跳到正文

Agent AI 助理

讓模型自主規劃、呼叫工具、完成多步任務的技術方向——從 Claude Code、Manus 到各家 Agent 框架與評測基準的全部動態。

最新精選

第 21–40 條 · 共 844 條
11月21日週六
  1. aihot62

    browser-use 1.0 用一個 Python REPL 取代 24 個瀏覽器動作

    Browser Use 發布 browser-use 1.0,把 0.x 版的 24 個瀏覽器動作工具,改成單一、可持續使用的 Python REPL,並透過 Chrome DevTools Protocol 操作 Chrome。文章用同一套基準比較分數與成本,說明這種做法的取捨和適用範圍,可供維護 AI 助理工具的人參考。

    推薦理由:文章用同一基準比較分數與成本,呈現把 24 個瀏覽器動作整合成單一 Python REPL 的取捨,能參考其工具設計思路。

  2. Browser Use62

    Browser Use 測試 AI 助理瀏覽器如何漏看隱藏文字,並整理七項安全需求

    AI 助理用你的登入狀態上網辦事時,可能看漏網頁內容,也可能照著網頁裡的惡意文字做事。Browser Use 在測試頁藏入「PINEAPPLE」指令,交給六組 AI 助理設定讀取,其中一組照著說出這個字,三組指出內容是提示詞注入;這只是示範,不能當成完整基準測試。作者也測試藏在圖片、捲動區域和點選後才出現的文字,發現沒有助理透過滑鼠移入或點選找到內容。根據測試和使用者回報,作者整理出七項瀏覽器需求,包括維持登入、保護密碼、讓使用者接手操作,以及付款或刪除前先確認。

    推薦理由:作者用網頁藏字測試與使用者回報整理出瀏覽器安全需求,也提醒六組測試只能當示範,不能當成整體效能比較。

  3. Browser Use78

    Browser Use 說明 AI 助理評測為何高估了 5.1 分

    評測分數上升,不一定全是 AI 助理變強;評分器可能根本沒看到完整答案。Browser Use 發現,評分器只讀取「FINAL ANSWER:」標記後的文字,在 200 項任務中有 188 項的主要答案被漏掉。團隊用儲存的舊答案重新評分,估算這個錯誤佔了原本 5.1 分增幅中的 1.8 到 2.6 分。文章也建議儲存每次評測的答案與設定,出錯時重新評分,並用相同任務比較兩組結果,避免把評分器或執行環境的問題算成 AI 助理的表現。

    推薦理由:這次重評把評分器漏看答案造成的分數差拆開,也說明如何儲存舊結果,讓評測勝負能回頭檢查。

  4. Browser Use77

    Browser Use 實測找出瀏覽器 AI 助理變慢的六個原因

    雲端瀏覽器 AI 助理找機票,比同一套程式操控筆電上的 Chrome 慢了不少。Browser Use 固定任務和模型,逐項檢查設定與瀏覽器流程,找出六個拖慢速度的原因,包括服務方案、預設代理伺服器、瀏覽器通訊往返、一直等不到頁面安靜的檢查、背景驗證工具佔用處理器,以及提示詞太長。只調整服務方案和代理伺服器,就讓找票時間從 30.7 秒降到 20.7 秒;全部改善後,測試任務都變快,49 次測試也都答對。作者提醒,速度要和答對率一起看,而且部分測試的時間差仍無法解釋。

    推薦理由:這份實測拆出雲端瀏覽器 AI 助理變慢的六個原因,並比較逐項調整前後的速度與正確率,方便開發者檢查自己的設定。

  5. Browser Use84

    browser-use 1.0 如何用一個工具取代 24 個瀏覽器操作

    瀏覽器操作選項愈加愈多,AI 助理遇到選單裡沒有的功能時,還是會卡住。browser-use 1.0 把 24 個瀏覽器操作改成一個持續執行的 Python 工具,並讓 AI 助理直接使用 Chrome DevTools Protocol 操作瀏覽器。作者舉例,一個卡住的統計頁面重新載入後,AI 助理直接找到網站提供資料的入口,取得 4,720 筆資料,花了三分半鐘。新版在 BU Bench v2.1 的分數比 0.x 高 14 到 33 分,成本低了 2.7 到 5.2 倍;但這些數字來自整體改版,每個模型只跑一次,預設設定也有變,因此不能把差異全算在工具改動上。

    推薦理由:這次改版同時調整工具介面與預設設定,文中也用卡住的網頁案例說明單一程式工具如何處理原本選單未涵蓋的操作。

  6. Browser Use68

    Browser Use 說明瀏覽器 AI 助理遇到封鎖時該怎麼排查

    瀏覽器 AI 助理被網站擋下時,原因可能不同,用錯方法只會白白重試。Browser Use 把常見狀況分成驗證碼、IP 被封、網站偵測到操作方式,以及地區限制,再說明如何分別處理:等驗證碼解完、換連線出口、改用滑鼠和鍵盤操作,或切換到合適的國家。測試中,有些網站只要改用當地代理連線就能開啟;一個 Akamai 登入頁則在 JavaScript 聚焦欄位時 11 次都遭封鎖,改用滑鼠點選後 11 次都通過。作者提醒,這項結果只來自單一網站的小規模測試。

    推薦理由:文章把封鎖原因分成驗證碼、IP、行為偵測與地區限制,並說明各自的處理方式,協助避免用錯方法浪費執行時間。

  7. aihot74

    Browser Use 刪除 13.7 萬行程式碼後,BU Bench v2.1 分數反而上升

    Browser Use 回頭檢視 browser-use 1.0,發現專用工具堆得太多,未必能讓 AI 助理做得更好。團隊把 24 個工具收斂成一個 Python 工具和兩種結束方式;這次改動新增 29,601 行程式碼,刪除 136,905 行,Python 檔案也從 178 個減到 43 個。材料指出,BU Bench v2.1 的得分在這次調整後反而上升,呈現了簡化工具設計的實際例子。

    推薦理由:作者比較重寫前後的同一項基準分數,呈現工具數量與模型表現之間的取捨,並提供精簡工具設計的實例。

  8. Runway65

    Runway 表示,從 10 月初開始,幾乎每個合併到 Runway App Studio 的程式碼變更,都是 AI 助理撰寫的。Runway 的工程文章說明,他們建了一套系統來檢查這些變更、在瀏覽器中測試,並讓工程師處理風險較高的決定。這提供了一個例子,說明團隊如何把 AI 助理寫的程式碼納入開發流程。

    推薦理由:Runway 說明 AI 助理已撰寫幾乎所有合併的程式碼變更,並分享系統如何檢查、測試及把高風險決策交給工程師。

  9. Browser Use66

    Browser Use 測試六種 AI 助理,只有一種照做網頁指令

    AI 助理用登入中的瀏覽器代辦事情時,可能讀到網頁裡藏著的指令,也常遇到登入過期、網站封鎖或驗證碼。Browser Use 讓六種設定讀取同一個網頁,其中一種照著頁面要求說出 PINEAPPLE;這只是示範,不是正式基準。文章也測試不同讀取方式能否找到藏在圖片、無障礙樹、隱藏區塊和互動內容裡的文字,並整理實作建議:分開儲存每位使用者的登入資料、避免把密碼交給模型、需要付款或刪除等動作時先請使用者確認。

    推薦理由:六種 AI 助理讀取含有隱藏文字的網頁時,只有一種照做,文章也整理了登入、密碼與付款等瀏覽器風險的處理方法。

  10. Browser Use66

    Browser Use 刪除 136,905 行程式碼,browser-use 1.0 基準分數提高

    Browser Use 發現,給 AI 助理太多瀏覽器操作工具,可能讓它得在一長串選項中挑選,也可能用不上預先做好的功能。團隊在 browser-use 1.0 把 24 個主要工具收成一個 Python 工具,讓模型直接寫程式操作瀏覽器;在 BU Bench v2.1 上,同樣三個模型的分數比 0.x 高 14 到 33 分。不過,這次更新還改了其他內容,工具改動沒有單獨測試,而且每個模型只跑了一次,因此不能把分數變化全算在工具精簡上。團隊也從 199 段操作紀錄中找出模型自行使用的瀏覽器指令,主張只在模型缺少必要能力時才另外做工具。

    推薦理由:團隊用實際任務追蹤 AI 助理會用哪些操作,說明精簡工具清單如何減少選擇負擔,也呈現基準分數比較的限制。

  11. Browser Use79

    Browser Use 檢查基準測試後發現,評審曾漏看大半答案

    Browser Use 的基準測試分數上升,原本看起來像是 AI 助理變強了,但評審其實只讀到答案的一小部分。團隊修正 Claude Code 的評測介面後,重新評分 200 項舊測試,發現這個錯誤讓原本的分數多出 1.8 到 2.6 分;AI 助理本身的改動則增加 2.5 分,而且估算區間包含零。作者建議保留每項測試的完整答案與執行紀錄,先用相同資料重評基準組,再比較兩組在相同任務上的差異;評審出錯的任務應標記為缺少資料,不能當成零分。

    推薦理由:這次復查拆開評分上升中代理程式改動與評審漏看答案的影響,也整理出重跑基準測試時可採用的比對方法。

  12. Browser Use69

    Browser Use 分享瀏覽器 AI 助理遇到網站封鎖時的處理方法

    瀏覽器 AI 助理遇到網站封鎖時,問題不一定是解不開驗證碼,也可能是 IP、所在國家或操作方式被擋。Browser Use 測試 82 個網站,其中 7 個每次都被擋,原因都是當時不支援的驗證碼;另有 6 個從美國連線會被擋,改用當地代理伺服器就能開啟。作者建議先分辨封鎖原因:驗證碼出現時先停止操作並等待,IP 被封就換出口,地區受限就改用合適國家的出口,同時保留登入狀態。測試也顯示,代理伺服器不一定能提高成功率;若驗證碼解不開,反覆換 IP 或重試也無法解決。

    推薦理由:Browser Use 用自家瀏覽器代理人的測試,拆解驗證碼、IP 與地區封鎖的差異,並說明何時該等待、換出口或停止重試。

  13. Browser Use75

    Browser Use 拆解瀏覽器 AI 助理變慢的原因,兩項設定讓航班搜尋快 10 秒

    AI 助理搜尋航班時,等網頁載入、呼叫瀏覽器和模型回覆都可能拖慢速度;如果只看總時間,也容易把不同設定的結果混在一起。Browser Use 用 Google Flights 找蘇黎世到倫敦最便宜的 3 班單程航班,逐項檢查慢在哪裡,並把模型改用 priority、取消每次都經過住宅代理這兩項設定調整。搜尋時間從 30.7 秒降到 20.7 秒,example.com 的測試則從 10.3 秒降到 6.5 秒。作者也提醒,速度比較要確認任務正確率相同;有些看似更快的做法,會讓答對率下降。

    推薦理由:這次實測拆出代理瀏覽器搜尋變慢的多個原因,也比較兩項設定調整前後的耗時,並提醒速度比較必須維持相同的任務正確率。

  14. aihot72

    OpenHands 如何用 AI 助理自動修補自家映像檔的 CVE

    修補映像檔中的 CVE 需要處理許多專案,也得追蹤修補是否部署完成。OpenHands 團隊說明,他們把大部分工作交給 AI 助理流程:挑選修補方式、開 PR、合併低風險專案,再追蹤到部署。人每天只需檢視一則最多 11 行的 Slack 訊息和少量 PR。這篇文章介紹 OpenHands 如何安排自動化流程與人工檢查。

    推薦理由:OpenHands公開自家修補映像檔CVE的工作流程,呈現自動選擇修補、提交PR到追蹤部署的做法,可參考其流程安排人與AI助理的分工。

  15. aihot87

    Runway 分享如何讓 AI 助理接手軟體交付流程

    AI 助理寫的程式變多後,工程師花在審查和測試上的時間也跟著增加。Runway 說明他們如何逐步讓 AI 助理處理程式檢查、審查、部分核准、產品測試和故障修復,再由協調器安排任務與合併順序;高風險改動和特定重要區域仍交由人核准。Runway 表示,10 月合併的程式改動中有 38% 由雲端 AI 助理協助完成,首次核准的等待時間也從 2 小時以上降到約 5 分鐘。工程師則轉而設定規則、處理卡住的工作,並決定要打造什麼。

    推薦理由:Runway 逐步交代 AI 助理接手寫程式、審查、測試與故障處理的做法,可用來理解自動化如何改變軟體交付流程。

11月20日週五
  1. Air Street Press76

    Air Street Capital 領投 LATO 470 萬美元種子輪,打造 AI 專家訪談服務

    投資人要判斷一家公司有沒有優勢,常得花時間找到懂行的人訪談。Air Street Capital 表示,它用 Codex AI 助理和 LATO 設計研究問題,由 LATO 招募專家並用語音 AI 助理訪談,再一起整理逐字稿、調整下一輪問題。這套流程也能追查結論背後的原話,例如受訪者提到,新廠商承諾較快交貨,但關鍵零件仍要等 42 到 50 週。Air Street Capital 領投 LATO 的 470 萬美元種子輪;作者看好這種方式能協助投資人檢查假設,也能用在科技公司的產品研究。

    推薦理由:LATO 的案例呈現 AI 助理如何協助招募並訪談專家,讓投資人更快追問供應鏈瓶頸與交期假設。

  2. Hugging Face Blog84

    Hugging Face 示範為 Qwen3.8-27B 訓練 AI 助理工具專用介面卡

    通用模型搭配不同 AI 助理工具時,可能會多花時間和 token,解程式問題的表現也不夠好。Hugging Face 團隊把強化學習直接放進 pi、Hermes Agent 和 OpenCode 這三種工具中,分別為 Qwen3.8-27B 訓練介面卡,也把三者合併成一個版本。測試顯示,各自的專用版本在對應工具和程式開發基準上都優於原模型,完成任務時也少用工具;合併版本則能在三種工具中使用。這套流程與訓練資料也公開,讓其他人能照著調整自己的模型和任務。

    推薦理由:這套流程把強化學習放進實際使用的 AI 助理工具中,並比較專用與合併介面卡的成效,可供重現與評估程式開發任務。

  3. Lobste.rs (Engineering Discussion)61

    Mastering Emacs 作者推出 DreamCoder,讓 AI 程式開發工作更好管理

    同時讓多個 AI 助理寫程式時,很難看出哪些工作還在跑、哪些卡住等人處理。Mastering Emacs 作者花了 15 個月打造 DreamCoder,讓它在瀏覽器中用可調整的視窗管理聊天、終端機和工作區;每個工作區都有小地圖,能看出各個視窗是否正在工作或遇到阻礙。DreamCoder 也支援 MCP、背景執行的子助理和本機模型,作者希望把它做成方便人與 AI 一起工作的程式開發環境。

    推薦理由:DreamCoder 把多個 AI 助理、終端機與工作區放進可調整的視窗介面,適合瞭解作者如何改善並行工作的觀察方式。

  4. Dev.to Top Tech76

    Google 讓 Gemini 在 Mac 上操作檔案、App 和網站

    在 Mac 上整理檔案、填表或搬運資料,常得自己在好幾個 App 和網站間切換。Google 宣佈 Gemini 的 macOS App 將能依照要求操作本機檔案、Mac App 和網站;使用者可以在聊天畫面看它怎麼做,也能暫停、停止或先核准動作。這項功能先在美國以英文提供,並需要 Gemini Mac App 和 Google AI Plus、Pro 或 Ultra 訂閱。操作電腦也會碰到已登入的帳號、驗證碼和執行指令等風險,因此能不能省下時間,還得看它做事是否可靠,以及使用者需要確認多少次。

    推薦理由:Gemini 操作 Mac 的價值取決於能否減少跨軟體的重複工作,同時把許可權、錯誤與確認次數控制在使用者能接受的範圍。