In Argo, you can get Claude Code and Codex to work together.
In Argo, you can get Claude Code and Codex to work together. This agent team experience is amazing—it greatly improves the quality of the work!
目录
全部条目。
所有已发布内容，最新优先。当前筛选会保留在 URL 中。
吴恩达： Loop 有三层，大多数人只看到第一层
吴恩达： Loop 有三层，大多数人只看到第一层 “Loop Engineering”最近很火，但很多人只关注第一层。 吴恩达在最新指出：Loop 其实有三层，代码循环只是最基础的一层。 第一层：Agentic Coding Loop AI 自己写代码、自己测试、自己修复迭代（分钟级循环）。 第二层：Develope…
资源@yibie
推荐这篇文章，Lilian Weng 的最新博客把"harness 工程"这个正在成为 AI agent 核心竞争的领域做了全面梳理。从上下文工程到进化式 h…
推荐这篇文章，Lilian Weng 的最新博客把"harness 工程"这个正在成为 AI agent 核心竞争的领域做了全面梳理。从上下文工程到进化式 harness 搜索，从 Meta-Harness 到 Self-Harness。如果你想理解 2026 年 agent 竞争的核心在哪里——不是模型本身，而是围…
讲真！@gaoscode 这个项目有点酷，他可以让你的 AI 制定的计划变成可视化的图谱，透明、直接、没有黑箱！
讲真！@gaoscode 这个项目有点酷，他可以让你的 AI 制定的计划变成可视化的图谱，透明、直接、没有黑箱！ 这个思路和我这两天给pi Agent 设计的签核台思路是一致的。 AI 罗列计划生成任务图 + 状态文件，每个节点携带提示/依赖项/验收标准/审查关卡/日志/状态，这也是和 AI
强烈推荐一下快手技术团队发在公众号上的这篇文章，新的生产力需要新的生产关系与之匹配。实际上个人最近在处理公司的一些业务问题上也遇到了类似的状况，极高的部门墙导…
强烈推荐一下快手技术团队发在公众号上的这篇文章，新的生产力需要新的生产关系与之匹配。实际上个人最近在处理公司的一些业务问题上也遇到了类似的状况，极高的部门墙导致agent在公司宏观层面上很有可能提效有限，与在个人层面的显著提效形成了鲜明对比。 最近meta老板扎克伯格说ai
🎉 EverOS 刚刚突破 10,000 ⭐🚀！
🎉 EverOS 刚刚突破 10,000 ⭐🚀！ 感谢每一个 star 的你。为了这个里程碑，我做了一个视频，把 EverOS 的 7个核心能力拆解一下～ EverOS 是一个真正跑在你本地、你能读懂每一行记忆的 AI 记忆系统。非常欢迎大家部署体验并且提建议，我们重视每一个开发者的反馈！ 你最想让你的AI记住什么呢？
资源@9hills
AI for Work 在很多企业内部很微妙。
AI for Work 在很多企业内部很微妙。 用通用智能体（Hermes、WorkBuddy 之类）配上 DeepSeek-V4-Pro 模型，可以优化很多重复性的劳动。 但据我观察，和程序员们非常积极的燃烧 Token 提效促进自我淘汰不一样。传统的财务、行政等岗位，有些企业存在一种很有意思的现象：给 IT 部门…
资源@0x8888
之前 GitHub 热榜简直被 Agent 和 CLI 基础设施承包了，那时的星标增长速度看得人眼花缭乱，不是夸张，是真有这么猛。
之前 GitHub 热榜简直被 Agent 和 CLI 基础设施承包了，那时的星标增长速度看得人眼花缭乱，不是夸张，是真有这么猛。 Gas哥讲几个最炸的项目： 1️⃣ openhuman（tinyhumansai） 私人超级 AI 智能体，Rust 编写，完全私有化部署，日常事务到复杂工作流全包。它不像 ChatGPT
这绝对是你当下最值得尝试的 Agent 产品，比肩甚至超越当前 cc 和 codex，在公开评测集中占据 SOTA。其领先的 harness 框架和长任务及l…
这绝对是你当下最值得尝试的 Agent 产品，比肩甚至超越当前 cc 和 codex，在公开评测集中占据 SOTA。其领先的 harness 框架和长任务及loop的表现，和我们独创的 agentic department and okr 系统，能够满足用户的超长期复杂任务，并自主迭代。 经过一周的公测，Matrix
刚刚，首个面向 AI Infra 运维的智能体评测基准，开源了。
刚刚，首个面向 AI Infra 运维的智能体评测基准，开源了。 来自百亿条真实运维数据，精心筛选了十万条后，最终合成为 103 条高质量的评测用例。 和传统评测基准不一样，它考验的是让智能体上手排查解决能力，把故障问题修好了才算得分。 涵盖 44 种问题现象，22
🚨 震撼！来自英伟达和剑桥大学等团队的这篇 Red Queen Gödel Machine 绝对是我近期认为最重要的 AI 论文之一。
🚨 震撼！来自英伟达和剑桥大学等团队的这篇 Red Queen Gödel Machine 绝对是我近期认为最重要的 AI 论文之一。 这次，论文直接针对自我改进 AI 的核心瓶颈： 以前，评估器一旦固定不变，就会导致代理钻空子或者快速停滞不前的问题。 这篇论文通过 Red Queen
我做了个讲 Harness Engineering 的中文资料库。今天它开始自己管自己了：
我做了个讲 Harness Engineering 的中文资料库。今天它开始自己管自己了： 新文章进来 → 一批 AI 并行评审打分 → 脚本自动守计数 → 但收不收，永远我点头。 评审是反馈回路，脚本是机械护栏，我点头是人类掌舵。 一个讲驭缰工程的库，用驭缰工程管自己。 🔗
我的 Trading Agent 换上了这个大脑后，明显聪明了几个量级！
我的 Trading Agent 换上了这个大脑后，明显聪明了几个量级！ 长期以来，我在使用 Agent 的过程中，都被同一个问题所困扰：它太容易失忆了！ 每次开启一个新会话，我都要重新交代背景： 我是谁、我在做什么项目、我的判断标准是什么、哪些资料已经看过、哪些坑已经踩过、哪些结论已经被推翻过。
资源@i5ting
今天giac，特意看了EverOS，之前只觉得是做长期记忆的，今天他们coo说从天桥总从脑科学延伸出这项目，这个思路就合理。
今天giac，特意看了EverOS，之前只觉得是做长期记忆的，今天他们coo说从天桥总从脑科学延伸出这项目，这个思路就合理。 - 做的早，保护期也就6个月 - 类似brain.md等想抄，也不会很难 - python first不好，多语言还是要做 - HyperMem是核心，这点
Introducing agentOS v0.2.0
Introducing agentOS v0.2.0 Lightweight sandbox & agent orchestration powered by WebAssembly 1738x cheaper than SaaS sandboxes 🤖 Any agent (Pi/CC/Codex/OC) or B…
资源@zaroai_
Today, we're excited to launch Zaro.
Today, we're excited to launch Zaro. Your knowledge is scattered across Slack threads, email chains, Google Docs, Notion pages, and calendar invites. Everyone'…
资源@wey_gu
我也非常喜欢 OKF 的标准化工作 :)
我也非常喜欢 OKF 的标准化工作 :) Nowledge Mem 的上下文工作流设计和 virtual file system 的设计天然暗合 LLM Wiki 模式，我们在 0.8 版本中支持了 LLM Wiki 格式的上下文消费和导出，并且在 Open Knowledge Format 草稿发布第二天就支持了…
许多朋友想加入我们的公开测试，这里再给大家分享20个code，每个code足以支撑你开启第一个 agent 公司了，现在默认模型是 GLM 5.2，都有千万t…
许多朋友想加入我们的公开测试，这里再给大家分享20个code，每个code足以支撑你开启第一个 agent 公司了，现在默认模型是 GLM 5.2，都有千万token的免费额度，购买套餐也有试用，以及大家后续也可以用api或者cc codex订阅驱动。 大家也可以邀请自己朋友来，免费测试的时间有限！ 下载请前往官网
等了这么久，正式向大家介绍，Matrix，当下最领先的 Agent harness 产品，更多细节我们会在接下来陆续发布。
等了这么久，正式向大家介绍，Matrix，当下最领先的 Agent harness 产品，更多细节我们会在接下来陆续发布。 Matrix 希望帮你打造属于你的第一个「 0 」人参与的 Agent 公司，一个 CEO 帮你管理多部门，自主完成各项复杂任务，并且长期运行。在更早的内测当中，有用户通过 Matrix
资源@yyyole
Agent memory的创业方向好火爆！
Agent memory的创业方向好火爆！ 很多团队都在做，大概有下面几种比较主流的思路： 第一种最粗暴：context路线，把上下文增长。 第二种最常见：RAG / 向量库路线，接一个向量库把历史内容 embedding 后做检索。 第三种是产品思维：memory API路线，把记忆封装成 API，直接调用。
在组内大佬成本架构优化下，同样一道题，同样的 DeepSeek，maka agent 消耗的成本优化到了 Opencode 的 1/8...
在组内大佬成本架构优化下，同样一道题，同样的 DeepSeek，maka agent 消耗的成本优化到了 Opencode 的 1/8... 这意味着同样跑一批任务，如果常规 harness 要花 100 美金，用 maka 只需要 12.5 美金。
the background agent market map.
the background agent market map. every serious eng org now ships agents that code while they sleep. and in most orgs, it has spread engineering containment - g…
下一批
还有 157 条