用工具的场景3）多工具协作场景例如：用户问「告诉我台北到上海的机票价格」。正确示例：a. 模型判断这需要实时信息b. 模型调用 flight_search API模型学习到：当遇到“需要外部信息/计算能力”的问题时，应倾向调用工具。3 通过 RLHF 让模型“偏好正确的工具调用行为”强化学习阶段会奖励：1）正确调用工具2）不乱调用工具3）工具调用后能给出正确结果惩罚：1）不必要的调用2）调用错误的工具3）调用格式不正确这一步让模型不仅会“模仿”，还会“懂得什么时候该调用工具”。4 ReAct / 规划式数据让模型学会 “推理后再决定工具”许多训练数据采用 ReAct 风格：1）模型先思考：要不要调用工具？2）再决定工具调用3）执行后再继续思考与回答这种数据让模型具备：1）任务分解2）长链路推理3）工具调用规划最终效果是：面对复杂任务，模型不会盲调，而是自行形成“推理 → 调用 → 再推理”的结构化流程。5 架构层提供“可调用工具的接口”现代 Agent 框架都会在推理阶段给模型提供一个结构化 schema：1）告诉模型有哪些工具2）告诉模型调用格式3）告诉模型每个字段是什么类型这样模型在生成内容时不需要“猜”，而是严格遵循系统提供的 schema，直接输出可执行的 JSON 或结构化调用指令。例如：1）系统提供工具：search(query: string)2）模型内部只需决定：要不要调用？，以及 query 内容是什么。6 推理时的实际行为：模型并不真的“执行工具”，而是生成结构化调用请求推理时发生的事情是：1）模型生成 JSON 指令，例如：{"tool":"search", "query":"杭州天气"}2）外部系统执行工具并将结果返回3）模型继续根据工具结果生成下一步行动或最终答案模型本身没有执行能力，它只是生成符合 schema 的字符串而已。总结LLM 学会调用外部 API / 工具，是一个“示例训练 + 强化学习 + 架构支撑 + 推理策略”组合的结果：1）先在数据里看到大量工具调用示范2）通过 SFT 学会该如何调用3）通过 RL 学会什么时候应该调用4）通过 ReAct 学会任务分解与步骤规划5）通过 functions/schema 让调用标准化因此模型看起来像真的“理解工具”，但本质是根据统计学习到的模式生成结构化指令。#ai创造营# #程序员#

28. 【最新玩法】n8n工作流秒变MCP工具，直连各种MCP客户端，零代码实操！

29. #理想发布下一代自动驾驶基础模型# 理想汽车在NVIDIA GTC 2026发布下一代自动驾驶基础模型MindVLA-o1。该模型通过五大技术创新，将视觉、语言和行动统一，实现“看得更远、想得更深、行得更稳”；理想汽车基座模型负责人詹锟表示，这不仅是自动驾驶的突破，更是面向物理世界的通用智能体，未来将从汽车驾驶扩展到机器人领域，驱动具身智能新范式。#大v聊车##保罗车闻#

30. 如何评价DeepSeek发布梁文锋署名论文，提出「条件记忆」及Engram记忆检索架构？有哪些亮点？

31. 2026年AI全景预测：迈向百亿智能体时代的20个发展趋势。 #大咖观察 #人工智能 #红衣聊AI #智能体 #AI时代

32. Agent Infra到底是什么？【AI基建】

33. “龙虾模型”能管公司？实测GLM-5-Turbo接入openclaw运营公司

34. Claude 工具调用迎来重大升级简单来说，Claude 的工具调用方式从一问一答变成了写代码批量处理。以前的流程：用户提问 → Claude 调用工具 → 拿到结果 → Claude 再决定下一步 → 再调用工具 → 循环往复现在的流程：用户提问 → Claude 先写一段代码 → 这段代码自动调用工具、解析结果、根据条件判断下一步操作 → 最终把处理好的结果交给 Claude核心变化是：Claude 不再每次调用工具后都要"回来想一想"，而是提前用代码把各种可能的情况都规划好，一次性执行完。实际效果有多好？以网页搜索为例，Sonnet 4.6 在 BrowseComp 基准测试上准确率提升了 13%，同时输入 token 减少了 32%，又快又准。以前 AI Agent 每一步都要请示大模型做决定，现在 Claude 可以预先把成百上千种决策路径写进代码里，一次性跑完。这相当于把原来需要多轮 LLM 调用的循环压缩成了一次代码执行，效率提升的潜力非常大。除了搜索之外，代码执行、网页抓取、记忆、程序化工具调用等功能也同步正式上线了。

35. 阿里除夕夜发布 Qwen3.5 模型，哪些技术亮点值得关注？对大模型发展有何影响？

36. V3.2逼近Gemini 3，DeepSeek硬气喊话：接下来我要堆算力了

37. Manus 把 Agent 的工具分成了 3 层：第 1 层：函数调用 (Function Calling)这是最基础的一层，只保留一小组固定的、原子化的函数，比如：读写文件、执行 Shell 命令、搜索文件等。在 LLM 的系统提示词中就只有这一层的工具定义，相对比较少，15 个以内，输入格式和输出格式都很清晰，不容易出错，但这里面有两个工具很特殊，一个是 Shell，一个是 File。第 2 层：沙箱工具 (Sandbox Utilities)每个 Manus 会话都运行在一个完整的虚拟机沙箱里。就是原推文提到的，虚机预装了很多命令行工具，比如格式转换器、语音识别工具，甚至一个 mcp 命令行客户端。然后这些工具都通过第 1 层中定义的 Shell 来调用，就是命令行工具，命令行调用。但是这么多工具模型怎么知道呢？Manus 在系统提示词里会直接告诉 LLM，在一个特定的文件夹里有很多预装的命令行工具。对于最常用的工具，直接列出它们的名字。不常用的，LLM 可以直接通过原推提到的命令列出所有命令行工具，通过 --help 参数来查看任何一个工具的用法，因为所有这些工具都是他们自己开发的，格式统一。第 3 层：代码包与 API (Packages and APIs)这一层其实就是 LLM 实时编写 Python 代码，通过代码实现更复杂的功能。比如用户想查询某个 API 的数据，可以直接用 Python 写一个函数，fetch API 的数据，并解析成需要的格式。其实在 Codex 中，用 Python 代码当工具已经用的很多了。由于复杂的运算都是代码完成的，返回给主 Agent 的知识计算后的结果，所以并不会占用主 Agent 的上下文。这样 3 层设计的好处是，从模型的角度看，它需要调用的工具就固定是第 1 层的十几个，而借助命令行和代码，它又可以衍生出无数的工具组合。还有一点就是我在之前推文提到的子智能体，Manus 也是大量采用“智能体即工具 (agent as tool)”的模式。把子智能体当工具用，比如负责检索是一个子智能体，但是这个子智能体在主 Agent 看来就是一个工具。同时也可以很好的起到减少上下文的效果。

38. 如何评价2025年9月22日DeepSeek新发布的DeepSeek-V3.1-Terminus模型？

39. 27岁清华学霸姚顺雨掌舵腾讯AI 27岁清华学霸姚顺雨掌舵腾讯AI，一个98年出生的年轻人，从清华姚班到 OpenAl，再到腾讯首席AI科学家，顶级人才回流，AI竞赛正式进入agent时代！#AI #腾讯 #agent

40. AI应该像个会成长的伙伴，而不是只会复述的机器。 #大咖观察 #红衣聊AI #智能体

41. 这帮90后中国工程师太牛了！460万美元干翻了1.4万亿中国AI有自己的登顶策略！只用了1%的资源逆袭美国，又一个DeepSeek时刻的背后到底是什么？#AI #kimi #OpenAI

42. 对话云栖大会：下一个AI爆款、大模型进化与Agent万亿级企业市场

43. AI Agent落地“卡壳”？腾讯云用100毫秒沙箱打通“最后一公里”｜甲子光年

44. Agentscope 之前还介绍过网页链接，强调易用性、可控性、模块化和多智能体协作能力。//@小黑和花花是傻狍子:有个agentscope sdk，他们百链平台可视化拖拽对应的sdk//@黄建同学:Qwen确实有一个Qwen-Agent，一个开发框架。开发者可基于本框架开发Agent应用，充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。访问：网页链接。//@是何老师吗:按Qwen的性格应该也会有类似的产品？

45. 中国正凭借开源生态与应用优势，在发展潜力上实现对美国的赶超。全球前十开源 AI 模型均源自中国，64% 的市场份额远超美国的 30%，中国已构建全球领先的开源生态。中国开源模型在可定制化、安全可控、部署灵活等五大维度形成显著优势，打破了美国闭源模型的技术垄断，80% 的美国 AI 创新企业已在使用中国开源模型。这种技术民主化趋势，让 AI 从奢侈品变为基础设施，彻底重构行业竞争逻辑。AI Agent 将成为拉开价值差距的核心力量，而中国正抢占这一赛道。中国的这类企业已将 15% 的 AI 预算投向 Agent 技术，实现 1.7 倍于行业平均的营收增长。中国庞大的制造业与服务业场景，为 AI Agent 提供了丰富的训练数据，形成数据飞轮效应。美国虽在顶尖闭源模型与算力芯片上仍有优势，但中国通过开源降维与硬件绑定的生态战略，在重塑竞争规则。中国掌控的硬件供应链与应用场景成为核心壁垒，是中国 AI 长期发展的底蕴。#科技先锋官##AI创造营##AI生活指南#

46. 打造13个Claude Agent 互相 review 彼此↓ Reddit 一个开发者用 OpenClaw 框架搭建了 13 个 Claude Agent，让它们像真实团队一样工作：有人写代码，有人 review，有人测试，有人查安全漏洞。然后还互相 review 彼此的工作。 1 Writer Agent → 生成代码 2 Reviewer Agent → 逐行审查，对标 code review 标准 3 Tester Agent → 设计测试用例，验证逻辑 4 SecurityAuditor Agent → 扫描安全漏洞 5 Optimizer Agent → 性能优化建议 6 DocumentWriter Agent → 生成 API 文档 7 QA Agent → 最后一关，综合检查 ... + 6 个其他专业角色 vs. 链式流程（A→B→C），这个设计采用质量门控流程。Reviewer 必须 approve 才能进入下一阶段。出问题时反馈重做。成本控制？看起来 13 个 Agent 全力跑，tokens 肯定爆炸。但这个哥们用了几个聪明的招： 1. Context 优化 Writer 不需要看 test cases，Tester 不需要看文档。每个 Agent 只加载相关上下文。这一招可以干掉 80% 冗余 token。 2. 采样策略不是每一行代码都通过全部 13 个 Agent。核心路径 100% 检查，非关键路径采样。 3. 缓存和复用已审查过的代码片段不重复审查。测试用例库复用。架构决策缓存。结果呢？ - 单个开发者 Claude Code：每天 5-20刀 - 13 个 Agent 团队：每天 15-30刀（成本增加不多，质量翻倍）实际对比维护 10 万行代码库： 1. 传统手工做法 - 人工 code review：8 小时 - token：50-80刀 - bug 漏过率：5-10% 2. 13 个 Agent 团队 - 总耗时：30 分钟（Architect 规划 → Writer 并行生成 → Reviewer 自动审查 → 全流程质量门控） - token：20-25刀 - bug 漏过率：<1% 为什么这个方案特别？ 1. 角色化 > 能力化不是「给 Claude 一个超级 Prompt 让它什么都会」，而是「给每个 Agent 一个明确的职责」。 Writer Prompt：「你是代码作者，你的工作是...」 Reviewer Prompt：「你是资深 code reviewer，标准是...」角色专业化自动带来质量提升。 2. 质量门控自动化传统 code review 是人工 bottleneck。Agent review 是自动化 + 可扩展的。 3. 知识积累每个 Agent 的执行历史（什么被 reject、为什么）可以持续优化 Prompt。这是机器学习意义上的反馈循环。 4. 工程意义这不是「用 AI 替代人」，而是「用 AI 团队协作替代个人英雄主义」。更接近真实团队的工作方式。背后的思想转变从「Prompt Engineering」→ 「Architecture Engineering」以前我们花时间优化单个 Prompt，试图让一个 AI 更聪明。现在聪明的做法是设计系统，让多个 AI 通过角色分工和质量门控，集体产出更高质量的结果。原文：www.reddit.com/r/ClaudeAI/comments/1rga7f5/how_i_built_a_13agent_claude_team_where_agents/ #how i ai##程序员#

47. 给 AI 设计“工具”时，不要把 AI 当成“程序”，要把它当成“用户”。大多数人，是把自己的后端 API 直接封装成工具给 AI。比如查 Slack，你给了它三个 API 工具：1. 加载对话；2. 用用户 ID 查用户名；3. 用频道 ID 查频道名。结果 AI 为了看懂一条消息，得手忙脚乱地调用三次工具，然后自己去拼凑。正确的做法是：你的工具应该对标你的“UI”，而不是“API”。你应该只给它一个工具，叫“查看 Slack 频道”，这个工具在后台默默调用完那三个 API，然后一次性把所有 ID 替换成名字、对话渲染得漂漂亮亮，就像你在电脑上看到的那样，然后把这个最终结果返回给 AI。

48. DeepSeek-V3.2-Exp版本更新，有哪些信息值得关注？

49. 开发 AI Agent 应用时，直接使用 LangChain 或 LangGraph 等框架虽然方便，但复杂的抽象往往像个“黑盒”，让开发者难以理解底层的调用逻辑和决策机制。ai-agents-from-scratch 是一个专注于教学的开源项目，主张从零开始构建 AI Agent。它不依赖现有的成品框架，而是通过 Node.js 和本地大模型，带你一步步拆解 Agent 的核心原理。项目不仅涵盖了基础的模型调用，还深入讲解了函数调用、长期记忆、ReAct 推理模式等关键技术，帮助开发者在掌握底层逻辑后再去更明智地选择和使用框架。GitHub：github.com/pguso/ai-agents-from-scratch主要功能：- 基于 node-llama-cpp 实现本地大模型运行，无需依赖云端 API；- 循序渐进的学习路径，从基础交互到复杂的系统提示词与角色设定；- 深入解析函数调用原理，展示 LLM 如何决定调用工具并处理返回结果；- 实现持久化存储与记忆管理，让 Agent 具备跨会话的信息记忆能力；- 详解 ReAct 推理模式，演示“思考-行动-观察”的循环逻辑；- 提供进阶教程，手写实现类似 LangChain 的 Runnable 接口和状态机图结构。该项目要求 Node.js 18 以上环境，建议配置 16GB 内存以流畅运行本地 GGUF 模型。它非常适合希望深入理解 Agent 架构、提升 AI 应用底层开发能力的工程师参考学习。

50. 今天我们开源了一个新的AI Agent项目。Wegent：一个能够定义、编排和执行Agent团队的开源系统。和其它Agent开发系统的区别是，Wegent底层使用声明式方式构建和编排 AI Agent，这就意味着部署智能体就像是在K8S里部署负载一样，可以实现基于yaml直接定义部署Agent服务。同时，Wegent的底层定义中区分了智能体的“Ghost（提示词）”和“Shell（执行器）”的概念。例如，你既可以把Claude Code作为智能体的“壳”实现远程编码Agent系统，也可以基于Agno的“壳”来实现DeepResearch系统。在开源项目里也增加了配套的前端服务，可以直接在网页中构建新的Agent团队。项目地址：github.com/wecode-ai/Wegent（附件是用Wegent实现的网页版Claude Code的效果）

51. 工作群变办公系统，AI小钉拯救打工人钉钉新上的群聊助手「AI小钉」太实用了自动爬楼提炼要点、识别任务生成待办、精准定向催办，专治已读不回；还能按关键词每天推送行业/竞品/热点，把闲聊群变情报站；一句话改群名、发公告、设负责人，群管理直接动口不动手。 AI不再是单独窗口，而是长在群里，@ 一下就能跑流程，群聊正在进化成真正的办公系统。 #钉钉 #AI小钉 #人工智能 #办公 #钉钉群聊

52. 🚨突发新闻：Qwen 团队刚刚发布了他们的官方代理框架，它包含了所有功能。无需拼接第三方库。无需对抗抽象概念。Qwen-Agent 为您提供：→框架内直接内置的原生函数调用→开箱即用的安全代码解释器沙箱→ RAG 和 MCP 支持包括→用于浏览器原生代理工作流程的 Chrome 扩展程序由构建模型的团队开发，所以它运行稳定可靠。100% 开源且完全免费。

53. 开发Agent只懂拖拉拽？你真的能跟上生产级开发的节奏了吗？

54. 阿里全家桶全面Agent化！千问“任务助理”全面公测，从此AI不再只是动嘴出主意的狗头军师！

55. 从失败中重生：一个 AI Agent 前端落地的真实复盘同步发布于博客：网页链接今天在 FEDay 上分享了一个 Agent 前端落地案例，核心内容是讲述了我参与的一个团队如何从"技术成功"走向"产品失败"，又如何在复盘中获得认知升级。这个故事的价值不在于成功的方法论，而在于那些踩过的坑和思维转变的过程。2025 年被称为 Agent 元年。Deep Research、Manus、Claude Code 相继发布，技术圈一片沸腾。很多团队都在问同一个问题：我们要不要做 Agent？在开始之前，我还是想讲一下我对 AI Agent 的定义：AI Agent（AI 智能体），是为了实现某个目标，循环调用工具的大语言模型。- 工具循环（tools in a loop）：模型调用工具 → 获取结果 → 继续推理- 有明确终点：为了达成目标，而不是无限循环- 目标来源灵活：可以来自用户，也可以来自另一个 LLM- 基础记忆能力：通过对话历史保存上下文信息朋友负责的团队面临的是一个真实的企业痛点：公司有完整的内部设计系统（Design System）和私有前端框架，但这些代码从未被 AI 训练过，通用模型根本无法直接生成符合规范的代码。目标看起来很清晰——做一个类似 Lovable 的工具，但用的是自己的 Design System。用户上传 Figma 设计稿或截图，Agent 自动生成符合内部规范的前端代码。听起来很美好，对吧？但挑战也很现实：- 要完整搭建一个 Agent 系统没想的那么容易，不仅要和模型交互，还要处理好用户交互，还有上下文工程- 要让模型理解和使用从未训练过的私有组件- 要在浏览器中实时预览生成结果- 出错了希望能自动修复由于团队之前没有开发过 Agent 相关产品，所以请我参与其中，提供技术咨询和方案建议。我第一个建议很现实：先跑通再优化—— 构建 Agent 最难的不是技术，而是完整跑通流程。我推荐他们基于 Claude Agent SDK 进行二次开发，而不是从零造轮子。一些关键理由包括：1. Claude Code 已经验证了它是可行的2. 开箱即用，内置工具足够满足绝大数场景3. 可以自定义工具、接入 MCP、自定义 Skill4. 可以接入国产兼容模型还帮着基于 Claude Agent SDK 快速搭建了一个原型系统。一些关键代码还开源在这里：网页链接这样很快有了个基本可用的 Agent。接下来就是解决代码的浏览器预览问题。一开始我们尝试用 Sandpack（浏览器端沙盒）做代码预览，结果发现复杂组件根本跑不起来，而且无法发挥 Agent 读写文件的能力。转向方案是给 Agent 一个本地文件系统——每个会话一个独立环境（虚拟机或目录），Agent 可以自由读取、修改、编译代码。这个决策让 Agent 的能力得到了最大化发挥。给 Agent 一个本地文件系统才能最大化的发挥 Agent 能力给 Agent 一个本地文件系统才能最大化的发挥 Agent 能力另一个难题就是如何让 AI 学会使用从未训练过的私有组件？其实就是把 Agent 当作新员工，用高质量文档和参考代码来教会它。我们把设计系统说明、组件列表、API 文档全部 Markdown 化，让 Agent 按需检索。高质量的参考代码本身就是最好的教材。而且完全不需要复杂的 RAG 系统，直接让 Agent 去基于文件检索搜索本地文档和代码就足够了。还有一个难题就是如何保证生成代码的质量，让代码能跑起来？为了保证代码质量，为 Agent 建立了一套"生成 → 验证 → 修复"的自动化闭环：Lint 静态检查、编译验证、视觉比对（借助 Chrome DevTool MCP 做截图对比）。一个节约主 Agent 上下文的技巧：把验证工具放入 Skill 或 SubAgent，避免污染主 Agent 的上下文。把这些问题都解决后，Agent 终于上线了。系统跑通了，Demo 很惊艳，但……很快就没什么人用。初期大家觉得新鲜，但很快就弃用了。开始和他们一起深度复盘，发现问题根本不在技术，而在产品逻辑与用户习惯的错位。通过对内部员工的调查访谈，很快就找到了原因：习惯阻力：设计师和产品经理更习惯在 Figma 里工作，而不是对着一个对话框。从舒适区（Figma）跳到陌生区（Agent 对话），这个门槛比想象中高得多。大部分甚至不知道该在聊天窗口写啥。80/20 瓶颈：Agent 能实现 80% 的效果，但剩下 20% 的修改成本极高。而往往就是那 20% 决定了能不能用。流程割裂：生成环境和开发环境是脱节的，无法利用现有代码，需要手动把生成的代码复制回项目，操作繁琐。团队意识到，他们最初问的问题是："如何构建一个设计系统 AI Agent？"这种提问方式让 Agent 变成了目的本身，为了技术而忽略了本质。正确的问题应该是："我们设计系统的最终目的是什么？"答案其实只有两点：在整个企业内实现设计规范的统一；实现开发效率的提升。设计系统只是手段，而非目的。思维转换：以 AI 为中心重新设计现有的流程是为人设计的：手动沟通、反复修改、人工确认，步骤繁杂，效率低下。未来的流程应该为 AI 设计：Input → AI Agent → Output，路径直接，效率高。这带来了两个新的设计原则：AI 友好：选择 AI 容易理解和操作的技术栈。轻量化：只保留 Design Tokens，基于 AI 友好的开源系统（如 shadcn/ui）进行扩展，而不是维护一套庞大的私有组件库。破局之道：从 Agent 到 Skill最关键的转变是：不要做一个独立的 Agent 平台，而是将能力嵌入现有的 AI 开发环境。旧模式是"独立 Agent 孤岛"——Agent 和开发者之间存在割裂，效率低下。新模式是"融入开发工作流"——把设计系统变成一种 Skill（技能），可以被通用的 Agent（如 Claude Code、Cursor）调用。Skill 的具体形态很简单：Markdown 文档（供 AI 查阅组件用法）+ 自动化脚本（用于初始化项目、自动安装和应用设计系统）。开发者在自己熟悉的 AI 开发环境里工作，当需要用到设计系统时，Agent 自动调用这个 Skill，生成的代码直接进入项目代码库。Skill 的具体形态很简单：Markdown 文档（供 AI 查阅组件用法）+ 自动化脚本（用于初始化项目、自动安装和应用设计系统）。开发者在自己熟悉的 AI 开发环境里工作，当需要用到设计系统时，Agent 自动调用这个 Skill，生成的代码直接进入项目代码库。可以参考：网页链接这个案例让我想到几个更深层的问题：1. 技术成功 ≠ 产品成功很多技术人（包括我自己）容易陷入"技术可行就是成功"的思维定式。但用户不会因为你的技术牛就买单，他们只关心能不能解决自己的问题、能不能无缝融入自己的工作流。2. 做 AI 产品要"以 AI 为中心"思考我们常说"以用户为中心"，但在 AI 时代，可能需要增加一层：以 AI 为中心设计工作流，再让用户享受这个高效流程的成果。不是让 AI 模仿人的工作方式，而是重新设计工作方式让 AI 更高效。3. Skill > Agent独立的 Agent 平台有天然的adoption障碍。把能力封装成 Skill，嵌入已有的通用 Agent 生态，可能是更务实的落地路径。这也是为什么 Anthropic 推出 web-artifacts-builder 这样的开源项目——它就是一个 Skill 的范例。4. 行动本身就是价值即使这个项目"失败"了，团队获得的认知升级是无价的。从模仿人类工作流到为 AI 重塑工作流，这种思维转变只有在实践中才能获得。最后我想说的是："去构建（Build）"。AI 时代，失败没什么，好过什么都没做。

56. #人工智能步入机组协同时代#越来越觉得，AI的下一个时代真的来了，不再是单打独斗的个人工具，而是能组队、能协同、能全流程监管的数字伙伴机组，实实在在帮企业提效率、破壁垒。人机协同不再是概念，而是正在发生的产业新篇，很期待接下来的改变#有点东西##微博跨域计划#

57. DeepSeek 更新两个 v3.2 新模型，这次有哪些亮点？

58. 小米Miclaw是真正释放小米人车家生态的全场景能力的杀器之一，目前小范围的邀请测试已经能看到AI Agent手机和米家生态以及联动小米汽车能力、调用手机系统底层能力和上下文理解记忆能力，Miclaw在主动理解、自主规划、跨设备执行做得都很不错。相比于豆包和千问这种第三方来说，小米做这样的系统级AI工具更有系统级的优势、场景更多，也更得心应手吧？现在小米Miclaw专注于移动手机端，因为小范围的内测和手机端token 用量消耗不大的原因，所以没有设置限额？后续开放了估计还是要对超量使用进行收费的？不知道后续会不会和OpenClaw一样适配小米笔记本的PC端？

59. API要200刀，老金找到零费用替代方案Agent Reach，实测9大平台!

60. 大模型只是能力，必须要跟场景结合。 #大咖观察 #红衣聊AI #大模型

61. 盘点一周AI大事(1月11日)｜最强人形机器人 OpenAI公布2026研发路线图 DeepSeek被爆2月发布DeepSeek V4 Google推出Veo3驱动的数字人Vids 字节开源换脸视频模型DreamID-V 阿里开源数字人框架HRM2Avatar Lightricks开源顶级视频模型LTX-2 ElevenLabs推出最强语音转录模型Scribe v2 斯坦福开源睡眠分析模型SleepFM 港大发布开源版NotebookLM DeepTutor Razer推出全息AI老婆Project AVA 波士顿动力推出下一代Atlas #抖音知识年终大赏 #前沿科技趋势发布月 #AI新星计划 #AI #机器人

62. 未来办公已来：思必驰AI办公本X5系列，重新定义“高效”

63. 腾讯财报出炉！竟然在游戏上把AI卷出结果了

64. 小米MiMo有点东西，小米MoE大模型MiMo-V2-Flash开源后，已经成为最近阶段国产大模型调用量第一。之前都觉得谷歌Gemini无敌，小米的新模型MiMo-V2-Flash又好用又免费，开发者没理由不选小米。从DeepSeek爆火，再到小米的AI大模型热度攀升，咱们国产AI的能力真的有点太强了！

65. Qwen确实有一个Qwen-Agent，一个开发框架。开发者可基于本框架开发Agent应用，充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。访问：网页链接。//@是何老师吗:按Qwen的性格应该也会有类似的产品？

66. 首个🦞龙虾大模型排行榜来了！两个国产 AI 杀进全球前三，养虾前必看

67. DeepSeek新论文来了！联手清华、北大，优化智能体大模型推理

68. 如何评价MiniMax 推出的MiniMax-M2模型?

69. 如何评价MiniMax 推出的MiniMax-M2模型?

70. 千问 vs ChatGPT：4大功能实测！到是更好用的AI助手！Qwen3能否战胜GPT-5.1？

71. 别再抢显卡了！实测CPU跑大模型，真的太香了...

72. #DeepSeek下个王炸是什么##HOW I AI# 去年春节，DeepSeek R1横空出世，凭借低成本高性能引爆全球。自此之后，业内一直都在期待DeepSeek V4的发布，但是一直都没有等到，虽然在这期间DeepSeek也多次更新，但是总差点意思。不过，DeepSeek在2026年已经经历过四次更新，这可能预示着DeepSeek V4真的不远了。根据之前的信息，DeepSeek V4有四大升级：百万级上下文，编程能力全面超越主流模型，自研架构mHC效率碾压Transformer，多模态与智能体（Agent）突破。总的来说，DeepSeek V4以架构创新+效率革命为核心，试图打破“堆算力”内卷，推动AI从“奢侈品”走向普惠工具。若承诺的百万上下文与编程能力如期落地，或重塑全球大模型竞争格局。 #老张聊科技#

73. #2026款阿维塔07上市#安全是最大的豪华！阿维塔07 2026款搭载全向安全升级的华为乾崑全维防碰撞CAS 4.0，新增自动紧急转向以及侧向主动安全升级，可精准识别排水渠、台阶等负向障碍，系统还能主动干预避让，防止车辆偏离车道，真正造就全时速、全方向、全目标、全天候、全场景五维安全，让你的每一次出行都更安心！阿维塔07 2026款全系搭载最新的华为乾崑智驾ADS 4，采用像老司机一样的全新WEWA架构，并实现行车、泊车、安全全方位升级，带来跨城同行无断点、160多种车位可见即可泊等全新体验。此外，还搭载最先进的鸿蒙座舱5，采用全新MoLA架构，首发导航、车控、新闻、百科以及多媒体五大Agent智能体以及通用大模型。#阿维塔07首批开箱华为乾崑新体验##23万的车能豪华成什么样# 繁繁_leon的微博视频

74. 把手教你用上开源版Claude Code，Windows系统接入保姆级教程！

75. AI帮你接管流程：这次轮到差旅了

76. 深度｜MiniMax交出全球首份大模型业绩报，以系统效率迎战Token海啸

77. 财经每日必读#A股# 今日，DeepSeek发布两个正式版模型：DeepSeek-V3.2和DeepSeek-V3.2-Speciale。DeepSeek-V3.2强化Agent能力，官方网页端、App和API均已更新为正式版DeepSeek-V3.2。Speciale版本目前仅以临时API服务形式开放，以供社区评测与研究。(科创板日报)

78. #DeepSeek新模型重磅发布# 今日，DeepSeek两款正式版模型亮相！DeepSeek-V3.2强化Agent能力，网页端、App及API已同步更新；DeepSeek-V3.2-Speciale则以临时API服务形式开放，供社区评测研究～

79. 一些活让 Agent 去做是可以节约时间的，我倒觉得现在 AI 还不够方便，现在文档 Agent 已经进化到了代码 Agent 去年时候的能力，明年应该就可以更强大好用了。//@摇摆时间线ZHLMI:你看无论 AI 有多方便总有人嫌麻烦的，模版化永远是有大市场的

80. 如何评价MiniMax视频团队首次开源的VTP 可扩展视觉 Tokenizer 预训练框架，有何优势？

81. 如何评价2025年9月22日DeepSeek新发布的DeepSeek-V3.1-Terminus模型？

82. GLM-5深夜官宣：Pony Alpha身份揭晓，编程能力逼近Claude Opus

83. #豆包手机#是不是还分不清豆包手机和豆包APP？其实特好懂！豆包APP就是个普通应用，主打答问题、做图片、总结内容，得手动点开用而豆包手机里的AI助手是系统级的，能直接帮你比价下单、修图打卡、规划旅行订票，还能侧边键随时唤醒，不用切页面，主打一个动手办事

84. #千问Qwen3.5大模型发布# 阿里“年夜饭”来了，开源全新一代大模型千问Qwen3.5-Plus。总参数为3970亿，激活170亿，性能超过万亿参数的Qwen3-Max模型，部署显存占用降低60%，推理效率大幅提升，最大推理吞吐量可提升至19倍。在推理、编程、Agent智能体等全方位基准评估中均表现优异，并在视觉理解能力的权威评测中斩获数项性能最佳。支持长达2小时（1M token上下文）的视频直接输入，适用于长视频内容分析与摘要生成。#过个有AI年#

85. #小米大模型# 别再只知道小米手机、小米汽车了！小米真正的王炸底牌，其实是——小米大模型MiMo！这是面向Agent时代的旗舰基座大模型，万亿参数、高效架构。它不只是聊天AI，而是小米人车家全生态的超级大脑。本地运行快、隐私更安全，手机、车机、家电，一句话全联动。问答、创作、办公、智能助手，全能扛打。把AI做成了人人能用的黑科技，这才是未来智能生活的样子！袁国庆的微博视频

86. 如何评价智谱开源的GLM-OCR模型？和Deepseek-OCR2、百度PaddleOCR比效果如何？

87. AWE2026现场直击之海信：新技术新产品惊喜连连

88. 国产大模型霸榜全球！AI推理需求迎来指数级爆发

89. 智谱旗舰模型GLM-4.6上线，国产大模型与国产芯片协同进入新阶段

90. Agent Skills 爆发

91. 如何通过 Skills、MCP 和 Subagents 构建 AI Agent 能力操作系统？

92. 12.6k Stars的Agent训练框架

93. Agent Lightning

94. 字节Seed | CUDA Agent: Agentic RL优化CUDA生成

95. AI Agent性能优化实战

96. 6.6K标星！微软开源Agent自我优化框架，为智能体注入持续学习能力！

97. Agent 进阶之路

98. 大模型2026

99. 《大模型发展趋势复盘与展望》

100. Ai Agent最新进展20260306

101. 2026 年，AI Agent 真正突破了什么？不是“更聪明”，而是“能交付”

102. AiAgent最新进展

103. Agent时代已来，2026大模型市场将迎十倍增长！

104. 2026，大模型 Agents 新风口

105. DeepSeek-V3.2实战指南

106. 通义千问团队开源Qwen-Agent

107. 【Qwen】本地可跑的编码Agent，首次追平顶级闭源模型

108. 阿里开源！Qwen-Agent 框架太好用，内附完整使用教程（建议收藏）

109. Qwen-Agent框架深度解析，国产大模型应用开发的新

110. Agent开发实战-金融智能投顾Agent（Qwen-Agent深思熟虑版）

111. 每日GitHub精选

112. DeepSeek V3.2 正式版发布

113. DeepSeek-V3.2 到底有多强？

114. DeepSeek-V3.2

115. DeepSeek V3.2 正式版发布，V4 还没来，但已经是开源模型里 Agent 能力最强了

116. DeepSeek-V3.2发布，AI应用落地进入新阶段

117. DeepSeek-V3.2 正式发布

118. DeepSeek-V3.1-Terminus版本发布

119. 2025大模型中标王，2026年狂卷智能体！

120. 【银行业展望系列】AI赋能场景升级

121. 2026年AI赛道变天

122. 企业级AI智能体哪个性价比高？4 款大模型对比(2026年实测)

123. 智能体时代来临，2026商用全面爆发，AI大模型核心标的梳理

124. 2026 企业级可信智能体实测

125. 还在用通用大模型做决策？2026高可信度智能体推荐（实测榜单）

126. 2026 AI驱动科研论文全流程

127. 2026年国内硕博毕业论文AI工具选型指南

128. Agent在客服和营销领域走到哪一步了？深度解析3个挑战和5大趋势

129. Agent元年，这5家企业盯上了客服

130. AI服务能力大比拼

131. 双胞胎集团服务数智化升级

132. 北京一卡通把AI Agent应用在客服场景后....

133. 提质降价,国产大模型加速奔跑

134. Agent开发平台数据运营体系:企业如何衡量大模型投入产出比ROI?

135. DeepSeek V3.2炸裂登场！Agent智能升级，会思考的AI太吓人了🚀

136. 基于Agent的智能客服项目实战（已交付）

137. 国产AI大模型VS国际大模型：复杂数据分析任务实测

138. 2026：Agent 之年 — AI 智能体如何重塑生产力与行业生态

139. 2026年，智能体（AI Agent）是风口还是泡沫？深度解析

140. DeepSeek V3.2发布！实测效果惊艳，便宜是最大优势

141. Deepseek-v3.2 更新内容全解析，新功能3 步就能上手

142. 2026年AI技术趋势深度解析：智能体时代，普通职场人与学生如何抓住机会？

143. 基于Agent的智能客服项目实战--附案例

144. DeepSeek-V3.2正式发布，强化智能融入推理

145. 新兴的 Agent 架构正在浮现：企业级智能体栈的共识，终于成形

146. AI方向（2）：AI Agent笔记

147. 利用基于超图的记忆机制：改进多步检索增强生成（RAG）以实现长上下文复杂关系建模

148. 2026智能体爆发？3大趋势重构工作生活

149. 欧洲最大CX公司押注AI Agent:CrewAI如何改变客服行业?

150. DeepSeek V3.2 正式版：强化 Agent 能力！

151. Deepseek 新版发布！ DeepSeek-V3.2，强调其在计算效率、卓越推理能力和智能体性能方面取得了平衡。这一成就归功于多项技术突破，特别是采用了提高长文本效率的 DeepSeek Sparse Attention (DSA) 机制。模型利用可扩展的强化学习协议和大规模智能体任务合成管线，成功将推理能力融入工具使用场景，增强了合规性和泛化性ee

152. DeepSeek V3.2发布！超GPT-5，对标Gemini 3.0 Pro

153. 2026年AI Agent将如何改变企业业务

154. 基于Agent的智能客服项目实战（附案例）

155. DeepSeek新版本，节前突袭发布！

156. 2026｜50 个标杆级企业级 AI Agent 应用，赋能企业智能化转型 - 哔哩哔哩

157. AI Agent产品经理实战手册：从方法论到智能客服案例落地

158. 主流的有Agentic能力优化策略有哪些

159. Agent五维能力框架

160. 2026 AI技术风口：从大模型内卷，到智能体自治时代

161. DeepSeek-V3.2发布，推理能力达到了GPT-5水平强化Agent能力12月1日，DeepSeek同时发布两个正式版模型：DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale，模型强化 Agent 能力，融入思考推理。据官方介绍称，在公开的推理类 Benchmark 测试中，DeepSeek-V3.2 达到了 GPT-5 的水平，仅略低于 Gemini-3.0-Pro。 #deepseek #agent #gpt5 #Ai

162. 工程AI的深水区：为什么提效工具走不远，而多智能体协同才是未来

163. 中国信通院华为：2025智能体，技术到产业的破局之路

164. 2026AI智能体爆发如果去年我们还在惊叹AI的对话能力和智能体的涌现，那么今年，所有的信号都在指向同一个新坐标：智能体爆发。从性价比的突围，到亿级用户的实战，再到权威机构的研判，2026 年的 AI 正在进入临界点。 1、效率突围：深度解析国产大模型如何包揽全球性价比榜单，重新定义“智能成本”，为 Agent 大规模商用铲除最后一道成本门槛。 2、实战验证：复盘阿里千问春节期间亿级月活与 2 亿次“一句话下单”的数据，证明智能体已具备国民级场景的可靠性； 3、趋势研判：引用瑞银 (UBS) 权威报告，定调 2026 年为智能体规模化元年，揭示从“对话”向“行动”的范式转移。 #AI闲僧#智能体#性价比#国产大模型#阿里千问#场景实战#生态联动#行动力#瑞银预言#华为开源

165. 2026 AI 元年：大模型到智能体的技术落地革命

166. 开源 Agent workforce 项目对比

167. 2026 年 AI Agent 发展趋势：从概念到落地的关键突破

168. 2026AI元年：大模型驱动下的智能体演进及其产业影响分析

169. 2025大模型年度复盘：从Agent元年到2026的“R”时代

170. 🚀 2026：AI Agent全面爆发元年（核心资讯速览）多家机构与产业动态一致确认：2026年是AI Agent从概念验证走向规模化落地的全面爆发年。一、市场规模：指数级爆发 - 全球核心市场：187亿美元，同比增速215%；带动相关经济规模超5000亿美元 - 中国市场：突破480亿元，2024-2029年复合增速53.7% - 企业渗透：**23%**组织已规模化部署，**39%**深度试点，**超60%**企业纳入战略 - 软件标配：2026年底40%企业级软件（ERP/CRM等）将深度集成AI Agent - 商业验证：88%早期用户已实现正向投资回报二、技术与架构：从“被动响应”到“自主执行” - 核心能力：自主规划、任务拆解、工具调用、动态调整、持续学习 - 主流架构：多智能体协作（Multi-Agent）成为标配，像团队一样分工执行 - 技术底座：大模型+领域知识库+工具链+记忆系统，形成“通用理解+专业执行” 三、应用场景：全面渗透产业 - 企业级：数字员工（HR筛选、客服、销售、财务、研发协作） - 个人：私人助理（行程、生活、内容创作、信息处理） - 垂直行业：金融、制造、电商、教育、医疗、政务全域落地四、核心趋势（2026年） 1. 企业级规模化落地：从Demo走向核心业务标配 2. 多智能体协同：复杂任务由多Agent分工完成 3. 工具链深度整合：能调用系统、API、数据、设备完成闭环 4. 数据驱动进化：全链路数据闭环，持续优化能力 5. 低代码/无代码化：企业可快速定制行业Agent 一句话总结：2026年，AI Agent不再是概念，而是重构产业效率、重塑人机协作的“超级员工”与“数字伙伴”。春节要来了，谈谈2026年的人工智能#2026 #AI #人工智能 #智能体 #智能体应用

171. 调用API是AI编程者的成年礼

172. 2026 尚硅谷AI人工智能大模型Agent智能体系统班

173. 2025只是开始，2026才是智能体的“黄金时代

174. AI智能体的工具学习进阶：零样本API理解与调用

175. 动手学Agent：工具使用(2)工具使用基础&强制模型选择特定工具

176. Agent记忆新突破：动态记忆ReMe

177. 企业级Agent 平台底座开源，面向企业，一站式Agent开发平台，快速开发企业Agent应用

178. AI Engineering 6.4 记忆

179. GitHub Star数最高的3个AI Agent开源项目，帮你从入门到精通（建议收藏）

180. IBM和斯坦福联手？Agent 2025年终报告来了

181. Agent Lightning —— 通用智能体优化框架

182. 你在2026年会更关心大模型哪个方向的发展?

183. deepseek官方API已开放，使用教程来啦！！

184. 2026年AI Agent发展趋势与洞察：从技术重构到康养赋能

185. #ai新星计划 #热门周日逼自己练完这份AI Agent构建入门指南，你的agent搭建就很牛了。 2026可谓是Agent元年。这份大神整理的agent核心手册早已在AI圈疯传。带你从0开始搞懂什么是agent，再到agent搭建实战。不管你是零基础小白还是有经验的学习者，都能轻松上手。 #agent #智能体 #大模型

186. 65_Spring AI 干货笔记之工具调用（工具规范）

187. 动手学Agent：工具使用(3)流式工具调用

188. 64_Spring AI 干货笔记之工具调用（将函数作为工具）

189. AI润色工具全景扫描：从单一模型到多AI协同的选型地图

DeepSeek V3.2发布：国产大模型首次实现思考模式下工具调用，Agent能力登顶开源榜首

精选参考来源