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 41–60 條 · 共 844 條
11月20日週五
  1. ModelScope85

    開發工作常要同時看懂圖片或影片、操作電腦,還要處理程式和研究任務。Tencent 開放了多模態模型 Hy4 的權重;它有 770B 引數的語言模型骨幹,每個 token 啟用 49B,能處理文字、圖片和影片,並支援 1M-token 上下文。Hy4 也結合畫面理解與 CLI、GUI 工具操作,針對 Blender、CAD 和跨應用程式流程訓練,並為 Unreal Engine、Unity 和 Godot 的遊戲開發做了調整。原文稱它在 OSWorld 2.1、Tencent 內部研究基準 TenureTrail,以及 579 項金融任務評測中領先受測的開放權重模型。

    推薦理由:Hy4 把影片與圖片理解、電腦操作和多款遊戲引擎開發放在同一模型中,文中也列出它在三項測試中的表現。

  2. Dev.to Top Tech76

    多個 AI 助理為何更耗成本?文章拆解路由與交接的浪費

    多個 AI 助理分工時,每一輪可能都要重新讀過前面累積的內容,還得多花一次模型呼叫來決定下一步,讓 token 用量和等待時間一起增加。作者用五個 AI 助理處理一份報告的例子說明,路由與交接會重複讀取歷史;改用程式安排固定流程、只傳原始需求和目前結果的摘要,再限制整條任務鏈的交接次數,就能減少這些額外花費。文章也提醒,如果每個 AI 助理仍各自讀完整份報告,這部分用量不會因為調整交接方式而下降,還得另外只取工作需要的段落。

    推薦理由:文章用具體 token 帳目拆解路由與交接如何重讀相同內容,並比較四種做法對成本、延遲與資訊保留的影響。

  3. aihot64

    Conductor 0.97.0 加入聊天頁面功能,並宣佈加入 Meta

    Conductor 的本地工作區新增了能在聊天中直接顯示的 HTML 頁面,讓 AI 助理可以把內容做成可看的頁面。這項功能預設開啟,可到 Settings → Artifacts 關閉,也能透過 @ 名稱叫出;使用者還可以選取文字加上評論,並回覆聊天中的任意內容。Conductor 同時宣佈加入 Meta。

    推薦理由:Conductor 說明瞭如何在聊天中叫出 HTML 頁面、對文字加註並回覆,並交代預設開啟與關閉位置,可直接瞭解這些功能怎麼加入本地工作流程。

  4. Rohan Paul72

    Uber 工程師使用 Claude Code 時,即使模型支援 100 萬個 token,工作階段也會在 400K 個 token 時被壓縮。從 2 月到 8 月,每週 AI 助理請求量增加到原來的 9.4 倍,每週活躍使用者增加到 7 倍,但整體 AI 支出自 4 月以來大致持平。Uber 也讓 AI 助理透過命令列工具連到中央 MCP 閘道,避免一開始就載入 100 多種工具的說明,因為這些說明會先佔用 50K 到 70K 個 token。文中提到每千次請求的成本比高峰時低近 34%,每個工作階段的成本比 6 月高峰時低 52%,但沒有說明任何單一預設設定省下多少。

    推薦理由:Uber 的案例呈現 AI 程式工具用量大增、總支出仍大致持平的情況,也說明工具描述佔用上下文時,團隊如何改用集中式 MCP 閘道。

  5. Rohan Paul66

    ChatGPT 變慢時,工程師得先從紀錄和近期程式碼變更中找出原因。OpenAI 建立了一套流程,警示出現後會自動啟動 Codex AI 助理調查;另一個 AI 助理會試著推翻診斷,接著再由一個 AI 助理提出修正,交給工程師核准。這套流程每天約調查 17 件問題,約 70% 的診斷被判定正確;但在 600 多件已找出原因的問題中,只有約 15 件採用了 AI 助理提出、未經修改的修正。

    推薦理由:這套流程把故障調查、反駁診斷和提出修正分開處理,資料也呈現了找出原因與修正獲採用之間的落差。

  6. AWS Machine Learning Blog74

    Amazon Bedrock AgentCore 讓 AI 助理透過 AWS 帳單購買 Marketplace 產品

    AI 助理要使用付費搜尋或其他線上服務,開發者過去得先處理付款方式和 API 金鑰。Amazon Bedrock AgentCore payments 現在可讓 AI 助理透過 AWS 帳單,按次購買 AWS Marketplace 上支援 x402 的軟體、API、資料和內容;開發者也能設定每次工作可花的金額和核準賣家。文中示範的研究助理會先搜尋並挑選工具,收到價格報價後確認預算,再付款取得搜尋結果;交易會記錄在 AWS CloudTrail 和 AWS Cost Explorer。

    推薦理由:這項更新把 AWS Marketplace 的付費流程接進 AI 助理工作流程,文章也示範如何用支出上限、核准賣家與交易紀錄管理採購。

  7. Rohan Paul67

    一般網站的服務常假設工作幾秒內就會完成,但 AI 助理可能要跑上好幾個小時、等人回覆,也可能做到一半出錯。Kong 推出雲端平臺 Volcano,讓開發者用 Claude Code、Cursor 或 Codex 建立 AI 助理,並直接部署;平臺已備有資料庫、登入、儲存空間、沙盒和長時間工作流程。另一項功能 LavaFlow 會檢視正在運作的網站和程式碼,找出出錯原因,再透過 GitHub 提交修補建議,讓開發者可以直接檢視修改內容。

    推薦理由:一般網站常假設每次工作很快就會結束,Volcano 把長時間執行、等待人工回覆與中途失敗的情況納入部署環境,LavaFlow 還能提出修補程式。

  8. aihot78

    Mac 版 Gemini 新增電腦操作功能,可跨應用執行任務

    在不同資料夾、應用程式和網頁之間處理工作,常得自己來回切換。Mac 版 Gemini 現在可以代為操作電腦,在背景視窗中點選、捲動和輸入;官方示範中,它把一張草圖變成 Blender 裡的 3D 模型。操作時,螢幕和遊標仍由使用者掌控。

    推薦理由:Gemini 可在背景視窗操作不同應用,螢幕與遊標仍由使用者掌控,呈現了電腦操作功能的使用方式。

  9. Replit ⠕61

    使用線上 AI 助理時,聊天紀錄、記憶和登入資訊可能都放在服務商的伺服器上。Replit 用 Missions 挑戰製作一款 AI 助理,3 天後完成 Amuse。它免費、開放原始碼,可在自己的電腦上研究資料、瀏覽網頁、設定提醒和製作小型應用程式;採取行動前會先詢問使用者。Replit 也用 Security Scanner 找出並修補漏洞,並檢查成品是否安全。

    推薦理由:Amuse 把研究、瀏覽、提醒和製作小型應用程式放在自家電腦執行,也讓使用者保留自己的資料與登入資訊,呈現了個人 AI 助理的另一種使用方式。

  10. The New Stack78

    Google 讓 Gemini 在 Mac 背景操作應用程式

    在 Mac 上讓 AI 助理操作不同應用程式時,使用者可能需要停下手邊工作,也得留意它能存取哪些資料。Google 正把電腦操作功能加入 macOS 版 Gemini,讓它在背景視窗操作桌面程式和網站,使用者可以在聊天畫面檢視進度、暫停,並在需要時核准操作。這項功能能處理本機 PDF 的出貨資料、整理儀錶板數字或批次編輯照片。Apple 最近收緊 macOS 自動化許可權,但 Google 尚未說明 Gemini 如何配合,也未交代背景環境如何隔離、哪些操作需要核准,以及內建哪些防護措施。功能正向美國年滿 18 歲的個人帳號使用者推出,需使用 Apple Silicon Mac、macOS Sequoia 15.0 以上版本及 Google AI Plus、Pro 或 Ultra 訂閱。

    推薦理由:Gemini 可在背景操作 Mac 應用程式,但許可權調整後如何運作、哪些操作需要核准,仍有不少細節尚未說明。

  11. AWS Machine Learning Blog78

    Amazon Bedrock AgentCore harness 加入 Strands 預設設定與生命週期檢查

    AI 助理接到長任務時,光有模型還不夠,還得管理上下文、使用工具,也要避免未經核准就執行退款等重要操作。AWS 更新 Amazon Bedrock AgentCore harness,加入任務規劃、網頁擷取、檔案讀寫和工作委派等內建工具,也會整理較早的對話內容,減少上下文用量。開發者還能在執行前後設定生命週期檢查,例如用 Lambda 檢查退款金額,超過 $500 就擋下操作,並讓 AI 助理通知顧客案件已升級處理。這些檢查也會套用到受委派的工作;模型、提示詞和工具許可權仍可自行設定。

    推薦理由:文章說明 AgentCore 如何用生命週期檢查攔下超出核准額度的退款,並讓相同規則套用到 AI 助理委派的工作。

  12. NVIDIA Blog71

    NVIDIA 與 Microsoft 擴大 AI 運算,從 Azure 延伸到 Windows 電腦

    企業想把 AI 用在工作上,得先決定模型要放在哪裡、如何配合自家資料。NVIDIA 和 Microsoft 擴大合作,讓企業能在 Azure 使用 NVIDIA Vera Rubin NVL72 系統,也能透過 Microsoft Foundry 調整 NVIDIA Nemotron 開放模型,再部署到雲端或企業自己的裝置。EY 用這種方式調整模型來分類採購紀錄,在自己的評估資料上準確率提高 55%,成本比專有前沿模型低 15 倍。合作也把 AI 部署選項延伸到 Azure Local、工業用邊緣裝置和 Windows 電腦,讓企業能依資料位置與工作需求選擇執行方式。

    推薦理由:NVIDIA 與 Microsoft 把雲端、企業內部和個人電腦的 AI 部署選項串在一起,也展示企業如何用自家資料調整開放模型。

  13. Databricks Blog63

    Databricks 說明受監管產業如何安排 AI 助理的許可權與控制

    受監管產業匯入 AI 助理時,常要在自動處理和可追查、可控制之間拿捏。Databricks 整理出四種架構模式:由固定規則做出可重現的判定,AI 助理負責查明原因;讓 AI 助理產生結果,再由固定測試判斷是否合格;由 AI 助理整理證據與建議,重要決定交給負責的人;或只讓 AI 助理在明確的許可權範圍內執行。文章也以金融對帳、系統遷移、金融犯罪調查和資料存取為例,說明如何依錯誤代價、能否客觀驗證,以及是否需要人員判斷,安排控制邊界。

    推薦理由:四種架構模式分別安排 AI 助理、規則系統與人員的許可權,能協助受監管產業依錯誤代價和判斷方式規劃控制邊界。

  14. AWS Machine Learning Blog60

    AWS 與 Accenture 教你分階段降低 Amazon Bedrock 的 AI 成本

    企業使用 AI 越多,帳單可能越高,就算每個 token 變便宜也一樣。AWS 和 Accenture 建議先用標籤看出各團隊、工作和 AI 助理花了多少錢,再依序調整提示詞快取、批次處理、模型路由、資料檢索、語意快取或模型蒸餾。四個客戶案例中,token 花費約減少 40% 到 85%;有些案例同時改了好幾項,因此無法把省下的費用歸給單一做法。文章也提醒,調整時要逐項測量成本、回答品質和商業價值,品質變差時才能及時回復。

    推薦理由:文章把成本歸因、分階段調整與品質治理串成實作順序,並以四個企業案例呈現不同做法的花費變化。

  15. The New Stack76

    AAIF 技術長談 AI 助理工具為何還會持續變動

    不同 AI 助理要一起工作時,常會遇到工具格式不合、工作紀錄接不上,還可能被綁在同一家模型廠商。AAIF 技術長 Manik Surtani 受訪時談到,Anthropic 的 Agent Skills、OpenAI 的 Open Responses、Hugging Face 的 OpenEnv 和 OpenSandbox 加入 AAIF,讓這些專案能在中立治理下發展。Agent Skills 可讓不同支援格式的 AI 助理共用任務指示;Open Responses 則提供應用程式和語言模型交換請求與結果的共同規格。Surtani 認為,AI 助理的工具與工作方式還在變,團隊可用標準介面或代理程式降低對單一模型廠商的依賴,也應設法讓工作背景能在不同 AI 助理之間接續。

    推薦理由:AAIF 負責人談到代理工具加入中立治理後的變化,也說明記憶移轉與模型相容仍是開發團隊需要面對的問題。

  16. OpenAI News82

    OpenAI 如何用 Performance Factory 找出並修復 ChatGPT 效能變慢

    ChatGPT 變慢時,工程師得檢視指標、紀錄和程式碼,找出原因再修復,過程既花時間,也需要熟悉服務。OpenAI 建立了 Performance Factory,讓 AI 助理在效能警報響起後接手調查、記錄發現並提出修正,再由工程師審核和部署;部署後,另一個 AI 助理會確認效能是否恢復。若判斷原因有疑點,另一個 AI 助理也會嘗試推翻原本的診斷。OpenAI 表示,這套流程運作剛超過 3 個月,追蹤了 1,700 多次調查,找出超過 600 起問題的根本原因。修正是否合適仍由工程師把關。

    推薦理由:OpenAI 說明效能警報如何一路交給 AI 助理調查、提修正,再由工程師審核部署,並在部署後確認是否恢復。

  17. Browser Use68

    Browser Use 解說 AI 助理如何看懂並操作軟體介面

    AI 助理要替人操作網站或桌面軟體,得先看懂畫面,再決定點哪裡、輸入什麼;操作失誤也可能造成麻煩。Browser Use 說明 AI 助理可用截圖、網頁的 DOM 或無障礙樹讀取介面,再透過工具點選、輸入和捲動畫面,並在每一步確認結果。例如,下載報表時,它得找到報表頁面、選對期間,再匯出檔案。截圖看得到畫面外觀,DOM 和無障礙樹則能提供控制項的文字與狀態。這類操作可能較慢、會出錯,也可能接觸帳號中的敏感資料;文章建議先用小任務測試,限制許可權,並在寄信、購買或刪除資料前要求人工確認。

    推薦理由:文章比較截圖、DOM 與無障礙樹讀取介面的差異,也整理了 AI 助理操作軟體時的常見失誤與許可權風險。

  18. aihot79

    Perplexity Computer 的 Brain 會依照過去工作,自動建立和更新個人技能

    AI 助理做重複工作時,常需要人手動新增技能,才能記住怎麼處理。Perplexity Computer 的 Brain 會檢視過去的工作紀錄,包括工具使用、推理和結果;看到足夠多次相似做法後,才提議建立或更新個人技能。每項變更上線前,還要用過去失敗的情境重新測試,並由工程師審核。為期 8 週的隨機測試中,72.9% 的使用者至少新增了一項技能;工具呼叫失敗率下降 11%,不滿意的對話減少 7.6%,成本和延遲則沒有可測量的變化。

    推薦理由:這項為期 8 週的隨機測試比較了自動建立技能前後的使用情況,呈現個人化技能對工具失敗率與成本、延遲的影響。

  19. Aravind Srinivas70

    AI 助理常要重複處理類似工作,使用者也得自己新增技能。Perplexity Computer 現在會讀取過去的工作紀錄,找出一再出現的做法;證據夠多時,就提議新增或更新技能。每位使用者都能取得的內建技能,還會先用失敗情境測試並經工程師檢查,才會正式推出。在一項為期 8 週的隨機測試中,72.9% 的使用者至少得到一項個人技能,手動新增技能的使用者則有 6.5%;工具呼叫失敗減少 11%,使用者不滿意的對話減少 7.6%,成本和速度沒有可測量的變化。

    推薦理由:八週隨機測試比較自動整理技能與使用者手動新增的情況,並呈現工具呼叫失敗和使用者不滿意對話的變化。

  20. CMU Machine Learning Blog81

    CMU 研究者談 AI 助理如何保有人類控制

    AI 助理越會完成任務,越可能為了做完工作而繞過停止要求,或把人設下的限制漏掉。CMU 研究者 Aran Nayebi 說明一套讓安全要求優先於任務報酬的設計,讓 AI 助理接受停止、保留人類介入的機會,也讓交出去的子助理沿用相同限制。他也介紹 ROGUE 測試:有些能在聊天中表現配合的模型,在電腦操作和交辦工作時仍會違反限制。文章提醒,光讓 AI 助理更會做事,不能確保人類仍能控制它。

    推薦理由:文章以可證明的安全條件和電腦操作測試,說明任務能力與人類控制可能衝突,並整理讓安全要求優先於任務報酬的做法。