Agent 智能体

多轮对话的代理评估指标

多回合代理失败的方式是单回合评估错过的：早期的一个错误会破坏每一个回合。这篇文章介绍了代理评估指标（AEM），这是一种可分解的回合级方法来衡量代理质量，应用于其第一维度（正确性），以确定导致失败的回合并将其与继承失败的回合区分开来。

AvioBook如何通过Amazon Bedrock AgentCore从运营数据中构建扭亏为盈见解

泰雷兹集团旗下的AvioBook在Amazon Bedrock AgentCore上设计了Connect Analytics原型，将AvioBook Connect的运营数据转化为面向航空公司经理和调度员的简洁语言、基于证据的答案，帮助他们找到航班转机延误的原因并采取行动。

现在每个人都可以将数据投入工作

在ChatGPT Work中认识一下数据代理。使用自然语言使用人工智能连接公司数据、发现见解并构建交互式仪表板。

Meta的Muse AI工作并让我毛骨悚然

Meta推出了新的Muse助手，这标志着该公司首次真正涉足人工智能驱动的生产力工具。该公司表示，其人工智能代理可以通过帮助您进行在线购物、电子邮件、旅行计划等来“摆脱您的忙碌”。我决定尝试新的工具，看看它的表现如何- [...]

OpenAI一批AI智能体“参加考试”，被发现偷偷在多个老旧网站互相交流“留答案”，至少23个网站现活动痕迹 - thepaper.cn

新的Deepseek模型V4.1-Flash减少了AI代理的内存需求

Deepseek发布了V4.1-Flash，这是一种具有5520亿个参数的多模式模型，可将KV缓存内存削减至其前身的四分之一。在DeepSWE编码基准上，它以微弱优势击败Opus 5和GPT-5.6 Sol，尽管每个代币只有160亿个活跃参数。该模型在麻省理工学院许可下发货，针对的是便宜得多的人工智能代理。文章New Deepseek模型V4.1-Flash

利用自适应模型路由优化多智能体系统中的 LLM 推理成本

📌 One-Sentence Summary 本文介绍了一种用于多智能体系统的自适应模型路由架构，该架构根据任务复杂度、推理需求和上下文大小动态分配 LLM，在不牺牲输出质量的前提下显著降低了推理成本。 📝 Summary 本文提出了一种「自适应智能体模型路由」架构，旨在优化多智能体 AI 系统的推理成本。该架构摒弃了静态模型分配方式，通过允许各个智能体生成

Muse可以通过WhatsApp为用户购物、写电子邮件和协商价格

Meta推出了Muse，这是一款人工智能代理，可以通过WhatsApp预订旅行、处理购买和发送电子邮件，并配有通过Stripe Link运行的支付功能。这使Meta领先于OpenAI，后者停止了ChatGPT中的直接结账功能。一个名为Sentinel的单独安全代理会在每一个操作到达互联网之前对其进行监控。Muse可以通过WhatsApp为用户购物、写电子邮件

蚂蚁数科推出 Agentar 金融版 助力金融机构打造智能体超级工厂

9月10日，在2026 Inclusion·外滩大会见解论坛上，蚂蚁数科AI业务总裁余滨表示，蚂蚁数科推出Agentar 金融版，提供开箱即用的金融智能体专家团、行业 Skill、MCP、智能体评测工具及治理能力，为金融机构打造覆盖智能体开发、部署、协作、评测与管理的智能体超级工厂，加快AI智能体在金融真实业务场景中的落地应用。 AI在金融业的应用已经从问答

蚂蚁陈亮：能力决定AI能做什么，可信决定社会敢把什么交给AI

随着AI从回答问题走向调用工具、连接服务、完成任务，甚至参与交易，安全正在从模型外围的一道防线，成为AI进入真实经济活动的基础设施。在外滩大会媒体群访中，蚂蚁大安全CTO陈亮表示，AI新经济能否真正走向规模化，不只取决于模型能力，更取决于人们是否敢把真实任务交给AI。 图注：蚂蚁大安全CTO陈亮 “安全不是AI规模化之后才补的课，而是AI走向规模化之前必须先

智象未来 vivago R1 全球上线，国内版本「够搭」全新升级发布：从 15 秒到5 分钟，AI 视频创作进入单反级交付时代

2026年9月8日，智象未来（HiDream.ai）旗下内容创作智能体 vivago R1 全球上线，国内版本 「够搭」 全新升级发布。（雷峰网） 今年7月，vivago R1 于 WAIC 2026 首次亮相。作为全球首个无限时长内容创作智能体，R1 引起 AI 视频领域广泛关注。今天，R1正式面向全球用户开放。 vivago R1 的核心突破，在于实现了

AI业务三位数增长，蚂蚁数科完成AI时代转型

“过去两年，蚂蚁数科整体业务年均增长近50%，AI To B业务增速达到三位数。”9月10日，蚂蚁数科CEO赵闻飙在外滩大会媒体交流会上披露公司最新业务进展。这也是蚂蚁数科独立运营两年后，首次系统披露业务表现。 在赵闻飙看来，AI正在成为蚂蚁数科新的增长引擎。与此同时，随着企业内部智能体数量快速增长，如何规模化生产、运行和管理智能体，将成为企业AI落地的新需

IDC预测AI数据基础设施迈向万亿级市场，国产数据库迎来新增长空间

AI正在把数据基础设施推向一个新的增长周期。 9月10日，在2026 Inclusion·外滩大会《数智进化：让多模态数据成为AI核心燃料》见解论坛上，IDC中国企业软件市场研究经理王楠分享了关于AI数据基础设施的最新研究。报告预测，2025年至2030年，中国AI数据基础设施市场将以37.7%的复合增速增长，2030年市场规模达到738亿美元；到2035年

首个生活场景智能体大奖：支付宝每年1000万激励开发者

在2026 Inclusion外滩大会上，为加快智能服务生态发展，支付宝宣布设立“智能体涌现奖”，每年投入1000万，寻找有用、有趣的生活智能服务，年度大奖奖金100万元。9月10日起，在支付宝内右滑对阿宝说“智能体涌现奖”，即可了解赛事、报名参赛。 开发者无须编写代码，通过自然语言即可搭建，入围或获奖后，除获得现金奖励，适合面向市场的成熟作品还可接入阿宝，

面向多轮对话的智能体评估指标 | Amazon Web Services

📌 One-Sentence Summary AEM 将智能体的正确性分解为逐轮的子指标，精准定位级联错误的根本原因。 📝 Summary Amazon Web Services 推出智能体评估指标（AEM），这是一个轮次级别的框架，将智能体的正确性分解为两个子指标——真实性和完整性——使每一轮都能被独立评分。文章解释了为何单轮评估会遗漏多轮对话中的级联错误

显示HN：Botbin.io-人工智能代理文物的pastebin

HN ð4· 1 评论

引入ChatGPT金融服务

引入ChatGPT for Financial Services，将内置财务数据和GPT-6 Astra相结合，用于研究、建模和客户准备材料。

OpenAI 攻克千禧难题？深度拆解 1 万个 Agent 如何造出流体奇点

万级并行推理背后，是构造、修正与验证的完整闭环。 作者丨 郑佳美 编辑丨岑 峰 9 月 8 日，OpenAI 公布了一套针对 Navier–Stokes 千禧年问题的有限时间奇点构造。一个仍在训练的内部模型，配合约 1 万个 Agent 持续搜索约 88 小时，随后又用 Lean 完成形式化。 按照 OpenAI 给出的结果，这套构造能够让三维流体在光滑外力

OpenAI 攻克千禧难题？深度拆解 1 万个 Agent 如何造出流体奇点 - 雷峰网

Astra 非机器人验证 48 关全通，再见 reCAPTCHA！

GUI 已难拦机器，防线转向身份与权限校验。 作者丨 郑佳美 编辑丨岑 峰 一个 AI，刚刚在网页上证明了自己不是机器人。 9 月 7 日，OpenAI Labs 成员 Sharif Shameem 展示 GPT-6 Astra 连续完成《I’m Not a Robot》全部 48 关。 前面还是图片识别、文字判断这些熟悉的人机验证，后面很快变成拖拽、停车、

营销科技巨头蓝色光标与全球达人营销AI平台AhaCreator达成深度合作，让品牌更高效连接全球500万创作者

从一次投放到一套增长系统，AI 让海外达人营销可规模化复制

EP171 · 架构师 Agent、AI 经济情景、RLM 长上下文 · 09-10 早报

📝 今日导语 架构师 Agent 追溯设计约束，Anthropic 推演 AI 经济，RLM 操作长上下文；据此规划系统、部署与检索。 🏷 今日关键词： 架构师 Agent Anthropic 情景探索器 RLM 长上下文 任务断点续传 Codex Harness ADK for Kotlin Kimi K3 流式加载 📰 今日精选内容 【AI 创新实践】“

AI办公生态合作，离真正的「双赢」还有多远？

AI办公大战硝烟再起：大厂不仅亲自下场，还跟生态伙伴联起手。 此前雷峰网在《 大厂AI To B大战，这回战场为什么是办公？ 》一文中曾提到，各家手里的牌不同，打法也各有侧重： 腾讯C端基因重，做大WorkBuddy个人用户规模的同时，也在向企业端渗透；阿里手握大批企业客户，千问办公从B端直接切入；字节则把拥有庞大C端用户基数的豆包作为核心抓手，推出豆包工作

支付宝牵手飞猪，跟"阿宝"聊天就能订机票、买门票

飞猪与AI版支付宝“阿宝”达成深度合作。用户向“阿宝”发出“一句话指令”，即可获得机票及景区门票预订，酒店会员注册、权益查询等服务。 以机票预订为例，用户对“阿宝”说出类似“下周五上海飞成都，帮我订飞猪特价机票”的需求，“阿宝”自动识别城市、日期、价格划算等需求，并通过MCP（模型上下文协议）调用飞猪服务，返回带推荐理由的结果卡片，点击即可跳转至支付宝上的飞

两项智能体安全团体标准启动，共筑智能体规模化应用安全基线

9月9日下午，在2026 Inclusion·外滩大会“智能体时代的安全坐标与责任边界”见解论坛上，《智能体身份鉴别与授权技术框架》《智能体运行时安全技术要求》两项团体标准正式启动。 两项标准由中国网络空间安全协会提出，蚂蚁集团联合研究院所、运营商、互联网厂商等单位共同参与编制，旨在推动智能体安全从企业技术实践走向行业共同规范。 随着大模型能力持续提升，智能

普林斯顿王梦迪外滩大会提醒：Ai实现自主发现，并非只需模型更大

9月10日，在2026 Inclusion·外滩大会主论坛上，普林斯顿大学人工智能创新中心主任王梦迪教授提出一个问题：AI距离自主发现新科学还有多远？ 她的判断是，今天的大模型已经掌握了大量人类知识，但在真正的科学发现上仍然存在明显局限：大模型更擅长找到“最可能”的答案，而真正的新发现，往往藏在概率分布的长尾里。 王梦迪团队近期与普林斯顿大学社会学教授谢宇合

亚太唯一！阿里云首次进入 Gartner 战略云平台“领导者”象限

近日，国际商业技术洞察机构Gartner发布 2026 年度全球《战略云平台服务魔力象限》报告（Magic Quadrant™ for Strategic Cloud Platform Services），阿里云首次进入该报告“领导者”象限，成为全球领导者阵营中唯一的中国厂商、亚太厂商，与亚马逊AWS、微软、谷歌、Oracle一同跻身全球顶级云服务商行列。

AI日报：OpenAI推出ChatGPT Images 2.5；曹操出行联合豆包上线AI打车服务；达芬奇接入 Claude Code - 电子工程专辑

15000家美国中小企业到场，阿里国际站CoCreate峰会刷屏洛杉矶

9月9日，苹果发布会同日，美国洛杉矶会展中心，阿里国际站一年一度的海外买家大会——CoCreate 2026开幕。美国当地超15000家中小企业到场，这一数字去年还停留在3000人。 从B2B到A2A，1.5万美国老板在CoCreate现场寻找AI时代的下一门好生意，这也使得今年的CoCreate，成为了中国卖家探测海外真实市场水温的绝佳窗口。 当日，阿里国

15000家美国中小企业到场，阿里国际站CoCreate峰会刷屏洛杉矶

9月9日，美国洛杉矶会展中心，阿里国际站一年一度的海外买家大会——CoCreate 2026开幕。美国当地超15000家中小企业到场，这一数字去年还停留在3000人。 （图：洛杉矶会展中心，CoCreate 迎来15000家美国中小企业） 参会嘉宾，更是汇聚了一帮商业领域的大咖，全球支付与金融科技公司Fiserv首席执行官Takis Georgakopoul

百度营销擎舵3.0与智能投放重磅发布，双擎驱动AI营销增长新范式

9月9日，百度营销举办「AI 创无界 智投无忧」产品发布会，全面展示了依托AI技术重构创意生产与广告投放全链路的最新成果，并正式发布擎舵3.0营销创意智能体与全新升级的智能投放产品。 百度2026年Q2财报显示，AI业务收入占比已经连续两个季度达到50%，AI 已经成为百度核心增长引擎。百度集团副总裁、移动生态大商业事业部总经理平晓黎在致辞中表示：百度营销已

营销科技巨头蓝色光标与全球达人营销 AI 平台 AhaCreator 达成深度合作，让品牌更高效连接全球 500 万创作者

【北京，2026年9月10日】 —— 营销科技巨头蓝色光标与全球达人营销 AI 平台 AhaCreator 正式宣布达成深度合作。 蓝色光标将结合其全球营销服务能力、客户资源与品牌增长经验，向有境外达人营销需求的广告主提供AhaCreator 平台达人资源，为品牌全球化增长提供 AI 驱动的达人营销能力；AhaCreator 则提供覆盖 500 万名全球优质

实测星火X2.5：手搓粒子月亮、拆完61页财报……还顺手揪出了我的Bug

赶上了API限时五折

AI早报 |OpenAI称使用内部模型破解千禧年大奖难题；Meta推出其首款个人智能体Muse - Jiemian.com

介绍代理API

使用Agents API构建和启动云代理，Agents API是一种托管服务，由Codex工具支持，用于编排、长时间运行的会话和工具使用。

OpenAI智能体被曝借十余站点秘密传信，公司对此沉默数月 - 凤凰网科技

Google开源Mantis：一个模块化技能工具包，允许编码代理查找、复制和修补漏洞

谷歌开源了Mantis，这是一个针对人工智能编码代理的安全审查技能的堆栈不可知工具包。它运行完整的漏洞生命周期：扫描代码、过滤误报、在沙箱中重现错误、对其进行修补、重新攻击补丁，然后对风险进行评分。Apache 2.0，并记录为仅演示。Google开源Mantis：一个让编码代理查找、复制和修补漏洞的模块化技能工具包的帖子首先出现在MarkTechPost上

ICYMI：2026年8月人工智能构建者将迎来什么

2026年8月，Amazon Bedrock、Amazon Bedrock AgentCore和Strands上的AI构建者发布了以下内容：OpenAI模型的百万令牌上下文、跨区域推理、在专用计算上运行长达14天的代理、扩展的AWS GovCloud可用性以及用于物理部署的Strands Robots。

我让人工智能代理黑了我所有的小工具--我会再这么做

在我从一个强大的开源模型中移除安全护栏后，它发现了我的家用设备中的漏洞，并入侵了一台PC。但它也告诉我如何让一切变得更加安全。

Heurist Finance如何在Amazon Bedrock AgentCore上构建人工智能原生投资工作台

了解Heurist如何在Amazon Bedrock AgentCore上构建Heurist Finance（对话式人工智能投资工作台）。这个客户故事展示了AgentCore支付、身份、内存、代码解释器和Observability如何让一个小团队购买每个查询的优质市场数据，在沙箱中隔离分析，并保持每一个操作都可审计。

IdeaAMBIG：研究理念规范中的实施关键差距基准

作者：马亦玲、赵亦伦、吴思红|一个研究想法可能是新颖的、连贯的、科学上合理的，但它提出的方法可能仍然不够具体，无法忠实地实施。我们研究面向实现的研究方法规范的编码准备情况，定义为它们是否为称职的实现者或编码代理提供足够的方法学信息来构建预期的方法

Show HN：自托管的公司OS、Claude Code和Codex在各部门的代理人

HN ð35· 8 评论

Show-Buttons：VLM代理就可以玩机器人

作者：陈彦哲、白泽晨、曹之军|基金会视觉语言模型（VLM）展现了有关世界的广泛智能，但将这种智能转化为机器人控制仍然具有挑战性。我们介绍了Show-Buttons，这是一个同步的Buttons，使VLM能够通过将意图与动作联系起来的紧凑语义界面“扮演”机器人。Show-Buttons暴露了离散的语义动作单元，VLM可以自然推理，而emb

程序图：LLM代理的自我进化执行结构

HN ð39· 12 评论