扫描下载APP
其它方式登录
研究团队提出LoLBench评测基准，面向240万行级大型软件系统，评估AI Agent从5000词需求文档出发完成跨模块功能开发的全流程能力，发现当前最优Agent组合仅能解决14%的任务，暴露出感知复杂性（需求理解与依赖推导）和实现复杂性（跨文件修改与验证）双重瓶颈。
紫荆智康依托清华AI医院（Agent Hospital）项目，构建覆盖患者、医生、医院三端的医疗AI基础设施，通过虚拟医院训练与真实场景协同进化，推出医生分身智能体及多学科人机协作框架（MHAC），已在多家实体医院落地测试，显著提升诊疗效率；公司探索医院、医生、药企、教育等多方付费模式，推动医疗AI从单点工具向全域生态系统演进。
AI办公产品正普遍采用多模型策略，将不同厂商的大模型（如DeepSeek、Kimi、GLM等）接入自身Agent平台，以匹配多样化办公任务对推理、写作、多模态等能力的差异化需求；模型能力逐渐隐入后台，Agent作为任务调度中枢的价值凸显，驱动厂商在开放接入外部模型与生态的同时，深度整合内部产品、工具和数据资源。
Grok Bot通过将AI代理设计为可分工、有记忆、能协作的‘同事团队’，实现对个人工作流的深度嵌入。它不依赖模型突破，而是以产品化思维整合现有技术——如云电脑环境、角色化分工、Bot间群聊与任务分派，显著降低用户使用门槛并提升留存，成为Personal Agent领域场景落地的标杆。
上海人工智能实验室等机构研究发现，AI Agent在合法调用外部工具（如地图、健康服务）时产生的工具调用轨迹，即使对话内容完全保密，仍可被观察者通过参数、时间、地点等线索推断用户国籍、宗教信仰、健康状况等敏感属性，67950条记录实验显示单域轨迹使属性推断准确率提升至26.25%，揭示‘对话保密≠隐私安全’的新风险。
T3Code是一款开源AI Agent统一管理工具，支持Claude Code、Codex、Cursor等主流开发Agent，在单页面集中调度任务、管理Git工作区、审批权限及查看Diff，v0.16版本新增手机版引发爆火；其开发者为Ping Labs创始人西奥·布朗，产品定位为开发者AI工作流的‘控制面板’。
网友基于DeepSeek开源AI模型及其蓝色鲸鱼Logo，自发共创出拟人化OC角色‘蓝色大肥鱼’，通过低门槛插件开发实现角色养成、互动与传播，形成现象级‘鱼灾’热潮，凸显用户共创IP与赛博陪伴在AI产品破圈中的核心价值。
DeepSeek Harness团队开源Super-agent原型，提出以router-worker分层架构、事件驱动、存算分离等工程化设计，实现多任务自主协同的AI智能体系统，聚焦代码开发等真实工作流，标志其从单纯模型提供商转向提供可落地AI执行系统的战略升级。
FBI就币安黑客事件向THORChain节点运营商施压，要求审查拦截被盗资金，引发无许可金融抗审查底线之争；THORChain与姊妹协议Maya Protocol坚持不妥协，但面临法律围剿、节点数量少、频繁宕机及犯罪资金占比升高导致被金融体系孤立等多重生存危机。
Meta FAIR团队提出“路由式持续学习”（Routed CL）新架构，通过动态将历史任务轨迹聚类并为每簇定制记忆形式，实现经验的精准复用；该方法在多任务混合评测中提升归一化奖励15%-30%，API成本降低65%-72%，解决了全局记忆干扰与记忆形式单一等持续学习核心难题。
AI眼镜行业在国内市场遭遇首次出货量下滑，暴露供给过热与需求疲软的矛盾；厂商从狂热追逐‘下一代手机’叙事转向务实退守，通过产品减法（如雷鸟iO）和垂直场景切入（车载、会议、无障碍等）寻求生存；当前正押注Personal Agent作为新突破口，但受限于硬件性能、续航与端云协同瓶颈，规模化落地仍面临严峻挑战。
文章指出当前AI编程助手虽生成速度快，却因频繁请示、单会话串行架构和跨平台协作断层，导致开发者注意力被严重消耗。DeepSeek Harness团队提出Super-agent分治架构：前端Router负责意图识别与工单调度，后端Worker在隔离环境中并行执行任务，并引入事件过滤、观察模式默认策略及状态持久化机制，以降低人类干预、提升系统鲁棒性与团队交付效率。
文章剖析AI Agent在企业落地的结构性矛盾：虽有171%高回报率，但86%试点未能进入生产，核心瓶颈不在模型能力，而在组织治理、工作流重设计、运行时权限控制与可审计性缺失；强调服务型Agent需以业务结果为导向，依赖身份治理、流程标准化和生态协同实现规模化量产。
港科大与微软团队推出HarnessSQL框架，首个原生长程交互式SQL Agent训练框架，通过密闭沙盒、专用SQL Harness和两阶段后训练（SFT+RL），解决传统Text-to-SQL模型‘训练-部署脱节’问题；8B模型在Spider 2.0上达45.2%执行准确率，反超32B模型，已开源代码与数据。
文章探讨个人理财领域下一个重大机会：专为资金管理设计的理财型Agent。指出通用Personal Agent因商业模式（鼓励消费）、监管限制和专业深度不足，难以胜任理财任务；而基于加密基础设施的专门理财Agent可提供统一财务视图、主动管理、合规执行和用户可控的信任机制，有望成为未来个人财务管理的核心入口。
