用 Claude 自动化 eval 设计与 hillclimbing
Anthropic 在 Claude Code 的 claude-api skill 中新增两条命令，/claude-api build-eval 可在代码库内构建评测集，/claude-api hillclimb 用留出集逐次改进应用并检测过拟合。
推荐理由：官方给出 eval 设计与 hillclimb 的完整工作流，可迁移到自家应用的评测搭建与成本优化。
内容形态
产品更新 最新动态
AI 产品与应用的功能上新、改版与商业化动态——谁家的产品变强了、变贵了、能用了。
59 条精选近 30 天 53 条共收录 211 条
更新
精选归档 · 第 3 页
日期栏展示收录日期，历史补录归入原文日期。
Claude Developer Blog精选AI 评分7171 NVIDIA Newsroom精选AI 评分7474 NVIDIA 发布开放智能体安全平台，覆盖从测试到部署
NVIDIA 发布 Open Agent Safety Platform，由开源软件 OpenShell 与 Sentry 参考系统设计组成，为智能体提供全栈治理与控制。
推荐理由：NVIDIA 把智能体安全边界从模型层挪到运行时与硬件层，读者可据此判断企业级智能体治理的落地路径。
Amp News精选AI 评分6262 Amp 默认中等模式改用 Claude Opus 5.5
Amp 宣布中等模式默认模型由 GPT-5.6 Sol 换成 Claude Opus 5.5，使用 ChatGPT 订阅并启用 ChatGPT Only 预设时仍固定为 GPT-5.6 Sol，可在 Tune Modes 中切换。
推荐理由：Amp 公布内部评测数据与切换方式，读者可据此判断 Opus 5.5 在编码智能体中的成本与可控性取舍。
Baseten Blog精选AI 评分6060 用 Baseten Loops 在 LangSmith 轨迹上做微调
LangChain 在 Interrupt 26 大会上发布 LangSmith Fine-Tuning，可将 LangSmith 中的 Agent 轨迹转成监督微调数据集，训练与部署都跑在 Baseten 上。
推荐理由：原文给出了从 LangSmith 轨迹到微调数据集的完整链路，读者可据此判断自有 Agent 数据能否直接转成部署模型。
GitHub Blog · AI & ML精选AI 评分7171 GitHub Security Lab Taskflow Agent 的 AI 驱动模糊测试
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就能识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分类并生成漏洞报告。
推荐理由：原文给出了一套可复用的自主模糊测试流水线设计，读者可据此了解 LLM 智能体如何接管覆盖率与崩溃分类工作。
Amp News精选AI 评分6060 Amp 推出共享 Runner 功能
Amp 上线共享 Runner 功能，用 --share 启动后工作区成员都能在这台机器上从 ampcode.com 发起线程，带 GPU 的机器、用于构建签名 iOS 应用的 Mac 或特定网络内的开发机都可作为共享算力。
推荐理由：原文给出共享 runner 的启动方式、环境变量隔离与权限边界，便于团队评估自建算力如何接入智能体工作流。
Comfy Blog精选AI 评分6262 Comfy Router 发布：一个 API 调用前沿媒体模型
Comfy 在 Comfy Developer Platform 上线 Comfy Router，用一个 API 接入前沿图像、视频、3D 和音频模型，首日支持 Seedance 2.5、MiniMax H3、Nano Banana Pro、GPT Image 2、Kling 和 Black Forest Labs。
推荐理由：Comfy Router 把多家前沿图像视频模型的调用收敛到一个 API，读者可据此判断多供应商路由是否值得接入。
Prime Intellect Blog精选AI 评分6262 Prime Sandboxes：面向大规模智能体 RL 训练的 microVM
Prime Intellect 宣布 Prime Sandboxes 正式可用，每个沙箱是一台完整 Linux 虚拟机，支持 Docker Compose、后台任务和依赖内核的工作负载，可运行数万个并发沙箱。
推荐理由：Prime Intellect 公布智能体 RL 沙箱的架构取舍与定价，可据此比较容器与 microVM 方案的差异。
Factory News精选AI 评分6060 Factory Router 将推理成本降低 63%
Factory 公布 Factory Router 的生产数据，使用该路由的会话总体成本比按前沿模型公开价格计算低 63%，6 月底这一数字为 42%，同期路由会话量增长约四倍。
推荐理由：原文给出路由在生产环境的成本与通过率数据，可据此判断模型路由对智能体工作流的实际收益。
Cursor Changelog精选AI 评分6262 Rollouts 与 Security Review
Cursor 推出 Rollouts 和 Security Review 两个 bot，分别监控每次变更的部署健康状况、在每个 PR 中报告可被利用的缺陷，现已在团队版和企业版上线。
推荐理由：Cursor 把部署监控与安全审查做成两个 bot，读者可了解 AI 编码工具如何延伸到交付与安全环节。
vLLM Blog精选AI 评分6666 vllm-metal 发布：在 Apple Silicon 上实现并发推理服务
vLLM 官方发布 vllm-metal，把 vLLM 的 V1 调度器、分页 KV 缓存和 OpenAI 兼容服务端带到 Apple Silicon，由 MLX 与 Metal 负责执行。
推荐理由：vLLM 官方把调度器与分页 KV 缓存搬到 Apple Silicon，读者可据此判断 Mac 本地并发推理的可行边界。
Google Blog · AI精选AI 评分6060 联合国系统数据共享平台上线，让全球数据更易探索
联合国系统推出 UN System Data Commons，这是一个基于 Google Data Commons 构建的开源平台，把分散的全球统计数据整合为可搜索的 AI-ready 知识图谱。
推荐理由：联合国系统与 Google 合作把分散的全球统计数据整合为可自然语言查询的知识图谱，读者可了解其数据来源与智能体接入方式。
Claude · 应用发布说明精选AI 评分7878 Claude Cowork 进入每一次对话，可在任意对话中创建设计、幻灯片和文档
Anthropic 将 Claude Cowork 的能力扩展到任意对话，用户无需先选择模式即可提问或交付报告、表格、演示等较大任务，原有对话、Cowork 任务、项目、连接器和技能都会保留，该体验正逐步向 Pro 和 Max 套餐的 web、桌面和移动端推送。
推荐理由：官方说明 Cowork 能力并入所有对话，并给出 Design、Slides、Docs 的可用范围与套餐差异。
Cursor Changelog精选AI 评分8585 Cursor 项目
Cursor 推出「项目」功能，用于承接一项功能、一次迁移或一个完整应用这类更大规模的工作，可在数月周期内保持上下文并把任务委派给成千上万个子智能体。项目中的协调智能体不写代码，负责规划与分派，由云端智能体在独立计算机上运行，需要本机测试时再启动本地智能体。
推荐理由：原文给出项目式多智能体协作的上下文共享与云端运行方式，可据此判断长周期任务的委派形态。
蚂蚁 inclusionAI · 新项目精选AI 评分6666 inclusionAI 开源 Agent 工作区 Choruz
蚂蚁 inclusionAI 开源 Agent 工作区 Choruz，支持 Codex、Claude Code 和 Muse，可在后台把用户交互轨迹异步转化为个性化基准用例，用于调整 harness、减少重复错误，并选择性地用自配置的更小模型执行部分任务。
推荐理由：官方开源了一个从真实交互轨迹生成个性化评测、再据此调整 Agent 配置的工作区，可了解其机制与边界。
Cursor Changelog精选AI 评分7171 自托管机器
Cursor 推出自托管机器，让工具执行完全留在用户自己的网络内，代码库、构建产物和密钥都保留在自有基础设施上运行的内部机器上，由智能体在本地处理工具调用。
推荐理由：原文给出自托管机器的池化调度与沙箱接入方式，读者可据此判断工具执行如何留在自有网络内。
LiveKit Blog精选AI 评分6060 LiveKit 发布 Connectors：让语音智能体接入人们常用的通话平台
LiveKit 发布 Connectors，在 LiveKit 房间与 Twilio Programmable Voice、WhatsApp Business Calling 之间建立直连，通话作为 kind 为 CONNECTOR 的参与者进入房间，无需配置 SIP trunk 或运行网关。
推荐理由：LiveKit 把 Twilio 与 WhatsApp 通话直接接入房间，读者可据此判断现有电话工作流如何少改架构。
LiveKit Blog精选AI 评分6060 LiveKit Agents 推出 expressive mode，让语音智能体听起来更像人
LiveKit 在 LiveKit Agents 中发布 expressive mode，通过一个参数开启，让语音智能体根据对话情境调整情绪、语气和非语言声音。
推荐理由：LiveKit 官方说明 expressive mode 的实现方式与接入成本，可据此判断语音智能体情感表达如何落地。
Modem Blog精选AI 评分6060 Modem 上线 MCP server 与公开 API，让编码智能体读取客户反馈
Modem 面向所有用户开放 MCP server 和公开 API，任何 MCP 客户端可通过 https://mcp.modem.dev/mcp 连接。
推荐理由：Modem 把客户反馈聚合成主题后通过 MCP 交给编码智能体，并给出跨模型 token 对比数据。