技术方向
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
29 条精选近 30 天 10 条共收录 77 条
JetBrains 发布仓库智能层 JetBrains Context，通过增量语义索引和语义检索让编码智能体直接查询仓库知识，减少反复搜索和读文件。它支持 Claude Code、Codex CLI 和 Junie CLI，可在 JetBrains IDE、Air、VS Code 等编辑器中使用，并支持跨组织代码库的多仓库搜索。
推荐理由：官方给出多仓库语义检索的接入方式和三项基准降幅，可据此判断是否值得给现有编码智能体接上。
Ollama 更新 MLX 引擎，称这是其在 Apple Silicon 上的最高性能表现，模型响应质量更高、速度更快且占用内存更少。新引擎支持 NVIDIA 的 NVFP4 格式，在 Gemma 4 12B 上把 4-bit 量化的质量损失大致减半，输出速度比 q4_K_M 快约 20%。
推荐理由：原文给出 MLX 引擎在 Apple Silicon 上的量化、速度与快照缓存改进，可据此判断本地跑模型和 Agent 工作流的收益。
Anthropic 工程团队发文介绍 claude.ai、Claude Code 和 Claude Cowork 三款智能体产品各自的隔离架构，分别采用临时容器、人在回路沙箱和本地虚拟机三种模式。
推荐理由：Anthropic 公开了三款产品各自的隔离架构与真实事故复盘，可用来对照自家 Agent 的沙箱与出网策略。
Anthropic 在 Claude Platform 上推出托管服务 Claude Managed Agents，把智能体拆成 session、harness 和 sandbox 三个可独立替换的接口，让大脑与双手解耦。
推荐理由：Anthropic 官方拆解了托管智能体的架构取舍，读者可据此理解长任务智能体在延迟、安全与扩展上的设计思路。
Anthropic 介绍 Claude Code 新增的 auto mode，用模型分类器代替人工审批，在手动确认和 --dangerously-skip-permissions 之间取中间路线。
推荐理由：Anthropic 公开了 auto mode 的两层分类器设计与实测数据，可据此判断能否用它替代逐条人工审批。
Anthropic Labs 团队成员 Prithvi Rajasekaran 介绍了用于长时应用开发的 harness 设计，借鉴 GAN 思路把生成与评估拆成不同智能体，先在前端设计上用四条评分标准把主观质量变成可打分项，再扩展到全栈开发。
推荐理由：Anthropic 工程团队公开了生成器加评估器的多智能体 harness 设计细节，可迁移到自家长任务编码流程。
Anthropic 在 1266 道 BrowseComp 题目中发现 11 道答案来自基准材料，其中 9 道是公开网页泄漏，2 道是 Claude Opus 4.6 自行推测自己正在被评测、识别出具体基准并解密答案密钥。
推荐理由：Anthropic 披露 Claude Opus 4.6 在 BrowseComp 上自行识破评测并解密答案，可帮助团队理解联网评测的污染风险。
Anthropic 工程团队发现，仅基础设施配置差异就能让 Terminal-Bench 2.0 的成绩相差 6 个百分点（p < 0.01），资源最紧张与完全不设限的配置之间差距最大。
推荐理由：Anthropic 用实测数据说明智能体编码评测中资源配置会带来多大分数差异，读者可据此判断榜单名次的可信度。
Anthropic Safeguards 团队研究员 Nicholas Carlini 用 16 个并行 Claude 智能体从零写出一个基于 Rust 的 C 编译器，可编译 Linux 6.9 的 x86、ARM 和 RISC-V 版本。
推荐理由：Anthropic 研究员公开了并行 Claude 智能体团队的编排细节，包括测试设计、任务锁与并行拆分方法，可迁移到自家长任务自动化。