● 最新博客
全部文章 →DeepEval：用 pytest 的姿势评测 AI Agent，六个指标盯住六种失败
DeepEval（18.5k stars）Agent 评测指南：三层评测范围 + 六指标体系，每个指标对应一种失败模式，pytest 风格跑进 CI/CD。
microsoft/ai-agent-evals：把 Agent 评测塞进 CI/CD，改动不达标就别上线
微软官方 GitHub Action：CI/CD 里离线评测 Foundry Agents，六类 evaluator + 统计显著性检验 + 多 agent 对比，评测报告直接进 Actions summary。
Claude Code Action：把 Claude 装进 GitHub，PR 和 Issue 里的全自动工程师
Anthropic 官方 GitHub Action：@claude 提问、审查 PR、修 bug、定时自动化。从安装到配置的完整指南，含 v1.0 新配置与安全要点。
Answerbit：腾讯出的 GEO 平台，你的品牌在 AI 回答里排第几
腾讯企点营销云旗下 Answerbit：天级追踪品牌在 DeepSeek、豆包、元宝、Kimi、千问回答中的提及率与排名。GEO 是什么怎么用。
AgentJev：0.6B 开源决策模型，一次前向 50ms，零 token 解码
AgentJev-0.6B：基于 Qwen3 的开源决策模型，diff/日志进、概率分布出，零解码。含用法与训练类似模型的完整步骤。
MCP Apps 详解：让 MCP 工具在聊天里长出交互界面
MCP Apps 官方规范详解：server 返回交互式 HTML 直接渲染在聊天里。工作原理、沙箱安全模型、适用场景与生态现状。
用 Jev 和 LangGraph 构建生产级 Agent：LangChain 官方教程翻译
LangChain 官方教程：Jev 决策模型 + LangGraph 编排构建生产级 Agent，文档审查示例快 5-6 倍。全文翻译加解读。
微软终于追上了：Work、Code、Managed Agents 全部合并进新 Copilot
微软发布新 Copilot：Home 合并 Chat 与 Cowork、Code 让非开发者也能构建、Autopilot 常驻 Agent 自动干活。三大能力 + 生态拆解。
为什么和为谁构建 Claude 插件：MCP Connector、Skills 与目录发布全指南
Claude 插件是什么：一次添加、全平台使用，打包 MCP Connector、Skills、MCP Apps 与 Commands。官方构建到发布完整指南。
Whiteboard：当 Agent 写代码，人类最缺的是'看懂它干了什么'
Whiteboard：YC W26 开源的软件设计画布。Agent 在画布上画出自己的工作，人类点击图直达代码，AST 语义 diff 看重点变更。
工具执行前先审一刀：LangChain 把 Jev 接入 Agent 中间件，安全护栏不再是闭源 harness 专利
TypeSafe AI 的 System One 模型 Jev 不生成文本只做结构化决策，比 LLM 快 200 倍省 400 倍，被 LangChain 用于工具执行前风险检查。
Jev 能成为更好的 Agent 评估器吗？LangChain 用 LangSmith 做的实测翻译
LangChain 实测：Jev 作为 Agent 评估器，方差比 GPT-5.6 Luna/Terra 和 Claude Sonnet 4.6 低 92-913 倍，成本仅 $0.00035/次。全文翻译。
DHH 做的 Agent 原生 Linux：Omarchy 一年 117 万次下载，凭什么
Rails 作者 DHH 打造的 Agent 原生 Linux：35 秒安装、Agent 修 bug、2GB 内存也能跑。一年 117 万次下载背后的设计哲学。
OpenKnowledge：Notion 遇上 VS Code，一个让 Claude 和 Codex 直接读写知识库的 AI-native Markdown IDE
inkeep 开源 AI-native Markdown IDE OpenKnowledge：真 WYSIWYG、深度集成 Claude/Codex/OpenCode，内置 MCP 与 Skills，Git 自动同步。
如何设计更好的 MCP server：54 个工具模式 + AWS 权衡 + 官方最佳实践
MCP 解决协议层，工具设计才是缺失的层。整合 Arcade 54 模式、AWS 五方法、官方实践：从命名到架构到生产的完整指南。
Agent RSI 火了：RSIAgent 让开源模型免训练超越 GPT-6，凭什么
RSIAgent：免训练多智能体框架，通过广深探索 + 冻结记忆复用让开源模型超越 GPT-6。三智能体机制与 RSI 研究全景拆解。
Google 开源 AX：用 Kubernetes 的思路编排 Agent，登顶 HN 当日热榜
Google 开源 AX（Agentic Orchestrator）：声明式、高吞吐的 Agent 编排运行时，K8s 心智模型，HN 当日 648 分。四大原语与架构拆解。
被曝'偷传代码'后，智谱把 ZCode 开源了：GLM-5.3 官方 Harness 全解析
ZCode 被指登录后静默上传整个 git 仓库，智谱随后开源并披露全部传输行为。GLM-5.3 官方 Harness 功能全解析与选型建议。
Agent 上生产，先过这四关：Trace、Eval、Guardrail、Token 用量
企业 Agent 上生产的四个硬标准：Trace 全链路可观测、Eval 回归评测、Guardrail 安全护栏、Token 用量治理。缺一个都别上线。
Orca：一个桌面 App 同时跑五个 AI 编程 Agent，各自隔离互不干扰
Orca：7.4万星的 AI 编排器。一个桌面 App 并行跑 Claude Code、Codex 等多个 Agent，各自独立 worktree，手机也能远程监控和指挥。
LLM 做决策又慢又贵？System One 模型 JEV、kev、laya 直接算概率
System One 决策模型 JEV：不生成文字、直接输出类型化概率，70ms 出结果。kev 与 laya 开源复刻拆解对比。
微软 Ontology Playground：当 AI Agent 需要一套共享世界观，本体就是那块语义骨架
微软开源 Ontology Playground：纯静态零后端，可视化设计本体、导出 RDF/XML、9 门课程，给企业 AI Agent 建共享语义骨架。
Opik：Comet 开源的 LLM 可观测性与评测平台，2.2 万星，Agent 追踪 + 评测 + 优化一体
Comet 开源的 LLM 观测与评测平台：Agent 追踪、LLM 评测、Prompt 管理、生产监控，Agent Optimizer 自动优化。
📢 广告位招租
通过公众号「AI人工智能时代」留言联系作者
关注公众号入群聊