跳到主内容
智客 ZICQ

智客专题 Agent 框架专题

Agent 框架专题

AI Agent 框架横评:LangGraph、AutoGen、CrewAI、Letta 等的设计哲学、工具调用模型与生产适用性。

· 2026年8月15日 #Agent#智能体#LangGraph#LangChain#AutoGen#CrewAI#Letta · 30 / 4318 篇内容

智客前沿 · 2026-11-19

GUARD以方向遗憾稳住智能体递归自改进

GUARD面向“冻结底座模型+可编辑智能体Harness”的递归自改进:先把任务拆成执行前自检项,再以方向遗憾区分新退化与未解问题,从并行候选中完成无评审器相对筛选,并由Soft-HURT门控仅接纳收益高于回归的修改。论文称其在记忆、技能演…

智客前沿 · 2026-11-18

AnyS1用4B指针模型接管智能体常规决策,成本最高降91%

AnyS1针对自主LLM智能体每步调用大模型的开销,从1000余份公开技能中挖掘带状态与候选集的可枚举决策点,并用隔离容器中的执行轨迹构建Any-DP。其4B指针模型一次前向完成常规选择,仅在置信度低于校准阈值时回退System-2。论文在…

智客前沿 · 2026-11-18

PIPETTE破解提示注入红队高胜率却低防御增益难题

PIPETTE针对间接提示注入攻防脱节:RL-Hammer与PISmith虽能取得高攻击成功率,却因模式坍塌反复发现相似攻击,新增成功无法转化为对抗训练收益。PIPETTE以基于字典学习的奖励扩大攻击策略覆盖,并引入面向间接提示注入的on-…

智客前沿 · 2026-11-18

Game2Player以环境—玩家共进化扩展视觉智能体经验

Game2Player提出环境—玩家共进化框架:Builder改造网页游戏、暴露内部状态并定义带进度度量和成功检查的任务,Coding Player与VLM Player试玩、报错并触发修复。团队构建568个经验证游戏、3436项任务,采集…

智客前沿 · 2026-11-18

IDEA逐步审计GUI智能体视觉后门,无需预知触发器

IDEA针对开放权重GUI智能体“验收测试通过、遇视觉触发器才作恶”的问题,提出逐步、免触发器且免攻击样本的后门检测框架。其核心不是识别固定恶意图案,而是检测指令主导性反转:ICP用反事实改写指令测量决策状态位移,RCA通过消融候选屏幕区域…

智客前沿 · 2026-11-18

Airbnb用单任务成本运营Bedrock编码智能体

Airbnb披露内部编码智能体AirChat的生产化方法:请求经LLM网关进入Amazon Bedrock,发布前用真实工程任务评测模型与推理强度,发布后结合CloudWatch指标与网关记录持续调参。其核心不是单次调用价格,而是汇总任务内…

智客前沿 · 2026-11-18

Snapchat开放AR Lens自然语言开发,接入Claude Code与Cursor

Snapchat开始允许开发者借助Claude Code、Cursor等AI编码助手,以自然语言描述并构建AR Lens;厂商称助手可覆盖从需求到成品的完整流程。其意义不在新增一个聊天入口,而在于把意图理解、代码与资源生成、构建调试串成智能…

智客信息 · 2026-11-18

Mastra Factory开源:Slack驱动的智能体软件工厂

Mastra 团队开源 Mastra Factory,一套以 Slack 为主要入口、由可配置智能体驱动的软件生产工作台。系统把分流、规划、实现、评审与交付串成长程会话,并用 Durable Agents、对话记忆、带引用的 Markdow…

智客前沿 · 2026-11-18

Stretto用Nova 2 Sonic重构破产电话询案链路

Stretto与AWS、CI&T将面向破产客户的多轮电话询案交给Tara:系统以Amazon Nova 2 Sonic原生完成语音交互、工具调用与打断处理,通话结束后再由Claude 3 Haiku异步抽取结构化字段,律师规则负责最终线索筛…

智客信息 · 2026-11-18

微软 Agent Framework 的 PyPI 包遭投毒,窃取开发者凭据

微软的 agent-framework PyPI 包被曝遭供应链投毒,恶意载荷被描述为凭据窃取器。Python 依赖一旦在开发者主机或 CI 中执行,可能暴露包管理令牌、代码仓库凭据、云端访问密钥及模型服务密钥;风险还会沿缓存、构建产物和流…

智客前沿 · 2026-11-18

DeltaHarness以实测反馈自进化智能体执行策略

DeltaHarness把智能体工具调用从静态执行脚本改造成可由实测反馈迭代的策略搜索系统:系统从冷启动测量出发,更新运行时调度与物理执行计划,并挑选后续实验,再由独立确认面板决定是否替换策略。论文摘要显示,固定调度下,修订后的物化策略在一…

智客前沿 · 2026-11-17

十款前沿模型实测:多思考只涨自信,不涨购物正确率

一项多模态购物智能体研究,在源自 WebShop、Amazon SQID 和 Wayfair WANDS 的三个商品选择基准上横评十款前沿模型。提高推理预算显著抬升了模型自报置信度,却未带来统计显著的决策正确率提升;多数模型在各档位均校准不…

智客前沿 · 2026-11-17

分辨率假设揭示智能体进化瓶颈:评测噪声压过真实改进

一项覆盖7种进化方法、6个模型并调用逾1000万次LLM的研究提出“分辨率假设”:智能体进化停滞的主因并非无法提出更好的提示、技能或记忆,而是评测器无法稳定区分真实改进与噪声。候选层面,筛选表现不优于随机;方法层面,典型差距小于同一方法两次…

智客前沿 · 2026-11-17

CADMAGEDDON开源本地智能体,实现网格到可编辑CAD重建

CADMAGEDDON把网格转可编辑CAD拆成“判断构造什么—调用几何工具生成—观察偏差—继续修正”的视觉决策链,并以FreeCAD承接结果。项目开源,目标是让个人和小团队在单GPU或当前一代笔记本上本地运行,避免专有零件外传。论文称,以中…

智客前沿 · 2026-11-17

RepoFactory进化训练环境,长程编码智能体NL2Repo提升22.6分

RepoFactory把真实代码仓库自动转换为可验证的长程编码环境,并通过环境进化循环,以有效性、结构耦合与实现范围的乘性代理目标持续筛选训练任务。基于10,159个环境训练后,Qwen3.5-35B-A3B衍生出的RepoHorizon-…

智客前沿 · 2026-11-17

冻结LLM自主设计自学习算法,游戏经验跨任务迁移

论文把“如何自改进”从开发者预设流程改为智能体可自行搜索的策略:冻结LLM获得基本原语、算力预算、经验采集与文本更新工具,在游戏环境中自行设计基于上下文的学习算法。摘要称,能力足够的模型能形成类似自我调节学习与自生成课程的行为,并把文本产物…

智客前沿 · 2026-11-17

OpenAI推出ChatGPT销售插件,同步扩展30余项合作伙伴插件

OpenAI在ChatGPT中推出Sales插件,并新增或扩展30余项合作伙伴插件,将潜客研究、销售提案准备、CRM更新与交易推进串联为可调用的工作流。其价值不在新增独立模型,而在于把ChatGPT变成面向销售场景的插件编排入口。不过,公告…

智客前沿 · 2026-11-17

Bedrock AgentCore处理20MB JSON:Token最高降71%,延迟降80%

AWS 展示 Flightscape 在 Bedrock AgentCore 上处理 20MB 以上 JSON 智能体的三层方案:重型产物卸载至 S3 并以 SHA-256 内容寻址;超大列表只返回计数、样本和句柄,按需分页;嵌套字典改用结…

智客前沿 · 2026-11-17

AWS FDE扩展至15国:45天冲刺将企业智能体推向生产

AWS宣布Forward Deployed Engineering(FDE)服务已扩展至15个国家,面向商业及公共部门客户开放,并按每次45天冲刺采用固定价格计费。服务由AWS工程师、科学家、产品经理、客户团队及专用智能体协作,在客户自有A…

智客前沿 · 2026-11-17

Gemini Tasks六国免费,深度接入Workspace代办公务

Google宣布,Gemini中的Tasks已在六个国家免费提供,并于美国开始推出新功能,更新重点是加深与Google Workspace的集成,让Gemini可在用户授权下代表其处理办公事项。此次发布扩大了自然语言驱动的代理式任务入口,但…

智客前沿 · 2026-11-17

AWS Quick re:Invent议程聚焦企业智能体治理与多代理落地

AWS发布re:Invent 2026的AWS Quick完整参会指南,集中展示企业AI工作区在权限继承、租户隔离、审计、GraphRAG、记忆层、MCP连接器及多智能体编排方面的架构路径。议题还覆盖Data Catalog、自然语言BI、…

智客前沿 · 2026-11-17

AWS发布智能体负责任AI三阶段治理路线图

AWS发布面向智能体平台与应用团队的负责任AI成熟度路线图,将治理拆为治理基座、试点部署、评测加固三阶段,并覆盖安全隐私、稳健性、可控性、公平、可解释与透明度等八个维度。其重点不是新增模型能力,而是把模型准入、风险分级、工具最小权限、人工审…

智客前沿 · 2026-11-17

NVIDIA在SC26推出科学智能体栈与Rubin HPC

NVIDIA在SC26公布科研智能体栈:Nemotron for Science结合开放的Nemotron 3.5 Super VL、化学数据集和后训练配方,可本地运行于DGX Spark、工作站或超算。Rubin HPC GPU支持FP6…

智客信息 · 2026-11-17

FrontierHarness Eval v1.1:64%推理支出落在失败任务

FrontierHarness Eval v1.1 对27,280次编码智能体运行的成本归因显示,64%的推理支出落在最终失败的任务上。这个数字是花费份额而非失败运行占比,不能解读为64%的任务失败;它更像一个成本尾部信号,说明失败轨迹可能…

智客前沿 · 2026-11-17

大模型歧义消解新框架:用三项信号平衡追问与假设

论文提出偏好约束的模拟用户框架,用多轮对话评测大模型面对歧义时“何时追问、何时直接假设”。模拟器只依据预设的消歧偏好作答,以减少幻觉和过度披露;同时用错误假设、重复追问、无关追问三类可观察“不满信号”补充任务准确率。基于这些信号优化系统提示…

智客前沿 · 2026-11-17

SPLICE以受约束组合搜索优化智能体提示

SPLICE 将智能体的自然语言优化(NLO)重写为分块状态上的受约束组合搜索:安全条款、工具模式与输出格式可逐字冻结,候选则由区段局部梯度提出,并以精英束搜索、多样性槽和长度正则控制回退、血缘坍缩与提示膨胀。论文给出冻结代价、噪声重评、长…

智客前沿 · 2026-11-17

VEX以视听教程训练电脑操作智能体,重看执行视频自校验

VEX把真实操作教程从“截图—动作序列”改造成同时利用画面与语音的监督信号。其“观看—执行—重看”循环让智能体先从教程提取步骤指南,再操作桌面,并通过重看执行视频核验进度。9B的video-SALMONN-VEX以Qwen3.5-9B为骨干…