AI Agent News
实时追踪 AI Agent 赛道的重大事件、融资动向、模型发布和技术突破
最新行业资讯
实时追踪 AI Agent 赛道的重大事件、融资动向、模型发布和技术突破
重大事件时间线
OpenClaw GitHub 爆发
OpenClaw 10 天冲上 GitHub 全球 Top 10，超越 Linux 内核 Star 增速
Meta 20亿收购 Manus
Meta 以 20 亿美元收购 Manus AI，通用 Agent 赛道正式被巨头锁定
DeepSeek-V3 开源
性价比之王，成本仅 GPT-4 的 5%
Manus 一夜爆火
全球首款通用 AI Agent 在国内社交平台引发空前关注
OpenAI Deep Research
OpenAI 推出深度研究 Agent，一键生成专业研究报告
MCP Server 破 500
MCP 生态爆发，3 个月构建 500+ Server
DeepSeek-R1 震惊全球
开源推理模型，成本仅 OpenAI 的 3%，引发全球 AI 格局震动
MCP 协议诞生
Anthropic 发布 Model Context Protocol，成为 Agent 接口事实标准
Claude Computer Use
Anthropic 让 AI 首次直接操控电脑屏幕，开创计算机使用新范式
Replit Agent 全栈自动化
自然语言到上线产品，面向非工程师
Cursor ARR 破亿
史上增长最快 SaaS，AI 编程工具新王者
Claude 3.5 登顶 SWE-bench
最强编程 AI，Bug 修复能力达到初级工程师水平
Devin 发布
全球首个自主 AI 软件工程师，能独立完成完整编程任务
Claude Code工程师分享Fable 5使用心法：打破人与模型间的信息差
Claude Code 核心工程师 Thariq Shihipar 近日发布长博客，详细阐述了使用 Fable 5 模型的核心方法论。他指出，当模型能力足够强时，工作质量的瓶颈已从模型本身转向用户能否清晰表达需求。Thariq 将任务中的未知因素分为四类：已知已知、已知未知、未知已知和未知未知，并强调最棘手的是“未知未知”。他提出一套闭环流程：实施前通过盲点扫描、头脑风暴、反问、提供参考和实施计划来减少未知；实施中维护 implementation-notes.md 记录偏差；实施后打包推介并做测验。Anthropic 的 Fiona Fung 在另一访谈中补充，团队人均季度代码产出已涨至 8 倍，但并行 Agent 增多带来切换负荷和孤独感等新问题。
Anthropic 推出 Claude Science：面向科研人员的 AI 工作台，实测可 10 倍提速
2026 年 6 月 30 日，Anthropic 发布 Claude Science，定位为面向科学家的 AI 工作台，而非新模型。该工具将文献检索、数据分析、图表生成、手稿撰写等科研流程整合到同一环境中，支持 macOS 和 Linux，Pro、Max、Team、Enterprise 用户可立即使用。 ## 核心功能与工作流 - **可复现性**：每张图表附带生成代码、运行环境、对话历史，支持自然语言修改（如“去掉网格线”），结果可直接用于发表。 - **算力智能调度**：自动管理本地、SSH 远程或 HPC 集群资源，支持从单 GPU 扩展到数百 GPU，敏感数据不离开原系统。 - **开箱即用**：预置 60+ 科学技能和连接器，直连 UniProt、PDB、Ensembl、ClinVar、ChEMBL、GEO 等数百个数据库，集成 NVIDIA BioNeMo Agent Toolkit，支持 Evo 2、Boltz-2、OpenFold3 等专业模型。 - **审查机制**：内置审查智能体，专职检查引文准确性和计算正确性；所有关键操作需用户逐项授权，确保人在回路。 ## 实测表现 - 在脑机接口文献综述任务中，Claude Science 先制定六步计划，确认后自动从 OpenAlex 抓取元数据，遇限流后自动切换至 Crossref，最终筛选出 1218 篇相关论文（62% 带摘要），完成聚类、趋势分析，输出中文报告、图表及 CSV 文件。 - 整个过程可见、可追溯，主动说明数据源局限并建议补充权威数据库。 ## 首批用户反馈 - **Allen Institute**：神经科学家 Jérôme Lecoq 团队将长篇综述写作时间从近 2 年压缩至几周，采用“actor-critic”双智能体模式（一个写、一个评），已产出多篇百页级成果。 - **UCSF 脑肿瘤中心**：胶质瘤分子流行病学分析时间降至原来的 1/10，独立验证结果可靠。 - **Manifold Bio**：用于组织靶向药物靶点筛选，评估表面表达、运输和安全性，效率超过普通编码助手。 ## 行业对比与谨慎声音 - **OpenAI**：推出 GPT-Rosalind（专有微调模型，限企业客户）和 GeneBench-Pro 基准测试，测试模型科研判断力。 - **Google**：手握 AlphaFold、AlphaGenome 等独有模型，Gemini for Science 整合 30+ 科学数据库。 - **Anthropic**：走订阅开放和工作流优先路线，同时启动药物研发计划，资助 50 个 AI for Science 项目（最高 3 万美元）。 - 东北大学 Jared Auclair 提醒：AI 仍是“副驾驶”，在解读监管指南、设计实验等环节可能出现幻觉或遗漏，需谨慎使用。
阿里内部全面禁用Claude Code，因被曝隐蔽标记中国用户
2025年7月3日，阿里巴巴内部下发通知，全面禁用Anthropic旗下所有产品，包括Claude Sonnet、Opus、Fable全系模型及Claude Code，要求员工在7月10日前完成卸载。替代方案为阿里自研的Qoder。 ## 事件背景 - 年初阿里鼓励员工使用外部AI工具，提供大额报销，Claude、GPT、Gemini等均可使用。 - 6月10日，Anthropic致信美国参议院银行委员会，指控阿里在4月22日至6月5日间使用约2.5万个虚假账号与Claude交互超2800万次，定性为“工业级模型蒸馏攻击”，并上升至国家安全层面。 - 6月底，大量中国用户遭Anthropic封号，个人订阅和团队账户均受影响，付费账号不退款，申诉困难。 ## 关键细节：Claude Code的隐蔽检测机制 - 6月30日，Reddit用户LegitMichel777逆向分析发现，Claude Code自4月2日发布的2.1.91版本起内置了一套隐蔽的用户检测机制。 - 机制分三步： - 读取系统时区（如Asia/Shanghai或Asia/Urumqi），检查代理地址或自定义API中是否包含147个中国云厂商和AI公司域名（如阿里、字节、百度、月之暗面、MiniMax）。 - 命中后不弹窗，而是在系统提示词中修改日期格式（如将“2026-06-30”改为“2026/06/30”），并将“Today's date is”中的撇号替换为不同Unicode字符（右单引号、修饰字母撇号、修饰字母上撇号），分别对应不同命中状态。 - 修改后的提示词随正常请求发回Anthropic服务器，形成环境指纹。 - 代码核心逻辑被混淆，147个域名加密存储，版本更新日志未提及。 ## 各方反应与影响 - 7月2日，Claude Code团队成员Thariq Shihipar承认该措施为3月上线的“实验性”功能，用于防账号转售和模型蒸馏，并称已在当天新版本中回滚删除。 - 7月3日，阿里在回应发出次日即下发禁令，将Claude Code定性为存在植入后门的安全风险，列入高风险软件名单。 - 阿里此举标志着中国头部科技公司对依赖外部闭源工具的态度转变，从“拿来主义”转向“安全优先”。
Claude Code被曝隐写木马，Codex日志bug年写640TB：AI编程工具信任危机
近日，AI编程工具接连曝出严重问题。Anthropic的Claude Code被指自4月起在二进制中植入混淆代码，通过隐写术将用户时区、代理及中国AI实验室域名等信息编码进系统提示词，以检测未授权转售和模型蒸馏。该机制使用XOR加密和Unicode字符替换，用户难以察觉。Claude Code负责人Thariq回应称这是一项实验，已合并回滚PR，预计明日发布移除。 与此同时，OpenAI的Codex被曝日志系统存在严重bug：默认TRACE级别日志导致SQLite数据库年写入量达640TB，足以一年烧毁一块消费级固态硬盘。该问题源于一行`with_default(Level::TRACE)`配置，无视`RUST_LOG`环境变量，且已存在至少9个相关issue。修复后仍剩余约15%写入量（年约96TB）。 此外，Codex近期还出现额度异常消耗：单条消息烧光全部额度、后台任务偷跑token、失败任务重复重试产生“幽灵额度”，以及用量统计错位。OpenAI已多次重置额度并回滚相关改动。 两起事件暴露了AI编程工具在资源预算、用户信任和测试流程上的系统性缺陷。社区批评其为“劣质软件”，并质疑厂商将用户设备作为免费调试存储和监控工具。
Claude Code 下一代升级与团队分工重构：后台子智能体成标配，五类新角色取代传统岗位
Anthropic 旗下 AI 编程工具 Claude Code 即将迎来重大升级：子智能体默认在后台运行，用户可一边与 Claude 聊天，一边让多个智能体并行执行代码重构、测试、开 PR 等任务。Claude Code 之父 Boris Cherny 同时提出 AI 时代团队分工新框架，将传统岗位（工程师、产品经理、设计师等）重新划分为五类基于行为模式的角色：原型师、构建者、清理师、增长师和维护者。 ## 下一代升级：后台子智能体默认运行 Boris Cherny 在 X 上宣布，下一版 Claude Code 将默认启用后台子智能体。用户无需手动指定，智能体即可在后台并行工作，同时用户可继续与 Claude 对话。这一设计将 Claude Code 从“一问一答的对话框”升级为“能调度多条任务线的工作流引擎”。 此前，Claude Code 已具备多项能力： - **Routines（定时任务）**：将 prompt、代码仓库和 connectors 打包成固定流程，按小时、夜间或周触发，也可通过 API、GitHub 事件或 Webhook 启动，运行在 Anthropic 托管云端。 - **Dynamic workflows（动态工作流）**：用户只需在提示词中提及“use a workflow”或开启 ultracode，Claude 即可生成编排脚本，调度数十到上百个子智能体分阶段推进、并行交叉验证。 此次升级将上述能力打包为默认行为，用户无需手动切换。 ## 五类新角色：传统岗位标签被撕下 Boris Cherny 在 X 上提出，随着工程、产品、设计、数据科学等职能逐渐融合，Claude Code 团队内部已不再使用传统岗位标签，而是基于行为模式划分五类角色： - **原型师（Prototyper）**：提出大量创意，多数不会上线，追求想法数量与颠覆性。 - **构建者（Builder）**：将原型快速转化为生产级产品或基础设施，核心是执行速度与工程判断力。 - **清理师（Sweeper）**：简化 UI、精简代码与系统架构、砍掉冗余功能，优化性能。 - **增长师（Grower）**：接手成型产品，通过迭代打磨产品-市场契合度（PMF）。 - **维护者（Maintainer）**：守护成熟系统，确保安全、可靠、高效。 Cherny 强调，这些角色不绑定具体岗位。在 Anthropic 内部，设计师、工程师、产品经理、数据科学家可能分散在不同角色中，许多人同时横跨 2-3 种角色。角色随项目阶段动态变化： - 新产品（未找到 PMF）：需要大量原型师、构建者、清理师。 - 增长期产品（初步验证 PMF）：重心转向构建者、清理师、增长师，搭配少量维护者。 - 成熟产品（强 PMF）：以清理师、增长师、维护者为主，保留部分构建者。 ## 实战数据：工程师产出翻三倍，瓶颈转向决策者 Claude Code 的实际效果已在 Anthropic 内部和外部得到验证： - **Anthropic 内部**：Claude Code 贡献了 GitHub 上 4% 的公开 commit，年化收入突破 25 亿美元。团队中每个工程师的产出达到实际人数的三倍，一个五人团队干出十五到二十人的活。Anthropic 增长团队因此决定多招产品经理而非工程师，因为瓶颈已从“写代码”转向“决定写什么代码”。 - **Spotify 实战**：Spotify 工程副总裁 Niklas Gustavsson 透露，其超过 2000 万行代码的超级单体仓库中，每天生产环境部署约 4500 次，73% 的拉取请求由 AI 辅助完成，PR 频率提升 75% 以上。他本人同时开 5-10 个 Claude 会话，每个对应独立 git 工作树，让多个智能体在后台并行干活，自己只负责看 diff、做决策。Spotify 还将此能力开放给非工程师，产品经理、设计师甚至联合 CEO 都能用自然语言描述想法，由 Claude 在真实代码中实现端到端原型。 ## 影响与讨论：岗位边界融化，通才黄金时代 Boris Cherny 认为，AI 正在压缩各技能之间的鸿沟，通才的黄金时代到来。他本人已八个月未手写代码，名下代码 100% 由 Claude 生成。他预测，三年后写代码、用智能体的人将是今天的 100 倍，但“软件工程师”这一职称可能消失，被更灵活的角色取代。 社区反应积极。一位数据科学家表示自己常做清理师工作，同时带数据科学品味搭产品，属于“2+3 型”。资深工程师 Kun Chen 指出，角色应随项目变化，将自己框死在某一种角色会限制发展。也有网友质疑：既然 AI 能写代码，为何还需要构建者和清理师？Cherny 回应称，Claude 已能很好地承担这两类工作，且能力会持续提升，但人类仍需为 AI 的产出兜底。 清理师角色尤其被低估。随着 AI 生成代码量激增，未经人工评审直接进入生产的 AI 代码比例从 2026 年初的约 7% 升至近 38.5%（据 Cursor《开发者习惯报告》），系统隐蔽问题增多，清理师的兜底价值凸显。
OpenClaw 与 Cursor 同日发布原生移动端应用，AI Agent 进入口袋时代
2026年6月29日，AI Agent 工具 OpenClaw 与 AI 编程助手 Cursor 同日发布原生移动端应用。OpenClaw 推出 iOS 和 Android 原生 App，支持远程管控本地部署的 AI 智能体，实现文件操作、邮件清理、自动化任务审批等功能，采用 local-first 架构，免费版每日 20 条消息，付费版每月 20 美元。Cursor 发布 iOS 公开测试版（需 iOS 26.0+），提供云端 Agent 和远程控制两种模式，支持语音输入、异步运行、PR 合并，适配 iOS 实时活动与锁屏推送。两款应用均旨在将 AI Agent 从桌面端延伸至移动场景，用户可随时随地发起或监控任务，标志着 AI 自主性从“操作者”向“审批者”角色转变。
Meta发布Brain2Qwerty v2：非侵入式脑机接口解码准确率达61%
2026年6月29日，Meta发布Brain2Qwerty v2，一种无需手术、实时将脑活动转化为完整语句的非侵入式脑机接口系统。该系统基于磁脑图（MEG）设备采集信号，采用端到端深度学习架构，融合Conformer、对齐器和大语言模型（LLM），实现从字符到句子的三级解码。 ## 技术突破 - **解码性能**：9名受试者平均单词准确率达61%，最优受试者达78%，超过一半句子仅出现1个单词或更少错误。相比传统非侵入式方法约8%的准确率，提升显著。 - **架构升级**：v2从v1的字符级解码升级为单词和语义级解码，直接输出完整句子。模型由Brain Encoder（Conformer模块）和NeuroLLM（基于Qwen3-4B的LLM）组成，通过对比损失对齐神经特征与词嵌入。 - **训练数据**：每位受试者佩戴MEG设备约10小时，累计采集约22,000句意念打字样本。研究证实解码精度随数据量呈对数线性增长。 ## 与侵入式方案对比 侵入式脑机接口（如Neuralink）解码准确率超过90%，但需开颅手术，风险高、普及难。Brain2Qwerty v2以无创方式接近侵入式性能，为大规模应用奠定基础。 ## 开源与生态 Meta全面开源v1和v2训练代码，合作伙伴BCBL同步公开v1数据集。同时发布感知编码Tribev2、脑数据处理工具NeuralSet、评测平台NeuralBench，并投入500万美元开放脑科学数据集。 ## 挑战与展望 - **精度不足**：当前模型仍存在单词或字符错误，难以直接用于日常沟通。 - **设备限制**：MEG系统体积庞大、成本高昂（数百万美元），依赖液氦冷却和磁屏蔽。新一代便携OPM-MEG尚在研发中。 该技术旨在服务中风、渐冻症等沟通障碍患者，无需手术即可重建沟通渠道。长远来看，有望推动神经系统疾病诊断与治疗的变革。
TRAE Work 推出 Design 模式：打通需求、设计、代码全链路
TRAE Work 于近期上线了 Design 模式，与已有的 Work（需求）和 Code（代码）模式共同构成从需求到设计再到代码的一站式工作流。该模式支持导入 Figma 文件自动提取设计系统（颜色、字体、组件等），也可通过风格探索或内置品牌库建立设计上下文。用户可在画布上通过对话、框选或面板参数三种方式修改设计稿，并一键导出至 Figma 或直接跳转到 Code 模式进行开发。实测显示，Design 模式能有效保持品牌一致性，减少跨工具切换的上下文丢失，将原本需要产品、设计、前端多轮协作的流程压缩至一小时内。不过，AI 在视觉冲击力等创意层面仍显保守，需人工补充。该模式旨在解决 AI 设计工具普遍存在的“不认设计系统”“编辑能力弱”“工具孤岛”等痛点，推动设计资产复用与工作流整合。
豆包专业版上线：办公Agent能力实测与定价争议
2026年6月，字节跳动旗下AI助手豆包正式推出专业版，提供68元、200元、500元三档订阅，核心卖点是「办公任务模式」——一个能自主拆解目标、调用工具、持续执行并交付成品的Agent。 ## 定价与市场反应 豆包专业版三档定价分别为68元、200元、500元，面向办公场景。对比国内其他AI产品：智谱GLM Pro 49~469元，月之暗面Kimi 49~699元，小米MiMo 39~659元，字节Trae Work编程工具也分59、239、699、1399元四档。有评论指出，国内AI专业版价格已接近20美元/月（约140元人民币），与海外产品（如ChatGPT Plus 20美元/月）持平，但购买力差异下显得更贵。 ## 办公Agent能力实测 Z Finance通过五个真实场景测试豆包专业版： - **自动周报**：设定每周五上午9点生成AI产品新闻周报并输出至飞书文档，结果准时交付，内容包含热点摘要和来源标注。 - **行业PPT**：要求生成AIGC视频生成行业分析PPT（30页以内），豆包自动检索数据、整合信息，关键数据附引用来源，从需求到交付不到1小时。 - **零代码建站**：参考booooooom.com风格生成个人作品集网站，两分钟后获得可访问链接，设计风格准确。 - **财报分析**：读取英伟达2026年Q1 PDF财报，提取核心数据并对比去年同期，500字摘要数据准确无误。 - **文献综述**：搜索并下载字节Seed团队过去一年核心论文，生成8000字深度评论，按主题归类并提炼技术特征，耗时40分钟。 测试表明，豆包专业版在信息整理、内容生产、技术开发、数据分析、学术研究等维度均表现出较强的Agent能力，尤其在数据准确性和多步骤任务执行上优于普通对话AI。 ## 模型能力横向对比 甲维斯C以「机械腕表风格天文时钟」为测试题，对比了豆包2.1 Pro（通过Trae Work调用）、Model 3、小米MiMo、Kimi、智谱GLM-5.2等模型。测试要求实现7项功能（如平滑扫秒、月相计算、计时码表、日出日落等），并考察抗漂移、状态机、后台校准等陷阱。 结果： - **豆包2.1 Pro**：耗时26分钟，外形正常但代码报5个错误，无法运行，指针不走，按钮无效。 - **Model 3**（Claude Code加持）：无基础错误，指针可走，预设四个城市，但计时器和月相逻辑混乱。 - **小米MiMo**（MiMo Code）：界面完整，设计感较好，但按钮和表盘无法联动，月相显示错误。 - **Kimi**（KimiCode）：表盘质感不错，但代码报错，所有数据不显示，指针不动。 - **智谱GLM-5.2**（ZCode）：思考时间长，最终结果未完整展示。 整体上，多数模型在复杂长指令下出现功能缺失或运行错误，豆包2.1 Pro虽为最新模型，但在该测试中表现不佳。 ## 端到端工程交付能力 Datawhale团队用豆包Seed 2.1 Pro从一句话需求「做一个论文图谱管理工具」出发，生成全栈系统paper-graph-manager。模型自主输出产品需求文档、拆解前后端架构（FastAPI+React+SQLite+NetworkX）、生成代码并修复环境问题。最终交付包含仪表盘、论文管理、知识图谱、智能聊天、笔记系统、智能标注六大模块，支持arXiv搜索、PDF上传、团队/论文视图图谱等。 测试显示，Seed 2.1 Pro在需求理解、代码工程、Agent长链路执行、工具集成、多模态理解方面表现稳定，能自主完成从模糊需求到可运行系统的完整交付。 ## 总结 豆包专业版以办公Agent为差异化卖点，在真实场景中展现了较强的任务执行能力，但定价引发用户对性价比的讨论。模型能力方面，Seed 2.1 Pro在工程交付上表现突出，但在复杂创意编程测试中暴露出稳定性问题。整体而言，豆包专业版标志着国民级AI应用从免费增长转向商业化变现，其Agent能力能否支撑定价仍有待市场检验。