搜索
如何让 Agent 把浏览器用得更 6，一直是一个还没有完美解答的课题。周末躺床上刷 GitHub trending，看到一个项目名字叫 BrowserAct。简介写着：AI Agent 操作真实浏览器。
6 月 10 日，千问上线国内首个全周期高考志愿填报 Agent，面向全国 1290 万考生免费开放。该 Agent 具备「志愿报告」、「志愿日历」、「志愿问答」三项核心能力，从查分、填报到录取跟进，全程在线，随时响应。
AI Agent 正在从 "单兵作战" 走向 "团队协作"—— 让多个 Agent 分工配合，去完成单个 Agent 难以独立扛下来的复杂任务，也是近期最受关注的方向之一。
过去两年，大模型写代码已经不再新鲜。从代码补全到 GitHub issue 修复，从竞赛编程到仓库级软件工程，人们习惯用一个简单标准评估 coding agent：代码能不能写对？测试能不能通过？
过去一年，Agent 无疑在代码行业率先跑出了最清晰的「模板」。
多智能体协作对于解决复杂问题虽然具有巨大优势，但是其架构本质上易出现错误传播，因为由不正确的工作流生成或单智能体幻觉输出引起的错误会沿着协作链蔓延，影响最终结果。
一年前，行业还在为“从自动补全到 Agent”的进化感到兴奋。然而一年过去，我们不难发现单纯靠“Vibe Coding”和“Prompt 调优”，面对非确定性模型带来的风险和成本问题，显然无法撑起企业级软件开发。
过去一个多月，大模型圈依旧热闹。从 GPT-5.5、DeepSeek V4 到 Claude Opus 4.8，后训练正在成为模型能力提升的关键引擎。
Agent 的世界，四月还是山雨欲来。五月尚未结束，已然血雨腥风。
近年来，大语言模型在数学、代码等任务上的表现不断刷新上限，但到了医疗诊断、故障排查这类真实世界任务里，真正困难的是让多个智能体在不确定的动态环境中持续协作推理。