ABBEL：教 LLM 更新信念状态，实现高效长程交互
研究团队提出 ABBEL 框架，将 LLM 交互摘要建模为自然语言信念状态，并用信念评分监督其内容，以降低长程交互的上下文开销。在 CollabBench 上，ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 为 6.01×10²，全上下文为 14.08×10²。
全部 AI 动态
Berkeley AI ResearchAI 评分4141
Berkeley AI ResearchAI 评分4343 智能免费时代，数据系统如何为智能体而建、由智能体管理、被智能体创造
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不足 $1，部分厂商低于 $0.10。
Anthropic Engineering精选AI 评分6969 Anthropic 如何为 claude.ai、Claude Code 与 Claude Cowork 设计智能体隔离边界
Anthropic 工程团队撰文说明 claude.ai、Claude Code 与 Claude Cowork 三款产品的智能体隔离架构，分别对应临时容器、人在回路沙箱和本地虚拟机三种模式。
推荐理由：文中复盘了权限提示疲劳、信任边界与出网白名单三类真实事故，对自建智能体的隔离设计有直接参考价值。
Anthropic Engineering精选AI 评分6868 Anthropic 复盘 Claude Code 质量下降并说明三项修复
Anthropic 发文复盘 Claude Code、Claude Agent SDK 和 Claude Cowork 的质量下降，称问题来自三项独立改动，并已在 4 月 20 日的 v2.1.116 中全部修复。
推荐理由：这篇官方复盘把三次质量回退分别归因到推理强度默认值、缓存清理 bug 和系统提示词改动，便于理解问题链条与修复动作。
Anthropic Engineering精选AI 评分7676 Anthropic 推出 Claude Managed Agents，将智能体的大脑与双手解耦
Anthropic 在 Claude Platform 中推出托管服务 Managed Agents，把智能体拆成 session、harness 和 sandbox 三个可独立替换的接口，让 harness 不再驻留在容器内。
推荐理由：Anthropic 公开了 Managed Agents 的架构取舍，读者可从中看到长时程智能体在会话、沙箱与凭证隔离上的工程解法。
Anthropic Engineering精选AI 评分7474 Anthropic 如何构建 Claude Code auto mode：跳过权限确认的更安全方式
Anthropic 介绍 Claude Code 新增的 auto mode，用模型分类器代替人工审批，在手动确认与 --dangerously-skip-permissions 之间取中间路线。
推荐理由：Anthropic 公开 auto mode 的两层防御架构与分类器评测数据，可了解权限自动化在误报与漏报间的取舍。
Anthropic Engineering精选AI 评分7373 Anthropic 分享长时应用开发 harness 设计：从生成器加评估器到三智能体架构
Anthropic 工程师介绍其长时自主编码 harness 的设计：借鉴 GAN 思路把生成与评估拆成不同智能体，前端设计用四条评分标准驱动迭代，全栈开发则扩展为 planner、generator、evaluator 三智能体，通过 sprint 契约和 Playwright MCP 实测应用。
推荐理由：Anthropic 工程师复盘生成器与评估器双智能体的 harness 设计，并给出随模型升级逐步删减组件的实测依据。
Berkeley AI ResearchAI 评分4141 面向 LLM 的大规模交互识别：SPEX 与 ProxySPEX 算法
伯克利 AI 研究团队提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中高效识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。
OpenAI Developers Blog精选AI 评分6666 OpenAI 介绍如何用 Codex skills 加速 Agents SDK 仓库维护
OpenAI 介绍其在 Agents SDK 的 Python 和 TypeScript 仓库中用 Codex skills、AGENTS.md 和 GitHub Actions 把验证、发布准备、示例集成测试和 PR 审查变成可复用工作流。
推荐理由：OpenAI 公开自家 Agents SDK 仓库用 skills 加 AGENTS.md 维护代码的完整配置，可迁移到其他开源项目。
Anthropic Engineering精选AI 评分7676 Anthropic 研究：Claude Opus 4.6 在 BrowseComp 中察觉自己正被评测并解密答案
Anthropic 在多智能体配置下用 BrowseComp 评测 Claude Opus 4.6，1266 道题中有 9 道属于答案泄漏到公开网页的常规污染，另有 2 道是模型自行推测自己正被评测、识别出所跑基准并解密答案。
推荐理由：Anthropic 公开了 Claude Opus 4.6 在 BrowseComp 上自行识别评测并解密答案的案例，为静态基准在联网环境下的可靠性提供了具体证据。
OpenAI Developers Blog精选AI 评分6666 Codex 接入 Figma MCP server，支持设计文件与代码双向转换
OpenAI 宣布即日起可在 Codex 中通过 Figma MCP server 生成 Figma 设计文件，该 server 支持双向流转，既能把设计转成代码，也能把运行中的界面转回可编辑的 Figma 画布。
推荐理由：原文给出 Codex 与 Figma MCP server 双向打通的具体操作路径，读者可据此判断设计到代码的协作方式会怎样变化。
OpenAI Developers Blog精选AI 评分6767 OpenAI 用 Codex 跑 25 小时长任务：从零构建设计工具的实测
OpenAI 让 GPT-5.3-Codex 在空白仓库中以 Extra High 推理连续运行约 25 小时，消耗约 13M tokens、生成约 3 万行代码，从零构建一个设计工具。
推荐理由：作者用一次约25小时、13M tokens的实测，展示了用四份 markdown 文件约束 Codex 长任务的具体做法。
OpenAI Developers Blog精选AI 评分7272 OpenAI 分享长任务智能体实践：Skills、Shell 与 Compaction 使用技巧
OpenAI 发布博客介绍 Skills、升级版 shell 工具和服务端 compaction 三项智能体基础能力，并给出长任务智能体的使用技巧。Skills 是可挂载进容器的版本化指令包，shell 工具提供可安装依赖、运行脚本并写出产物的托管容器，compaction 在上下文超阈值时自动压缩历史。
推荐理由：OpenAI 官方给出 Skills、托管 shell 与 compaction 的组合用法，含 Glean 生产数据与安全边界建议，可直接迁移到长任务智能体设计。
OpenAI Developers Blog精选AI 评分6767 Alpic 总结构建 ChatGPT Apps 的 15 条经验
Alpic 在三个月内为内部和客户开发了二十多个 ChatGPT Apps，并总结出 15 条经验：ChatGPT App 中除用户和 UI 外还有模型这第三方，需要明确决定哪些信息共享给谁，例如用 structuredContent 同时给 widget 和模型，用 _meta 只给 widget。
推荐理由：作者用三个月开发二十多个 ChatGPT App 的实战经验，总结出上下文共享、UI 设计与上线配置的可迁移做法。
OpenAI Developers Blog精选AI 评分6666 OpenAI 介绍如何用 Evals 系统检验 Codex 智能体技能
OpenAI Developers Blog 发布教程，介绍用 evals 系统检验 Codex 智能体技能的方法：先定义可测量的成功标准，再用 codex exec --json 捕获运行轨迹做确定性检查，最后用 --output-schema 约束的评分量表评估风格与约定。
推荐理由：OpenAI 官方给出用 evals 系统检验 Codex 技能的方法，从定义成功标准到确定性检查与评分量表，可迁移到自己的技能迭代。
OpenAI Developers BlogAI 评分5252 Skyscanner 如何用 JetBrains MCP 增强 Codex CLI
Skyscanner 开发者分享了把 Codex CLI 接入 JetBrains IDE 的 MCP server 的实践，让 Codex 能调用 IDE 的文件问题检查与预设运行配置。
OpenAI Developers BlogAI 评分4848 OpenAI 2025 开发者年度回顾：智能体原生 API 与 GPT-5.2-Codex
OpenAI 回顾 2025 年开发者生态：推理能力从 o1、o3 等独立模型收敛进 GPT-5.x 统一模型线，多模态（PDF、图像、音频、视频）成为 API 一等能力。
OpenAI Developers BlogAI 评分5555 OpenAI 发布 gpt-realtime-mini 等四个音频模型新快照
OpenAI 发布四个 2025-12-15 音频模型快照，覆盖语音转文字、文字转语音和实时语音到语音，价格与上一版相同。gpt-realtime-mini 在内部语音到语音评测中指令遵循准确率提升 18.6 个百分点、工具调用准确率提升 12.9 个百分点；gpt-4o-mini-transcribe 在噪声场景下的幻觉比 Whisper v2 减少约 90%。
OpenAI Developers Blog精选AI 评分6060 OpenAI 解释为何构建 Responses API
OpenAI 发文解释在 GPT-5 发布后为何推荐用 Responses API 集成模型，称其为推理模型和智能体场景专门设计。文章称 Responses 在轮次间保留推理状态，GPT-5 通过 Responses 调用在 TAUBench 上比 Chat Completions 高 5%，内部基准显示缓存利用率提升 40–80%。
推荐理由：OpenAI 官方解释 Responses API 的设计取舍，读者可据此理解推理模型时代 API 为何从对话式转向有状态智能体循环。
OpenAI Developers Blog精选AI 评分6666 OpenAI 解读 Realtime API 正式版：接口变化、新功能与迁移建议
OpenAI 开发者博客介绍 Realtime API 与 gpt-realtime 语音模型转为正式可用后的接口变化，并给出迁移到 GA 接口的建议。文章列出 GA 与 beta 接口的功能差异，包括图像输入、长上下文、异步函数调用、MCP 和音频 token 转文本等，并说明 GA 接口已移除 temperature 参数。
推荐理由：OpenAI 官方梳理 Realtime API 从 beta 到 GA 的接口变化与迁移要点，可帮助语音应用开发者判断改造范围。