2025年10月OpenAI发布AgentKit，AI智能体竞争进入工程化落地新阶段_服务软件

1. 黄仁勋规划下一代科技版图：6G、量子计算、机器人、自动驾驶 #科技改变生活 #AI新星计划 #英伟达 #黄仁勋 #GTC

2. 无论未来做什么，智能体和大模型都是AI进化的基础。 #大咖观察 #红衣聊AI #AI新星计划 #具身智能

3. 你最想让智能体机器人先帮你搞定生活，还是提升工作效率？ #大咖观察 #ai新星计划 #红衣聊AI #机器人

4. 云栖来了：开启AI Agent时刻｜甲子视频

5. 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

6. 上个月月底Gartner刚给全球大模型开发平台排了座次，这月国产排名第一，也是最接近「领导者」象限的火山引擎就举办了「FORCE原动力大会」。从行业的反应来看，火山引擎举手投足的重要性已经不用再赘述了，毕竟大模型公有云服务逼近半数的市场份额摆在这，单是豆包的日均token使用量已经突破50万亿——10倍于去年的水平——虽然还不至于到「不服就是不客观」的程度，但领先者会受到更多关注是情理之中，这很现实。而从具体动作上讲，FORCE原动力大会也属于字数越少事越大的那一类，豆包和Seedance都在不同程度上做了升级，前者依然主打多模态通用性，可以说是目前国产里最接近六边形战士形态的大模型，后者则进一步降低了AI视频创作门槛，护住抖音基本盘的同时还在追求探索上限。两个模型的更新，其实最终目的都是往Agent基建上靠拢，火山引擎最大的那步棋，在于搭建出能被广泛应用的AI云原生架构，让千行百业的企业们可以真正落地Agent，做到「真听真看真感受」。还是那句话，大模型的智能自今年开始普遍在溢出，所以需要Agent来做承接，证明AI有真正解决复杂问题的能力，根据火山引擎披露的数据，已经有超过100家企业在平台上的token消耗量达到了万亿级，现在有了先行者做背书，火山引擎接下来需要考虑的是如何扩大这部分客户。答案无非要在两个层面上找，降本和增效。增效，指的是通过升级企业Agent平台AgentKit，去全链路解决Agent在企业端的落地难题，把Agent服务打造成一套能覆盖前期开发、中期部署、后期管控的完整商业化体系，彻底打消「能不能用」的顾虑。除此之外，新推出的HiAgent智能体工作站，直接开箱化地赋予了企业更多Agent应用场景，对应的是企业想用AI，却不想成为AI专家的普遍诉求，回答了「好不好用」的问题。最后在降本方面，火山引擎的「AI节省计划」，用阶梯式的折扣给企业创造出了一个越用越便宜的体验，最高能节省47%的成本，反馈了客户「能不能用得起」的踌躇。将这几个问题叠加起来，就能看懂火山引擎在Agent领域的探索究竟深入到了什么程度，这也是火山引擎作为领先者跟其他平台的本质区别，人人都能用的同时，还要做到术业有专攻，日后企业级市场的AI普惠工作，深度和广度定然缺一不可。

7. 智能座舱新战事：大模型不是答案，只是起点

8. 荣耀Magic8系列搭载行业首发的系统级MCP架构，深度打通系统底层超过80%的高频场景，让几乎所有的高频需求，都可以让YOYO帮你执行。荣耀将系统级MCP能力和智能体平台向所有伙伴开放，目前已接入超过4000个生态MCP和生态智能体#荣耀发布会##荣耀Magic8##MagicOS10#

9. 【阿里开源通义DeepResearch，性能超OpenAI、DeepSeek旗舰模型】9月17日，阿里巴巴宣布开源其首个深度研究Agent模型——通义DeepResearch。该模型在HLE、BrowseComp-zh、GAIA等多个权威评测中取得SOTA成绩，表现超越OpenAI Deep Research及DeepSeek-V3.1等同类模型。通义DeepResearch具备强大的复杂任务推理与执行能力，其模型、框架与技术方案已全面开放，用户可通过Github、Hugging Face和魔搭社区免费下载使用。今年以来，阿里已连续开源WebWalker、WebDancer和WebSailor等多款检索和推理智能体，并全部斩获开源SOTA成绩。

10. Agent Infra到底是什么？【AI基建】

11. 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

12. 为什么说以后好好读书才能进工厂？ #美的工厂大脑 #首个智能体工厂

13. 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

14. 2025过去了！这一年你是不是也在为AI焦虑？老周用360一整年的实践，告诉你答案：不用怕，抓住Agent就赢了！从我自己敲代码做100多个智能体，到带领团队All in，这条AI布道之路，全是实战干货。 2026，你想和智能体一起搞定啥？评论区留言，老周帮你研究！#大咖观察#2026 #年度总结 #红衣聊AI #agent

15. AI时代，最不值钱的，就是重复劳动；最值钱的，是你得熟练指挥智能体。#大咖观察 #红衣聊AI #硅谷 #智能体 #AI应用

16. 盘点一周AI大事(12月7日)｜首个AGI模型问世 OpenAI强行上线GPT5.2，跑分击败Gemini重夺地表最强 OpenAI下周发布图像模型绝地反击小香蕉 ChatGPT接入Adobe套装 Google推出顶级语音模型Gemini 2.5 TTS Google上线实时语音互译Gemini 2.5 Audio Google深度研究接入Gemini 3 Pro 智谱推出最强开源手机智能体AutoGLM-Phone-9B Runway推出通用世界模型GWM-1 Meta推出短剧视频模型OneStory Meta推出最强开源版客串Saber 字节发布最强自动驾驶视觉模型UniUGP 阿里开源最强运动控制视频模型WanMove 研究员开源换脸视频模型LivingSwap Integral AI 宣称构建了世界上第一个AGI模型 #抖音知识年终大赏 #AI新星计划 #人工智能 #OpenAI #AIGC

17. 有了AI，未来个人电脑可能会消失？在云栖大会我悟了

18. 最近迷上了智能眼镜，有了些感触，总结了些虎狼之词。比如：智能眼镜开始替你“感知世界”，也“让世界感知你”；它不是替代手机，而是在进化人类嗯......不管怎么说，智能体的第一入口，非智能眼镜莫属了，而最具竞争力的企业，就是手机企业、那种有强大的AI基因的企业。据说华为快出了，荣耀也不远了吧#有点东西# 于忠国的微博视频

19. 【#Kimi发布并开源K2.5模型# #月之暗面发布Kimi迄今最智能模型#】月之暗面Kimi发布并开源迄今最智能模型Kimi K2.5，该模型在Agent、代码、图像、视频及通用智能任务上获开源顶尖表现，支持视觉文本输入、思考/非思考模式及对话与Agent任务。 K2.5融合视觉理解推理、代码、Agent等能力，用户难用语言描述时可拍照、截图或录屏交互，突破文字表达限制，降低AI交互门槛。模型还深耕办公场景，将Kimi Agent能力拓展至Office领域，熟练掌握Word、Excel、PPT、PDF等软件中高阶技能，助力用户产出准专业办公文档。目前Kimi K2.5已登陆kimi.com、最新版Kimi App、Kimi API开放平台及编程助手Kimi Code等平台，企业和开发者可通过开放平台调用API，兼具Turbo级速度且大幅降低API价格。即日起，Kimi开放平台开启为期7天的充值赠送活动。

20. #豆包手机#豆包手机的亮相，让AI Agent与传统App的冲突从隐性走向显性，而这样的博弈未来只会愈发频繁。AI Agent以“意图驱动”重构交互逻辑，用户无需打开一个个App，只需一句指令就能让其跨应用拆解任务、自主执行，这直接冲击了App赖以生存的入口价值与流量逻辑——当“打开应用”的动作被跳过，App的广告变现、生态控制权难免被削弱，甚至面临“管道化”危机。而冲突的核心更在于权限与生态的博弈：Agent需要系统级权限实现流畅操作，却引发隐私安全争议；App既担心开放API后丧失主导权，又害怕拒绝适配会被边缘化。这场变革本质是“功能工具”与“智能代理”的范式之争，随着端侧AI技术的成熟，类似的权限博弈、流量争夺、生态重构还将在更多场景上演，推动整个数字生态重新划分边界。

21. 黄仁勋规划下一代科技版图，普通人机会在哪里黄仁勋 GTC 大会揭秘：AI正在重构 100万亿美元经济，普通人却可能被彻底淘汰？不！这才是我们唯一能翻盘的机会 #AI #英伟达 #黄仁勋

22. 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

23. #一分钟视频创作季# 智能体进入到需求侧与供给侧形成双重驱动。2026 年全球 AI 智能体市场规模将达 115.5 亿美元，较 2025 年实现 45.8% 的高速增长。中国市场增速更为迅猛，行业测算显示 2025 年国内企业级智能体市场约 109 亿元，未来三年复合增速超 211%，2026 年有望突破 300 亿元大关。消费电子与企业服务是核心增长点， 2026 年将有超 30% 的企业软件内置智能体能力，2026 年部署生成式 AI 智能体的企业比例将从 2025 年的 25% 翻倍至 50%，62% 的投资方预期实现 100% 以上回报。消费电子、网络安全、供应链管理成为投资热点，端侧与云端协同的混合架构将吸引更多资本布局。#AI创造营##财经朋友圈# 种斌Marco的微博视频

24. 华为最新报告：未来10年，AI智能体、算力、半导体、能源都有巨大的机会#智能世界2035 #AI智能体 #算力 #半导体 #华为

25. 99%的人都搞错了AI Agent？智能体该如何帮企业赚钱？

26. 智能体商战，是旧商业规则和新商业规则的战争。 #大咖观察 #红衣聊AI #智能体 #商战 #亚马逊

27. Agent store 平台 MuleRun (骡子快跑)海外走红，如何使用？有哪些信息值得关注？

28. Flyme Auto 2正式发布：吉利银河M9、领克10EM-P率先搭载~–超拟人情感智能体 Eva 全球首个可量产上车的 AI 情感伙伴，具备自我判断、规划与任务执行能力、支持方言、多语言自由切换、实现有情感的对话沟通。–五层 AI 原生架构云端：星睿智算中心 2.0（23.5 EFLOPS 算力） + 40B 汽车垂类大模型；车端：行业首发 AI Box（200TOPS NPU 算力 + 200GB/s 带宽），支持 70 亿参数端侧多模态模型。–交互体验全面革新：实况桌面、Alive 壁纸驾驶场景沉浸式动效、桌面大卡片整合音乐控制、座椅调节、车况信息等高频功能、多任务与小窗交互AI 、SR 融合导航。

29. GitHub 推出Agent HQ，把 AI 编程助手彻底整合进平台了，让你能像管理团队一样管理多个 AI 代理，从规划到写代码、再到审查与部署，全都在一个地方完成。1. GitHub 推出了一个新东西叫 Agent HQ，它是一个“智能代理中心”，让各种 AI 编程助手（比如 OpenAI 的 Codex、Anthropic 的 Claude、Google 的 Jules）都能直接在 GitHub 里协作。以后你不用在不同工具之间切来切去。2. 这些代理会原生集成在 GitHub 和 VS Code 里，不再是外挂。比如你可以在 VS Code 里看到每个代理在干什么、让它执行任务、查看进度、审查代码，就像管理同事一样。3. Mission Control 是总控台，让你一处就能管所有 AI 代理的任务。还能控制谁能访问、代码什么时候检查、冲突怎么解决，还能接入 Slack、Linear、Jira、Teams 等工具。4. VS Code 也有新功能：（1）“Plan Mode”能帮你和 Copilot 一起规划任务；（2）你可以写 AGENTS.md 文件给代理定规则；（3）还能一键接入外部服务（比如 Stripe、Figma、Sentry）。5. GitHub 还上线了企业管理工具：有“代码质量系统”、“AI 使用仪表盘”、“AI 控制平面”，帮助公司追踪 AI 代码质量、使用情况、安全策略等。Blog：github.blog/news-insights/company-news/welcome-home-agents#ai创造营##程序员#

30. #钉钉发布全球首个AI打工实体机# 钉钉在发布会上宣布即将发布一款名为Real的智能硬件设备看形态是类似Mac mini主机那样的。结合介绍信息猜测，是一个性能相对较高的AI Agent设备，可以同时驱动虚拟手机、虚拟电脑来帮你完成各类任务。感觉可以说是类似豆包手机+豆包电脑（当然现在还没有这个）的合体设备，同时实现敏感信息只在本地存储。场景如 AI差旅比价，Agent可以帮你在多个平台做对比，挑一个符合规则里价格最便宜的（这对企业可太刚需了）。还有招聘场景下辅助筛选简历等。优点在于AI员工不会下班，可以24小时在线工作，一些比较烦的枯燥性工作让它来干正好。

31. MagicOS 10融合魔法大模型3.0与YOYO智能体，实现AI自进化。YOYO智能体具备四大能力，扩展自动化场景至3000+，支持14步复杂操作。技术先进，端云协同，VLM模型低功耗高精度，MagicAgent超越GPT-4.1。零重力设计提升视觉体验，全品牌智联，保障隐私安全。

32. 大模型Agent的核心还是prompt？

33. 不被AI淘汰的重要能力就是学会当智能体的领导。 #大咖观察 #红衣聊AI #智能体

34. 随着AI智能体的发展，能做好决策、持续创新的人，会拥有独特的竞争力。#大咖观察 #红衣聊AI #行业研究

35. 如果你现在还没用Agent帮自己干活，那其实很危险

36. #中国超算之父称中国智能体领先世界# 最近种草了一部新手机，被称为“双十一省钱机”的荣耀Magic8，简直太适合喜欢购物的伙伴们了，省钱。省心、省时又省事！今天又看了#荣耀AI终端生态大会# ，荣耀AI场景化生态更是覆盖了八大生活高频场景，其中的宠物健康场生活场景，构建了丰富宠物硬件生态，AI赋能让智能设备更懂宠物，可以行为分析、视觉识别，实时定位，让养宠人能做到真的放心。#中国工程院院士点赞的AI长啥样##荣耀Magic8##万事找YOYO#凤凰网科技的微博视频

37. #华为折叠屏首发A2A智能体协作# 华为Mate X7智能体验再升级，小艺智能体首次商用A2A智能体协作，小艺也变得更聪明更智慧了，它不再是简单的语音助手，而是可以帮你完成多种指令的超级助手，一句话就能帮你轻松搞定多个任务，实现了智能体间的任务流转、数据互通，彻底解决了折叠屏多任务适配差、操作割裂的问题，华为Mate X7重新定义高端折叠屏的智能体验天花板

38. Agent Skill 相关资料、笔记和思考

39. 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。

40. 被Jim Fan点赞！全球第一的千寻智能Spirit v1.5正式开源！

41. Antropic这个视频视频“Don't Build Agents, Build Skills Instead“，讨论了智能体的发展方向。Claude认为，尽管代理很智能，但它们缺乏领域专业知识和持续学习能力，因此提出了一种名为技能（Skills）的新范式。这些技能本质上是组织化的文件集合，包括脚本和程序知识，充当领域专家的角色，使智能体能够更一致和高效地执行任务。技能的设计理念是任何人都可以创建和使用，并正在形成一个迅速增长的生态系统。一、Anthropic 为什么“放弃”传统 AI Agent核心原因只有一句话：现在 AI 的问题不在“不够聪明”，而在“没有专业经验”。大模型像智商很高但没上过班的新人，面对真实业务场景（财务、法律、工程、运营），稳定性和可靠性都不够。继续堆“更强的 Agent”解决不了这个问题。二、真正的瓶颈是什么不是推理能力，而是可复用的领域专业知识。现实工作需要的是“熟练工”，不是“天才从零推导”。三、Anthropic 的第一个关键转向通往数字世界的通用接口不是复杂工具，而是代码。只要 Agent 能写、能读、能改代码，它就能：1）访问 API2）操作文件系统3）数据分析4）生成结果而且代码是可调试、可修改的，比固定工具强得多。四、真正的颠覆点：不用复杂系统，只用“文件夹”Anthropic 用一个极端简单的方案解决“经验沉淀”问题：把专业知识封装成技能（Skill）= 一个有结构的文件夹。技能本质是：1 可执行或可调用的程序性知识2 放在文件里，能被版本管理、共享、复用3 需要时才加载，避免上下文爆炸这比“智能 Agent 自动学习一切”要现实得多。五、他们真正构建的不是 Agent，而是三层结构1 模型 = 处理器（负责思考）2 Agent Runtime = 操作系统（负责任务与资源调度）3 技能 = 应用程序（真正的业务能力）价值不在模型本身，而在“技能生态”。六、为什么这比 Agent 更重要因为技能让 AI 第一次拥有了可积累、可迁移、可复利的记忆。今天学到的流程，可以变成技能；明天、下个月、下个版本的 Claude 都能直接用；团队内部、社区之间还能共享。AI 不再每天“从头做人”，而是像员工一样越干越熟。总之，不要再指望一个“无所不能的超级 Agent”。真正有价值的是：一个通用 Agent + 一个不断增长的技能库。AI 的未来不止是“更聪明”，更是“更有经验”。#科技先锋官# #ai创造营#

42. 【大模型激战正酣！大厂节前、节中进展不停争夺下一代操作系统主导权】《科创板日报》10月5日讯，国庆假期过半，大厂们的AI争霸赛并未因假期停歇。今日，腾讯宣布，其发布仅一周的混元图像3.0，在文生图领域的“权威竞技场”LMArena中，从全球26个大模型里突围，登顶第一，成为目前效果最好的开源生图模型，效果可对标业界头部闭源模型。腾讯混元团队透露，混元图像3.0目前的版本仅开放了文生图能力，图生图、图像编辑、多轮交互等版本将于后续发布。近期，国内头部AI公司在模型研发上动作频繁，竞争焦点已从单纯扩大参数规模，转向提升推理能力、推动多模态融合以及加速智能体（Agent）应用落地。据《科创板日报》梳理，腾讯、阿里、DeepSeek、智谱、蚂蚁等节前集体进行了一波更新——

43. 当AI从工具进化为队友，个人超级智能体硬件来了

44. 看完吴恩达 DeepLearning AI 「Agentic AI」前半部分，整理了一下。一、Agentic Workflows 介绍 Agentic AI工作流指的是由一个LLM作为核心“大脑”，通过自主决策来规划、执行多个步骤，并驱动各种工具以完成复杂任务的智能流程。其核心要素包括：LLM、多步骤执行、任务完成。 1. 自主性程度 - 较低自主性：步骤预先定义好，工具调用为硬编码。自主性主要体现在文本生成部分。 - 高度自主性：Agent 能自主做出决策，并可以动态创建工具。 2. 优势 - 性能更好：在使用相同模型的情况下，Agentic AI 通常能获得更优的性能表现。 - 并行执行：支持多个步骤或任务同时进行。 - 模块化与动态替换：可以灵活替换工作流中的特定模块或模型。 3. 任务拆解设计 Agentic AI 时，关键一步是对任务进行拆解。工作流/任务可以拆分为以下形式： 1）模型类型： - 大语言模型：负责文本生成、工具使用、信息提取等； - 其他 AI 模型：如 PDF 转文本、语音合成（TTS）、图像分析等。 2）工具类型： - 接口 API：例如网页搜索、日历查询等。 - 信息提取：如数据库查询、检索增强生成（RAG）。 - 代码执行：用于计算、数据分析等。 4. 评估的重要性 - 客观评价：可通过代码或计算进行量化评估。 - 主观评价：利用 LLM 对结果进行打分（例如 0-5 分），但并非最佳实践，后续会进一步展开。 - 评估可针对端到端流程，也可针对单个模块或步骤。 - 通过检查执行轨迹（trace）来进行错误分析和评估。 5. Agentic 设计模式 - 反思（Reflection）：将模型输出再次输入给模型，让其自我反思以优化结果；也可结合外部输入（如代码执行结果）进行反思；还可设计专门的反思 Agent 或使用不同模型进行反思。 - 工具使用（Tool Use） - 规划（Planning） - 多智能体工作流（Multi-Agent Workflow）二、反思（Reflection）反思是指通过固定步骤对 LLM 的初次输出进行再次思考和分析的过程。结合外部工具或输入进行反思，往往能获得更优质的结果。实践证明，反思是显著提升模型性能的有效方法之一。在实践中，使用推理能力更强的模型专门负责反思任务，通常能取得更好的效果。三、工具使用（Tool Use） LLM 本身并不直接执行工具，而是由 LLM 指示执行引擎调用特定工具。执行引擎负责实际调用工具、获取结果，并将结果返回给 LLM，LLM 再基于这些结果生成最终输出。代码执行（Code Execution）是一个非常有用的工具。 LLM 可以生成 Python 代码，由执行引擎运行代码并返回结果。需要注意的是，执行代码时需考虑安全性，建议在 Docker 或沙箱环境中运行。模型上下文协议（MCP）的出现，极大地减少了工具调用的开发工作量，从原来的 m*n 级别降低到 m+n 级别。 #ai创造营##程序员#

45. 盘点一周AI大事(11月2日)｜OpenAI放出AGI时间表 OpenAI公布AGI路线图，202626年上岗AI研究员，能独立研究大型科研项目，2028年发布重大科研成果达成AGI，10年内冲刺超级智能 OpenAI正式重组为营利实体，估值1万亿 MiniMax推出最强开源大模型M2 字节发布最强通用游戏智能体Game-TARS Anthropic推出Excel分析师 Gemini上线一键做PPT Odyssey发布能实时交互的视频模型Odyssey-2 Adobe推出一键P视频Frame Forward 科学家研发出热力学采样芯片架构TSU，能效提升1万倍奥特曼押注非侵入脑机接口，用超声波直接读取意念马斯克的脑机接口Neuralink即将开启人脑增强实验 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

46. 未来十年世界会怎样？华为给出答案华为发布《智能世界2035》，预测未来十年世界会变成什么样！10年算力增长10万倍；全球AI智能体数量达到9000亿，平均每个人100个；超过90%家庭拥有智能机器人；80%慢性病能被预防，从被动治疗到主动预防；汽车成为移动第三空间；手机app将退出舞台；人类进入全息生活空间！看完134页报告，我给自己列了三点行动指南，陪你一起迎接这十年巨变 #华为 #算力 #2035算力总量10万倍 #智能世界2035 #AI

47. AI第一波下手最重的不是程序员而是白领？ #大咖观察 #红衣聊AI #职场 #职业规划

48. 给AI一个“身体”：3D数字人或是具身智能的解法？【硅谷101】

49. AI智能体也卷起来了？又懂业务又不用搭工作流…

50. 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

51. 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

52. Agent的割裂时代，呼唤“统一大脑”

53. Google 最新的白皮书，很值得收藏！《Introduction to Agents》，这个白皮书几乎可以看作是对“智能体时代”正式宣言。它系统地定义一种新型软件范式——让模型能自主思考、决策和执行。AI 正在从“预测”走向“行动”。1. 从预测式AI到行动式AI过去的AI是“被动的”：模型接收输入、生成输出，一问一答。但这篇文档开篇就指出，我们正在经历一次范式转变——从“预测AI（Predictive AI）”到“自主智能体（Autonomous Agents）”。智能体的关键区别在于：它不再等人指令，而是能围绕目标自我规划、行动、再评估。Google 把这类系统定义为一个闭环结构：LLM + 工具 + 编排层 + 部署环境。LLM提供推理，工具执行动作，编排层控制整个“思考—行动—观察”的循环，而部署让智能体能长期运行和被复用。2. 智能体的工作循环：Think–Act–Observe文档用一个非常清晰的五步模型解释智能体的工作方式：1. 获取任务（Get the mission）2. 扫描场景（Scan the scene）3. 思考计划（Think it through）4. 执行动作（Take action）5. 观察反馈（Observe & iterate）这一循环让智能体具备了真正的“任务感”。举个例子：用户问“我的订单在哪？”，智能体不会立刻回答，而是分解出“查订单→查物流→整合结果→回复”的完整路径。我特别喜欢它强调的那句话：智能体的本质，是上下文窗口的策展人（curator of context window）。——它不断组织、更新、过滤信息，让模型始终聚焦在当前任务最关键的上下文上。3. 智能体的分级：从单脑到群体这份白皮书提出了一个五层级的智能体体系：Level 0：仅推理模型（纯LLM）Level 1：能调用外部工具的“连接型问题解决者”Level 2：具备策略规划与上下文工程能力的“战略型智能体”Level 3：多智能体协作系统（类似团队协作）Level 4：自我演化系统（能创造新工具或子智能体）这一分级体系几乎可以当作企业部署智能体架构的路线图——从简单的调用API，到让智能体学会分工合作，最后走向能自我改进的“学习型组织”。4. 三大核心组件：脑、手与神经系统Google 把智能体拆成三个核心部分：1. Model（脑）：推理与决策中心，负责思考。2. Tools（手）：执行动作的能力，比如RAG、API、代码执行。3. Orchestration Layer（神经系统）：调度逻辑、记忆与策略，实现“Think–Act–Observe”循环。有一个关键点：他们认为模型并不是越大越好，而是要根据任务选择最优组合——复杂任务用强模型（如Gemini Pro），高频简单任务则用轻模型（如Gemini Flash）。这种模型分层调度的思路对未来Agent架构很关键。5. Agent Ops：智能体的运维哲学文档中提出了一个新概念——Agent Ops。它相当于 DevOps 在智能体时代的延伸。因为智能体行为具有不确定性，传统的“单元测试=预期输出”已经失效。Agent Ops 的目标是通过指标驱动、日志追踪、模型评审和用户反馈闭环，让系统在不确定中保持可靠。一个新的职位或部门来了？Agent Ops6. 安全与治理：从单Agent到Agent Fleet当智能体数量增多，问题就从“怎么造一个Agent”变成“如何管理一群Agent”。Google 提出的解决思路是建立控制面板（Control Plane），统一管理身份、权限和通信协议（MCP/A2A），避免Agent Spraw（智能体泛滥失控）。有意思的是，文中引入了“Agent作为新型主体（principal）”的概念，认为Agent不只是代码，而是一种能独立被认证、被授信的行动体。7. 学习与自演化：Agent Gym 的想象力最后几章讨论了“Agent如何自我进化”。Google 提出了一个概念叫 Agent Gym，类似模拟环境，用来让智能体在离线条件下训练、演练、红队测试、吸收人类反馈，从而“成长”。这个暂时用不上，估计大公司比较有资源搞。——这两个新的点，之前没深刻理解：1. Agent = 新的软件范式。过去我们以为“智能体”只是“会用工具的模型”，但Google用这份文档明确告诉大家——Agent是一种新的软件范式。它不是应用AI，而是用AI重新定义应用。2. Agent的核心不在“思考”，而在编排（orchestration）。未来的开发者更像导演而不是程序员——我们要设计场景、挑演员、布置镜头，让智能体自然演出目标行为。#ai创造营##科技#

54. AI Agent 很火，但 Agent Infra 准备好了吗？

55. 关于 AI Agent，你最想知道的 3 个问题——为什么我说“垂直 Agent”是个伪命题回答几个读者问题。1、AI Agent 是否有一个权威的概念？中美两国对这个概念是否有统一的解释？AI Agent 的定义和国家无关，更多是行业共识的演进。目前业界比较认可的定义来自 Anthropic。他们在《Building Effective Agents》（网页链接）这篇文章中做了一个很重要的区分：工作流（Workflow）：通过预定义的代码路径来编排 LLM 与工具的系统。Agent：由 LLM 动态地指挥自己的流程和工具使用方式的系统，始终由 LLM 来掌控完成任务的方式。简单来说，工作流是“人写好剧本，AI 照着演”；而 Agent 是“人给个目标，AI 自己想办法”。从技术实现角度，我比较认同 Simon Willison 提出的简洁定义（网页链接）：一个 AI Agent（智能体），是为了实现某个目标，循环调用工具的大语言模型。这个定义抓住了 Agent 的本质——它不是一次性给出答案，而是通过“思考→行动→观察→再思考”的循环，逐步完成任务。目前主流的 Agent 实现，无论是 OpenAI 的还是 Anthropic 的，底层都是这个结构。当然，不同公司可能会根据产品定位给出略有差异的表述，但核心思想是一致的：Agent = LLM + 工具调用 + 自主决策循环。2、近期国内外大厂密集推出 AI Agent，为何选择这个时间点？您如何看待 AI Agent 的商业化前景？大厂在这个时间点密集推出 Agent，核心原因是：Agent 是目前 AI 落地最有价值的方向。为什么 Agent 比聊天机器人更有商业价值？聊天机器人的局限性很明显——它只能“说”，不能“做”。而 Agent 能够：• 调用工具：比如搜索网页、读写文件、执行代码• 完成复杂任务：把大任务拆解成小步骤，逐个完成• 与外部系统集成：对接企业内部系统、数据库、API• 持续运行：不需要人一直盯着，可以在后台自主工作这意味着 Agent 可以真正替代人完成一部分工作，而不只是辅助回答问题。已经跑通的场景：编程领域编程是 Agent 最先落地的领域。像 Claude Code、Cursor、Codex 这样的编程 Agent，已经能够实实在在地帮开发者完成任务，不只是生成代码片段，而是理解需求、读取项目代码、修改文件、运行测试、修复 bug，整个流程都能自主完成。正在爆发的方向：Skills 生态去年底开始，“Skills”这个概念开始流行。简单理解，Skills 就是教会 Agent 完成特定任务的“技能包”，一套预设的工具、提示词和工作流的组合。比如我个人就大量使用 Claude Code 结合各种 Skills 来提升效率：• 给文章自动配图（调用图片生成工具）• 根据素材生成漫画故事• 根据素材自动生成 PPT• 自动发布文章到公众号、博客、社交媒体• 等等这些任务以前每个都要花我半小时到几小时，现在几分钟就能完成。顺便说一下，我这几个 skills 都是开源的：github.com/JimLiu/baoyu-skills/issues现阶段的挑战但 Agent 目前仍处于早期阶段，主要挑战有：1. 门槛较高：目前这些能力主要在极客圈子里流行，普通用户上手困难2. 安全问题：Agent 需要较高的系统权限才能工作，这带来了安全风险。比如恶意的 Skill 可能窃取数据、攻击系统3. 可靠性：Agent 有时会“跑偏”，需要人工干预这些问题都在被逐步解决。大厂密集入场，本质上是看到了 Agent 的巨大潜力，想要抢占生态位。谁能率先建立起最多用户的 Agent 客户端和丰富的 Skills 生态，谁就能在下一阶段占据优势。就像现在 Anthropic 就依赖 Claude Code 抢占了先机和用户心智，大家想到 Coding Agent 先想到 Claude Code，MCP、Skills 的标准也是他们提出来的，开发者们争先恐后的基于他们的标准在构建 Agent 生态。3、通用类 AI Agent 和垂直类 AI Agent，您更看好哪个的商业前景？这个问题需要换个角度来理解。Agent 本身难以形成垂直壁垒从技术角度看，Agent 本身没有任何秘密，就像我前面说的，它从技术角度看就是一个循环调用工具的大语言模型。而模型对所有人来说都是一样的：要么花钱用商业模型（OpenAI、Anthropic、豆包、阿里），要么用 DeepSeek 这样的开源模型。这就像选操作系统，你用 Windows 还是 Linux，大家都能用。所以，单纯做一个垂直领域的 Agent 很难建立护城河。你今天能做，别人明天也能做，而且可能做得更好。真正的机会在哪里？打个比方：Agent 就像操作系统，无论是通用领域还是垂直领域，操作系统本身都差不多。真正的差异化，是基于操作系统之上的应用。垂直领域真正的机会在于：1. 独有的数据：你有别人没有的行业数据、客户数据、知识库2. 专业的 Skills：针对特定行业流程打造的工具和工作流3. 深度的集成：与行业内已有系统的对接能力4. 领域 Know-how：对行业痛点和流程的深刻理解举个例子：一个医疗领域的 Agent 产品，核心竞争力不是“Agent”这层，而是背后接入的医学知识库、与医院 HIS 系统的对接、对诊疗流程的理解、以及多年积累的脱敏病例数据。所以我的结论是：不要去做“垂直 Agent”，而是用通用 Agent 的能力，去解决垂直领域的问题。护城河不在 Agent 这层，在你围绕 Agent 构建的数据、工具和行业理解。以上是我基于一线实践的观察和思考，仅供参考。

56. 继昨天Google Agents 白皮书（网页链接），我们今天把mcp的白皮书也总结一下。 Agent Tools & Interoperability with Model Context Protocol (MCP)这应该是目前 MCP 体系最系统的白皮书（之一）了吧，通篇结构清晰，既讲了工具在智能体系统中的定义和设计原则，又深入分析了 MCP 在技术架构、安全与治理方面的优势与风险。1. 工具是智能体的“手与眼”。大模型本质上只是一个模式预测引擎，不能主动感知世界或执行动作。工具让模型拥有了外部交互能力，也因此成为智能体系统的核心组件。文中对工具类型有很清晰的划分：Function Tools（函数调用型）、Built-in Tools（内置工具）和 Agent Tools（智能体级调用）。特别有意思的是，Agent 本身也可以被封装成一个 Tool，这意味着多智能体系统可以通过“工具接口”彼此互操作。2. 工具设计的关键是可解释与细粒度。文档强调“Describe actions, not implementations”，也就是工具描述应聚焦行为语义，而非实现细节。并提出几个值得长期遵守的设计准则：文档清晰、输入输出有 schema 验证、输出简洁、错误信息具引导性。这些看似“文档规范”的建议，其实是让 LLM 能在推理过程中正确选择与调用工具的前提。3. MCP 出现的根本原因，是为了解决“N×M 集成问题”。过去模型和外部系统之间的连接高度碎片化，每个工具都要单独适配。MCP 通过标准化接口和通信协议把模型、工具和数据源解耦，形成“Host–Client–Server”的三层结构，从而实现了可复用、可组合、可动态发现的工具生态。4. MCP 的优势在于生态与扩展性。它让工具注册、发现与调用变得统一，支持动态工具加载，这使得智能体系统不再需要在部署前定义好所有能力。文中提到 MCP Registry 的构想（类似 npm 或 PyPI），也许会形成 AI 工具层的“包管理体系”。这将极大加速企业级智能体生态的互通。5. 但 MCP 也带来了新的安全威胁。白皮书后半部分几乎一半篇幅都在讨论风险，包括： 1）Dynamic Capability Injection：服务器可动态更改工具集，导致智能体意外获得高危能力； 2）Tool Shadowing：恶意工具通过相似描述“抢占”合法工具调用； 3）Confused Deputy 问题：智能体误用自身权限代替用户执行越权操作； 4）数据泄露与 prompt 注入：通过工具输入输出通道泄露敏感信息。文中提出的防御策略（如工具白名单、版本固定、mTLS、HIL 审批、输出净化、最小权限原则等）都是非常实用的企业级落地建议。6. MCP 的发展路径很可能会复现云计算早期的模式——底层协议开放，但企业实际使用都建立在“托管与治理层”之上。未来我们也许会看到“安全版 MCP 平台”，它提供身份管理、审计追踪、工具签名验证、访问控制等功能，就像当年的 API Gateway 成为了 REST 的守门人。7. 另一点值得注意的是“上下文膨胀”问题。文中指出，当 MCP 工具数量增多时，所有工具定义都要塞入模型上下文，会导致 tokens 暴涨、推理性能下降。文中提出用“RAG 化的工具检索”替代预加载——先检索，再动态注入。有个名词叫“ToolRAG”。MCP 已经成为智能体生态走向工业级互操作的关键里程碑，但它还远没到“可直接上生产”的成熟阶段。未来的重点不在于“协议标准”，而在于“安全与治理层”的建设。只有当工具、智能体与企业系统之间的边界被有效约束，Agent 才能在真正意义上成为可信的“行动者”。#ai创造营# #程序员#

57. #吉利发布行业首个真AI座舱# 智能出行从此有“人”更有温度！今天，吉利正式宣布，将不再研发传统智能座舱，全面聚焦AI座舱技术，推出行业首个超拟人情感智能体——Eva，以及新一代AI座舱操作系统Flyme Auto 2，领克10 EM-P与吉利银河M9将率先搭载。依托自研5层AI原生架构，吉利从AI算力基座、OS系统到智能体生态实现全链路贯通。Eva不仅是语音助手，更具备拟人情感交互、流动记忆和主动服务能力，可全程陪伴出行，像家人一样懂你所需。Flyme Auto 2则带来实况桌面、Alive壁纸等全新交互，实现从“人找功能”到“服务找人”的体验跨越。通过统一AI架构与用户ID，吉利实现多品牌车型数据和体验无缝流转，Eva也将成为极氪、领克、吉利、银河用户共同的情感伙伴。AI不再只是功能，而是融入出行每一刻的智慧与温度。吉利以“一个座舱，一个吉利”为战略，持续推进AI技术全域落地，致力成为AI造车时代的领跑者。未来，智能车不再是冷冰冰的机器，而是有感知、会进化的“智慧生命体”。

58. Bash Is All Agent Need：Anthropic 重新定义智能体开发

59. 在这场AI时代的竞争中，安全智能体正是破局的关键。 #大咖观察 #红衣聊AI #智能体 #网络安全

60. 2025年被科技界提及最多的词—Agent！大家都把它视为下一个风口。那究竟什么是Agent？Agent到底能做些什么？这期视频，带大家看看理想同学Agent又能带给我们的生活哪些改变？ #理想i8# 骆智慧的微博视频抽奖详情

61. #2025 联想天禧生态伙伴大会# 这场盛会的最终意义，在于将 “个人 AI” 从未来概念变成了触手可及的现实。从 “聚力智能体共启新生态” 的主题定调，到 “一体多端加速 AI 普惠” 的战略落地，再到开发者扶持、软硬协同等一系列举措，每一步都在为 “人人拥有专属智能伙伴” 的愿景铺路，真正定义了个人 AI 发展的全新范式。# 天禧 AI 一体多端 ## 酷睿 UltraAI 更强谁不爱##天禧个人超级智能体##酷睿Ultra##酷睿UltraAI更强谁不爱#

62. #中国工程院院士点赞的AI长啥样# 新华网发布的关于中国AI的报道中，深度解读了荣耀YOYO智能体的技术优势，这份权威解读成为行业了解中国AI发展的重要参考。报道中特别提及荣耀Magic8系列新机，作为荣耀年度旗舰手机，以及同时发布的MagicOS10，在改变我们智慧生活的很多方面都做了很多新的尝试，并且YOYO的自进化功能，能让它就像生活中的“搭子”一样，陪伴消费者，就像荣耀自己说的：最伟大的自进化，是与用户共同完成的。凤凰网科技的微博视频#中国超算之父称中国智能体领先世界##荣耀AI终端生态大会##荣耀Magic8##万事找YOYO#

63. 火山引擎FORCE 原动力大会今日盛大举行！#火山引擎#携一系列 AI 前沿成果亮相！刚刚，在FORCE原动力大会上，火山引擎发布了豆包视频生成模型#Seedance# 1.5 pro、#豆包大模型1.8#，以及企业级AI Agent平台AgentKit。同时，基于HiAgent构建“1+N+X”产品体系，直接助力企业打通AI从调用到落地的闭环。更为有利的是，火山引擎推出业内首个大模型的“AI节省计划”，切实帮助企业降低模型使用成本。截至今年12月，豆包大模型日均tokens使用量已超50万亿，超过100家企业在火山引擎上累计tokens使用量超过一万亿。火山引擎在中国公有云上大模型调用量市场份额占比达49.2%，稳居国内首位。#豆包大模型#

64. AI Agents 速查表如果你正试图理解 AI Agent 的概念，这是一份不错的起点。目前关于 Agent 框架的讨论很多，但从核心来看，大多数框架都建立在同一组基本思想之上。这份速查表简单概述了从大型语言模型（LLM）到编排层（Orchestration）再到协议（Protocols）的关键构建模块。无论你是在探索 Agent 工具、构建内部自动化，还是单纯想更好地理解这个领域，它都很有用。什么是 AI Agent？1. Agent 结合了“推理能力”和“行动能力”。2. 它们不仅能回答问题，还能制定计划、调用工具、访问数据，并触发现实世界的操作。语言模型（Language Model）1. 它是核心的推理引擎，用来理解输入并生成计划或回应。2. 但仅靠它自身，无法在现实世界中执行行动。工具（Tools）1. Agent 用来完成有用任务的 API、函数或外部集成接口。2. 例如查询数据库、发送邮件或调用 Webhook。编排层（Orchestration Layer）1. 负责协调 Agent 的行为——包括其推理方式（如 CoT、ReAct 等）、步骤顺序以及与工具的交互。Agent 协议（Agentic Protocols）1. MCP、A2A 等协议让不同平台上的 Agent 能协作（如 Slack、GitHub），并在多个任务间保持上下文。构建 AI Agent1. 没有唯一的构建方式。2. 有的从一个 Prompt 起步，有的依赖低代码平台，还有团队构建完整的自定义框架3. 这份速查表展示了各种方式之间的取舍与权衡。如果你想理解 Agent 领域，或向团队解释它的原理，这份结构化的拆解会很有帮助。可以收藏下来，作为随时查阅的参考资料。#人工智能##程序员#

65. 在研究编程Agent，Agent核心就几十行代码，那剩下的几万行到底在解决什么问题？

66. 容忍摸鱼、支持顾家、会用智能体！ #大咖观察 #红衣聊AI #职业技能

67. 探访云栖（二）：AI Agent元年，谁在打造“数字员工”？【101 Weekly】

68. 2025联想天禧AI生态伙伴大会在北京召开，以 “聚力智能体，共启新生态” 为主题，聚焦 “一体多端” 战略落地。天禧AI 3.5实现个性化、行动力、交互体验三重飞跃，同时展望4.0将迈向 “思你所想、行你所愿” 的认知与行动新高度。目前生态月活用户超2.8 亿，开发者超23万，孕育5000+智能体应用。联想联合火山引擎启动先导计划，将智能体利润100%让利开发者，并与英特尔等主流伙伴深化合作，加速个人AI普惠，共建开放生态。

69. 荣耀Magic8系列搭载的YOYO能够全面接管系统，高频执行，是因为搭载行业首发的系统级MCP架构，深度打通系统底层超过80%的高频场景。想要更好用，就需要更多的服务商接入。荣耀已经将系统级MCP能力和智能体平台向所有伙伴开放，目前已接入超过4000个生态MCP和生态智能体。#荣耀发布会##荣耀Magic8##MagicOS10#

70. 智能眼镜还是物理外挂?夸克AI眼镜S1使用体验

71. 快速学习AI Agent的方法有哪些？

72. AI圈最顶级的一次争吵，理解世界还是堆模型？ #大咖观察 #红衣聊AI #大模型 #人工智能

73. 豆包手机发布热议，AI Agent果然是终端共识，也说明了AI手机成为先锋方向绝非偶然。像是国内这些AI手机先锋厂商荣耀、OPPO、华为早就开始布局。其中，荣耀在端侧AI起步早，拥有MagicOS平台级AI能力，荣耀Maigic8能一语打车、一语比价等等。现在都在热议AI Agent，你心中“更懂你的下一代AI手机”是怎样的？一起聊聊～#豆包手机#

74. 快抄作业！我用JoyAgent搞了个AI团队 2025年都快结束了，Agent是不是还没用上？我找到了打工人用上智能体的最简单方法，就是用JoyAgent把每天重复的SOP全做成Agent，不懂代码也能零门槛搭建，而且效果很稳定。看着AI团队全自动打工、出活，非常解压。 #AI #智能体 #JoyAgent #JoyCode #京东云

75. MoLA 架构是华为乾崑生态大会的核心技术亮点，其打通软硬件全链路，通过五大智能体覆盖导航、车控等核心场景。全感官沉浸体验的实现，重新定义智能座舱技术上限，为行业提供技术参考。#鸿蒙座舱新身份你的智能专业助理##鸿蒙座舱全新定义智能化分级##华为乾崑生态共赴热爱#

76. 《中国组织人事报》聚焦重庆：人工智能融入人力资源服务全链条。目前，已完成了5个高质量数据集的建设，开发了4个行业智能体，如“工伤智能辅助鉴定大模型”“企业运行健康状况评估智能体”等。人工智能的覆盖范围估计超过很多人的想象。#重庆人工智能湾区#

77. 研究生搞agent还有搞头吗？

78. 聊聊Agentic AI与AI Agent 有啥区别？

79. 工程师科普大模型系列

80. AI Agent 与 Agentic AI

81. 解读Agentic AI 与 AI Agent的核心异同

82. 智能体培训可以做什么

83. 智能体经济

84. 为什么大多数AI智能体失败？三招教你避开落地陷阱

85. 第209期深入循环内部，理解人工智能智能体（AI Agents）工作流程

86. 一夜爆红的Clawdbot，开启AI员工时代？

87. AI智能体爆火背后，为什么大部分人花钱买的都是"假智能"？

88. 研究分享 | 从人机协作到人智协作

89. Data AI Agent

90. 智能体开发框架Langgraph基础流程和理论梳理

91. “大模型”“智能体”入选2025年度十大科普热词

92. 大模型和智能体到底有什么关系

93. 2026AI 元年

94. 警惕生产力倒退， IDC FutureScape 2026 智能体十大预测发布

95. Google

96. IDC发布2026智能体（Agent）十大预测！

97. 【产业资讯】2026将是AGI元年，编程智能体已经打响了第一枪

98. 2026 AI 智能体趋势报告

99. IDC FutureScape 2026十大预测

100. AI时代的开发新范式

101. Agent+Code，打开AI开发新范式

102. 【AI Agent】S-1

103. AI Agent商业闭环驱动下的软件工程范式变革

104. AI Agent的真相

105. 最新Agent综述！系统梳理agent构建范式转变

106. AI Agent 驱动的软件工程范式转移

107. 2026科技主旋律

108. 对 AI Agent 的质疑

109. AI Agent自主性

110. 从静态推理到动态交互

111. OpenAI的Agent Loop架构，正在重塑AI的“工作方式”

112. OpenAI发布AgentKit，推动AI从对话到行动的转变

113. OpenAI首曝Agent Loop，揭秘Codex大脑运转机制

114. OpenAI姚顺雨3小时Agent研究访谈

115. OpenAI发布AgentKit，帮开发者更快打造AI Agent

116. 计算机｜OpenAI企业级AI现状与Agent发展展望

117. OpenAI发布基于GPT-5的自主漏洞修复AI Agent

118. ChatGPT Enterprise 与国内大模型产品对比分析

119. 通义安全能力重磅升级，AI编码安全性全球领先

120. 别再用GPT写代码了！通义灵码这个AI程序员让开发效率飙升的秘密

121. AI编程软件阿里的通义灵码，字节的trae，百度comate和国外的Tabby， cursor ，GitHub Copilot比对pk测评

122. 平安有话说

123. 一条视频讲清楚coze skills #coze #skills #skill #Agent #智能体

124. 字节Coze正式上线Skills，完整使用教程看这里！

125. 字节疯了！Coze刚开源就霸榜github榜首，这是要干翻整个AI圈的节奏？

126. 字节跳动Coze开源了，你需要搞懂这3个问题

127. 字节开源Coze平台引发AI开发变革

128. 字节突然放大招！Coze 核心代码全开源，AI Agent 开发直接“降维打击”

129. 字节Coze扩容天禧体验

130. 腾讯发布多功能开源“混元”AI模型

131. 腾讯二季报亮剑

132. 智能体深度测评一文通3

133. 腾讯AI生态重大更新

134. 腾讯混元开源 4 个小尺寸模型，主打 Agent 和长文

135. 【产业资讯】腾讯混元推出ETC助手Agent，重塑智能出行体验

136. 智媒资讯 | 可灵AI新视频模型，生成的动作戏酷到封神；腾讯混元3D真人手办建模自由；美团首个AI Agent，体验“懒人点餐”

137. 大模型面试题79

138. 【必藏】Model Context Protocol (MCP)

139. 深入理解MCP

140. AI代理变身企业“操作系统”

141. Claude Code开源替换版，开源免费 + 本地运行！Block 新工具 Goose 硬刚，开发者狂喜

142. 一个能兢兢业业干活的AI Agent —— Goose

143. 别再让AI只当聊天伙伴了！让你的LLM成为实干家

144. 解析 Goose

145. Block CTO

146. 大模型能力不断提升上市公司积极布局智能体

147. a1010

148. 连上多个热搜！火爆全网的ChatGPT到底是个啥？

149. 我不怕ChatGPT,因为他没我便宜

150. ChatGPT | 终于!我把GPT接入微信了

151. 3分钟快速使用ChatGPT教程,用它帮我写简历,太牛了

152. Chatgpt的出现会带来哪些机遇？

153. ChatGPT性能:如何评估ChatGPT的性能?

154. 英伟达可从ChatGPT赚取3亿美元:显卡卖爆了

155. GPT4.0旗舰版

156. ChatGPT智能体上线,奥特曼:感受到AGI的瞬间,但风险不可忽视

157. OpenAI AgentKit重塑AI Agent开发全流程

158. 如何理解大模型智能体区别？

159. 大模型与智能体

160. AI Agent 与 Agentic AI 系统：真正的区别是什么？

161. OpenAI又放大招，n8n遇到最强对手：Agent Kit来了！

162. OpenAI 重返开源，AI Agent 迎来强力推理模型新时代

163. 首次公开！重构智能体生产！无问芯穹推出基础设施智能体蜂群

164. AI智能体重塑商业本质，《2026中国AI智能体营销趋势与发展报告》（蓝皮书）正式发布

165. 揭秘 AI Agent 的四大训练范式与未来之路

166. 2026 AI 智能体十大龙头企业怎么选？AI智能体平台横向测评

167. 2025年AI Agent开发范式变化个人观察

168. 拆解Codex：OpenAI软件agent的核心循环是如何运转的？

169. 【建议收藏】AI智能体自主性分级详解：从L0规则执行到L5完全创造，一文读懂行业现状与核心瓶颈

170. Mule Agent Builder：面向下一代 Agent 的全新构建范式

171. 从零开始学MCP（1）| MCP 协议核心原理解析

172. Block CTO Dhanji Prasanna：用 Goose 构建 AI 优先的企业，他们的开源 Agent [附文稿]

173. 斯坦福：互信息预测智能体性能

174. 刚过完一岁生日的MCP，怎么突然在AI圈过气了

175. 我看到的真相：绝大多数智能体是精致包装下的镜中花、水中月，不会带来任何商业价值，纯讲故事

176. 2026全国智能体开发者大会落幕，迈富时赋能AI智能体升级

177. 如何构建你的Agents｜OpenAI构建Agents实用指南

178. 具主动拆解任务、调用工具、规划执行路径的Ai智能体

179. AI Agent进入组织后，HR管理范式的转变

180. 直播预告 | 2026趋势预测：多智能体协作下的新一代数据治理

181. 首批参与单位公示！“智能体交互安全工作组”筹备成立

182. 实现可预测自主性的 5 个关键因素：智能 AI 代理

183. [ClaudeCode] MCP (Model Context Protocol) 工作原理详解

184. Agent助手正突破人机交互极限，它能直接操作电脑执行复杂任务，如同数字分身。

185. 【网警说·技术】关于智能体，这些你需要了解——

186. 阿里中标工商银行AI编程项目，大模型合作再深入

187. AI智能体，附录：术语表、引用资料及内容架构

188. 字节Coze刚开源就霸榜github榜首，这是要干翻整个AI圈的节奏？

189. AI日报：腾讯发布混元3D 3.0模型；昆仑万维上线Agent Studio功能；阿里Qoder推出付费订阅服务

190. 「智能体开发入门」LangChain 支持的哪些 Agent 编排模式？

191. COZE（扣子）是字节跳动推出的AI智能体开发平台

192. 开发者为什么吐槽 MCP 协议？

193. 大模型（LLM）和智能体（AI Agent）是个什么关系？揭秘大模型与智能体的区别与联系！

194. 突破具身智能任务规划边界，刷新具身大脑多榜单SOTA，中兴EmbodiedBrain模型让具身大脑学会「复杂规划」

195. 洞见人与智能体协作七大趋势！蓝凌用户大会邀您11.6智启未来

196. AI的辅助利器MCP

197. AI Agent 主流范式及上下文优化介绍

198. 大模型才是智能体的核心，智能体的所有操作都是基于大模型完成的——智能体的执行过程

199. 太多问题了，从实战到放弃，Agent开发规划能力实战踩坑

200. 【AI编程】Replit 的自主性哲学：为什么 AI 必须自己测试自己的代码？

201. 智能体和人工智能有什么区别

202. 字节Coze终于出手了！彻底干掉手搓工作流

203. 2025年MCP在中国的发展前景与落地路径分析

204. 2026-2032年中国超级智能体行业市场现状分析及发展前景研判报告

205. 基于LLM的原生语音智能体平台：探索语音客服无限可能

2025年10月OpenAI发布AgentKit，AI智能体竞争进入工程化落地新阶段

精选参考来源