Mastra 发布 Vitest 集成，让开发者把 Mastra evals 当作普通单元测试在 CI 中运行，覆盖 agents、workflows 和 scorers。需安装 @mastra/evals 与 Vitest v3 或 v4，并在 vitest.config.ts 中注册 MastraEvalsReporter，运行结束后打印 gate 与 score 结果。该集成支持用容差和阈值吸收 LLM 输出的波动，runEvals 返回结果，expectEvals 则输出逐 gate、逐 scorer 的明细。
匹配字段标题、摘要、正文
Cursor 公布其 agent harness 的多项效率优化，在不降低 agent 质量的前提下将用户 token 成本降低 7%。具体做法包括把系统提示词裁剪约 66%、将低频内置工具改为按需动态加载使静态上下文描述 token 减少 60%、借助 GPT-5.6 起 OpenAI API 的显式缓存断点把冷缓存未命中率降低 20%，以及文件读取仅每十行标注行号使缓存读取 token 减少 1.6%。此前把 MCP 工具移入动态上下文已使调用 MCP 的会话总 token 减少 46.9%。
匹配字段标题、摘要、正文
Mobile-Use Agent 的性能：https://t.co/yYFYe3jjIb
匹配字段标题、摘要、正文
Mobile Planner Agent 的性能表现：https://t.co/wOScXsGX26
匹配字段标题、摘要、正文
Simon Willison 与 Jesse Vincent 将于 10 月 14 日在旧金山举办一场面向 coding agent 构建者的非正式交流活动，形式类似 agentic show-and-tell。活动鼓励参与者分享尚未公开的尝试、奇怪实验或没有明显市场前景的未完成项目，不要求做正式演示，也不是产品推介。
匹配字段标题、摘要、正文
Boris Cherny 用 Opus 5.5 结合 Lean 对 Claude Agent SDK 做形式化验证，几个简短提示词就产出 16 个 PR，修复了多个 bug 和竞态条件。他还常把 Lean 与 TLA+ 结合，排查数据流、并发和状态管理问题。他表示自己并不熟悉这两种语言，但 Claude 很擅长，这种方法能发现人难以察觉的 bug。
匹配字段标题、摘要、正文
Sierra 发布博客介绍其智能体平台的可观测性能力：用 Ghostwriter 构建的每个旅程、动作、策略和角色都在 Agent Studio 中可见可编辑，Simulations 和 Experiments 可在全量上线前测试改动影响。智能体上线后，Traces 可查看单次对话，Explorer 分析跨对话的模式与根因，Monitors 和 Pulse 负责告警与主动发现问题，数据可通过 OpenTelemetry、Amazon EventBridge、Google Cloud Pub/Sub 或导出 API 接入现有观测设施。逻辑、对话日志、性能数据和代码均可导出，智能体运行在可访问的 Git 仓库中。
匹配字段标题、摘要、正文
Strands Evals SDK 与 Amazon Bedrock AgentCore Evaluations 新增面向技能的三类评估器：Skill Selection Accuracy 对每个被调用技能返回二元结果，Skill Instruction Following 对每个规定步骤给出五级评分，Strands Evals 还提供确定性的 Skill Invoked 检查。这些评估器可基于 Strands Evals 记录的轨迹或 OpenTelemetry trace 运行，用于定位技能选错与指令未完整执行两类失败，均通过 AgentCore CLI 操作。
匹配字段标题、摘要、正文
斯坦福计算机科学家 James Zou 团队在 Nature 描述了开源框架 Paper2Agent，输入论文及其代码、数据等补充材料后，系统自动提取核心工作流并生成经过测试、可运行的智能体工具包。以 AlphaGenome 为例，约 45 分钟、无人工干预、在一台个人笔记本上以不到 15 美元算力成本生成 22 个工具，全部通过自动化验证，随后打包为 MCP server 接入 Claude Code，在测试中表现优于直接使用代码库的 Claude 和专用 AI co-scientist 工具 Biomni。团队还把另外两篇论文转成智能体并与 AlphaGenome 智能体联动，在银屑病遗传基础问题上共同锁定 GPR137 基因并提出 10 种验证方式；在尝试的 100 篇计算生物学论文中有 26 篇无法转换，多因代码不完整或文档缺失。
匹配字段标题、摘要、正文
Reactiv 基于 Amazon Bedrock AgentCore 与 Strands Agents SDK 构建三智能体 AI Scheduler，让 Shopify 商家用自然语言设定排期自动更新原生 App，商家配置时间减少 80%、上线速度提升 33%。系统利用 AgentCore runtime、memory 和 Identity，实现跨会话记忆、原生 MCP 托管与按商家隔离的多租户执行。
匹配字段标题、摘要、正文
Trane Technologies 工程团队用 3–4 周在 Amazon Bedrock AgentCore 上构建了智能体方案，把原本需要 20 分钟、跨多个仪表盘的诊断流程缩短为 20 秒的自然语言交互，基于其与技术人员数周的内部基准测试，时间到洞察提升 60 倍。该方案采用多智能体架构，每个助手由独立系统提示词约束，并通过 AgentCore Gateway 和 MCP 等开放标准接入工单管理与 CRM 等外部系统。
匹配字段标题、摘要、正文
AWS 展示了如何将 Amazon Bedrock Data Automation 与 Model Context Protocol（MCP）结合，把执法记录仪视频、监控录像和扫描文档等非结构化证据转为结构化洞察，并通过 Salesforce Agentforce 以自然语言查询调用。文件进入 Amazon S3 后由 S3 事件通知触发 Lambda，启动 Bedrock Data Automation 任务，结果经 EventBridge 和第二个 Lambda 存入输出桶；Agentforce 侧通过 Amazon Bedrock AgentCore Gateway 经 MCP 调用 AWS Lambda 上的 MCP 服务器，查询 DynamoDB 并返回 S3 结果。该方案为示例代码，非生产就绪。
匹配字段标题、摘要、正文
影眸（Deemos）为 Hyper3D 推出 Agentic Mode，由 AGI 优化输入并决定建模方式，可生成面向 CAD、建筑与工业产品的可编辑 N-GONS 3D 模型，并支持调整尺寸和添加动画。发帖者称该模式生成的模型还能编辑、改尺寸，打算把旧 Apple Watch 用 3D 打印外壳改造成听歌翻页和 vibe coding 收 codex 的小设备。
匹配字段标题、摘要、正文
Agentic workflow 让 AI 智能体在每一步自行推理并决定下一步动作，而非沿固定脚本执行。它由 LLM 推理层结合 RAG、记忆与 guardrails 构成，高风险步骤仍走固定审批，超出权限时转人工。ElevenLabs 的 ElevenAgents Workflows 编辑器可显式映射决策点，在专用子智能体或人工坐席之间路由。
匹配字段标题、摘要、正文
实用 AI 解决现实问题的绝佳范例！速度前所未有。感谢使用 Qwen 进行构建。@cerebras 亲自试试吧！🏠
匹配字段标题
Anthropic 的 Claude Code 从 2.1.277 版本起支持 AGENTS.md：默认在作业目录及上层找不到 CLAUDE.md 等指示文件时，才把 AGENTS.md 作为项目指示读取。通过 Bedrock、Vertex、Foundry 使用 Claude Code 的环境，以及禁用遥测的环境暂不支持该功能，可用环境需更新后从第二次会话起生效。/config 的 Project instructions 提供 claude-md-or-agents-md（默认）、claude-md-and-agents-md、claude-md、managed-only 四种读取设置，但没有只读 AGENTS.md 的专用模式。
匹配字段标题、摘要、正文
Cadence 基于 ElevenLabs 的 ElevenAgents 构建患者语音智能体，将异常生命体征到患者联系的中位时间从 1 小时 48 分钟缩短至 3.5 分钟，提速 30 倍。该智能体按临床协议端到端处理告警，60% 的筛查告警无需临床人员介入即可解决，患者接听率比人工护士外呼的 41% 高出 47%。前 7 个月共处理 25 万通电话，Cadence 从开发到生产通话仅用一个月。
匹配字段标题、摘要、正文
唐杰（jietang）复盘了 GLM-5.3-Flash 从在国内加速器上首次跑通到承载全部生产流量仅用两周的过程，端到端吞吐提升 3.2 倍，其中大量工作由基于 GLM-5.3 的 Infra Agent 完成。他指出智能体卡住的原因往往不是写不出代码，而是不知道性能为何变差，因此团队构建了可被直接调用的分层验证接口，即密集反馈，包括正确性、系统行为和性能三类信号。智能体据此发现并修复了 KDA 上下文并行路径的 TF32 精度漂移（修复已合入 Flash Linear Attention PR #1180）、KV 传输未与 DeepEP dispatch 重叠导致的开销（从超过 30% 降至 1% 以下），以及 decode kernel 重复计算归一化的问题（提速 1.71 倍）。他强调人类仍负责定义目标、搭建反馈环境和审查高风险改动，但工程师的角色正从解决问题转向设计反馈。
匹配字段标题、摘要、正文
NVIDIA TensorRT Edge-LLM 在单台 Jetson AGX Thor 开发者套件上运行 Qwen3.6-27B，于 MLPerf Inference v6.1 Edge Agentic 基准测试中达到 52.33 tokens/秒，24 分 36 秒完成全部 1,007 轮性能负载，比 llama.cpp 参考实现的 2 小时 37 分钟快 6.4 倍。该结果依托 NVFP4 权重与激活量化、FP8 KV cache、基于树的多 token 预测以及跨智能体轮次的 KV cache 复用，其中约 96% 的提示词 token 由热缓存提供。相关代码位于 TensorRT Edge-LLM release/0.9.1-mlpinf 分支。
匹配字段标题、摘要、正文
ElevenLabs 旗下 ElevenAgents 推出 AI 前台 Reception，面向小企业全天候接听来电、回答业务问题并在日历中预约。它内置 ElevenLabs 语音与智能体编排，几分钟即可完成设置、无需技术经验，可转发现有业务电话或使用专用号码，并提供通话摘要、转录和录音。
匹配字段标题、摘要、正文