最新 · Latest
2026年10月27日
三篇论文给 harness 打分：模型再大也救不了烂框架
两年来 agent 评测都在给模型打分，把 harness 当成水管。周一 arXiv 批次里有三篇论文专门给水管打分，结果发现水管说了很大一部分算。
TraceTrial-Bench 把 harness 拆成七块：上下文、执行、治理、生命周期、可观测性、工具、验证。4 个 harness、9 个模型、95 个任务，一共 3420 次运行，harness …
2026年10月26日
Pomerado：网站别再让 agent 点了，直接编成 MCP 工具
Pomerado 周日在 YC 发布，一句话定位：几分钟把任何网站变成一个 API 或 MCP。它是 YC 2026 秋季批次的公司，核心代码以 MIT 协议开源在 GitHub 上，大约 190 颗星，仓库 10 月 5 日创建。
它瞄准的是 agent 至今还得一下一下点过去的那部分网页：保险、供应商、物流、医保支付方的老旧门户，电子病历系统，政府网站…
2026年10月26日
AgentGrid.io：权限细到每个 agent、每个文件夹
AgentGrid.io 是周日 Product Hunt 当天第二名。在一堆给 agent 用的工作区产品里，它的思路算是比较干净的一个。一句话定位：人和 agent 共用的网盘。文档、报告、幻灯片、应用、设计稿都是活的文件，带完整版本历史，人和 agent 改的是同一份。
真正值得看的是权限模型。你可以把 Claude、Codex 或者自己的 agen…
2026年10月25日
Claude MCP Tasks：过夜任务来了，重复退款问题也跟着来了
周五晚上，Anthropic 让 Claude 支持了 MCP Tasks 和 Elicitations。Tasks 让 Claude 把长时间运行的活交给插件，比如深度研究，做完了再回来汇报。Elicitations 让服务端可以在任务进行到一半时停下来问用户一个问题。公告：https://x.com/ClaudeDevs/status/211369800…
2026年10月22日
Claude Duet 和沃尔玛同一天上线，两家真正卖的都是那张授权单
10 月 21 日，Anthropic 发布了 Claude Duet，一个独立 app，Claude 在里面不再是聊天框，而是一个主动干活的 agent。底层是 Opus 5.5，有自己的虚拟机和浏览器，能接 6000 多个连接器和插件，每隔几个小时巡一遍你的账户。早上给你一份简报，然后安静下来，直到有事需要你。目前是研究预览，美国 Pro 和 Max 用…
2026年10月17日
OpenCode 2.0：所有界面背后只剩一个常驻进程，每个 MCP 服务器都变成 agent 可以写脚本调用的函数
OpenCode 2.0 在 10 月 14 日登上 Hacker News，848 分、370 条评论，两天前项目官方的发布帖已经过了 71.9 万次展示。仓库 21.4 万星。它的时间线乱得值得记下来：v2.0.0 的 git 标签是 9 月 11 日打的，npm 包从那时起就在发 2.0.x，发布说明的日期是 10 月 12 日，而 GitHub 的 …
2026年10月14日
DishwasherBench：验证器是一个物理引擎和一台真的博世
前沿模型会码洗碗机吗？Composo 做了一个基准，答案由物理决定而不是评分表。DishwasherBench 建模了一台真机，博世 SMV4HAX40G，几何来自照片和卷尺实测：上下两层篮子、齿排、搁架、喷淋臂、Eco 50 程序。装载是用 Jolt 在精确形状上跑的刚体物理。洗涤从实机测量的喷嘴位置模拟，并用一次真实试洗校准。每洗干净一件得分，从第二关起…
2026年10月13日
Agent 习惯性 grep。Pensieve 说一次搜索顶四十次读文件，微软的论文说这就是问题本身。
Pensieve 是 Ted Haley 做的免费 MIT 协议 Mac 应用，把你的文件、仓库和编程 agent 的会话在本地建索引，通过 MCP 暴露一个搜索：agent 用大白话问一句，拿回最相关的几段带文件和行号，不用把整个磁盘 grep 一遍再读四十个文件。周一在 Hacker News 拿了 117 分。页面上的基准不大但老实：Claude Co…
2026年10月10日
Sierra 发了 Poppy：agent 跟公司打交道的协议草案。37 家伙伴，Apache 2.0。
宣布三天之后，Sierra 把草案放到了桌上。Personal Agent Protocol，参与的人都叫它 Poppy，现在是 personalagentprotocol.org 上一份能读的 Draft 0.1，Apache 2.0 许可，承诺一个月内出参考实现和设计工作坊。合作方名单一夜之间从 7 家涨到 37 家。最初七家是 Meta、Genesys…
2026年10月9日
Google 的 Gemini agent 有了自己的邮箱，想用 Claude 的时候就用 Claude
周四的 Gemini at Work 大会上，Google Cloud CEO Thomas Kurian 发布了"Gemini agent"：一个统一的工作 agent，在一个输入框里回答问题、做知识工作、生成媒体、写代码跑代码。Google 想让你记住的一句话是"你给它目标，不是指令"。你把一个结果委托出去，合上电脑，活在云端继续跑几小时或几天，记忆只有…
第 1 页
较早 →
招聘 · Hiring
AI Agent 公司最新职位，开放即收录。
Vercel
Strategy and Planning Lead
Vercel
Sales Strategy & Operations, Enterprise
Glean
Office Manager
Glean
Design Engineer
Isomorphic Labs
Research Lead (Formulation Sciences), London
xAI
Sr. Manager, Materials Management - Memphis