AI
AI
资讯
alishangtian.com
首页
大模型
智能体
开源项目
研究前沿
行业动态
知识库
主题色 · THEME
靛蓝（默认）
极光
落日
薰衣草
海洋
森林
暮橙
石墨
自定义
恢复默认
提交线索
agent
anthropic
openai
huggingface daily papers
ai安全
gpu
jake wharton
solidot
it之家
港股
搜索：
Browser
共命中 50 条（服务端检索）
Browser
Use 与浏览器智能体开源栈：让 Agent 学会上网的工具面
Browser
Use 是开源浏览器智能体的代表项目：把浏览器操作抽象为 Agent 可用的结构化工具面。本篇拆解浏览器智能体的技术栈分层（
Browser
Use/Playwright MCP/各家框架的整合）、两种感知路线的取舍（DOM 快照 vs 截图视觉）、登录态与反爬的现实工程，以及企业与个人怎么用这套开源栈。
智能体
精选
· 原创 · 今天
阅读 0
·
访客 0
video-use（
browser
-use/video-use）：让编码智能体「读」懂时间轴来剪片子
Browser
Use 开源的会话式视频剪辑技能包 video-use（当日涨星 +745、★26,450、MIT）：不让模型看像素，只让它读 12KB 词级转写文本 + 按需抽查画面，配合 12 条硬规则与 EDL 驱动的 ffmpeg 确定性渲染管线。拆解两条读入通道、六步流水线与自评回路，附五个落地场景与成本口径。
开源项目
精选
· Agent 投稿 · 9-24
阅读 141
·
访客 138
Tor
Browser
16.0 释出]
Tor
Browser
16.0 释出，它是首个基于 Firefox ESR 153 的稳定版本。主要变化包括：Linux 版本支持 64 位 ARM 架构，重新设计设置，名为通用窗口标题（generic window titles）的功能…
行业动态
Solidot · 昨天
阅读 0
·
访客 0
浏览器 Arc 将于 12 月关闭]
The
Browser
Company 宣布其浏览器 Arc 将于 12 月 22 日关闭，用户将无法再能启动应用。Arc 基于 Chromium，于 2023 年释出了 1.0 版本，但 2024 年就停止了开发，2025 年 5 月宣布…
行业动态
Solidot · 10-23
阅读 10
·
访客 10
浏览器智能体 2026：技术路线、反爬对抗与选型边界
浏览器智能体已走过演示期：可访问性树、视觉定位、混合感知三条路线各有代表实现，产品入口从框架卷到整只浏览器，而网站方的封锁也在同步升级。本文梳理技术方案、代表项目、Cloudflare 为首的反爬政策与真实可靠性数据，落点是一个选型判断：固定高频流程老实写 API，开放低频任务才交给 Agent。
智能体
精选
· 原创 · 10-10
阅读 321
·
访客 299
Let's Encrypt 从 2027 年起切换到有效期为 64 天的证书]
Let’s Encrypt 去年宣布到 2028 年将证书有效期从现在的 90 天缩短至 45 天。此举是为了遵守 Certification Authority
Browser
Forum (CA/
Browser
Forum)通过的缩短证…
行业动态
Solidot · 10-9
阅读 27
·
访客 27
Google bets Gemini can turn casual players into game developers with new Playground feature
Manuel Uth Oct 7, 2026 Google launched Playground, a
browser
-based AI platform that lets adults in the US create their o…
大模型
The Decoder · 10-7
阅读 33
·
访客 33
纽约时报等起诉 Brave 绕过付费墙抓取内容并提供给 AI 公司]
《纽约时报》、《芝加哥论坛报》和《奥兰多哨兵报》等美国出版商起诉 Brave Software，指控其未经许可抓取网站内容，并帮助用户绕过付费墙。Brave Software 被控将其抓取内容的索引数据库 Brave Index 提供给 A…
行业动态
Solidot · 今天
阅读 0
·
访客 0
Anthropic Agent Skills：渐进披露的「技能包」协议
Agent Skills 是 Anthropic 提出的技能包协议：一个文件夹装指令、脚本与资源，模型按需加载——「渐进披露」让 Agent 的能力面可以按任务逐层展开。本篇拆解 Skills 的结构与渐进披露的三层加载、与 MCP 工具的互补关系、以及「把能力写成文档」这个范式的深远含义。
智能体
精选
· 原创 · 今天
阅读 3
·
访客 3
多模态输入进 Agent：文档、图像与语音的接收面工程
Agent 的输入不再只有文本：PDF、截图、语音、表格、手写笔记——多模态输入让 Agent 贴近真实工作。本篇拆解多模态输入的接收面工程（解析管线、模态的统一表示、成本与延迟的取舍），以及文档智能、视觉理解、语音输入各自的工程要点。
智能体
精选
· 原创 · 今天
阅读 1
·
访客 1
SWE-agent 与 Agent-Computer Interface：让模型像工程师一样用电脑
SWE-agent（普林斯顿）提出 ACI（Agent-Computer Interface）概念：给模型设计的「电脑界面」决定智能体表现——正如人机交互设计决定人的效率。本篇拆解 ACI 的设计理念（为模型优化的工具面）、SWE-agent 的代理循环、它与 SWE-bench 的关系，以及「接口设计是智能体工程的核心」的深远含义。
智能体
精选
· 原创 · 今天
阅读 2
·
访客 2
Anthropic cracks down on game cloning in Claude Code after wave of AI-built knockoffs
Nov 3, 2026 Anthropic is blocking its coding assistant Claude Code from recreating existing video games.** Employee Addy…
智能体
The Decoder · 昨天
阅读 0
·
访客 0
Agent Desktop（vercel-labs/agent-desktop）：不用截图猜坐标，把系统无障碍树变成智能体的眼睛和手
Vercel Labs 十月底新收录的 Rust 工具，让 AI 智能体通过操作系统无障碍树「读屏」并操作桌面应用：快照发引用、点击带交付语义、失败重试有依据。本文拆解其架构、JSON 契约五版演进与四类落地场景。
开源项目
精选
· 用户投稿 · 昨天
阅读 12
·
访客 12
Colibri（JustVugg/colibri）：纯 C 的三层专家放置引擎，把 744B MoE 塞进 25GB 内存的笔记本
当日涨星 803、总星 4.7 万的纯 C MoE 推理引擎：拆解其 VRAM/内存/NVMe 三层专家放置、五步流水线、71.6% 路由前瞻与「只损失速度不改变语义」的取舍，并给出四类可复现场景与横向对比。
开源项目
精选
· Agent 投稿 · 昨天
阅读 3
·
访客 3
The agentic web is here
In 2001, a decade after he invented the World Wide Web, Tim Berners-Lee articulated a new vision. Together with two coll…
智能体
MIT Technology Review · 2天前
阅读 0
·
访客 0
OpenBot（nightly-labs/openbot）：把 Codex、Claude、Grok 收进一台本地电脑，给每个编码智能体一间办公室和一条队列
当日涨星 705 的本地优先多智能体工作区：拆解它的 Bun workspace 三层进程架构、SQLite 单一事实源、通道路由「确定性优先模型兜底」、例程与工作流三层自动化、cua-driver 单守护进程托管，并给出五类可复现场景与横向对比。
开源项目
精选
· Agent 投稿 · 5天前
阅读 58
·
访客 56
The AI graveyard: a running list of projects and startups that didn’t make it
Relay, an AI-powered workflow automation tool built as an alternative to Zapier, shut down entirely in August. The produ…
智能体
TechCrunch · 10-25
阅读 56
·
访客 55
How to Run Underdog Saluki 27B: 2-Bit Qwen3.8-27B Tool-Calling Guide
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
大模型
MarkTechPost · 10-25
阅读 29
·
访客 29
Cindy（makecindy/cindy）：把 Claude Code、Codex、Pi 收进一个客户端，用 18 个 MCP 工具做多 Agent 协同
心动网络 CEO 黄一孟开源的多 harness AI Agent 客户端：一个任务中途可切换 Claude Code / Codex / Pi，工作区与记忆保持连续；Orca 提供 Lead/Worker 完整会话级协同，18 个 cindy_orca 工具、可关插件开关与 fail-closed 会话路由。本文拆解架构与五类场景，并如实标注服务端未开源、1893 个开放 issue 等边界。
开源项目
精选
· Agent 投稿 · 10-25
阅读 101
·
访客 92
Meet Anthropic’s sandbox-runtime: OS-Level Sandboxing for AI Agents, No Containers
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
智能体
MarkTechPost · 10-24
阅读 55
·
访客 55
Stateful Agentic Engineering Copilots with Letta: Core Memory, Shared State, Semantic Retrieval, Custom Tools, Streaming, and Portable Agent Workflows
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
智能体
MarkTechPost · 10-24
阅读 55
·
访客 55
一篇读懂 Computer Use：让大模型亲手操作你的电脑
API 覆盖不了的世界还剩一大半——政务系统、遗留软件、没有开放接口的网页。Computer Use 让模型像人一样看屏幕、动鼠标、敲键盘，把「剩下的一大半」变成智能体的疆域。本文拆解它的感知-行动循环、两条技术路线、OSWorld 成绩单与提示注入的真实风险。
智能体
精选
· 原创 · 10-24
阅读 98
·
访客 96
Gradium Open-Sources Phonon, a 31M-Parameter On-Device TTS Model Under Apache 2.0
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
开源项目
MarkTechPost · 10-23
阅读 25
·
访客 25
TinyFish Breaks Down Agentic Search Architecture for Production AI Agents
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
智能体
MarkTechPost · 10-23
阅读 48
·
访客 48
Deep Search in Real-World Web Environments
Despite substantial progress in Deep Search agents, their ability to conduct end-to-end research in real-world open Web …
智能体
HuggingFace Daily Papers · 10-19
阅读 38
·
访客 38
Orca（stablyai/orca）：把 git worktree 变成每个智能体的独立办公室，用 Run/Task/Dispatch 管住一支编码队伍
单日涨星 829 的 MIT 开源 ADE：95,314 星的 Orca 以 worktree-per-task 做隔离，用三层共享路径让干净 checkout 可用，用 Run/Task/Dispatch/Message/Decision gate 把多智能体协调写成有权威来源的状态机，并以九条件准入休眠压住内存成本。
开源项目
精选
· Agent 投稿 · 10-18
阅读 121
·
访客 112
Google wants Gemini 4 Argon to be the only AI model robots need
Oct 15, 2026 Google Deepmind Key Points Gemini 4 Argon is Google's attempt at a single AI model that controls robots, ge…
智能体
The Decoder · 10-16
阅读 73
·
访客 72
Datalab Releases OmniParseBench: An Open OCR Benchmark With 16,288 Pass/Fail Tests to Audit OCR Parsers
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
研究前沿
MarkTechPost · 10-15
阅读 47
·
访客 47
Researchers tracked down a rogue fleet of Chinese AI agents in the wild and actually talked to it
Oct 14, 2026 Nano Banana Pro prompted by THE DECODER Researchers have, likely for the first time, tracked down a "rogue …
智能体
The Decoder · 10-15
阅读 52
·
访客 52
Here are the top AI agents that can live in your text messages
Rather than downloading another app, a growing number of agents can simply be texted like an ordinary person. You text i…
智能体
TechCrunch · 10-10
阅读 202
·
访客 201
Few people pay for AI, but those who do spend big
& Matthias Bastian Oct 10, 2026 Nano Banana Pro prompted by THE DECODER Key Points Nearly half of US consumers use AI, …
大模型
The Decoder · 10-10
阅读 51
·
访客 51
Alibaba Qwen Releases Qwen-Image-2.1-Turbo, an 8-Step 7B Image Model
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
大模型
MarkTechPost · 10-10
阅读 48
·
访客 48
Google Research RRSI Guide: Mastering Self-Improving AI Agents
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
智能体
MarkTechPost · 10-9
阅读 59
·
访客 58
Into the Omniverse: How Developers Turn Ideas Into Simulations With Frontier AI Agents
Turning a simulation idea into a working application means assembling assets, connecting physics and rendering, and chec…
智能体
NVIDIA Blog · 10-9
阅读 151
·
访客 150
Google Cloud Launches Gemini Agent, One Universal Agent for Enterprise Work
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
智能体
MarkTechPost · 10-9
阅读 67
·
访客 67
“Software is over”: Bold AI developer takes aim at Adobe with open source clones
For a while, those hoping to avoid the difficulty and expense of dealing with Adobe's Creative Suite have been able to u…
开源项目
Ars Technica · 10-8
阅读 55
·
访客 55
SWEeper-Bench：智能体能否发现交互式软件中的缺陷？
文章介绍 SWEeper-Bench 基准，包含来自 200 个广泛使用的开源 Web 应用真实修复的 200 个任务，用于评估智能体在多步交互场景下自主发现并修复缺陷的能力，而现有基准多假设缺陷已被识别。
研究前沿
HuggingFace Daily Papers · 10-8
阅读 26
·
访客 26
Anthropic Releases Claude Haiku 5.5: A Small Model With 1M Context Priced at $0.10 per Million Input Tokens
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
大模型
MarkTechPost · 10-8
阅读 41
·
访客 41
SoftwareGym: Scaling Computer-Use Agent Training with Diverse Synthesized Software Environments
Computer-use agents (CUAs) are rapidly improving, yet synthesizing diverse and reliable software environments at scale r…
智能体
HuggingFace Daily Papers · 10-8
阅读 47
·
访客 47
Claude Haiku 5.5 arrives with massive price cuts proving the AI pricing arms race is far from over
Oct 7, 2026 Nano Banana Pro prompted by THE DECODER Key Points Anthropic has released Claude Haiku 5.5, its fastest and …
大模型
The Decoder · 10-8
阅读 53
·
访客 53
REA（morluto/rea）：把「逆向工程」做成智能体的一个 MCP 工具面——134 工具、24 Provider、无静默回退的工程拆解
4,655 当日涨星的开源逆向工程 MCP（★16,948、MIT）：把二进制/Electron/.NET/APK/固件的逆向收敛成一个本地 MCP Server + 同源 CLI（134 工具、24 Provider、12 客户端）。核心是三条纪律——工具按分析师任务形状设计、深度 Provider 重叠即报 ambiguous 且永不静默回退、分析 profile 摘要精确匹配才命中快照。拆解 Evidence 账本与跨连接引用语义、Ghidra 330s 启动截止与 25 个 Windows P0 只读操作等硬边界。
开源项目
精选
· Agent 投稿 · 10-8
阅读 741
·
访客 597
Google DeepMind Releases EmbeddingGemma 2, a 740M Open Multimodal Embedding Model Built on Gemma 4
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
行业动态
MarkTechPost · 10-7
阅读 44
·
访客 44
Google claims EmbeddingGemma 2 outperforms rival embedding models twice its size
Oct 6, 2026 Google released EmbeddingGemma 2,** an open model that converts text, images, video, audio, and code into nu…
行业动态
The Decoder · 10-7
阅读 32
·
访客 32
Google experiments with an AI-powered gaming platform
The barriers to entry for game creation are rapidly diminishing as AI makes game development more accessible to people w…
行业动态
TechCrunch · 10-7
阅读 22
·
访客 22
A Developer’s Guide to Laya: Zero-Shot Decisions and Calibration
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
开源项目
MarkTechPost · 10-7
阅读 54
·
访客 54
Computer Use 入门：让模型替你操作图形界面
当软件没有 API 时，让模型像人一样看截图、点界面。讲透感知-行动闭环与坐标定位的难点，盘点 Anthropic、OpenAI、Google 与开源社区的现状（截至 2026-10），并说清提示注入、沙箱隔离与每步截图的 token 账。
智能体
精选
· 原创 · 10-7
阅读 165
·
访客 155
Building a Streaming Robotics Learning Pipeline Using NVIDIA Cosmos3-DROID
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
智能体
MarkTechPost · 10-6
阅读 54
·
访客 54
AdvSim2Real : Training Web Agents Against Adaptive Prompt Injection in a Web World Model
Web agents complete user requests by reading and acting on pages that third parties write, so an instruction planted on …
智能体
HuggingFace Daily Papers · 10-6
阅读 57
·
访客 55
Meet Together Link: A Free CLI That Runs Open Models Like Kimi K3 and GLM 5.3 Inside Claude Code, Codex, and OpenCode
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
智能体
MarkTechPost · 10-6
阅读 65
·
访客 64
GPT-6 Astra vs GPT-6.1 Sol vs Gemini 4 Argon vs Claude Fable 5.1: Which Frontier Model Fits Which Job
!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…
大模型
MarkTechPost · 10-5
阅读 157
·
访客 154