Claude 开发者平台推出高级工具调用功能
Anthropic 在 Claude 开发者平台上线三项高级工具调用功能：Tool Search Tool、编程式工具调用（Programmatic Tool Calling）与 Tool Use Examples，现已开启测试版。
推荐理由：针对海量工具导致上下文爆炸和多轮调用低效的问题，文章给出了按需检索、代码编排与示例对齐的具体方案。
Agent 智能体
全部主题让模型自主规划、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。
最新精选
第 161–180 条 · 共 225 条Anthropic Engineering精选AI 评分8282
OpenAI精选AI 评分7070 OpenAI 推出面向 Codex 的智能体编程模型 GPT-5.1-Codex-Max
OpenAI 推出面向 Codex 的智能体编程模型 GPT-5.1-Codex-Max。该模型速度更快且更智能，专为长时间、项目级工作设计，同时增强了推理能力并提升了 token 效率。
推荐理由：原文介绍了面向项目级代码任务的智能体模型特性，读者可以了解其在长程任务与推理效率上的定位。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 3 系列模型与智能体开发平台 Google Antigravity
Google DeepMind 正式推出 Gemini 3 系列模型，核心模型 Gemini 3 Pro 重点提升了逻辑推理、多模态理解与智能体编程能力。该模型在 Terminal-Bench 2.0 取得 54.2% 得分，并在 WebDev Arena 达到 1487 Elo，同时官方配套推出了跨工作区协作的智能体开发平台 Google Antigravity。
推荐理由：模型强化了终端控制与长上下文视频理解能力，配套智能体平台展示了从单点代码生成走向多智能体协作的落地路径。
Google DeepMind精选AI 评分9494 Google 推出 Gemini 3 系列模型并开放预览
Google DeepMind 发布新一代前沿模型 Gemini 3 Pro 预览版，并公布了面向更复杂推理任务的 Gemini 3 Deep Think 模式。
推荐理由：新模型在推理基准与长周期规划上超越前代，开发者可借此评估复杂工具调用与终端编码的落地表现。
Google DeepMind精选AI 评分8585 Google DeepMind 推出智能体开发平台 Google Antigravity
Google DeepMind 推出智能体开发平台 Google Antigravity，现已面向个人开发者免费开启公开预览版。该平台将传统 IDE 拓展为兼具同步代码编辑与异步任务编排的双界面形态，支持智能体自主操作终端、调用浏览器并生成任务工件供人工校验反馈。
推荐理由：平台展示了从传统编辑器走向多智能体异步调度的设计细节，有助于开发者理解全自主软件工程界面的演进方向。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 SIMA 2：整合 Gemini 核心的 3D 虚拟世界具身智能体
Google DeepMind 发布通用 3D 虚拟世界智能体 SIMA 2，以 Gemini 模型为核心，从简单的指令遵循升级为具备目标推理、语言交流与自我提升能力的交互伙伴。
推荐理由：SIMA 2 将 Gemini 作为推理核心，展示了智能体在未见过的虚拟 3D 环境中自主试错与自我提升的具身演进路径。
Anthropic Engineering精选AI 评分7676 Anthropic 探讨通过 MCP 代码执行构建更高效的 Agent
Anthropic 工程团队提出将 MCP 服务器抽象为代码 API 的方案，让 Agent 能够编写代码按需动态加载工具并就地处理数据。该架构避免了传统模式下预先加载所有工具定义及中间结果反复涌入上下文的问题，在案例中将 token 消耗从 150,000 降至 2,000，降幅达 98.7%。此外，该方式还支持复杂流程控制、敏感数据脱敏以及将执行代码持久化沉淀为可复用技能。
推荐理由：将 MCP 工具抽象为代码 API 并按需调用，为解决海量工具场景下的上下文膨胀和延迟问题提供了实用的工程方案。
Hugging Face精选AI 评分6868 MiniMax 解读 M2 智能体对齐：交错思考与全轨迹泛化
MiniMax 团队复盘了 M2 模型的后训练 Agent 对齐经验，提出智能体泛化不仅是增加工具种类，更要适应全操作空间扰动。团队指出单次前置思考无法应对外部环境变化，M2 采用在任务全流程随时触发的交错思考机制，以维持长程连贯性。官方提醒开发者在调用 M2 时必须保留包含思考步骤的完整会话上下文，避免因丢弃思维链导致性能下降。
推荐理由：团队复盘了基准高分与现实失效的断层，提出将交错思考与全轨迹扰动训练结合以提升通用鲁棒性。
Hugging Face精选AI 评分7272 Meta 与 Hugging Face 联合推出 OpenEnv 与智能体环境 Hub
Meta 与 Hugging Face 联合发布 OpenEnv Hub 及 OpenEnv 0.1 规范，为 AI 智能体构建标准化、具备沙箱隔离的安全运行环境。
推荐理由：原文明确了智能体沙箱环境的规范标准与共享平台，有助于开发者统一强化学习后训练与推理部署中的工具交互层。
Anthropic Engineering精选AI 评分8484 Anthropic 为 Claude Code 推出沙箱机制与网页版功能
Anthropic 为 Claude Code 推出基于操作系统级原语的沙箱运行时及云端网页版，内部实测在保障安全的前提下将权限确认提示减少了 84%。该沙箱结合 Linux bubblewrap 与 macOS seatbelt 技术，强制执行工作区文件系统限制与代理网络隔离，防止提示注入导致凭证泄漏或篡改敏感文件。
推荐理由：它展示了利用系统级文件与网络双重隔离约束终端智能体的方法，在防范提示注入的同时显著减少审批打断。
Anthropic Engineering精选AI 评分8181 Anthropic 推出 Agent Skills 规范并全面支持 Claude 系列平台
Anthropic 宣布推出 Agent Skills 规范并将其公开为跨平台标准，通过组织化的指令、脚本与资源文件夹动态扩展 Claude 的特定领域任务能力。
推荐理由：文章详细拆解了通过目录组织和渐进式披露按需加载上下文与脚本的设计，为开发者扩展智能体专有能力提供了规范范式。
OpenAI Developers精选AI 评分6060 Codex 如何支持 OpenAI DevDay 2025 的筹备与演示开发
OpenAI 复盘了内部团队在 DevDay 2025 筹备中全面使用 Codex 的实践经验。团队利用 Codex CLI、IDE 插件与 Codex Cloud 实现了展台演示开发、协议 MCP 服务器编写、文档跨格式拆解重组以及 SDK 代码审查等多任务并发交付。开发者通过简短提示词并行下发多项工程任务，在舞台演示与街机游戏构建中大幅减少了编码与排障耗时。
推荐理由：团队复盘了用 Codex CLI、IDE 插件与云端多任务并发筹备大会的实际工作流，展示了代码生成工具在高并发交付场景下的组织方式。
OpenAI精选AI 评分6868 OpenAI 推出 AgentKit、新 Evals 及智能体强化微调
OpenAI 推出面向智能体的一组新开发工具，包括 AgentKit、扩展的评测能力以及面向智能体的强化微调（RFT）。该套工具旨在帮助开发者缩短流程，加快将智能体从原型阶段推向生产环境。
推荐理由：原文给出了从原型到生产的关键工具链，读者可以据此了解官方在智能体开发、评测与强化微调上的新工具组合。
Anthropic Engineering精选AI 评分7979 Anthropic 详解面向 AI 智能体的有效上下文工程指南
Anthropic 工程团队发布面向 AI 智能体的上下文工程实践指南，指出智能体开发核心已从编写单次提示词转向对有限注意力预算内高信号 token 的动态管理。文章深入分析了长上下文衰减（context rot）的成因，并结合 Claude Code 实践，提出采用即时检索、会话压缩、外部结构化笔记与子智能体架构来应对长周期任务的状态维护挑战。
推荐理由：文章系统梳理了从提示词工程转向上下文工程的实践路径，给出了即时检索、会话压缩和结构化记忆的具体工程策略。
Hugging Face精选AI 评分6161 Hugging Face 发布 Swift Transformers 1.0
Hugging Face 正式发布 Swift Transformers 1.0，面向苹果平台的端侧模型工具库正式进入稳定阶段。新版本将 Tokenizers 与 Hub 拆分为独立顶级模块，集成全新高速 swift-jinja 模板库，全面支持 Swift 6，并借助现代 Core ML API 优化有状态模型的键值缓存。
推荐理由：该版本将分词与下载模块解耦并支持现代苹果计算框架，便于开发者在端侧快速集成工具调用与本地推理能力。
OpenAI精选AI 评分7070 OpenAI 推出 ChatGPT Pulse 移动端预览版
OpenAI 面向移动端 Pro 用户推出 ChatGPT Pulse 预览版。Pulse 是一项主动式体验，能够根据用户的历史聊天、反馈以及日历等关联应用主动进行调研，并交付个性化更新。
推荐理由：该功能展示了 ChatGPT 从被动应答转向结合日历与历史对话主动调研的工作机制，有助于了解主动智能体体验的落地形态。
Hugging Face精选AI 评分6969 Hugging Face 发布 Smol2Operator：轻量级 GUI 操作智能体后训练方案与开源模型
Hugging Face 开源 Smol2Operator，提出了一套将轻量级视觉语言模型转化为图形界面自动化智能体的完整后训练方案，并开放了训练配方、数据工具与开源模型。
推荐理由：该方案展示了小体量视觉模型通过两阶段后训练和统一动作空间建立图形界面操作能力的完整流程，便于低成本复现端侧操作智能体。
OpenAI Developers精选AI 评分7979 OpenAI 阐述开发 Responses API 的背景与架构考量
OpenAI 详解了面向 GPT-5、推理模型及未来智能体开发推出的全新 /v1/responses 接口。该接口采用多态 Items 列表结构，原生支持多模态并跨轮次加密保留隐藏的思维链推理状态，评测显示让 GPT-5 在 TAUBench 上的得分比 Chat Completions 提高 5%，内部基准缓存利用率提升 40%–80%。
推荐理由：官方详述了新接口如何通过跨轮次保留隐藏推理状态和托管工具调用，解决现有聊天接口在智能体开发中的痛点。
Hugging Face精选AI 评分7070 Hugging Face 推出 Gaia2 智能体评测基准与 ARE 仿真评估框架
Hugging Face 推出新一代 AI 智能体评测基准 Gaia2 及开源仿真框架 ARE，全面评估智能体在真实动态环境下的复杂任务处理能力。Gaia2 包含 1000 个涵盖工具执行、歧义处理、时间推理与噪声容忍等维度的人类设计场景，由早期的只读模式升级为交互式读写测试。配套的 ARE 框架模拟了包含邮件和日历等应用的手机环境，支持接入 MCP 工具并将所有运行轨迹导出为 JSON 日志。
推荐理由：针对现有基准缺乏真实动态交互的缺陷，该套件构建了支持读写与带噪声的手机模拟环境来评测智能体落地能力。
OpenAI精选AI 评分8080 GPT-5 系统卡片补充说明：OpenAI 推出 GPT-5-Codex
OpenAI 在 GPT-5 系统卡片补充说明中推出新模型 GPT-5-Codex，该版本专门针对 Codex 中的智能体编码进行了优化。该模型能够根据任务复杂度动态调整思考投入，对简单对话或小任务快速响应，并在面对复杂任务时自主工作更长时间。
推荐理由：原文披露了该模型针对智能体编码的自适应思考机制，读者可以了解它如何依据任务复杂度动态分配推理算力。