跳到正文
#Agent
10月23日周五
  1. IT之家·人工智能65

    微软发布 AI 诊断系统 MAI-DxO：NEJM 复杂病例准确率 83%，成果登《科学》

    微软发布了 AI 诊断系统 MAI-DxO，其在 NEJM 复杂病例评估中的诊断准确率达到 83%，研究成果已正式发表在《科学》期刊。该系统通过编排多个 AI 智能体模拟专家联合会诊过程，在急诊科常见病例评估中的准确率达到人类医生的 1.7 倍，且成本仅为医生的一半到三分之一，其中表现最亮眼的基础模型为 OpenAI 的 GPT-5 及 GPT-5.5。

    发布时间：
  2. Hacker News-首页62

    Consumer Agent Testing Tool (CATT) 0.2.1 发布

    开源项目 Consumer Agent Testing Tool (CATT) 发布 0.2.1 版本，支持针对 Muse 或 Instinct 模拟仿真目标在持续集成（CI）中测试智能体与服务。该工具允许对 MCP 服务器、MCP 应用、网站或 HTTP API 运行脚本化或模型驱动的智能体，检查服务行为、审查证据并跨构建比对结果。

    发布时间：
  6. Hugging Face 社区博客83

    Microsoft 与 Hugging Face 发布 ThinkingBox-Training：用数据库评分训练 Agent

    Microsoft 与 Hugging Face 联合发布 ThinkingBox-Training，将数据库终端状态的可执行检查转化为强化学习奖励来训练智能体。通过离线策略相对难度过滤并结合 GRPO 微调 Qwen3.8-27B，使其在 ThinkingBox-Bench 上的平均成功率和观察到的全过率均显著提升。

    发布时间：

    推荐理由：原文公开了利用数据库终端状态作为强化学习奖励的训练方案，展示了智能体在业务工作流中可重复成功率的显著提升。

  18. The Decoder62

    美国多家大银行封锁使用用户凭证登录的 AI 智能体

    据 Axios 报道，摩根士丹利、摩根大通、美国银行和富国银行等多家美国大型银行正在限制外部 AI 智能体访问，因为这类工具使用客户提供的凭证登录账户，违反了银行要求账户持有人亲自登录的政策。银行表示安全风险过高且难以区分智能体是否由用户直接授权，目前多倾向于将其限制在仅具读取权限的范围内。

    发布时间：
  19. Databricks：Blog31

    Databricks 推出反欺诈分析师 AI Coworker，在单一平台实时检测电信欺诈

    Databricks 推出反欺诈分析师 AI Coworker，旨在解决传统电信欺诈检测中数据碎片化与批处理滞后问题。该平台通过统一、实时的治理型数据基础，整合多系统数据流以应对账户盗用和 SIM 卡换卡等复杂攻击。新系统能够减少规则引擎的误报率，并在面对攻击者的动态演变时提供实时智能决策能力。

    发布时间：
  20. The Verge · AI64

    Microsoft 称其 AI 诊断工具在病情诊断上优于医生

    Microsoft 发表在 Science 杂志上的研究显示，其基于 GPT-5 开发的多智能体诊断工具 Diagnostic Orchestrator 在医学案例和急诊室数据测试中的诊断准确率高达 83%，显著优于人类医生。该系统通过多个 AI 智能体模拟专家组的推理过程来协同工作，Microsoft 计划对其建立的测试集 SDBench 进行开源，并准备在真实临床环境中开展进一步测试。

    发布时间：
  21. The Verge · AI63

    Meta 的 AI 智能体愿景：在财报会议中审视 Muse 的机遇与挑战

    文章分析了 Meta 首席执行官马克·扎克伯格在季度财报会议上对个人 AI 智能体网络 Muse 的宏大愿景及当前进展。目前 Muse 仅在美国和加拿大上线便获得了超 1000 万次下载，其中四分之一的用户通过平台购物且单笔消费超过 200 美元。然而该计划也面临算力成本高昂、隐私安全争议以及尚未实现全球化部署等多重挑战。

    发布时间：
  26. Hacker News-首页74

    NVIDIA 开源智能体安全运行时 OpenShell 0.1.0

    NVIDIA 开源了面向自主 AI 智能体的安全私有运行时 OpenShell 0.1.0，提供内核级沙箱隔离和形式化验证策略。该版本支持稳定发布周期、隔离基元、扩展表面和新 API，通过策略声明限制文件访问、系统调用与网络连接，并为凭据注入和网关管理提供 SDK。

    发布时间：
  28. n8n Blog60

    AI 智能体工作流中的幻觉检测方法指南

    本文介绍了 AI 智能体工作流中幻觉检测的方法与实现路径，分析了事实性错误、上下文幻觉、编造和自相矛盾四种常见幻觉类型。文章指出单靠单一评分无法应对所有故障模式，建议将忠实度检查、自一致性检查、语义熵估计与来源验证等多层方法结合，并通过代码优先框架与自动化平台在生产工作流中实施。

    发布时间：
  32. AWS Machine Learning Blog21

    Rescale 如何用 Strands Agents 与 AI-DLC 构建 AI 故障分诊 Agent

    Rescale 结合 AWS 架构与 AI-DLC 方法论，在 5 天内完成了智能故障分诊 Agent 的原型构建并在几周内投入生产。该 Agent 借助 Amazon Bedrock 上的 Claude Opus 4.8 自动对夜间端到端测试失败进行分类与路由，并结合 MCP 查询日志及知识库历史模式生成结构化修复报告。

    发布时间：
  33. OpenAI News60

    Uber 向全体员工全面部署 ChatGPT Work

    Uber 宣布面向全球超 3 万名员工全面部署 ChatGPT Work 智能体平台，支持跨应用完成复杂的多步骤知识工作。该平台默认搭载 GPT‑6.1 Sol 模型，并可连接 Google Drive、Gmail、Slack 等日常办公工具，支持语音和图像生成等多模态能力。

    发布时间：

    推荐理由：官方披露了企业级智能体在大型出行公司全面部署的实际进展，读者可以从中了解此类工具在多部门日常业务中的落地形态。

10月22日周四
  2. n8n Blog42

    有状态与无状态：AI 智能体构建中的上下文管理指南

    有状态与无状态设计决定了 AI 智能体系统如何处理跨任务的信息、扩展规模及恢复故障。有状态应用通过跨请求保留信息来提供连续性，而无状态应用则将每个请求独立处理以提升可扩展性与容错能力。大语言模型本身不自动保留对话，智能体需要通过外部存储或内存缓冲区来实现有状态的记忆管理。

    发布时间：
  3. Simon Willison12

    引用 Armin Ronacher

    Armin Ronacher 谈到了 AI 智能体及其衍生的子智能体获得了与人类相同的访问权限且持续运行。文章指出，需要通过隔离的临时受信任运行时来监控和约束其行为。

    发布时间：
  4. Figma AI / Agent / Make25

    Lufthansa Systems 如何用 Figma Make 为驾驶舱原型化真实地图

    汉莎系统（Lufthansa Systems）的产品团队利用 Figma Make 为驾驶舱 Lido 飞行员应用原型化动态地图，在原型中结合 Figma 设计资产与外部数据源以验证复杂航空数据。团队通过结合 Mapbox 的 Web 地图版本与 Figma Make，实现了兼具动态交互与真实场景的原型设计，有效提升了产品团队对设计想法的验证效率。

    发布时间：