2026年多智能体协作元年：科技巨头密集布局，协同增效与失控风险并存_服务软件

1. 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

2. AI智能体时代，职场规则已不同以往。想成为赢家，关键在于找准自己的位置。#大咖观察 #红衣聊AI #智能体

3. 千亿智能体爆发前夜，谁来保护我们的AI安全？｜甲子光年

4. 《走近科学》——多Agent不是万能药，从玄学走向科学，来自Google和MIT的研究

5. AI可能发现相对论吗？ #大咖观察 #鄂伦春 #智能体 #红衣聊AI

6. 什么是 AI 智能体？

7. 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

8. 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

9. 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

10. 谁懂跨APP切换的繁琐？#华为折叠屏首发A2A智能体协作# 华为Mate X7首发A2A智能体协作，直接终结传统操作痛点！工作上，一句指令就能联动邮件、日程、文件、数据智能分析，自动完成分析；生活里，喊一声“规划周末亲子游”，订票、订酒店、查路线智能体无缝协同，甚至复购猫粮都不用翻订单。无需手动切换系统，多个应用智能体自动分工协作，个性化需求精准响应。从值机选座到行程规划，从办公协同到生活琐事，Mate X7化身全场景智能中枢，让每一次指令都直达结果，高效又省心～

11. 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。

12. Shopify：构建生产级智能体系统的经验

13. 对话李笛：异构多智能体，让 AI 学会真正的「群体思考」

14. 颤抖吧，Bug！OpenAI放出GPT-5「夜行神兽」，命中92%漏洞

15. 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

16. 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

17. AI Agent 很火，但 Agent Infra 准备好了吗？

18. 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#

19. OPPO和蚂蚁集团开展战略合作！10月23日，OPPO与蚂蚁集团在杭州举行战略合作签约仪式，双方将在AI智能体、服务生态、“碰一下”、医疗健康服务、保险、用户体验等方面展开深入合作。根据协议，双方将在技术方面共建AHA多智能体互联协同方案，让OPPO系统级AI与支付宝Agents的高效协同持续扩展到更多垂直领域，打造行业领先的的企业级AI技术解决方案，推进行业多智能体协同标准规范化。

20. 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

21. 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

22. #华为折叠屏首发A2A智能体协作# 华为 Mate X7 这波黑科技太炸了！作为首款实现 A2A 智能体协作商用的折叠屏，直接把人机交互拉到新高度～依托鸿蒙 OS 的底层优势，小艺智能体化身 “超级协调官”，能自主调度多种工具和三方智能体，彻底打破应用孤岛！以前需要手动切换多个 APP 的复杂操作，现在一句话就能搞定，这不仅是小艺智能体实力的彰显，更重新定义了下一代折叠屏的核心体验 —— 从被动响应升级为主动协作。大家一定要去线下体验一下A2A智能体协作，相信会更加惊喜!

23. 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

24. 大疆司空 2 重磅升级，引入智能算法与大模型 | 见云见智

25. 华为Mate X7这次首发的A2A智能体协作真的太懂用户需求了，直接把折叠屏智能体验拉满到新高度，用一次就彻底上瘾～以前喊AI助手办事总卡壳，要么只能单步操作卡半天，要么来回切APP越用越烦，效率低到爆炸~而现在用Mate X7随便说句值机选靠窗座、买数据线，小艺直接自动联动多APP跑通全流程，全程零手动操作，省心到飞起！#华为折叠屏首发A2A智能体协作#

26. 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。

27. 10月23日，OPPO与蚂蚁集团在杭州签约战略合作，聚焦多领域深度联动。核心是共建AHA多智能体方案，打通OPPO系统级AI与支付宝Agents，实现“一句话唤起多场景服务”的高效协同。同时升级“碰一下”体验、联动医疗健康与保险服务，既优化用户体验，也在争夺多智能体协同的行业标准话语权

28. Cursor 如何将其编程智能体投入生产环境

29. AI Agent从热词到真实产品，速度比想象中快得多。Reddit上一场关于"大家到底在用Agent做什么生意"的讨论，揭示了当前落地最真实的图景。核心洞察：真正赚钱的Agent业务，往往不那么光鲜最成功的案例都有一个共同点：它们不试图取代整个岗位，只是把最无聊的部分自动化掉。当前正在构建的几类Agent：1. 自动化交易Agent基于LangChain构建的多模态Agent网络，支持用自然语言描述任意交易策略并自主执行2. 内部运营类Agent监控内部系统、跨工具数据对账、自动生成报告、对入站请求进行分类筛选——人类看到之前就已处理完毕3. 竞争情报Agent为电商团队监控竞品定价、落地页变化、促销活动，只在发生有意义变化时才发出警报4. 客服支持Agent审阅工单、标记边缘案例、为支持团队起草回复——已在节省真实工时5. 语音客服Agent很多创业团队在做这个方向，解决企业"无法24小时接听电话"的痛点，融资相对容易6. 趋势洞察Agent整合社交媒体动态与内部OKR，识别趋势机会，帮助团队确定每周优先级7. 会议摘要Agent自动总结会议纪要和邮件内容，面向初创团队8. 统一知识查询Agent连接Slack、Google Sheets、Google Docs、数据库等多源信息，实现极速问答一个关键规律：成功的Agent都运行在高度约束的环境中。它们需要操作真实Web工具时，往往在可预测的沙箱环境里执行，保持"无聊且可审计"。那些试图过度自主或过于通用的Agent，通常都会卡壳。结论很清晰：真正的商业机会正在小而垂直的细分领域形成，而非大而全的通用系统。reddit.com/r/AI_Agents/comments/1pyd60q/what_agentic_ai_businesses_are_people_actually/

30. 中国机器人，今年又在春晚舞台炸场了！这不仅仅是场表演，而是在向全世界摊牌：中国已经具备把智能规模化落地的能力。 #大咖观察 #红衣聊AI #春晚 #机器人 #AI

31. 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

32. 全新旗舰折叠华为Mate X7这次真的把AI带进了新阶段！#华为折叠屏首发A2A智能体协作#首发搭载鸿蒙6和A2A智能体协作功能，让小艺能直接调动其他应用的智能体协同服务。比如出差时只需说一句"选个能看日落的位置"，小艺就会通过深圳航空智能体帮你搞定座位；想知道股市行情，东方财富智能体立刻就能把数据呈上。完全不用来回切换APP，一句话就能让多个智能体为你工作。这种无缝衔接的体验才叫真正的智能升级，已经有点迫不及待想上手试试了！

33. 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#

34. 给AI一个“身体”：3D数字人或是具身智能的解法？【硅谷101】

35. 拉斯维加斯CES现场，吉利用全域AI 2.0技术体系，给出了中国车企的智能答卷。核心突破在于首发的WAM世界行为模型，让智驾、座舱、底盘等多域实现跨域融合，汽车终于有了统一的“世界观”和持续进化的判断力，这才是智能汽车该有的底层逻辑。“智能体化+引擎化”的双突破堪称关键，“1+2+N”框架让不同域智能体协同作业，一个语音指令就能触发复杂任务链，彻底告别单一功能割裂感；提炼出的全域感知、记忆引擎，更是打通了智能的“任督二脉”。Eva智能体从功能模块升级为整车中枢，超拟人交互+自主决策，精准戳中当前语音控车“听不懂、不灵活”的行业痛点。千里浩瀚G-ASD的发布同样亮眼，1000亿级云端大模型+850万辆车的真实数据积累，再加上1400TOPS算力的硬件支撑，让辅助驾驶既前沿又靠谱。从2025年302万辆销量到2026年345万辆目标，全域AI的落地成果已然显现。中国车企的智能竞争，早已从单点功能比拼迈入体系化能力对决，吉利这实打实的操作，直接拉高了行业天花板。#全域AI能给汽车带来什么##吉利连续三年参展CES#

36. #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

37. The Complete Guide to Building Agents with the Claude Agent SDK。这篇基于Claude Agent SDK 构建智能体的指南很详细了。周末可以试试～介绍了 Claude Agent SDK 的核心功能与应用，展示了开发者如何利用该工具构建具备自主能力的 AI 智能体。该库继承了 Claude Code 的底层架构，能够自动处理任务循环、上下文管理及文件读写等内置工具。通过具体的 TypeScript 代码示例，文中详述了开发代码审查智能体的过程，包括如何实现自动化漏洞检测与结构化反馈。此外，内容还涵盖了子智能体协作、权限控制以及通过 MCP 协议扩展自定义工具的高级用法。#程序员# #ai#

38. 无问芯穹首曝智能体服务平台，以基础设施加速企业级「智能体自由」

39. 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

40. 回顾鸿蒙 AI 的发展，从一开始功能比较简单，#AI已经可以帮我养猫了#到现在鸿蒙 6 整合 80 多个鸿蒙应用智能体，真的能看出它一直在跟着消费者需求走。现在小艺能搞定生活、办公、娱乐各种事，就连AI养猫这种以前不敢想的事，小艺都能帮助完成。这种多智能体深度协同的模式，感觉会是科技企业 AI 发展的大趋势。毕竟现在大家都需要更全能的 AI 助手，鸿蒙 6 已经走在前面了。我觉得未来鸿蒙 AI 还能更厉害，期待后续升级！#鸿蒙上线超80个应用智能体#

41. 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

42. 几分钟就能“攻破”一家公司的AI，怎么防？ #智能体 #网络安全 #360安全云 #科技改变生活 #网络安全宣传周

43. 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

44. #王兴兴回应具身智能的ChatGPT时刻#宇树科技创始人兼首席执行官王兴兴表示，具身智能是否迎来“ChatGPT 时刻”的关键指标预判是“双 80%”：当机器人在 80% 的陌生环境中，仅凭语音指令就能达成 80% 的任务成功率，真正的具身智能拐点就将到来。而这，可能就在未来一两年内发生。王兴兴说，ChatGPT 在 2022 年底问世的时候，完全刷新了大家对过往 AI 能力的认知，实现了一个质的飞跃。“我们也不是说，机器人一定是一下子 100% 成功的。但是我觉得如果能达到 80% 门槛的指标，它的通用性和泛用性就已经是非常非常好了。如果未来的一两年能实现这个时刻，我觉得应该是非常值得期待的。”（IT之家）

45. 华为新品发布会来了！这次折叠旗舰带来了颠覆性体验——小艺智能体首次实现商用A2A智能体协作！#华为折叠屏首发A2A智能体协作#通过Agent to Agent协议，小艺能和伙伴们协同处理工作生活需求，只需一句话指令，它就能联动多个智能体高效协同，处理工作生活需求简直一键到位。这次发布会着实让人大开眼界，个性化服务简直贴心到爆，折叠体验真的跨入新阶段。我已经迫不及待想上手体验了，华为这次对智慧生活的诠释又刷新了我的认知！新品必火！

46. 华为Mate X7迎来智能体验大升级！#华为折叠屏首发A2A智能体协作#首次实现A2A智能体协作商用，小艺从此进阶为“超级助理”，不再是简单语音工具，而是能并行处理多任务的生活搭档。无论是值机、买菜还是理财，一句话，它就能串联多个应用，高效完成复杂指令。A2A功能正重新定义折叠屏体验，让手机成为全场景智慧生活的中枢。新一代小艺，已来！锁定华为Mate X7发布会，开启你的智能新方式。

47. 为什么在生产环境部署多智能体系统（Multi-Agent）容易出现成本失控，有哪些常见的踩坑场景？

48. 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

49. 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

50. 很多人让我比较AI和互联网谁的机会更大，别急，看完这条视频，咱们一起聊聊。#大咖观察 #红衣聊AI #智能体 #互联网

51. 逛展实测！自进化AI有什么不一样？丨2025荣耀开发者大会李姐来打卡荣耀全球开发者大会2025啦！来看看这次的主角荣耀AI智能体YOYO，到底有多好玩～ Eva的科技生活的微博视频

52. #华为折叠屏首发A2A智能体协作#华为Mate X7 真的杀疯了！直接把折叠屏的智能体验拉到新高度！它的A2A智能体协作太顶了，让小艺能联动各种APP里的助手一起干活儿——比如订机票、日程提醒无缝衔接等等，这才是真正的全场景智能啊！华为这次不只是自己秀技术，还拉着生态伙伴一起搞可进化、可联动的智能网络。无论从AI体验的突破性，还是从行业合作的示范性来看，华为Mate X7都再次引领折叠屏行业迈向智能体验新时代。别的厂商还在卷折痕和轻薄，华为已经开始用智能生态重新洗牌了！

53. #华为折叠屏首发A2A智能体协作#就我本人来说，除了最关注的Mate 80之外，最感兴趣就是华为Mate X7它首度实现A2A智能体协作商用，这标志着折叠屏手机进入智能化新纪元。华为A2A（Agent-to-Agent）智能体协作技术，突破了传统设备操作方式，实现设备间无缝互动与协作，为用户提供了更高效、智能的使用体验。这一技术的发布，不仅提升了华为Mate X7的多任务处理能力，也深度展示了小艺智能体的强大实力，进一步推动智能设备的互联互通。凭借A2A智能体协作，华为Mate X7可在多个设备间实现无缝切换，提升工作与娱乐的效率，同时使折叠屏的使用体验更加流畅、灵活。这一突破性功能，将为未来折叠屏手机的应用场景带来更大想象空间。

54. 上个月，谷歌悄然发布了五篇关于AI Agent的重磅论文，连续五天每天一篇，深入探讨了Agent的构建、评估、安全和部署等核心问题。没有大张旗鼓，250多页的技术细节静静铺开，值得每个AI从业者认真研读。这五篇论文的核心内容总结如下：1. 什么是Agent？谷歌重新定义了Agent，强调它们能力的演进和为何大多数Agent一离开演示环境就崩盘。现有Agent更像是复杂的工作流和工具编排，而非真正的自主系统。kaggle.com/whitepaper-introduction-to-agents2. 工具和MCP（多能力协议） MCP允许服务器无须用户同意即添加工具，虽然增强了能力，但也带来边界风险。换句话说，Agent仍然无法“感知”世界，只是更有效地调用API。kaggle.com/whitepaper-agent-tools-and-interoperability-with-mcp3. 记忆问题真正的记忆不是简单的上下文窗口、检索增强生成（RAG）或向量存储，而是一个动态、结构化的长期记忆，影响未来推理和行为。谷歌提出了会话拼接和动态上下文窗口，但本质差距依然存在。kaggle.com/whitepaper-context-engineering-sessions-and-memory4. Agent质量评估评价不仅是输出正确与否，更重视Agent的推理过程。论文提出了正确性、鲁棒性、重复性、多步稳定性和幻觉控制等指标，揭示当前架构在这些方面的脆弱。kaggle.com/whitepaper-agent-quality5. 从原型到生产构建Agent简单，信任它完成真实任务困难。论文详细说明了沙盒环境、安全护栏、评估循环和人工干预机制，反映出系统的不确定性和脆弱，需要大量安全网。kaggle.com/whitepaper-prototype-to-production深度思考：谷歌的努力展现了巨大的工程投入，但他们依然被“语言模型物理学”所限制。试图通过不断修补LLM来实现真正的Agent，是在用“token机”伪装认知。真正的自治智能需要内在的组织、自我预测、力量感知和发展结构，而这些是现有LLM架构根本不具备的。这五篇论文不仅是技术文档，更是行业缺失的蓝图。它们提醒我们，构建Agent不仅是搭建工具链，更是要建立能够自我调整、自我稳定的认知架构。谷歌在工程上走得很远，但未来的Agent革命还在于基础架构的重塑。x.com/techNmak/status

55. 终于蹲到了！清华社把这本 Agent 架构书引进了《构建Agentic AI系统》

56. 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

57. 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

58. 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！

59. #华为折叠屏首发A2A智能体协作# 语音助手和AI是智能手机的标配，但真正好用，又非常智能，还会自己思考的智能体非常少见。华为Mate X7折叠屏首发A2A智能体协作，这引发了又一轮升级。具体来说，小艺不再是简单的语音助手，而是能并行处理多个任务的“超级助理”，从“值机”到“买菜”甚至“理财”，一句指令，它就能为你搞定。比如，我想买机票，直接告诉小艺订票。出差前一天，小艺会提醒你设置闹钟，甚至会帮你叫车，给我提供全方位的智能服务，这才是用户需求的AI智能体。

60. 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

61. 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

62. 个人AI行业的“说明书”来了！联想联合IDC发布的白皮书，把个人AI的四大特征讲得明明白白：个人超级智能体、端云混合、开放生态、可信安全。联想“天禧AI一体多端”直接把理论变现实，多设备协同无压力，数据主权牢牢在握。2026年规模化元年，以后AI服务不局限于单一设备，开放连接让体验更丰富，科技感拉满～

63. 微表情测谎、极速赔付、AI打败AI，深聊“AI in All”下的保险革命与增长飞轮【硅谷101】

64. #华为折叠屏首发A2A智能体协作# 华为Mate X7首发的这套智能体功能确实挺强挺实用啊！对于日常使用来说，这样的Ai智能才是我们需要的。小艺智能体首次商用A2A智能体协作，实现与第三方软件平台的协同：只需要说一句话，小艺就能无缝串联其他APP智能体，轻松实现AI订票、AI复购、AI理财建议等等各种需求和体验。华为Mate X7在智能体验这块确实做得不错，平时繁琐复杂的操作，直接一句话就搞定了。

65. Collective Multi-Agent Reasoning - 集体多智能体推理

66. Agentic设计模式（7）

67. **2024–2025年多智能体协作已在内容生成、工业制造、财务管理等六大场景落地，任务成功率超99%**

68. 打造“智能体领航员”系统

69. 多智能体协作

70. 从局部智能到整体最优

71. 多智能体协作 Multi-Agent | Agentic Design Patterns | 智能体设计模式

72. 智能体如何协作？多智能体系统的工程原理

73. 多智能体协作机制

74. AI算法大模型面试 | 多agent怎么协作

75. 智能体深度解析

76. 多智能体系统-Multi-agent system

77. 多 Agent 协作系统

78. 当Agent学会"组队打怪"

79. 多Agent不是万能药！Google DeepMind揭示Agent系统扩展的科学原理

80. AgentRxiv

81. 1️⃣2️⃣每日分享一个AI名词-「多智能体系统」

82. 实测 MGX｜让一群Agent联手coding，比“模型即agent” 更接近AGI？

83. 多智能体协作（Multi-Agent Collaboration

84. AI设计模式

85. 《Agentic Design Patterns》 Agent开发圣经-第7章

86. 多智能体上岗元年

87. 2026 年智能体架构综述

88. 2026年，AI数据分析有望走进多智能体（Multi Agent）时代

89. 别再往一个智能体里塞功能

90. 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

91. 【春节充电】开工薪资翻倍！保姆级Agent智能体通关教程，手撸大厂级实战项目，打穿金三银四核心考点，全套源码架构图一站式打包，少走99%弯路

92. 2026年人工智能趋势

93. 每日GitHub精选

94. 【文献导读】METAGPT

95. 论文解读

96. Kimi Agent Swarm

97. 一口气学会AI Agent Swarm/Team系统设计+Kimi/Claude实测对比

98. Kimi K2.5 Agent Swarm封神？对比AutoGPT、BabyAGI，差距藏不住了

99. 🤖 AI 进化了！Agent Swarm打群架🐝

100. 一份给Agent Builder 的 OpenAI AgentKit 战略指南

101. 使用 Microsoft AutoGen 构建多智能体工作流

102. 微软开源多智能体协作框架AutoGen

103. 对微软开源的AutoGen框架（v0.4.0）进行了一次深度技术审计

104. 微软AutoGen

105. 智能体协作新范式

106. 涌现节点｜硅基心灵感应

107. 冲突处理优先

108. 多智能体协作实证研究揭示

109. 多智能体协作的真相

110. 【人工智能】多智能体悖论

111. 2024多智能体协作爆发

112. 我如何设计一个不会“发疯”的多智能体系统？

113. AI一旦开始「内卷」，会变成什么样？腾讯混元和上交联合揭秘多智能体「饥饿游戏」

114. 为何多智能体（Multi-Agent）系统离不开记忆工程

115. 大语言模型技术百科

116. 智能体（AI Agent）真的就是不靠谱吗？

117. 多智能体协作效率真相

118. 延迟下降20×，token减少4.4×！突破多智能体「共识」瓶颈

119. 智能体的崛起与隐忧

120. 2025年AI智能体安全风险全面爆发

121. MiroMind发布MATPO方法实现多智能体动态角色切换，GAIA-text准确率提升至42.6%，但系统复杂度与训练成本显著增加

122. Anthropic最新思考，什么时候才真的需要构建多智能体？

123. 谷歌最新智能体论文

124. 像三体人一样交流

125. 智能体间的“沉默成本”

126. 我终于搞出了一个让自己满意的AI智能体

127. 谷歌

128. 深入解析多智能体（Multi-Agent）系统的实际应用与架构设计

129. 【Agent实践】05-构建多Agent系统的8个最佳实践

130. 《AI 智能体教程》——如何构建多智能体系统

131. 多智能体协作提升学习有效性

132. 视频与视觉技术国家工程研究中心

133. 机器人协作与团队作业研究-洞察及研究

134. 人机协作崛起:AI技术如何塑造未来工作模式

135. 【团队效率倍增器】:智能体协作模式,如何优化团队工作流程

136. ai协作是什么

137. 多智能体系统

138. 多智能体课件.pptx

139. 警惕人工智能时代的“智能体风险”

140. 微信小程序多人协作开发实战经验分享团队高效合作技巧总结

141. 小程序合作中的团队协作与项目风险管理

142. 团队协作,创新共生:共同前行,共创未来

143. 合作创新

144. 百亿智能体浪潮将至：周鸿祎发布2026年20个AI预测

145. 2026AI趋势：从“工具”到“伙伴”的跃迁，15大趋势重构世界

146. 谷歌发布2026年AI智能体五大趋势

147. 谷歌发布！2026年 AI 智能体五大趋势

148. 2026年中国企业智能体六大预判，多智能体大规模上岗即将到来

149. 专题解读｜LLM智能体：构建交互式多智能体协作新范式

150. 斯坦福泼冷水：并行智能体正在拖慢编程

151. 多智能体协作编程是AI编程的未来吗？全网观点大PK

152. 2026：多智能体协作（MAS）元年，AI应用的最大增量战场已明

153. MCP+A2A 从0到1构建商业级多Agent全栈应用「慕课」

154. 回撤减半，夏普翻番：AI驱动的多智能体公募REITs投资框架实证

155. 360漏洞研究院联合清华大学发布的《智能体安全实践报告》揭示AI安全三大命门（附报告免费下载）

156. 用于具身大语言模型的多智能体协作框架研究DR.WELL：基于符号世界模型的动态推理与学习，任务完成率100%，步骤减少30%

157. AI智能体，第19章未来协议：Agent-to-Agent (A2A) 标准详解

158. 智能体协作不需要说话？普林斯顿斯坦福最新多agent交互框架

159. AI 智能体时代带来了一种无人准备好应对的风险

160. ATLAS: 动态优化多Agent指令，提升股票收益

161. 又发顶会？多智能体对齐新突破！轻松实现复现+SOTA！ - 哔哩哔哩

162. 成果分享｜[ASE 2025] 在智能体应用的漏洞缓解中，开发者将面临怎样的艰难权衡？

163. 10 个让多智能体系统更稳健的实操建议

164. 多智能体协作引领AI新浪潮！人机共生时代已开启

165. 论文解读：MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework

166. OpenAI发布Aardvark：自动挖洞补漏的GPT-5安全Agent

167. 基于共享工作区的Multi-Agent实践：让文件成为智能体协作的桥梁

168. AI 智能体互操作性协议全面解析：从MCP到ANP的演进之路

169. 吴恩达Agentic AI实战｜多智能体协作：国内企业“分工干活”的效率革命，华为、京东都在用

170. 多智能体系统中机器可检的顺序安全性

171. 深度解析 Meta Matrix：一个为大规模合成数据而生的去中心化多智能体框架

172. MCP+A2A 从0到1构建类Manus多Agent全栈应用（包更新）\n - 哔哩哔哩

173. 拒绝传统 Router“瞎指挥”，多智能体如何实现智能任务分配？

174. 制造业Agent方案分享，研华iFactory.AI Agent让制造业更聪明 - 哔哩哔哩

175. Kimi K2.5 agent swarm碎碎念

176. 06. 「AI Agent」- Multi Agent简单示例

177. AutoGen v0.4.3 更新：缓存与 GraphRAG 集成

178. Agentic Reasoning for Large Language Models: Foundations · Evolution · Collaboration

179. 你无法察觉的攻击面：如何保护自主式AI与智能体系统安全

180. .NET+AI | Agent | Agent as Function (14)

181. 《智能体设计模式》之多智能体协作模式

182. 把多个agent的智慧"压缩"进一个模型，推理成本直降数倍

183. MetaAgent：多智能体系统自动化生成

184. AutoGen框架详解

185. VulnBot:Autonomous Penetration Testing for A Multi-Agent Collaborative

186. 智能体可能通过普通网络搜索泄露企业数据

187. 一人活成一支队伍！我的 AI 专家团队 Demo 终于跑通了！

188. Multi-Agent系统是如何协作完成复杂任务的？

189. AutoGen 全面指南：微软开源多代理框架

190. MetaGPT：多智能体框架——让AI像软件公司一样协作工作

191. 使用 Deepseek + AutoGen Studio 打造你的私有团队

192. 多Agent协作入门：基于A2A协议的Agent通信（上）

193. 如何利用 RocketMQ for AI 构建高效、可靠、可扩展的多智能体系统？

194. 多智能体 AI 框架-智能Agent 滥用（涉及网络灰产预警）-风险深度分析

195. AutoGen框架入门:5个核心概念搭建智能体协作系统

196. 亚马逊Bedrock AgentCore支持A2A协议，Multi-Agent实现互操作性

197. OWASP发布AI智能体十大安全漏洞

198. AutoGen：AI协作王炸

199. 热点解读 | 多智能体协作关键年，AI加速落地应用

200. 面试时如何描述 LangGraph Agent-to-Agent 服务设计方案

201. AI研讨会 | Economical and Reliable Energy Management for Networked Microgrids in A Multi-Agent Collaborative Manner

202. 多智能体“上岗元年”来临！零一万物发布企业AI革命六大预判，2026年你的同事可能是AI团队

203. 哈工大舒燕君副教授团队|“失控”的智能体：基于LLM的多智能体系统异常分析

204. 微软AutoGen框架介绍

205. LLM之Agent（四十四）｜使用 GRPO 算法训练多智能体系统用于复杂任务规划

206. AAAI-26论文|基于信息价值的多智能体低延迟通信框架

2026年多智能体协作元年：科技巨头密集布局，协同增效与失控风险并存

精选参考来源