命令行智能体常把“没做”报成成功:Receipt 读取内核等待状态,把假成功从34次降到9次
大语言模型智能体通过命令行操作 Web 服务时,默认每次工具调用都会在限定时间内返回且动作已完成;但许多命令会先提问,执行框架关闭输入时程序可能以状态0返回却没做请求的动作,保持输入打开时程序又会一直等到超时。Receipt 保持输入打开,从系统调用读出每个进程在等什么,并把这一状态交回未改动的智能体;在5个模型上,它把假成功从关闭输入时的34次降到9次,比普通终端少用24.4%的 token。
大语言模型智能体通过命令行操作 Web 服务时,默认每次工具调用都会在限定时间内返回且动作已完成;但许多命令会先提问,执行框架关闭输入时程序可能以状态0返回却没做请求的动作,保持输入打开时程序又会一直等到超时。Receipt 保持输入打开,从系统调用读出每个进程在等什么,并把这一状态交回未改动的智能体;在5个模型上,它把假成功从关闭输入时的34次降到9次,比普通终端少用24.4%的 token。
计算药物发现智能体通常每次任务都从零组织工具调用,难以把一次成功经验带到下一次。DrugHarness把80余项科学操作与生物医学资源放进同一工作区,从执行轨迹中归纳带适用条件的行动假设,再由独立审查智能体核对来源、必要时做定向试算后才纳入技能库。在MolBench上,未启用进化的配置把亲和力比较准确率做到91.9%,比已报道的MolClaw-CC高10.8个百分点;回顾性评估中,冻结的学习技能把Qwen的优化成功率从79.5%提高到87.2%。
移动操作机器人接到“把玩具收进玩具箱”这类指令时,通常要先建一张与任务无关的语义地图,而这张图可能缺少指令所需的属性、可供性与概念。Feijoa 让语言模型智能体在指令到达后直接对已定位的 RGB-D 扫描发起查询,检查返回候选并反复改写查询,直到消解指令。在 103 条开放式指称查询上,Feijoa 的精确匹配率为 94.2%,高于最佳预建表示 TextMap 的 68.0%;在 Spot 上的 50 次真实试验中完成 35 项任务,其中 17 次成功发生在工具调用或校验失败后的恢复之后。
视觉语言模型能读懂任务却常抓不稳物体:在RoboDojo上,同一模型去掉机械臂执行后成功率从22.5%升到76.2%,说明瓶颈在物理执行。Auriga把模型决策与机器人执行分开,由模型维护显式任务信念,所有动作经统一准入网关先预览轨迹、执行中校验阶段容差并在偏差时停机回报。冻结后的Auriga在42项任务上取得57.7%成功率、64.0分,排名第一,并在RoboCasa365上达到73.2%。
T3 Code 发布了一个面向本机 AI 智能体的控制界面,用同一套 iOS、Android 移动端、网页端和 Electron 桌面端来操作已经装好的编码智能体。它不训练模型,也不替代这些智能体,而是要求用户先在机器上安装并登录至少一个提供方,例如 Codex、Claude、Cursor、Grok Build、OpenCode、Antigravity 或 fx,再由 T3 Code 接管。项目自述仍处于很早期,明确提示会有缺陷,且目前基本不接受外部贡献。
T3 Code 发布了一个面向编码智能体的控制界面,提供 iOS、Android 移动端、网页端和 Electron 桌面端,用来操控本机已安装并登录的智能体。它支持 Claude Code、Codex、Cursor、Grok Build、OpenCode 和 Google Antigravity 六种提供方,前提是这些工具已在本机完成安装与认证。项目方称其出发点是现有 Codex 桌面应用、Conductor、Claude Desktop 和 Cursor Glass 都未达到他们设定的标准,并强调项目仍处于很早期、会有缺陷。
图像生成的智能体框架此前多为只读的生成—校验—改写循环,修复经验被丢弃,或未经把关就写入技能库。VEvo-Harness 把失败判定展开成层级验证树以定位根因,再用反事实双路图像重放只接纳因果有效的技能补丁,并按工作、经验、模式三层管理记忆。在 Qwen-Image-2512 后端上,它在 GenEval2 达到 86.1,比 GenRouter 高 14.5 个百分点,同时保持持续演化。
Cloudflare 在 Agents SDK 的持久浏览器里加入内部主机名:给浏览器一个 preview.internal 这样的名字,发往它的请求就转给智能体自己,而不是公网。这样智能体可以在同一个浏览器里检查沙箱中的开发服务器、工作区文件夹或同域另一个 Worker,而服务器不对外暴露。每个内部主机带一个在 Durable Object 中运行的 fetch 函数,可使用该对象的绑定与状态;主机还可配置目标 schema,让模型自行选择端口或文件夹。
Canelé团队用AI智能体编排的理性设计流程重构CAR胞内信号域,把第二代BBζ信号域压缩到54个氨基酸的Stoat,再迭代出45个氨基酸的Happy Stoat。在相同mRNA剂量下,Happy Stoat在T细胞表面的CAR表达量高于BBζ和Stoat,细胞因子释放更强,并在转染数日后以更低的效靶比杀伤靶细胞。五名供体上,Happy Stoat以更低mRNA剂量达到与BBζ相当的B细胞清除。
企业级智能体部署中,把路由器、规划器和领域子智能体折回单一主循环,往往比“一个提示包打天下”和子智能体编排两种设计质量更好,且每任务成本与延迟常更低。子智能体仍适用于上下文膨胀导致性能下降、需要并行独立上下文、或工具选择与指令冲突的场景。迁移可借助一套引导式工作流,先在模拟系统上试跑。