2026年全球科技巨头加速AI Agent落地，操作系统级入口争夺战全面开启_办公软件

1. AI智能体之所以强大，核心在于它们的“记忆系统”。没有记忆，智能体只能盲目行动，无法学习和适应。记忆让它们能够跨时推理、优化决策，真正实现智能。短期记忆（工作记忆）负责暂时存储任务相关信息，帮助智能体追踪当前用户问题、对话上下文和任务中间步骤，从而做出连贯且有针对性的回应。长期记忆则保存跨任务的知识与经验，积累事实和规律，使智能体随着时间变得更高效、更准确。情景记忆像人类的经历记录，存储状态、行为、结果和奖励，助力强化学习中识别哪些行为带来成功或失败。语义记忆包含结构化的世界知识——概念、规则、语言和领域信息，支持智能体推理和理解新信息。检索机制根据上下文、关键词或相似度精准调用所需记忆，避免信息混乱和过时。记忆还支持多步规划，智能体能记住子目标、进展和障碍，提升长远策略，而非仅解决眼前问题。多任务环境中，智能体为每个任务维护独立记忆，防止任务混淆，提升切换效率，并跟踪用户偏好。强化学习中的经验回放机制，通过反复利用历史经验，稳定训练过程，避免重复错误。记忆系统是动态演进的，智能体通过反馈、奖励和新交互不断更新，持续优化表现。记忆不仅是AI智能体的“知识库”，更是其“成长引擎”。理解短期、长期、情景和语义记忆的区别与协作，是构建高效智能体的关键。未来，记忆与检索机制的进步，将推动AI从“会思考”向“会记忆、会学习、会进化”迈进。原文：x.com/e_opore/status/1994331859661000712

2. 阿里千问与“AI Layer”崛起：一场重塑互联网的“操作系统”生态战【硅谷101】

3. Agent Infra到底是什么？【AI基建】

4. 「Github一周热点90期」规格驱动开发、AI记忆引擎、AI agent的docker、开源流媒体平台、开源电商平台和密钥管理平台

5. 谷歌Chrome觉醒！Gemini 3全面接管，38亿用户一夜进入Agent时代

6. AI Agent正在瓦解Office生态

7. 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

8. 今天腾讯盘中大涨7个点，腾讯作为恒科老大很久没有这么扬眉吐气了。除了前期一直被压制太狠之外，感觉这个报道是催化剂。#大D聊聊天# 据The Information报道，腾讯正"秘密为其广受欢迎的微信打造一款新的人工智能智能体"，并将其视为高度优先、绝密的计划。这款AI Agent将直接连接微信生态内数百万小程序，让14亿用户通过聊天就能完成打车、买菜、支付等任务。原文称：如果运行顺利，该智能体可以代表微信14亿月活跃用户执行这些任务。感觉微信利用Agent控制小程序，微信生态里面小程序应该会比外部APP更容易配合。有趣的是，微信团队嫌自家的混元大模型尚未跻身顶尖行列，同时在测试DeepSeek、阿里、智谱等竞争对手的模型。该项目由张小龙亲自领导，计划年中灰度测试，Q3全面推出。这是腾讯要在AI Agent赛道借生态优势弯道超车字节和阿里了？

9. 手把手彻底学会 Agent Skills！【小白教程】

10. AI编程大战正式开打！ Claude vs GPT同一天放大招，不是比谁代码写得好，而是AI开始自己组队当项目经理了。#大咖观察 #红衣聊AI #编程 #ChatGPT

11. TRAE中国版白送SOLO，一人指挥一支AI大军重磅消息！SOLO终于上线TRAE中国版了，Waitlist免费开放中本期视频实测TRAE的新版本，亮点很多 1、先规划再动手的 Plan 模式 2、带专家团一起干活的 Subagent 子智能体 3、DiffView 差异视图 4、多任务并行 5、上下文智能压缩长时运行不掉链子 SOLO终于把AI从“瞎干活的外包”变成了“懂协作的队友” #AI #人工智能 #TRAE #AI编程 #vibecoding

12. 豆包大模型 1.8 发布，通用 Agent 模型成为了 AI 行业的新叙事

13. 都有这么多 Agent SDK/框架了（我应该没列全吧）一、OpenAI Agents SDKOpenAI 推出的 Agents SDK 是目前最轻量、最直接的 Agent 开发方式。它原生支持 Python 和 TypeScript，语法简洁，几行代码就能让 LLM 调用外部函数、工具或执行任务。1. 与 OpenAI 模型的无缝集成，尤其是函数调用、上下文管理等特性。2. 支持 multi-agent handoff 与任务链式调用，便于扩展复杂逻辑。3. 具备生产友好的可观测性与追踪机制。它非常适合快速原型和中小规模生产项目，是“入门写 agent” 的理想起点。二、LangChainLangChain 几乎是 LLM 应用开发的“标准库”。其 Agents 模块为 LLM 封装了链式推理、工具调用、上下文记忆等能力。1. 概念丰富——有 Chain、Tool、Memory、Agent、Retriever 等模块，适合构建复杂系统。2. 插件与生态极其庞大，几乎支持所有主流模型与数据源。3. 提供跨语言支持（Python 与 JavaScript/TypeScript）。LangChain 上手门槛略高，但生态完整，非常适合需要可扩展架构的项目。三、LangGraph用“流程图”思维管理 Agent 状态。LangGraph 是 LangChain 的“升级版本”，它将 Agent 系统抽象为状态机＋有向图，可以显式地控制 Agent 间的消息流与执行路径。1. 天然适合多 agent 协作、任务编排和状态回溯。2. 支持持久化与可视化，能直观看到系统执行流程。3. 面向生产级场景，具备清晰的错误恢复与检查点机制。如果你想做一个“多 Agent 系统”，LangGraph 几乎是最强大的开源选择。四、Google ADKGoogle 的 ADK（Agent Development Kit）主打可扩展性与安全性。它不是轻量原型工具，而是企业级 Agent 平台。1. 多语言支持，深度集成 Google 生态（Vertex AI、Gemini 等）。2. 工具调用能力极强，可直接对接云服务、API 与企业系统。3. 自带日志、监控、可观测性与治理能力。适合需要在企业内部署、具备高可靠性要求的 Agent 系统。五、SmolAgentsSmolAgents 是Hugging Face推出的一款轻量 Python 库，设计理念是“最小可行 Agent”。1. 安装简单、API 极少，几分钟即可跑通一个工具调用示例。2. 灵活支持 tool 注册与函数调用，但不追求完整框架。3. 适合快速原型、实验性项目或教育用途。如果你希望“几行代码让 LLM 动起来”，SmolAgents 是最轻便的起点。六、AutoGenAutoGen 最初由 Microsoft 研究团队推出，用于多 Agent 间的对话协作。它以“角色对话” 为核心，支持 LLM 代理之间互相交流、分工、调度任务。1. 多 agent 结构灵活，可模拟协作团队。2. 支持复杂任务分配与循环反馈。3. 对研究者和实验系统尤其友好。如果你的目标是研究 agent 交互机制或自动化工作流，AutoGen 是很好的基础。七、MetaGPT角色驱动的 Agent 系统。 MetaGPT 是一个以“AI 团队”为核心的框架，设计理念是让多个 agent 分别扮演项目经理、工程师、设计师等角色，共同产出结果。1. 多角色、结构化协作，任务拆解逻辑强。2. 擅长长链路流程（如产品需求分析→代码生成→测试）。3. 适合自动化软件工程类场景。如果你希望让 LLM 们“像一个团队一样协作”，MetaGPT 是不错的模板。八、Haystack AgentsRAG 与 Agent 的结合体。Haystack 原本是一套开源 RAG 框架，如今扩展出了 Agents 模块。它擅长将检索、知识库与 LLM 推理结合。1. 内置文档检索、索引、管道机制。2. 适合企业知识问答、文档助手类 agent。3. 与 LLM 、数据库和 vector store 的集成成熟。如果你的 agent 核心任务是“带知识的问答”，Haystack 是现成方案。九、Claude Agent SDKAnthropic 推出的开发包。它基于其先前产品 Claude Code 的 agent 引擎（agent harness）构建，目的在于为开发者提供“从模型调用 + 工具调用 +流程控制 +状态管理”这一整套能力。1. 上下文管理自动化：自带对话／会话上下文的压缩与管理机制，避免因上下文过长导致模型性能下降。 2. 丰富的工具生态：包含文件操作、代码执行、网络搜索等内置工具，并支持扩展自定义工具／插件。 3. 权限与安全机制：可以细粒度控制 agent 可使用的工具、权限模式（例如 allowedTools、disallowedTools）等。 4. 生产化准备特性：例如会话管理、错误处理、监控能力、模型优化／提示缓存机制。 5. 插件和扩展支持：通过插件机制（如自定义命令、子 agent、技能集、MCP 服务器）可创建复杂系统。#ai创造营# #程序员#

14. #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。

15. 昨天这篇文章提到了强化机制（网页链接），此强化非彼强化，正好详细了解了一下。这里的强化机制并非机器学习领域的强化学习，而是一种为大模型注入额外提示、补全上下文、修正轨迹的工程技巧。它的核心目标是让 Agent 在多步任务中保持方向稳定、决策一致。1. 解决什么问题？当 Agent 需要处理复杂的多步骤任务，模型常常出现以下问题：1）工具报错后无法正确恢复当错误信息过长或过几轮后被遗忘时，模型会继续产生无效输出。2）忘记初始目标在长上下文中，模型会偏向于处理眼前的文本，而不是任务本身。3）被工具输出的噪声误导许多系统的工具输出不够结构化，模型难以正确解析。4）循环行为模型可能重复调用相同工具，或重复生成相同解释。2. 什么是强化机制？为了让 Agent 能够顺畅执行任务，工程实践中逐渐形成了一种关键方法，即“强化机制（reinforcement）”。强化机制通常包含三类信息：1）原始工具输出2）对工具输出的解释、总结或结构化处理3）针对任务目标的提醒、下一步行动建议或错误纠正提示这种方式让模型在下一轮推理时，不仅知道发生了什么，还知道应该如何继续。3 强化机制是如何运作的？为了说明强化机制如何发挥作用，可以将 Agent 的通用循环简化为四个阶段：1）用户或系统提出任务2）模型给出行动（如调用工具或生成内容）3）工具返回结果4）系统将结果整理后重新注入模型，让模型继续强化机制作用在第四阶段，它通过人工设计“强化后的上下文”结构，让模型更理解状态，也更容易走上正确路径。一个典型的强化注入可能包含：1）工具原始输出2）提炼后的关键点3）关于失败原因的简要解释4）明确提示模型下一步应该做什么5）任务目标的提醒4 强化机制的常见形式在实际系统中，强化机制可以通过多种形式实现：1）结果总结将工具输出的关键部分提炼为简短段落，让模型更容易解析。2）错误解释遇到报错时，用自然语言告诉模型：错误原因是什么，应该如何修复。3）结构化状态把工具状态包装成 JSON 或结构化文本，让模型减少解析错误。4）目标重申在任务进行多轮之后，重新提醒模型最终目标是什么。5）自我检查（Self-Check）让模型根据当前状态生成“我下一步应该做什么”的列表，并在下一步回显给自己。6）路径规划在关键步骤加入“你已完成哪些步骤，还剩哪些步骤”的信息。这些设计本质上都是为了让模型更容易维持任务链路。5 如何设计一个高质量强化机制？如果你正在构建自己的 Agent，可以遵循以下设计原则：1）状态必须清晰不让模型自己推理上下文，而是直接告诉它关键点。2）信息必须简短强化信息越长，越容易被淹没在上下文中。3 ）错误必须显式解释模型在理解错误时的鲁棒性很差，需要手工解释。4）目标必须持续提醒尤其是超过三轮的任务，不提醒必偏航。5）工具结果必须被结构化能 JSON 就不要纯文本。通过这些工程技巧，可以显著提升 Agent 的稳定性。#微博兴趣创作计划# #人工智能#

16. Anthropic最新发布的Claude Developer Platform功能，开启了AI代理工具使用的新纪元。未来的AI代理将无缝调用数百甚至数千种工具，像IDE助手整合Git操作、文件管理、测试框架，或运维协调连接Slack、GitHub、Jira等多个系统。他们面临的最大挑战是：如何避免因预加载海量工具定义而导致的上下文爆炸？传统方式可能消耗十万以上tokens，严重影响模型性能。Anthropic提出“工具按需发现”策略——Tool Search Tool，让Claude只加载当前任务真正需要的工具，节省85%上下文空间，大幅提升准确率和响应速度。另一方面，传统自然语言调用工具方式带来的上下文污染和多次推理开销，也被Programmatic Tool Calling（编程式工具调用）彻底革新。Claude通过生成Python代码来批量调用、处理工具数据，只把最终结果放入上下文，极大节省token消耗（约降37%），降低延迟，并提高了复杂流程的执行准确度。此外，JSON Schema虽能定义参数结构，却难以表达正确用法和参数间的关联。Anthropic引入Tool Use Examples，允许开发者通过示例明确工具调用规范，显著提升复杂参数场景下的调用准确率（测试中从72%提升到90%）。这三项功能——工具搜索、编程调用、用例示范——协同解决了大规模多工具场景下的发现效率、执行效率和调用准确度问题。它们不仅适合构建跨多个服务的大型系统，也为开发者提供了灵活、高效的工具管理和调用新范式。开发者可根据应用场景分层使用，先从最大瓶颈入手： - 上下文爆炸优先用Tool Search Tool - 中间数据过多用Programmatic Tool Calling - 参数复杂易错用Tool Use Examples Anthropic的实践证明，这样的设计大幅提升了AI代理的实用性和稳定性，推动智能代理从简单调用迈向智能编排。期待更多创新应用在Claude平台上诞生。原文详见 anthopic.com/engineering/advanced-tool-use—— 这项技术展示了AI工具集成的未来方向：动态发现、代码驱动执行和示范引导，三者合力打造高效、精准、可扩展的智能代理生态。对希望打造复杂多工具AI系统的开发者来说，Anthropic的方案无疑提供了宝贵的参考和实践路径。

17. AI Agent 很火，但 Agent Infra 准备好了吗？

18. Gemini 3「开眼」像素级操控！谷歌回应DeepSeek-OCR2

19. 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

20. 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

21. AI革命不是让你去学写代码，而是让你学会指挥AI干活。 #大咖观察 #红衣聊AI #科技改变生活 #人工智能

22. 人类交互史的奇点：OpenAI发布的不是浏览器是一个“活”的互联网 #openai #Atlas #agent #AI新星计划 #科技改变生活

23. 2026年AI主线换了！这5大趋势必须看清。 #大咖观察 #红衣聊AI #趋势风口 #人工智能

24. 99%的人都搞错了AI Agent？智能体该如何帮企业赚钱？

25. 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

26. 微信可以养龙虾了？腾讯一天甩出三只虾，最后这个大招有点狠

27. 黄仁勋最新访谈：AI时代，软件没有价值了吗？很多企业在用AI上都踩了大坑#黄仁勋 #软件 #智能体 #Openclaw #龙虾

28. 最近据说谷歌在做一个未来5年的计划，目标是在未来 4 到 5 年内，将 AI 算力提升 1000 倍。这主要依靠自研的 TPU 芯片迭代以及每六个月翻倍一次的电力配套。谷歌已经明确表示 2026 年的支出将显著增加（预计年投入超过 900 亿甚至上千亿美元）。相比baba此前表示的3年3800亿，谷歌这个明显是大打出手。谷歌最近发布的《2026 AI 智能体趋势报告》谷歌正在将搜索从“提供 10 个链接”转变为“帮我搞定它”。未来的计划是让 Search 默认具备 Agent 属性。预计 Gemini 4.0 将在 2026 年底（大概率是10月份）左右发布，它的重点不再是“聊天”，而是“行动”。

29. #谷歌全新AI模型Gemini 3发布#最核心的升级是推理能力暴涨，堪比“AI界学霸”。以前问复杂问题得反复解释，现在它能秒懂深层需求，比如给它一篇晦涩的学术论文，能直接生成交互式闪卡帮你记忆；遇到数学难题、科学原理，还能一边讲思路一边出可视化图表，测试分数直接超越GPT-5 Pro，达到博士级水平。更贴心的是它不“谄媚”，不会只说你爱听的，而是客观给有用答案。多模态技能拉满，相当于“全能办事员”。它能无缝处理文字、图片、视频、音频，手写的外语食谱能破译翻译，还能整理成家庭食谱书；拍一段匹克球比赛视频，它能找出你的动作漏洞，量身定制训练计划。甚至能看懂电脑屏幕，帮你点鼠标、做表格、修图片，再也不用手动操作复杂软件。动手和规划能力超强，堪称“贴身助手”。开发者让它造网页版 macOS，它能直接生成可运行的文件，文件夹、绘图工具、视频编辑器一应俱全，按钮都能正常使用；普通用户想做小程序、剪视频，它写的代码几乎不用修改就能落地。长期规划也靠谱，让它管理虚拟店铺，能在一整年里稳定决策，还能帮你整理收件箱、规划行程，多步骤任务也不跑偏。

30. Claude Cowork把华尔街砸懵了！一天内市值蒸发超两万亿，原来不是软件不行了，是AI开始替人干活了。#大咖观察 #红衣聊AI #华尔街 #ClaudeCowork#智能体

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. 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

33. 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

34. 吉利全域AI2.0发布：一场关于“整车智能”的架构革命。在今年拉斯维加斯的CES上，吉利没有停留在功能层面的迭代，而是完成了一次智能汽车底层架构的根本性重构。全域AI 2.0的发布，有可能意味着汽车智能正式从“域控时代”迈入“整车大脑时代”。这场变革的核心，是一个名为 WAM（世界行为模型）的“整车大脑”。它并非又一个大型语言模型的简单上车，而是一个具备自我反思与进化能力的系统级认知框架。通过分层设计——上层进行宏观任务规划，下层执行精细推演与决策，并引入人类反馈进行价值对齐——WAM首次让汽车拥有了持续进化的“世界观”与“判断力”。智能汽车开始从“执行预设程序”转向“理解并适应真实世界”。在此基础之上，全域AI 2.0实现了 “智能体化”与“引擎化” 两大突破。吉利构建了“1+2+N”的多智能体协同框架，使得座舱、智驾、底盘等各域智能体能够像团队一样对话、协商与协作。同时，将感知、记忆、决策等基础能力沉淀为可被全域调用的“公共技术引擎”。这从根本上解决了以往各域智能“烟囱林立”、数据与能力割裂的问题，实现了整车智能的统一与协同。由此带来的体验革新是根本性的：Eva智能体，从语音助手进化为整车智能的 “感知-决策-执行中枢”，能够理解模糊指令、自主规划复杂任务链。千里浩瀚G-ASD，则成为全球“含模量”最高的智驾系统之一，其生成式模型范式与国宾级驾驶数据的融合，直指 “拟人化” 驾驶的终极目标，并计划在今年推送L3/L4高阶功能。可以说，吉利的这次进化，路径已经非常清晰：通过构建统一的整车认知与决策架构（WAM），打破域间壁垒（引擎化），调度智能体协同（智能体化），最终实现体验的质变（Eva & G-ASD）。这不仅是技术的升级，更是智能汽车开发范式的转变。当行业多数玩家仍在比拼硬件算力与功能清单时，吉利已经将竞争引向了 “整车智能架构” 的更高维度。2026年，或许正是移动智能体觉醒的元年。#全域AI能给汽车带来什么##吉利连续三年参展CES#

35. 华为乾崑 All in 启境，让“奔跑的AI智能体”走进日常生活，引领未来出行进入主动智能时代 #启境 #华为乾崑 #奔跑的AI智能体

36. #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

37. 聊一聊OpenClaw和之前其它AI的区别：AI聊天软件：由用户给定的有限输入，由AI运行环境能力边界限制的输出内容Manus：由用户给定的有限输入，由AI运行环境能力边界限制的输出内容，但通过使用沙箱环境，输出能力极大增强Claude Code等本地智能体工具：由用户给出需求，AI自己在本地运行环境中取得需要的输入，通过使用本地运行环境，输出能力极大增强OpenClaw：AI使用本地环境无限制地取得输入且自主增强输出能力，用户给出需求不再是AI执行任务的主要触发源

38. 鸿蒙6上人民日报了！重点句：今年，华为正式发布两款全新的鸿蒙电脑，我国自此拥有了从内核层就自主可控的电脑操作系统。以下是全文：10月22日，华为正式发布新一代鸿蒙操作系统鸿蒙6，并面向首批90多款机型开启规模公测。据悉，鸿蒙与生态伙伴共同迈向“深度共建、联合创新”新阶段，多款应用在鸿蒙6首发新功能、打造独有体验，从可用迈向好用。同时，伴随多款鸿蒙应用智能体全面上线，鸿蒙生态体验也全面向AI演进。鸿蒙操作系统是由华为开发的全场景智能操作系统。系统于2015年立项，目前已成长为全球三大移动操作系统之一。2019年，华为公司正式对外发布鸿蒙操作系统，2021年该系统正式搭载到智能手机上。今年，华为正式发布两款全新的鸿蒙电脑，我国自此拥有了从内核层就自主可控的电脑操作系统。鸿蒙5于2024年10月正式发布，摆脱了对开源代码的依赖，实现了系统底层到应用层的完全自主可控。鸿蒙5以全场景互联、AI深度融合和分布式技术为核心。目前，搭载鸿蒙5的终端设备数量已突破2300万台。鸿蒙生态已成为我国在软件和移动生态领域持续创新的重要阵地。据了解，此次发布的鸿蒙6在架构、系统特性等方面不断优化、大步创新，使基础体验更完善、生态应用和体验更丰富、主动安全防护水平提升，进一步释放鸿蒙操作系统的潜能。首批上线的80多个鸿蒙应用智能体范围涵盖教育医疗、娱乐互动、生活服务等，能够帮助用户制定旅行计划、值机选座、点外卖等。搭载的“超级助理”掌握16种方言，还支持一句话修图、帮助视障用户等功能。同时基于华为开发的用于鸿蒙操作系统的底层优化技术套件，鸿蒙6让多品类设备在性能、续航能力等方面进一步提升，带来更流畅的操作体验。鸿蒙6还实现了“秒启秒开秒加载”，应用启动速度、页面切换速度、内容加载速度显著提升。同时，分屏体验、视频拍摄、长时间游戏、高清直播等高频场景的性能体验，也将大幅提升。

39. AI Agent 的工作原理和架构是什么？

40. 谷歌这波赛博菩萨，新增Claude Opus 4.5免费用，Gemini 3 Pro 也免费，白嫖必须冲！

41. 如何评价谷歌正式发布的 Gemini 3？哪些信息值得关注？

42. 什么是 AI 智能体？

43. Pydantic Monty：为 AI Agent 重写 Python解释器

44. Q：Flag2完成了吗？澎湃OS再上台阶，基础体验更好，发版要更快？A：小米澎湃OS 3发布后，交互表现基本上大家很认同，系统交互口碑很好，AI Agent大方向是对的，目前堆叠后台/相册编辑等呼声也很高，今年也还是完成了Flag2，同时为系统团队点赞。

45. 是的，小程序授权都是现成的。[允悲] 猜猜会有大厂下架小程序么。//@刘彬://@金山:这款AI Agent将直接连接微信生态内数百万小程序，让14亿用户通过聊天就能完成打车、买菜、支付等任务。原文称：如果运行顺利，该智能体可以代表微信14亿月活跃用户执行这些任务。感觉微信利用Agent控制小程序，微信生态里面小程序应该会比外部APP更容易配合。

46. 盘点一周AI大事(11月16日)｜AI自己玩原神 OpenAI上线GPT-5.1，高情商人格回归，智商小幅提升，指令遵循独一档领先 Gemini 3.0 Pro下周发布，目前能在画布（移动端）中抢先体验 Gemini语音模型升级，能控制语速和语气，适合当口语教练 NotebookLM上线深度研究，支持上传图片和PDF，开放自定义视频解说风格微软开源数据分析智能体Data Formulator 李飞飞的世界模型Marble正式上线 Google发布最强通用智能体SIMA2 字节推出最强游戏智能体Lumine Epidemic推出AI配音工具 StepFun开源最强音频编辑模型Step Audio EditX ElevenLabs发布最强音频转文字模型 32岁的小姐姐与ChatGPT男友结婚 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

47. 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

48. 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

49. 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

50. 全网都在为AI焦虑，京东却在开Party？ #Agent #科技改变生活 #京东 #人工智能

51. 全球首家无人公司来了！一整个AI团队替人上班，不吃饭不摸鱼，普通人的数字员工时代真的来了吗？#大咖观察 #红衣聊AI #智能体 #AI时代

52. 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

53. 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

54. 亚马逊云科技 Agentic AI 副总裁 Swami Sivasubramanian 发表题为《Agentic AI 的未来已来》的主题演讲，系统阐述构建生产级 AI Agent 的核心技术路径，并围绕易于构建（Easy to Build）、高效（Efficiency）、可信（Trust）、可靠（Reliability）等四大支柱发布一系列新能力。全面的能力升级，标志着 Agentic AI 正从技术原型迈向可规模化落地的工程现实。Agent正在成为人在数字与物理世界中的可靠延伸。#亚马逊云科技# #reInvent2025# #AgenticAI#

55. 腾讯QClaw内测10亿用户的AI入口来了科技圈刷屏腾讯开始内测QClaw，简单说就是把OpenClaw塞进了微信和QQ，让普通人也能零门槛用上AI Agent核心就几点：一键部署不用敲代码，微信QQ直接对话控制电脑，支持Kimi、DeepSeek、MiniMax，数据本地存储为什么重要？微信加QQ日活超10亿，AI塞进国民级应用，这才是真正的触手可及。现在市场格局也清晰了，飞书插件主打企业办公，QClaw走个人社交，一个占工作，一个占生活核心趋势是从Chat到Do，入口价值大于技术参数。QClaw一旦上线，用户基数会快速爆发，AI Agent商业化也会加速#qclaw#

56. #华为首款鸿蒙6折叠屏来了#用了几代华为折叠屏了，今天看Mate X7发布会，真心感觉这次不是小升级，而是从系统底层到交互逻辑的全面进化。鸿蒙6这次真正把“智能体协作”带到了日常。小艺首次支持A2A协议，能跨应用调用多个智能体协同工作。大屏基础上-分屏也不再只是“分两个窗口”，而是左右屏数据可以实时穿越。左边看小红书攻略，右边直接让小艺生成导航路线；左边微信聊天，右边视频进度不中断。配合鸿蒙6的动态调度机制，流畅度明显提升，这才是折叠大屏该有的效率形态。还有几个细节很打动我：远程防诈提醒、AI防窥2.0自动隐藏内容、甚至能和iOS设备无损互传。华为在隐私和生态互联上，确实越做越细。作为老用户，能明显感觉到Mate X7不是在堆功能，而是在构建一套“多智能体协同+跨场景无缝流转”的下一代交互体系。这一次，折叠大屏的体验天花板，又被捅高了一截。#华为MateX7的大屏玩出花了#

57. #荣耀MagicOS10# 真的有点意思，这次荣耀CEO李健直接把它定义成“自进化的AI智能体操作系统”。从工具到智慧中枢，能听懂你、能判断、还能主动帮你做事。五维进化不光是升级界面那么简单，而是把AI真塞进了系统灵魂里。未来可能不是你用手机，而是手机越来越懂你

58. 独家｜Flowith 完成千万美元种子轮融资，打造 Agentic AI 时代的首个“行动派”操作系统

59. 荣耀李健提出了自进化AI智能体操作系统MagicOS 10的五维进化路径。#HGDC2025#从大模型升级到多模态交互，把系统从“被动工具”变成了主动服务的“智慧中枢”。手机不光能听懂指令，还能预判需求，YOYO智能体简直是全能帮手，跨设备互联还能连iOS和鸿蒙，传文件、办公都超顺深圳·坪山燕子湖国际会展中心

60. 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。

61. 在荣耀开发者大会的 MagicOS 10 主题演讲中，CEO 李健系统阐述了自进化 AI 智能体操作系统的核心逻辑。该系统通过用户共创、产业共生、生态共荣三大驱动构建持续进化的智能生态体系。荣耀 CEO 李健表示，MagicOS 技术创新与三大驱动同频共振，形成了自进化的飞轮效应。#荣耀Magic8#

62. 【那些让你惊叹的AI Agent，99%都是假的】最近Google放出了一份64页的内部技术手册，直接戳破了AI Agent领域最大的泡沫。当整个科技圈都在吹捧“自主AI员工”的时候，真相是：你上周看到的那个创业公司演示的Agent，本质上就是几个API调用加上漂亮的提示词。这根本不是Agent，只是昂贵的ChatGPT外壳。Google提出了一个新概念叫“AgentOps”，类似于机器学习领域的MLOps，但专门针对Agent。包括评估框架、监控面板、CI/CD流水线、基础设施配置。和“拼几个提示词就上线”完全是两个世界。真正的Agent需要通过四层评估检验：第一层是组件检查，看它是否每次都能调用正确的API。第二层是逻辑检查，看你能否追溯它的推理过程。第三层是质量检查，看输出结果是否真的有效。第四层是安全检查，看它能否被越狱攻击。现实是，大多数Agent连第一层都过不了。安全问题更值得警惕。当你给Agent数据库访问权限时，你实际上是把整个公司的钥匙交给了它。提示词注入、数据泄露、静默失败，这些风险被大多数团队当作事后才考虑的问题。演示和生产环境的差距是巨大的。演示在沙盒里运行，输入完美可控。生产环境面对的是边缘情况、愤怒的用户、凌晨三点宕机的系统。那个在圈内传开的47000美元失控循环事故就是血淋淋的教训。Token爆炸、静默递归、零监控，这就是没有监控就部署的代价。演示优化的是惊艳效果，生产优化的是可靠性。这两者之间隔着一条鸿沟。Google押注的是基础设施，而不是噱头。当创业公司还在烧钱做Agent玩具的时候，Google正在铺设所有人最终都需要的轨道。如果你在构建Agent时没有评估框架、没有监控、没有可靠性设计模式，那你构建的就不是Agent。Agent经济不会真正到来，直到我们停止把这件事当作提示词工程来对待。最先想明白这一点的公司，将主导下一个十年。x.com/rryssf_/status/2015742275607998481

63. 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#

64. 如何构建一个 AI 智能体构建 AI 智能体的核心，是打造一个能够感知、推理、行动并从环境中学习的智能系统。整个过程遵循一个有机的结构化流程，如下所示：1. 明确目标与环境首先要确定智能体的目标，以及它将运行的环境。示例：一个个人 AI 助手的目标可能是管理用户的日程，而它的运行环境则包括用户输入、日历系统和外部 API。2. 智能体核心（AI Agent Core）AI 智能体的核心由三个关键模块组成，这三部分共同驱动智能体的理解与决策能力。a. 感知模块（Perception Module）收集并解释来自各种传感器的数据，如摄像头、麦克风或 API 输入。将原始感知数据转化为可理解的有意义信息，例如文字识别、声音检测或物体识别。b. 认知与推理模块（Cognition & Reasoning Module）这是智能体的大脑所在，负责逻辑推理、模型分析和基于目标的决策。通过算法和 AI 模型分析环境状况，规划行动路径，并根据数据和目标做出判断。c. 行动模块（Action Module）执行已选定的行动，可通过机械臂、软件命令或 API 调用等方式实现。将决策转化为对现实世界或数字环境的具体操作。3. 传感器与执行器传感器用于从环境中采集数据（视觉、听觉或上下文信息）。执行器根据智能体的决策执行任务或响应。二者形成一个持续的“感知—行动”循环，使智能体能动态地与环境交互。4. 环境交互（观察 + 行动）智能体通过观察行动结果并从环境中收集反馈，来评估自身表现。这种反馈帮助智能体调整策略，优化未来的行动。5. 记忆与学习记忆与学习模块用于存储经验并不断优化模型。它维护一个可随观察与反馈而更新的知识库，使智能体能够具备自适应学习能力。随着时间推移，智能体会变得更聪明、更准确、更高效。6. 反馈与改进循环最后阶段是持续改进环节。智能体评估自身表现，更新内部模型，并优化决策机制以取得最佳结果。这种“感知—学习—改进”的循环构成了自我进化型 AI 系统的基础。★ 总结明确目标 → 感知 → 理解 → 推理 → 行动 → 学习 → 改进 → 重复这个循环使 AI 智能体能够从最初的简单自动化，不断成长为具有自主智能的系统。#人工智能##程序员#

65. Claude Code subagent vs.Agent Teams vs. worktreeClaude Code支持多Agent协作，但里面的sugagent、Agent Teams、git worktree 概念容易混淆，好像都能并行协作开发。大多数开发者的错误做法是：把所有多Agent任务都用Agent Teams，或者把简单的工作也劲头十足地搞worktree，结果代码复杂度爆炸。1. Claude Code官方文档现在把它分成三个清晰的层级：层级1：Subagent（会话内辅助）适用场景：在当前编码会话内部创建临时任务特点：轻量级、快速、无需通信开销例子：「帮我写单元测试」「重构这个函数」「生成API文档」本质：一个主Agent指挥多个临时小助手，完成当前任务成本：低，通信延迟小层级2：Agent Teams（需要Agent间通信的并行任务）适用场景：多个Agent需要真正协作、信息交互特点：Agent有各自的记忆、上下文、角色定位例子：前端Agent + 后端Agent + DevOps Agent 协同开发一个微服务架构本质：真正的「团队」，每个Agent有独立决策权成本：高，需要复杂的通信协议和状态管理层级3：Git Worktree（轻量并行选项）适用场景：传统多分支开发，手动协调特点：完全依靠Git，不需要Agent间通信例子：同时开发feature1和feature2，用两个worktree分离代码树本质：操作系统级别的并行，Agent各自独立运行成本：中等，但需要手动协调merge2. 实战建议：1）刚开始用Claude Code？用Subagent。让一个主Agent指挥，足够了。2）小团队开发微服务？用Agent Teams，但不要超过3个Agent（通信成本会爆炸）。3）大型项目长期并行？用Worktree，保持简单，让人类开发者协调。大多数人的错误是高估了自己的需求，直接跳到Agent Teams。结果是Agent间通信变成性能瓶颈，不如一个聪明的Subagent快。3. 背后的工程思想这个三层设计反映了一个深层原则：越高级的能力，越要谨慎使用。Subagent看似简单（一个主Agent内部）但足以解决90%的任务。Agent Teams强大但需要精细的通信协议。Worktree原始但极其稳定。官方的建议其实是在说：从最简单的方案开始，只在确实需要的时候才升级。这叫做「渐进式能力提升」。很多开发者喜欢一上来就用最强的功能，结果代码难以维护、Agent间延迟高、调试成本爆表。明确边界后，选择变得简单了。官方文档：code.claude.com/docs/en/agent-teams#HOW I AI# #程序员#

66. #谷歌最强大AI模型来了#美东时间11月18日，谷歌正式推出迄今最强大AI模型Gemini 3，发布首日便同步上线谷歌搜索、Gemini App及多个开发者平台，创下新模型当日整合进搜索产品的纪录。该模型以1501分的历史最高分登顶LMArena排行榜，尽显硬核实力。Gemini 3堪称“全能型选手”，拥有百万级token超长上下文窗口，多模态理解能力全球领先，MMMU-Pro测试得分81%，Video-MMMU测试达87.6%。其推理能力实现巨大飞跃，GPQA Diamond测试准确率91.9%，Deep Think增强推理模式更将这一数据提升至93.8%。作为最佳vibe coding和智能体编码模型，它在LiveCodeBench Pro测试中远超竞品，逼近专业程序员水平。同时，其Agent能力颠覆传统工具属性，能自主规划复杂任务，谷歌称其为最安全模型，全面重构AI应用新生态。#科技先锋官# #秒懂热点就用智搜# 谷歌最强大ai模型来了川北小哥的微博视频

67. 【#王腾称超级期待小米手机龙虾##王腾谈小米手机龙虾#】3月6日消息，@小米技术今天宣布，移动端Agent产品Xiaomi miclaw开启小规模测试，支持小米17系列的五款机型率先体验。Xiaomi miclaw是基于@小米公司 MiMo大模型构建的AI交互测试产品，是国内首个手机端类OpenClaw（昵称“龙虾”）Agent应用。原REDMI总经理，今日宜休创始人@王腾Thomas 转发该消息称：“超级期待！前几天刚云端养了只龙虾，大家有养吗？有啥使用经验教教我。”

68. 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

69. AI智能体离掌管全球经济决策又近了一步！ #大咖观察 #红衣聊AI #金融 #科技 #财经

70. 如果你现在还没用Agent帮自己干活，那其实很危险

71. 荣耀Magic8系列发布，全系搭载第五代骁龙8至尊版平台及全新MagicOS 10操作系统，能够自进化的 AI 智能体操作系统，还有2亿像素超夜神长焦及全新人像引擎，新增“灵感帮拍”、“AI追色”、“AI修图”等创新玩法，标准版4499起，Pro版5699起，怎么样？

72. #荣耀发布会# YOYO这次真的进化成“能干活的AI”了！荣耀魔法大模型升级到3.0，多模态理解、任务规划、工具调用全拉满，还能端侧跑大模型！MagicVL和MagicGUI双核加持，一个负责看懂世界，一个负责动手干活，据说在多步操作上比GPT-4o还强。荣耀这是要把AI装进口袋里，让手机变成最聪明的搭子。#MagicOS10#

73. ALL IN AI 深圳正重写城市“操作系统”

74. 发现一个调试LLM系统提示词的妙招，很简单但是很有用，不管你把LLM设计成工具调用还是结构化输出的Agent，当它输出不符合预期的时候，直接基于当前的历史记录问它：你为什么要这么做？它对于自己错误给出的分析是最准确的。

75. 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

76. 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#

77. Claude Code官方内置Worktree支持：一个参数替代5步手动操作

78. 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。

79. 如果我总结 2025 AI 的最重大的趋势，那么就是 Cursor 和 MCP 。他们指出了 AI 价值的最核心的东西：AI 不是陪 SB 们聊天的，这个创造不了多少价值。AI 是取代 SB 们开发项目或者运用工具的，这样可以带来效能的提升，真正跃升生产力。（所谓 Agent，tool use，computer use 这些烂七八糟的概念其实就是这个意思）在云端服务器的玻璃房子中的 LLM 价值极为有限。而“手”能深入到本地代码库、直接调用本地功能的 LLM，价值才以百亿美金起步。其实，这不就是 CNN 网络在自动驾驶上的故事吗？

80. 科研工作中，整合多领域工具进行复杂分析常常繁琐耗时。Claude Scientific Skills 提供一套开箱即用的科学技能集合，支持生物信息学、化学信息学、临床研究、材料科学等多学科，助力将 Claude AI 转变成科研助理，完成多步骤科学计算和数据处理。涵盖内容包括：- 直接调用26+科学数据库（PubMed、UniProt、ChEMBL等）- 52+主流科研Python包（RDKit、Scanpy、PyTorch Lightning等）- 15+科研平台集成（Benchling、DNAnexus）- 20+数据分析与文献写作工具支持快速搭建从基因组学分析、药物筛选到临床变异解读、系统生物学网络构建的复杂科研流程。文档完善，提供丰富示例与最佳实践，支持多平台部署，适合科研人员和机构提升研究效率。项目地址：github.com/K-Dense-AI/claude-scientific-skills主要特点：- 一键安装，自动调用相关技能，无需繁琐配置- 跨学科全覆盖，助力多模态多步骤科研任务- 持续更新，社区活跃，支持企业级使用将Claude变成你的“AI科学家”，加速科研创新，解放双手！

81. 现在手机AI技术发展的越来越快，功能也是越来越多。而荣耀在AI方面也是很早就开始布局，这次#荣耀Magic8#将搭载最新的MagicOS 10系统，同时也是可以实现自进化的智能体操作系统。能根据我们使用手机的习惯来实现进化，确实厉害#荣耀发布会#

82. 不是这还是我认识的阿里巴巴吗对这就是他阿里进军机器人领域，千问内部组团，通义千问技术负责人带队#阿里 #通义千问 #机器人 #科技 #人工智能

83. 龙哥终于真的要出手了？The Information报道，腾讯正在秘密为其广受欢迎的微信开发一款全新的AI Agent产品，希望借此超越阿里巴巴和字节跳动等竞争对手，在中国AI市场占据主导地位。该项目有望大幅拓展AI Agent在中国的渗透范围，因为微信在中国已渗透到人们日常生活的方方面面。根据深喉透露，这款新产品将与微信内数百万个小程序连接，这些小程序提供从打车到订购杂货等众多服务。如果成功，该产品可以代替微信的14亿月活跃用户执行使用小程序的指令。腾讯内部将这个项目定为高度优先、绝对保密，早在去年上半年就开始筹备，正式上线后的产品将能够出现在聊天对话里，与用户直接互动。腾讯的举动显示了AI新品对于科技巨头的重要性。从硅谷到中国，各家大厂都在竞相推出能够自主完成各种任务的Agent产品，这些任务涵盖了从编程到商业的各个领域，服务对象包括员工和消费者。对于在AI领域进展缓慢的腾讯而言，落后的代价实在不可承受。相比之下，阿里巴巴和字节跳动在过去几个月里已采取措施，将聊天机器人转型为能够为用户处理日常事务的全能型助手，它们也都在上个月发布了新一代模型，适合处理复杂的多步骤任务。但深喉提供的信息表示，腾讯的顾虑依然在于，如果因技术不成熟而扰乱了微信的用户体验，这是无法接受的风险。腾讯有着自己的聊天机器人元宝，截止到2月，它的月活跃用户数为1.09亿，远逊于字节跳动的豆包（3.15亿）和阿里巴巴的千问（2.02亿），虽然它也能在微信里使用，但能力依然只停留在输出信息的程度。微信的保守与其早期形成了鲜明对比，它在2011年推出的长按发送语音消息，启发了WhatsApp抄袭，2017年，微信率先推出小程序，快速流畅的交互体验使其成为应用商店的最大竞争者，甚至对苹果都产生了危险，最终帮助微信成长为一款超级App，远超即时通讯的边界，引起了微软、Snapchat、Google的学习和模仿。腾讯去年雇佣了OpenAI的研究员姚顺宇，并授权他领导混元大模型的开发，给足了预算和自主权，让他可以从字节跳动等对手那里挖人。不过，因为混元团队还在重组中，微信的这个AI Agent项目也没有选择搭载混元大模型，因为模型水平仍未达到第一梯队，被采用的模型包括微信团队自己训练的小尺寸模型，以及智谱、阿里、DeepSeek等开源模型，但如果使用其他公司的模型，就意味着需要花费更多时间来整合储存在微信里的数据。由张小龙领导的微信团队一直在进行自有模型的研究，微信技术总监周颢负责管理微信内部的AI团队，直接向张小龙汇报。据一位参与项目开发的人士透露，腾讯计划在年中开启灰度测试，先让少量微信用户用上新的AI功能，并在第三季度全量上线，不过这个计划并不稳，因为微信不会冒险在功能完全成熟可用前就急于发布，日程随时可能变动。

84. 美的发布了自进化家居智能体MevoX，智能家居要迎来全新的阶段了。MevoX具备感知、推理、执行、记忆、优化、链接六大核心能力，重点是拥有了推理和认知能力。#美的首发自进化家居智能体#这意味着，智能家居不再仅仅是“听懂人话的遥控器”，而是能够基于环境变化和用户习惯自主决策的“家庭智能体”。比如它可以记住你睡觉的温度、风量、以及室内的亮度，并且主动执行。从“被动响应”迈入“主动服务”，让我忘掉“操作”这件事，这才是真正的智能。

85. AI同源——无论是机器人还是汽车，都在进化成“智能体” 春晚机器人和魏牌V9X，看似形态不同，但AI内核同源——都在从“执行工具”进化成能感知、会决策、可进化的智能体。机器人走出舞台，汽车驶向未来，殊途同归的是：中国智造正在让万物服务用户。

86. Vercel推Agent Browser：让AI自己控制浏览器，比Playwright省93%上下文

87. 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

88. themodernsoftware.dev/斯坦福大学的公开课CS146S: The Modern Software Developer 这是一门教导学生如何利用最前沿的 AI 工具来将生产力提升 10 倍的课程。不仅教授理论，更强调掌握实际的 AI 辅助开发、自动化测试、智能文档编写和安全漏洞检测等技能。课程涵盖了从基础的 Prompt 工程到复杂的 AI Agent 开发的全流程：第 1 周：LLM 编程入门 - 学习如何高效编写提示词（Prompt Engineering），理解 LLM 原理。第 2 周：代码智能体 (Coding Agents) 解构 - 学习 Agent 架构、工具调用以及 MCP (Model Context Protocol)。第 3-4 周：AI 集成开发环境 (AI IDE) 与模式 - 学习上下文管理、与 Claude Code 等工具的协作模式。第 5 周：现代终端 (Modern Terminal) - 如使用 Warp 等工具进行终端自动化。第 6-7 周：测试、安全与维护 - 利用 AI 进行代码审查 (Code Review)、漏洞检测 (SAST/DAST) 以及自动化测试。第 8 周：自动化 UI 构建 - 使用 AI 快速构建前端和原型。第 9-10 周：部署后运维与未来展望 - 涉及 AI 在 SRE中的应用以及软件开发的未来趋势。#科技先锋官#

89. Gemini模型：对系统提示词理解能力差，调用工具塞的数据太多会坏掉胡言乱语输出乱码。Claude模型：对系统提示词理解能力强，但只要有工具就会优先调用工具试试不管你系统提示词怎么写的，如果调用工具的同时不要求结构化输出，还会把自己的推理直接漏出来。OpenAI模型：没有以上问题。

90. 【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！

91. //@金山:这款AI Agent将直接连接微信生态内数百万小程序，让14亿用户通过聊天就能完成打车、买菜、支付等任务。原文称：如果运行顺利，该智能体可以代表微信14亿月活跃用户执行这些任务。感觉微信利用Agent控制小程序，微信生态里面小程序应该会比外部APP更容易配合。

92. 【腾讯火速上线5只“龙虾” 全家桶里最后一只“龙虾”已在内测支持微信直接对话】财联社3月9日讯，开源AI助手OpenClaw引发的“AI龙虾热”仍在持续，财联社记者最新从腾讯方面获悉，目前腾讯的“AI养虾”全家桶已经有五只“龙虾”，分别是腾讯版“龙虾”WorkBuddy、接入企微的OpenClaw、QQ接入的OpenClaw、腾讯云轻量云部署的OpenClaw，以及正在内测的QClaw。有业内人士向财联社记者表示，从云端首先支持OpenClaw部署到推出了自己的OpenClaw，这波“AI龙虾热”中腾讯反应迅速，将有助于加速推动AI普惠。早在1月底，腾讯云就率先宣布支持OpenClaw云端极简部署。腾讯云轻量应用服务器Lighthouse上线OpenClaw应用模板，预置了OpenClaw应用和运行所需的环境，主打一键即可自动完成安装部署。3月6日，近千名爱好者在深圳腾讯大厦门口排长队，等待腾讯云工程师协助完成OpenClaw云端免费安装。当日上午11点，数百个预约号码全部发放完毕。（记者付静）

93. 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

94. 盘点鸿蒙6系统隐藏黑科技！谁更实用安全？

95. 当你还觉得AI只是“辅助工具”时，它早已在改写很多行业的游戏规则了。#大咖观察 #红衣聊AI #AI工具 #智能体

96. 盘点一周AI大事(10月12日)｜GPT进化AI操作系统 OpenAI发布ChatGPT应用平台 OpenAI推出智能体编排工具AgentKit Sora 2正式开放API，可以生成15秒无水印的高清视频 OpenAI与AMD牵手成功 Google发布最强行动智能体模型Gemini 2.5 Computer Use Google即将发布Veo 3.1，正面硬刚Sora 2 科学家研发出首个自适应AI教师 Hinton称AI已经有了意识，只是它自己不知道 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

97. “药厂”开智慧新局，见未来生活！Magic8系列正式开启自进化AI原生手机时代！在#荣耀Magic8# 系列上，荣耀以自进化的硬件、自进化的操作系统以及自进化的生态，共同造就了Magic8系列从量变到质变、从渐进到跃迁的自进化能力。这个系列搭载全新MagicOS 10，一款能够自进化的 AI 智能体操作系统。它将全新AI智能体YOYO定义为“超有 AI 的好搭子”，能够通过学习用户的使用习惯，在真实场景中实现不断成长。基于购物、美食与出游三大场景，YOYO智能体展现了强大的自进化能力。

98. #中国工程院院士点赞的AI长啥样#？？新华网将镜头对准荣耀AI智能体YOYO，给出了答案。2025“智能体元年”已至，AI正从“感知、认知”走向“行动”。荣耀MagicOS 10的YOYO，正是能从理解到执行的跨越者。#中国超算之父称中国智能体领先世界#

99. 美团CEO ：别叫我兴哥，减少登味/多家大厂回应苹果税降低/京东推出养龙虾送真龙虾活动

100. 如何看待谷歌宣布将结合Gemini和安卓手机系统，于明年推出一款「安卓电脑操作系统」？

101. 属于Agent的文件协议来了！Selfware让Agent之间无缝传递上下文

102. Agent 原生通讯协议：从传递代码，到传递认知

103. LangChain有个视频，专门介绍Deep Agents，以及如何基于LangChain 1.0实现。Deep Agents可以处理长时间运行的多步骤任务（Claude Code就是一种Deep Agent），可以更好地处理上下文信息。视频：youtu.be/AZ6257Ya_70?si=lUbmP6fkWn55cyqq#ai创造营##程序员#

104. 为何顶尖AI公司都盯上游戏？【硅谷101】

105. 谷歌Gemini 3 Flash 掀桌子进场，快了3倍还反超Pro，价格仅1/4

106. 当AI从工具进化为队友，个人超级智能体硬件来了

107. 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

108. 『#澎湃OS更新了啥# 』第六期，来了！小米澎湃OS 3 正式版于近期开始陆续推送，从Beta到正式版的这一个月里，澎湃OS都有哪些值得关注的更新点？一个视频带你看懂！#微博超有用视频大赛##小米澎湃OS3# 67891abc等人的共创视频专栏 · 澎湃OS更新了啥

109. 如何评价grok 4.20最新的4 agent模式?

110. 【IGN】微软正在重新定义Xbox的意义

111. HarmonyOS 5.0 6.0的安全机制主要是： 1️⃣应用加密与分发机制提供了端到端的应用加密方案。也就是开发者上传应用到官方市场（AppGallery Connect）后，市场会对应用进行加密，安装到用户设备上的应用包是加密状态。运行时，系统内核会按需解密执行，且解密后的明文仅存在于内存中，这增加了逆向分析和篡改的难度。 2️⃣安全沙箱与权限管理系统以应用沙箱的方式运行应用程序，每个应用被隔离在独立的环境中，并配备了严格的权限管理机制，就是大嘴说的“星盾安全架构”。从内核、架构到机制进行了垂直整合，并取消了9类不合理权限。 3️⃣代码混淆与加固鸿蒙默认开启代码混淆功能，并对API调用有规范性验证。华为也支持开发者使用第三方加固服务来进一步提升防护能力。

112. 盘点一周AI大事(11月30日)｜AI自己剪片子奥特曼预告下一代大模型Shallotpeat Anthropic发布最强编码模型Claude Opus 4.5 DeepSeek发布最强开源推理模型DeepSeek-Math-V2 微软开源最强行动智能体Fara-7B Black Forest推出最强开源图像模型Flux.2 阿里发布开源版小香蕉平替Z-Image 腾讯发布开源版Veo 3平替Tencent Harmony 字节开源AI剪辑大模型Vidi2 腾讯开源最强OCR模型HunyuanOCR 1B 科学家研发出最强数据分析智能体Edison Analysis RAI研发棒球陪练机器人港科大训练出首个会打篮球的机器人工程师开源家用机器人Aloha mini #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

113. 宇树科技IPO迎关键进展！利好落地后，机器人板块或迎转机？宇树科技IPO辅导正式完成，这一关键利好落地，意味着公司距离股票上市交易又近了一大步。此前市场普遍预期，宇树科技将在10月至12月期间提交IPO申请，如今辅导顺利通过，按照常规节奏，预计1-2周内便有望推进后续IPO申报流程。当前机器人板块正处于来回震荡的态势，此次宇树科技IPO的重要进展，能否成为板块的“强心剂”，带动相关个股走出震荡行情、迎来一波上涨，值得投资者重点关注。

114. 别再死磕OpenClaw！新一代AI Agent操作系统，性能直接翻倍

115. 为什么 Agent 是 AI 时代的操作系统？

116. OpenFang 智能体操作系统

117. 操作系统的终结？AI Agents如何无声重塑数字世界

118. AI 操作系统可能已经诞生——为什么 Agent 调度才是终局?

119. AI 下一代操作系统 (附 AgentKit 实战思路)

120. 从 Claude Code 到 Agent SDK

121. Agno/AgentOS

122. AgentOS

123. AgentOS 谁能成为行业底座？

124. 怎么理解AgentOS？

125. 智能代理式数据编织Agentic Data Fabric 是 Agent OS 底座

126. Flowith OS 和 Agent OS 市场格局

127. AiAgent最新进展

128. 智能体来了

129. 2026

130. 谷歌发布2026年AI智能体五大趋势

131. AI智能体（Agent）

132. 2026 AI Agent开发速成

133. 2026年2月科技热点深度解析

134. 人工智能和 AI Agent（智能体）的信息汇总

135. AI Agent

136. AI Agent现翻倍式增长，RaaS模式成行业发展核心动力

137. 沃丰科技

138. AI龙虾是什么？一篇看懂Agent时代

139. 上海300人抢“小龙虾”，深圳千人排队腾讯“龙虾站”

140. 全面拥抱Agent，腾讯正在悄启一轮赛马级“养虾”

141. 李振、华夏正略智库｜2026 年 AI Agent 发展全景报告

142. "千人龙虾大会"背后

143. 2026 年，AI Agent 真正突破了什么？不是“更聪明”，而是“能交付”

144. OpenAI等如何推AI成电脑工人

145. AI Agent 2026-2029

146. 2026

147. 谷歌Google重磅报告

148. 2026年,你的第一个AI同事已经到岗

149. AI智能体彻底爆发！2026年成"AI Agent元年"，万亿市场正在爆发

150. OpenAI推出Frontier Alliance

151. OpenAI 推出 Frontier

152. 你的AI同事真的要来了！刚刚，OpenAI推出全新平台Frontier

153. 如何理解智能体的运行逻辑是“感知-决策-行动-反馈”闭环流程？

154. 智能体开发从入门到放弃

155. IDC

156. 从反应到进化

157. 智能体设计全景

158. 10. 自主智能体架构

159. 工具调用AI智能体如何与现实世界交互

160. LLM工具调用

161. 调用LLM为什么不能像requests一样简单？

162. 为什么各种大公司小公司还要开发AI Agent？

163. AI Agent vs. Chatbot

164. 智能体（Agent）到底是个啥东西？

165. 用大白话告诉你什么是AI Agent

166. 收藏｜从“空谈家”到“实干家”

167. AI智能体（Agent）、Cloud Skills与Clawbot在火什么？

168. AI Agent的工作原理

169. AI Agent 架构深度解析

170. AI产品经理面试必看

171. AI Agent（AI智能体）系统已来！它不是“下一个App”，而是“下一个你”

172. 从Chatbot到Agent

173. AI Agent

174. 告别 Chatbot

175. 深度丨重磅！微信绝密 AI Agent 项目曝光，全线打通数百万小程序，自带14亿月活的 Agent 产品即将上线

176. 微信把超级Agent之战一把拉进了自己的舒适圈

177. 开发Agent，微信AI大转身

178. 从一个公众号智能体说起

179. 豆包踢开Agent大门，但微信说不定先进门

180. AI Agent“三国杀”

181. 企业级Agent怎么搭建，腾讯云给出了标准答案

182. 腾讯ima的Agent，离合格牛马还有一步之遥

183. 微软Copilot市场遇冷，纳德拉转向Anthropic求援

184. 微软官方资讯 | 全新 Copilot Actions 登陆 Windows Insider！

185. Windows | 全新 Copilot Actions 登场

186. 微软宣布推出CopilotActions

187. 谷歌放大招！AI Agent 在 Gemini in Chrome 助你自动化网页任务

188. 利用AI Agent实现精准的数据分析

189. 智能体时代:Agent开发的三重境界

190. Docs

191. 2024年度AI十大趋势报告发布,从这三个维度揭晓

192. agent开发公司市场占有率提升策略实践

193. AI Agent“虚火”过旺,或沦为“假Agent”?

194. AI Agent概念火爆,但今年不可能实现

195. 智慧灯塔,照亮企业AI Agent实施明路

196. AI Agent

197. AI Agent概念火爆,但今年不可能实现

198. Gartner: 警惕 “Agent Washing”

199. 李想

200. 超6万GitHub项目实测

201. AI Agent 对比其它人类与 AI 协同模式的有什么区别 ?

202. 人人能做开发者,2025年最佳AI Agent构建器榜单

203. 从排队取号到龙虾特攻队，腾讯的agent落地打了一个闪电战 | 前沿在线

204. 【人工智能】Windows 正在成为AI Agent的操作系统

205. 深度观察：2026年，为何你必须成为AI Agent指挥官？

206. 一天吃透一条产业链：AI Agent。· “2024 年我们教 AI 怎么聊天，2026 年我们开始教 AI 怎么负责。” 📈发展态势：L3 级“自主代驾”全面进场规模化落地拐点： IDC 预测，到 2026 年全球已有 70% 的组织采用了复合 AI 智能体技术。Agent 渗透率在金融、法律、医疗等高价值赛道突破 30%。从 Copilot 到 Autopilot：行业正式跨越了“副驾驶”阶段，进入 L3 级自主代理时代。核心逻辑从“人教 AI 做事”演变为“人给目标，Agent 闭环执行”。 GUI Agent 路径成熟：突破了单纯的 API 调用，以 Manus 和 OpenAI Operator 为代表的 Agent 已能像人一样视觉感知并操作所有网页与 App。 🛎️企业竞合：巨头收割入口，小厂深耕垂直大厂的“入口保卫战”： OpenAI (Operator)、Meta (Manus)、Google (Mariner) 正在利用系统级权限（手机、浏览器）垄断第一入口，试图将所有 App 变成其 Agent 的“执行插件”。并购潮与生态整合： Meta 对 Manus 的收购标志着大厂开始通过“买四肢”来补齐模型的“执行力”。同时，MCP (模型上下文协议) 等标准化协议的普及，让不同厂商的 Agent 能够跨平台协同。硬件终端的崛起：字节跳动（豆包手机）、荣耀（YOYO 智能体）将 Agent 固化在硬件层，引发了传统 App 厂商对“流量被拦截”和“数据被抓取”的集体抵制与安全围剿。 #ai#aiagent#智能体#豆包 #google

207. 2026:GUI Agent（图形界面智能体）

208. 全球视野：透视 OpenAI 与微软：巨头们是如何布局 Agent 调度生态的？

209. 2025年AI Agent国内外行业发展全景

210. 十分钟搞清楚Agent、A2A、MCP和Skills的概念与区别

211. 2025 智能体元年，Agent 开发平台深度评测报告解读

212. Agent是如何"思考"的?

213. Agentic AI 时代，我们为什么还要学操作系统？

214. 腾讯“龙虾”全家桶：AI Agent的全民入口之战

215. 用 AgentOS 构建你的竞争力（一人公司/副业）#Mixlab AgentOS 知识+能力体系进阶训练营N26

216. Anthropic发布2026企业AI Agent报告

217. 90%传统开发将退场：AI Agent重构开发新格局

218. 不是所有 Agent 都值得做：龙虾之后，创业者该如何筛选场景

219. AI 智能体的开发

220. 2026年国有企业最有优先级做的事情全方位Agent训练部署

221. 2026年，AI Agent将走向何方？六大核心趋势深度解析

222. 你有没有想过：LLM智能体是如何触发工具调用的？

223. 看透智能体本质：1个核心框架，秒懂所有AI Agent

224. 吴恩达（Agentic AI）课程学习总结（3）（建议收藏转载学习）

225. AI智能体的开发流程

226. 聊聊Agentic AI与AI Agent 有啥区别？

227. 2026年，智能体（AI Agent）是风口还是泡沫？深度解析

228. 2026智能体开发全景报告：5大趋势，重构下一个十年的技术版图

229. 2026年AI Agent将如何改变企业业务

230. 腾讯亲自下场做 AI Agent！用微信就能操控一切

231. AI Agent应用场景

232. AI Agent圣经：Agent的终极指南（附下载）

233. AI 智能体的开发方案

234. 智能体介绍

235. 小米官宣！国内首个“手机版龙虾”登场，AI Agent正式落地手机

236. 国内AI Agent代表厂商有哪些？一文了解主流产品

237. AI 智能体的技术方案

238. 微软联手Anthropic推出“Copilot Cowork”

239. 腾讯赶「龙虾」上架

240. AI 智能体的开发框架

241. 理解 Agentic Systems: Workflows vs Agents

242. CS146S: The Modern Software Developer Week 2 - 构建 Coding Agent 与 MCP Server 实现 LLM 调用工具

243. 突飞猛进的AI智能体如何行稳致远

244. 智谱 AI 开源多模态大模型 GLM-4.6V，不仅实现了高精度的视觉理解，还首次将工具调用能力原生融入视觉模型架构

245. FlowithOS：首个 Agent 操作系统

246. 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

247. 智能体最佳实践的方法论（二）：实施

248. 2026AIAgent智能体技术发展报告

249. 一起来学习 -《吴恩达Agentic AI》（三）

250. 【保姆级教程】大模型Agent智能应用从0到1定制开发教程！全程干货无废话！

251. Agent篇（二）2025 AI Agent 趋势图谱

252. 自主决策 vs 固定流程？AI Agent 与 Workflow 的核心区别拆解

253. 2026 年 3 月 6 日，腾讯大厦北广场被近千人挤爆，众人排队参与腾讯云免费部署 OpenClaw 活动，这款开源 AI Agent 被网友戏称为 “龙虾”，体验者自称 “云上养虾人”。现场从小学生到老人都有，不少人跨城赶来，500 多人成功安装，热度堪比春节发利是。 OpenClaw 能直接操作系统、自动执行任务，区别于普通聊天 AI，可实现办公、运营、数据分析等自动化，GitHub 星标登顶。但本地部署门槛高，网上代装收费数百元。腾讯云提供云端一键部署，支持接入混元、豆包等模型，相对安全便捷。目前 “养虾” 仍处尝鲜阶段，复杂功能需学习调教，不过腾讯云 OpenClaw 用户已突破 10 万，反映出大众对能真正干活的 AI 生产力工具需求强烈。

254. 2026年AI智能体爆发！OpenAI、谷歌、微软集体发力

255. 奔向代理式未来：代理式AI将如何变革客户体验

256. 别折腾OpenClaw了！网易有道“龙虾”Agent初体验，零代码拥有24小时私人AI助理

257. 腾讯现场摆摊、字节直播帮用户“养龙虾” Agent中国潮起。 3月6日，腾讯深圳总部楼下排起长队，腾讯云工程师现场“摆摊”免费帮用户完成OpenClaw（俗称“龙虾”）的AI智能体助手云端安装。据腾讯介绍，当日现场有近千名开发者与AI爱好者，从上午10点开始，数百个预约号码在一小时内全部发放完毕，安装时间仅需5分钟。字节跳动的云厂商火山引擎以及AI Agent（智能体）平台扣子也在3月4日至3月5日分别直播介绍OpenClaw部署方法和使用技巧，此外，火山引擎还将在3月中旬于成都、上海开展关于OpenClaw的线下交流活动；飞书则从3月6日开始，在每个工作日晚上直播介绍OpenClaw的使用经验。 …… 请上财新网阅读全文。可使用优惠代码：*CX*_OHNTEF22 上财新网搜索打开，获五折月订优惠。优惠数量有限，先到先得，五天有效。

2026年全球科技巨头加速AI Agent落地，操作系统级入口争夺战全面开启

精选参考来源