AI Agent 今日: 0|主题: 777|排名: 3 

爬虫开始进入 AI Agent 时代了。 browser-use 这个项目，简单说就是让 AI 直接学人一样操作浏览器： ① 点击、滚动、登录、填表都能做 ② 动态渲染、需要交互的页面，也能直接操作 ③ AI 会根据页面内容判断下一步该怎么走 所以它和传统爬虫最大的区别，不只是“抓网页”，而是让 AI 自己完成浏览流程。 目前 GitHub 已经 ...

DeepSeek Harness 极简模式到底有多狠？系统提示词只有 Pi 默认模式的 1.65%🔥 我直接拆了两边本机实际使用的提示词，同一个 DeepSeek-V41-Flash / High： 1、Harness 极简模式：46 个字符 2、Pi 默认 4 工具：2,741 个字符 3、Pi 就算关闭全部工具，还有 1,784 个字符 也就是说，Pi 默认提示词大约是 Harness 的 59.6 ...

前几天分享Obsidian一个 AI 驱动做每日任务管理的插件叫“FLOWnote”，目前我也在用这个插件记录我的灵感和每天的任务，有 AI 加持真的蛮好用！ 今天才发现这个作者是有自己完整产品的，之前做过非常多 Notion 的模板和教程，难怪我觉得他非常懂知识管理和效率工具的使用（研究了7年）。 我一直觉得 Obsidian 的插件最好 ...

AX：谷歌开源的Agent调度系统 专门用来管理和运行“AI 智能体”的调度系统。现在的 AI 不仅能回答问题，还能像真人助理一样，自主使用各种工具、查阅资料甚至编写运行代码来完成复杂任务。但当海量的 AI 助理同时运转时，后台就需要一个强有力的“交通指挥中心”来统一分配计算资源并确保安全。AX 承担的就是这个指挥官的 ...

Agent 进生仓库，常从 grep 读到依赖，同一套结构每轮重探一遍。 Graft 用 tree-sitter 在仓库里生成一份可跳转的 Markdown 地图，Claude Code、Cursor、Codex、Gemini 可以先读图再动手。 官方两组数不要混：自己的对照里 Token、工具次数、耗时大约少 42%、46%、60%，正确率持平；SWE-bench Verified 50 题上 54% 到 66 ...

搞量化研究，最折磨人的有时候不是策略，而是把一堆工具拼成完整工作流。 微软亚洲研究院开源的 Qlib，直接把这条链路串了起来： ① 数据处理与 Point-in-Time 数据架构 ② 因子挖掘、特征工程 ③ LightGBM、LSTM、Transformer 等模型 ④ 回测与策略评估 ⑤ 还能结合强化学习做交易执行 另外还接入了 RD-Agent，可以辅助 ...

PinchTab 是个小体积的 Go 服务，给 Agent 开一层 HTTP，去驱动本机 Chrome。窗口可开可关，多个实例能分开 Profile。读页时走无障碍节点，点的是稳定编号，不是像素坐标。抽正文时官方写大约 800 tokens 一页，比整页截图省 token。 macOS/Linux 可用官网安装脚本或 Homebrew，也有 npm 和 Docker。起来后默认听本机端口 ...

WTF！太激动了，手现在都在颤抖 这 7 个 GitHub 项目让我兴奋一天，太上隐了！ 全是tm搞钱工具，找资源、找 API、抓数据、跑模型、搭 Agent、做 AI 产品，基本覆盖完整链路： 1、Awesome（50.9 万+ Stars）｜AI 资源地图 整理所有了AI、开发框架、自动化工具、学习资料等海量资源，相当于一个 GitHub AI 导航站，搜索效 ...

Pi 和 DeepSeek harness 上下文分析，结果非常有意思🔥 最大的区别：工具定义，DeepSeek harness 是 70%，PI 是 0% 前面我刚测试的时候两个 Agent 消耗上差距很大，但是我没有仔细地去分析一下，为什么差距这么大，我就把两个上下文直接拆出来做对比 1、工具定义：Harness 单次请求中，文字任务约占 70–72%，代码任务约 ...

机器里塞了 Claude Code、Cursor、Codex 一大堆工具，各自的 Skill 和 Agent 配置东一个西一个，想统一打理难道不头大？ Agentfiles 这 Obsidian 插件，能在一个界面里翻、搜、改 17 种编程工具的配置文件。 新建向导也带着，挑工具、选类型、填名字，几步就建好了。还有个 Skill 市场，社区分享的技能包直接装。 GitHub ...

开源 AI Agent 领域又杀出一匹黑马！斩获近 70k Stars 的 oh-my-openagent（OmO）彻底把多模型协同编程推到了新高度。 很多开发者还在各种订阅和模型配置之间反复横跳，而 OmO 的野心很直接：不做大模型厂商的围墙花园，而是做底层算力的编排大师。与其忍受单一供应商的高昂账单，不如让每种模型干它最擅长的事。 这次更 ...

Coding Agent 越开越多，真正缺的其实是一个好用的控制台。 从 Orca 换到 Paseo 半个月，两者都能多 Agent 编排、远程连接，手机也能看进度、回复 Agent、处理卡住的任务。 最大的优势：Paseo 强 GUI，Orca 强 TUI。 我个人喜欢用 GUI，现在我更推荐 Paseo：任务和 Agent 状态更直观，尤其手机上操作起来更舒服。 电脑 ...

20个AI Agent技能工具，合计990万次下载，这套完整工作流我得存下来。 学习 → 产品化 → 开发 → 部署 → 上线 → 迭代 → 财务管理 有人把其中一套内容生产流程拆得更细：10个Skill搭建日更爆文公众号写作系统 https://mp.weixin.qq.com/s/7eihunxmR_XpY872d-w5hQ 这就是用AI员工做生意的完整闭环👇 01 career-ops ▸ ...

给各位云外援们汇报一下现在银行Agent项目的大体框架 ⚠️安全核心原则： 1️⃣ LLM 只动嘴不动手：模型只负责理解与规划，执行权永远在确定性代码里 2️⃣ 动钱必过确认门：敏感操作必经 Human-in-the-Loop 暂停恢复回环 🛠️ 初步技术选型： 前端：Vue 3 + SSE 实时推流 后端：FastAPI + Pydantic Agent 底座：Deep Ag ...

AI Agent 一跑长任务就容易翻车：聊天记录被压缩、目标越跑越偏、做到哪一步都说不清。 LoopX 专门给这种长时间运行的 Agent 套上一层状态管理，目标、待办、进度证据、配额统统存住，重启也丢不了。 它不锁死某一个 Agent，Codex、Claude Code、Cursor 都能接进来，换 Agent 上下文照样在。 GitHub：http://github.com ...

做 Agent 工作流或自主智能体循环时，一个极度影响体验的瓶颈在于：每一个细小的分支判断、工具路由、任务完成度检查或安全拦截，如果全部塞给昂贵的推理大模型（Reasoning LLM），不仅每次调用带来数秒的延迟，Token 成本也会呈指数级膨胀。 近期在 Hacker News 引发广泛讨论的开源清单 awesome-jev-projects，其核心正是 ...

Pi 官方开始给 Agent 加“耳朵”了🔥 Earendil Works 自己开源新的插件： pi-voice 支持 Whisper、Qwen3-ASR、Parakeet、Voxtral、SenseVoice 这些本地模型，说完以后直接转成文字进入 Pi 1、本地模型 + 本地语音 比如 Pi 接 Qwen3.8，本地跑模型，再配 pi-voice 的本地 STT。 从你说话，到模型处理，再到操作代码， ...

现在 AI Agent 都在卷模型，但其实 Harness 怎么搭也很重要。 JIT-Agent 玩了个不一样的思路：先让一个 27B 模型根据任务临时生成专属 Harness，再交给另一个模型执行。 也就是说，模型不用换，任务变了就重新生成一套执行框架。 官方实验显示，这种动态 Harness 在部分任务上能接近甚至超过人工设计方案，同时还能明显 ...

阿里千问在云栖大会上发布手机 Agent 方案「Qwen Intelligence」 手机上的任务是有状态的：工具有依赖和权限，每一步都会改数据，用户往往不把偏好说全，执行中还要看反馈再改计划。通用对话模型盖不住这件事。Qwen Intelligence 的做法是按职责拆开，不做全能助手，方案落成三件可交付的能力：规划、执行、创作，并同时公 ...