搜索
我们想强调的是：智能体 “跑得久”，并不等于 “具备长程能力”。真正的关键，不在于占用更多时间与算力，而在于能否在更长、更复杂、更真实的推理依赖链上持续、有效地行动。长期以来，Autonomous Agent、Self-Evolving Agent 等概念常与长程智能体混用。
你有没有想过，写代码这件事的对象正在悄悄换人？上周一晚上，我在旧金山Market Street上WorkOS的办公室里待了将近两个小时，看了二十几个现场demo。进门之前我以为这只是一场普通的创业展示夜，但看完之后我意识到，这群人在展示的根本不是产品，而是他们对"写代码、用代码、读代码"这件事本身的理解，已经发生了多深的变化。
Agent 执行任务的时候，会反复踩坑、不断试错，最后积累一些正确的经验。但这些经验通常只能停留在当前会话，或者当前 Agent 的记忆里，很难传给其他 AI。一个 Agent 调用某个 API，花了半个小时查文档、改参数，连续失败好几次，最后终于找到正确方法。
多模型Agent系统显然是未来的趋势。cursor 的一篇很不错的文章。他们的最新研究表明，将前沿模型作为规划者和协调者，与一个更廉价的“主力”模型搭配，可以大幅降低项目中总token的成本，从而实现 15 倍的成本改进。
语核科技创始人翟星吉说，AI项目一定是高层驱动的，但真正主导的是业务部门。他的逻辑很值得琢磨：大部分公司买一个Agent产品，本质上不是买软件，是在做生产投资——就像制造业企业投资一条产线，买的是高级人力服务。 所以决策链路变成了：业务部门真的算出ROI，跑去跟老板说"这东西能帮我们提升产值或者降低成本"，老板说"赶紧买"。
就在刚刚，Anthropic正式发布了Opus 5。这款定位是「深思熟虑且积极主动」的模型，不仅成本只要Fable 5的一半，而且在大多数跑分上直接碾压。在最近的IMO 2026中，它不靠任何外部工具和Agent框架，就拿下了42/42的满分！
腾讯微信在论文 SkillHone 中，将这个问题归结为优化历史丢失，进而提出了面向持续 Skill 进化的开发框架。 SkillHone 把每轮诊断、候选修改、评估证据和最终决定组织成持久决策历史。同时，持续优化的对象也从单一的 SKILL.md 文件扩展到了整个 Skill 文件夹及其修改过程。
先给你说个画面。上周三凌晨一点，我被手机震醒。不是闹钟，是闲鱼的消息提示。一个买家在问我那台吃灰的旧Xbox 360还在不在，能不能便宜五十。我半睡半醒回了个“在的，最多少二十”，然后翻个身接着睡。第二天早上打开一看，那个人凌晨一点半就把钱付了。就因为我半夜迷迷糊糊回了一句。
流量红利消逝，中国企业出海可以靠 Agent 破局吗？
据The Information独家报道，Taylor目前所领导的AI客户支持初创公司Sierra正在收购Thumaty创办的三人初创公司Takeoff，后者开发的Agent能够长时间持续处理各类任务。Sierra高管希望，随着公司试图从AI驱动的客户支持Agent业务拓展到销售面向其他任务的Agent，Thumaty的专业经验将大有助益。