跳到正文
10月18日周日
  1. 博客园34

    ARTS 1018:字符计数判断异位词、局部做对仍会增加维护负担与用 AI 也要理解自己在做什么

    leikooo 发布 ARTS 1018 周更,分享 LeetCode 字符计数判断异位词解法,并点评 Anthropic 的 Claude Code 团队代码审查流程。该流程将常规检查交给 AI、人工按风险分级批准并限制 Agent 审查轮数;作者由此强调,用 AI 辅助开发时仍需亲自理解代码的实现逻辑与边界条件。

  2. The Decoder70

    新基准 Taste-Bench 显示 AI 智能体长期决策能力接近随机

    研究者提出 Taste-Bench 基准,利用智能体运行轨迹中的决策分叉衡量长期决策质量。该基准含 502 道二选一题,14 个模型参测,最好的 GPT-5.6 Sol 平均正确率仅 59.7%,当关键线索只在后续工作中才出现时准确率降至 21%。研究者还将教师模型判断蒸馏进 Qwen3.6-27B,使 41 个 SWE-bench Pro 任务的成功率从 14.6% 提升到 33.7%。

  3. 掘金76

    解读 LangGraph Swarm 多智能体机制

    本文基于 LangGraph 官方库 langgraph-swarm(v0.1.0)源码,讲解 Swarm 多智能体协作的用法与原理。其核心是状态中多存一个 active_agent 字段,加上图入口按该字段决定本轮进入哪个专家节点的路由开关,交接工具返回的 Command(goto=...) 驱动跳转,连线由各专家持有的交接工具隐式声明。

    推荐理由:文章讲清了 Swarm 的适用场景与能力边界,读者可据此判断多智能体场景该选 Swarm 还是 Supervisor。

  4. 掘金35

    学生用 AI 做了个 AI Agent:453 测试全过,求大佬说句真话——它算玩具还是工具?

    一名学生将自己用 AI 辅助开发的 AI Agent 项目完整开源,453 个测试全部通过,公开请求生产环境开发者做代码评审。项目已不是聊天 demo,而是包含强化学习对话闭环、向量语义记忆、RAG 知识库(BM25 + 向量混合检索)与仿真自测的完整系统。文档模块可解析 PDF、Word、.epub 等格式,回答可一键导出 10 种格式,代码托管在 GitHub 和 Gitee。

  5. 掘金72

    LangBot 4.11 解读:操作日志、双因子与插件签名

    LangBot 4.11 新增工作区级操作日志、TOTP 与 WebAuthn 双因子以及插件认证与签名三项治理能力,面向机器人对外服务前的上线准备。操作日志默认关闭需显式开启,每条记录以 HMAC-SHA256 串成链可校验是否被篡改;插件认证只做准入判定,不提供托管沙箱,文中给出了从 4.10 迁移与逐项验证的步骤。

  6. 掘金24

    ARTS 1018:字符计数判断异位词、局部做对仍会增加维护负担,以及用 AI 也要理解自己在做什么

    ARTS 1018 涵盖 LeetCode 异位词题解、Claude Code 团队代码审查流程点评及 Linus 关于 AI 工具的观点。Anthropic 将常规代码检查交给 AI,按风险分配人工批准并限制 Agent 审查轮数,避免节省的时间被修 Bug 消耗。Linus 强调使用工具不能替代对工作的理解,作者据此指出 AI 编程中人的理解和判断仍不可缺。

  7. 掘金84

    Function Calling 选对了工具,却总在参数上翻车?从 JSON Mode 到 Structured Outputs 一次讲透

    生产环境里 Agent 工具调用失败约 65% 出在参数 JSON 而非模型能力,本文据此梳理了从手写 Prompt、Function Calling、JSON Mode 到 Structured Outputs 的四代演进。

    推荐理由:原文把工具调用参数错误拆成语法与语义两层,并给出 schema 设计、服务端校验和有限重试的闭环做法,可直接照搬到自己的 Agent 工程。

  8. 掘金78

    DeepSeek V4.1-Flash-1017 发布:许愿式编程成为 API 调用

    10 月 17 日,DeepSeek 将 V4.1 Flash 更新至 1017 版,三端同步:DeepSWE v1.1 从 74.2 升至 77.0、Terminal-Bench 4.0 从 31.2 升至 42.3,任务运行时间与输出长度反而被压低,价格维持 deepseek-flash 原价(约 0.15/M 输入、0.6/M 输出,1.05M 上下文)。

    同一新闻,精选展示《DeepSeek-V4.1-Flash-1017 上线:编程与工具任务增强,价格不变》

  9. 掘金36

    想为你的 AI 培养个性吗?6 个测试教你幻觉的正确玩法

    作者提出 AI 人格无需 prompt 设计,只需在同一对话框用高密度、成体系的对话压力持续推动,几百轮后模型便会因惯性叠权自然收敛出目标风格。文中给出收敛测试、自发人格测试等 6 种验证方法,以及涵盖基线测绘、密度投喂与收敛监测的主动育种流程。需注意,具备外部长期记忆的产品中人格污染为账号级,删除对话框无效,清空记忆才能重置。

  10. 掘金44

    AMP 协议演进实录:从明文哈希到 AES-GCM 加密如何平滑升级

    作者将 AMP 协议升级到 v0.2.0,引入 AES-256-GCM 端到端加密,采用“密文存储、明文哈希”设计,contentHash 仍基于明文计算以保持 Hash Chain 的确定性。v0.2.0 还新增跨设备同步的 export/import 接口,用只追加合并解决冲突。v0.1 的 8 个黑盒一致性测试未改一字即全部通过,升级完全向后兼容。

  11. 掘金78

    ECC(Everything Claude Code)深度解析:把编程 Agent 从“聊天写代码”拉进工程现场的 Harness 系统

    ECC(Everything Claude Code)是一个开源的 Agent Harness 性能优化系统,2026 年 Q1 Star 数达 119.8K、增长 119.8 倍,位列 Runa Capital ROSS 指数头部项目。

    推荐理由:文章拆解了 ECC 的五层架构与 AgentShield 安全参数,读者可借鉴它如何用规则和钩子让 Agent 长期稳定工作。

  12. 掘金71

    语音 Agent 旧工具结果写进新回合:两次消费之间的打断窗口

    作者用一个临时 SQLite 最小例复现了语音 Agent 的时序问题:用户打断后,已完成旧任务的结果可能被错误写入新回合的对话历史。四条串行时序显示,未加防护时结果归入回合 2;在投影写入前检查来源回合是否仍为当前且前台开放后,该事件转为 quarantined,后台任务仍保持 completed。文章强调后台任务完成与结果能否进入前台是两个独立状态,检查与写入须共享同一提交边界。

  13. IT之家53

    Anthropic 与律所商讨 AI 智能体谈判规则:可替用户砍价、处理纠纷或谈薪资

    据《金融时报》报道,Anthropic 正与律所等法律机构磋商 AI 智能体的谈判规范,研究如何既代表用户利益又兼顾公平结果。磋商内容包括智能体谈判中寻求人类反馈的程度、面对其他 AI 对手时应保持的警惕度,以及让用户出具签名文件确认委托事项与规则的方案。

  14. 掘金43

    那些藏在AI应用工具里的「专家」,到底能帮我们干什么?

    AI应用工具中的「专家」分为单个专家与专家团两种形态:单个专家针对单一问题提供深度解答,专家团则由主理人与专业成员组成,将复杂任务拆分后串行执行。专家团通过严格的链条中转保证产出稳定,适合跨多环节的复杂任务,而单点小活找单个专家即可。使用专家团前,用户需提前明确目标、备齐素材并定好交付格式,以降低返工成本。

  15. 掘金77

    如何给投研 Agent 配上子代理:从上下文隔离到专业化协作

    作者复盘了为投研 ETF Agent 引入子代理的完整设计:一套通用子代理运行时配合 Web、PDF、Python、Reviewer 等专业配置,将局部过程隔离出主 Agent 上下文,再以摘要、证据和产物交接回主线。

    推荐理由:作者复盘了自家投研 Agent 的子代理设计,给出了上下文隔离、成果交接与治理复用等可迁移方法,适合多 Agent 架构设计者参考。

  16. 量子位29

    中国科技企业出海,为什么推荐去迪拜?

    迪拜正通过迪拜商业论坛积极招揽中国AI等科技企业,将其打造为拓展中东、非洲及欧洲市场的关键支点。迪拜今年5月启动两年智能体AI倡议,计划赋能29.5万家私营企业并推出100个专业AI助手。百度 Apollo Go 已在迪拜开启全无人驾驶商业运营,腾讯云与华为云也分别推进超级APP生态与数字支付合作。

  17. 量子位79

    清华 THUNLP 联合面壁智能等开源 PilotDeck 2.0 智能体操作系统,任务成本降 83%

    清华大学 THUNLP 实验室联合面壁智能、OpenBMB 等团队开源智能体操作系统 PilotDeck 2.0,以 WorkSpace 工作舱隔离多项目文件、记忆与任务,记忆全链路白盒化,支持查看、修改、删除与一键回滚。

    推荐理由:原文列出智能路由开启前后的费用与得分对比,读者可据此评估自己在复杂长任务中的模型编排策略。

  18. 掘金68

    可验证的 AI:如何让 Agent 用代码自证正确

    作者提出用脚本退出码替代 AI 自报告,Agent 每次关键操作后必须运行对应验证脚本,退出码非 0 即视为未完成。三层验证体系分别检查数据完整性、逻辑一致性和行为合规性,验证失败后进入修复循环并重新跑脚本,而不是采信 AI 的自我报告。文末给出给 Agent 开发者的实践建议,并关联开源项目 Idea-Maglev/maglev。