说一个反常识的真相，Agent如今在真实工作场景的成功率依然很低。
本文以阿里国际站开源的RealReplicaBench电商评测集为例，揭示模型在供应商采购、物流规划等真实任务中通过率普遍不足50%的现状，并对比Coding评测的差距，引发对AI实际落地能力的思考。
突发，DeepSeek重磅开源核心推理引擎
DeepSeek还在知乎发了技术长文，又在GitHub放出一份部署问答，把这套系统从架构设计到部署细节，一五一十讲了出来。
手把手教你用ComfyUI教程
ComfyUI可以说完全颠覆了传统AI绘画“填表式”的刻板印象，用类似搭积木的“节点连线”方式，将AI生图变成了一个透明、可控且高效的工作流。️ 初识ComfyUI：它和传统WebUI有何不同？
智谱道歉之后，谁来给Agent划边界？
上传代码风波发酵近72小时后，智谱道歉了。9月21日早间，智谱旗下AI编程平台ZCode发文称，针对社区反馈的ZCode产品安全问题，已经完成整改，并向所有用户道歉。智谱方面还表示，已将ZCode开源（https://github.
翁荔长文谈Harness自进化：Agent越用越强，评测难点怎么破？
近日，翁荔发布长文 《Harness Engineering for Self-Improvement》，系统梳理了 harness engineering 在 AI 自我改进中的作用。是否引入了更高成本或运行时不稳定?
以电商客服为例，看 AgentKit 技能评测如何让 Skill 敢上生产！
Skill 写好、跑通之后，如果回答不好下面三个问题，也很难大规模应用到生产环境当中： 它到底好不好用？Agent 表面上完成了任务，但得出的结论可能会违反业务规则；出现这类问题，系统不会报错，在抽查时也很难发现。问题出在哪，该怎么改？ 知道分数低，想查问题出在哪儿？
物理学也要被AI攻陷了？5道20多年量子公开问题被突破
可怕，这才过了几天?他们称，自己借助自研AI科研系统，在量子信息理论的5个开放问题上取得了成果，论文、Lean形式化证明和验证代码，均在Github上贴出供学人审查。
AI 浏览器都在抢大脑，ego lite 偏偏只做「手脚」
前几天在 X 上刷到有人推荐 ego lite，说这是一款给 AI Agent 用的浏览器。我在 Codex 里给它布置了一个任务:用 /ego-browser 去 X 上，给我关注列表里 Hubo 最近的三个帖子点赞。
怎么用2-4个Agent，干一个真实项目？
用2-4个Agent并行推进HR SaaS系统CLI化改造，作者通过明确诉求、准备Context、反复调试三个环节闭环法，在Trae与QoderWork中分别完成产品规划、场景梳理、原型绘制与需求文档输出。
只会搜关键词还不够，Agent 需要一套更聪明的本地搜索
ripgrep 之外，Agent 还需要语义检索。8 月底开源的 zvec-grep 把语义、BM25 全文、rg 正则和混合检索收进同一个接口，让 CLI 与 Agent 共用一份本地索引。