Claude Code /export 功能：高效上下文共享与复用
Claude Code 的 /export 可将当前 Session 的完整对话与操作记录导出为 Markdown 或 Plaintext。该功能支持多 Agent 接力、提炼 Custom Skills 以及跨设备异步续写，提升开发效率与可复用性。
#Agent
RadarAIAI 评分3838 RadarAIAI 评分6262 Reflection 首个模型 Beam 在 Artificial Analysis 智能指数得 30 分，居美国开源权重模型第二
Artificial Analysis 评测 Reflection 首个开源权重模型 Beam，在 Artificial Analysis Intelligence Index 得 30 分，居美国开源权重模型第二，仅次于 Meta 的 Muse Spark Open（39），高于前一日发布的 NVIDIA Nemotron 3.5 Super VL（26）。
RadarAIAI 评分6262 Reflection 发布 501B 参数 MoE 模型 Beam，面向编码与智能体工作负载
Reflection 发布新模型家族的首个模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，上下文窗口最高 100 万 token，主要接受文本输入并生成文本输出。
RadarAIAI 评分7171 Perplexity 开源 Agent 沙盒运行时 SPACE
Perplexity 公开其代理计算平台的核心沙盒运行时 SPACE，基于 Apache 2.0 开源。该运行时为每个 Agent 任务分配独立 Firecracker microVM，具备独立凭证与出口管控，并支持暂停、分叉、快照等长生命周期特性，已通过安全评测的全量逃逸测试。
RadarAIAI 评分3838 a16z 图表周报：智能体购物遭电商拦截，消费意愿仍滞后
a16z 图表周报指出，Cloudflare 数据显示智能体与爬虫收到的 403 拒绝响应自夏季起约为原先两倍，电商正封禁代理式购物。调查显示 42% 消费者完全不信任 AI 代购，仅约 25% 愿意让 AI 购买非奢侈品；Similarweb 数据显示 AI 购物多发生在发现与购买之间的中间阶段，而非下单环节。
RadarAIAI 评分2222 NTT Docomo 在福岛试点基于 ElevenAgents 的语音助手 CONN
NTT Docomo Business 正在福岛会津若松为老年居民试点语音智能体 CONN，该助手基于 ElevenAgents 构建。项目与武田健康基金会合作，并在会津若松市政府配合下部署，用于分享本地信息并进行日常对话，以应对冬季大雪导致老年居民难以出门的问题。
RadarAI精选AI 评分7878 Reflection 发布首个开源权重模型 Beam，501B 参数 MoE 采用 Apache 2.0 协议
Reflection 发布首个开源权重模型 Beam，权重已在 Hugging Face 以 Apache 2.0 协议放出。Beam 为稀疏 MoE 模型，总参数 501B、激活 23B，面向编码、推理和长程智能体任务。该模型提供 BF16、FP8、NVFP4 精度权重和投机解码 drafter 模型。
推荐理由：Reflection 首次开源 501B 稀疏 MoE 权重，可据此了解其面向编码与长程智能体的参数配置和精度选项。
RadarAIAI 评分5757 豆包工作上线 AI 资产一键迁移，作者实测从 ChatGPT、Claude Code 导入对话、技能与记忆
豆包工作上线 AI 资产一键迁移功能，支持从 ChatGPT、Claude Code 导入对话、技能与记忆。作者实测本机检测到 Claude 240 项、ChatGPT 682 项可导入，一两分钟完成，导入的历史会话可继续衔接上下文。
RadarAIAI 评分2222 Tripo API 与 Claude Opus 5.5 打造森林小鹿
Tripo 用 Tripo API 负责角色生成流程、Claude Opus 5.5 编写周围交互环境，仅凭感觉编码 1 小时做出在森林中漫步的小鹿。
a16z NewsAI 评分3434 a16z 图表周报：智能体购物被拒，TikTok Shop 呈超级帕累托分布
Cloudflare 数据显示，智能体和机器人收到的 403「Forbidden」响应占比自今夏以来大幅上升，约为此前两倍，零售商正阻止智能体购物。消费者对 AI 代购仍存疑虑：约 25% 受访者愿意让 AI 购买普通消费品，42% 表示完全不信任 AI 代为下单。
TechCrunch · AIAI 评分2222 Replit CEO：未来工作是「自动驾驶公司」
Replit CEO Amjad Masad 在 TechCrunch Disrupt 上提出「自动驾驶公司」愿景：AI 智能体承担公司大部分基础工作，人类保留判断力与品味。
RadarAIAI 评分6262 腾讯团队 3 个月用 Harness 重构 90 万行旧项目：实战经验与踩坑总结
腾讯技术工程作者 komahu 复盘内部视频在线剪辑项目重构：面对 90 万行、耦合严重、几乎无文档和单测的旧代码，团队以旧项目当需求说明书，用 Harness 工作流在 3 个月内重写为 12 万行新代码。文章拆解了 Harness 工作流的三阶段流程，并沉淀出一套可复用的 AI 协作开发模式。
RadarAIAI 评分7171 Perplexity AI 开源 AI Agent 安全沙箱 SPACE，118 次逃逸测试零突破
Perplexity AI 开源 AI Agent 安全沙箱 SPACE，通过轻量虚拟机隔离、外部凭证管理与快照回滚等机制，在 118 次逃逸测试中实现零突破，并已获 CoreWeave、Akamai 等云平台部署。文章提到此前已发生多起 AI Agent 突破沙箱限制的安全事件。
RadarAIAI 评分6666 ChatGPT GitHub 连接器被曝间接提示注入漏洞，可窃取私有仓库密钥
研究员 Sunil Tripathy 披露 ChatGPT GitHub 连接器存在间接提示注入漏洞，攻击者可在自己控制的公开仓库中埋入隐藏指令，诱导已绑定 GitHub 与 ChatGPT 的受害者的 AI Agent 向受害者私有仓库提交恶意工作流，从而窃取密钥。最小权限配置可阻断该攻击路径。
RadarAIAI 评分1818 关于 AI Agent 变现的朴素思考
针对如何利用 AI Agent 赚钱的讨论，作者提出一条直接路径：让 Agent 在 Fiverr、Upwork 等自由职业平台注册并接单获利。
RadarAIAI 评分4444 代码变廉价后的评审方法：以证据和影响范围决定审查深度
O'Reilly Radar 作者 Markus Eisele 提出，智能体大量生成代码后，评审不应逐行阅读，而应把证据作为接受代码的前提：实现前约定预期行为与影响范围（blast radius），再用双向追溯检查实现与测试是否存在未经要求的行为漂移。他以退款服务为例说明，小改动可能带来大影响范围，且测试与实现可能共享同一错误理解，因此仍需人工核对断言含义。
RadarAIAI 评分6060 澳大利亚反诈 AI 公司 Apate 累计融资近 1000 万美元，已在 250 万次对话中消耗骗子 17 年时间
澳大利亚初创公司 Apate 部署数千个伪装成受害者的 AI 智能体接听诈骗电话、回复可疑信息并追踪钓鱼链接，已在 250 万次对话中累计浪费骗子 17 年时间。
RadarAIAI 评分4040 NewMax 开源对话式工作流：将 YouTube 视频内容转为小红书图文
NewMax 推出并开源了一套通过对话将 YouTube 视频内容自动转化为小红书图文的工作流。用户只需一段对话，AI 即可分析 YouTube 视频并生成适合小红书发布的图文内容，项目已在 GitHub 开源。
RadarAIAI 评分3636 ChinaTalk 访谈蚂蚁 Ling 产品负责人 Richard Bian：为什么他认为 AGI 不可避免
ChinaTalk 发布对蚂蚁 Ling 大模型产品运营负责人 Richard Bian 的访谈，他认为 AGI 不可避免，当前仍处于探索模型能力的早期阶段。
RadarAIAI 评分2222 土耳其公务员考培项目 KPSS 2026 分析：低成本获客与 AI 伴学
一个针对土耳其公务员考试 KPSS 2026 的出海考培项目实现营收 $1,658、利润率 60%，采用原生 SwiftUI 轻量化开发、RevenueCat 管理订阅并引入 AI 辅导员。其核心路径是抓住当地公考刚需，利用土耳其市场极低的 Meta 广告成本获客。
RadarAIAI 评分3636 Dify 详解 AI Agent 与 Workflow 如何选择
Dify 发文讲解 AI Agent 与 Workflow 的区别：Agent 由模型在运行时从获批工具中选择下一步，Workflow 则由搭建者预先定义步骤与分支。文章建议流程固定可重复时用 Workflow，需逐次判断时用 Agent，并可在 Workflow 中嵌入 Agent 节点处理单个灵活环节。
RadarAIAI 评分5555 SeeCode 发布面向 Claude Code、Cursor 的交互式绘图插件
SeeCode 是一款为 Claude Code、Cursor 等 AI 编程助手设计的绘图插件，可将自然语言描述转化为可交互、可动态演示的网页格式图表。它支持 45 种图表，包括架构图、时序图和甘特图，生成的网页文件支持链路高亮、步骤演进、时序播放及 3D 物件拆解。插件还支持导出 PNG、SVG、GIF、MP4 等多种格式。
GitHubAI 评分5858 OpenPencil 开源 AI 原生矢量设计工具，支持并发 Agent Teams 与 MCP Server
ZSeven-W 在 GitHub 开源 OpenPencil，定位为 AI 原生矢量设计工具，支持用自然语言描述 UI 后在无限画布上流式生成，并可通过选中元素对话修改设计。
GitHubAI 评分5858 BMad Method 发布 v6.12 稳定版与 v7 预览版
BMad Method 在 GitHub 上发布两条版本线，稳定版 v6.12 通过 npm 安装并仅做 bug 修复，v7 预览 alpha 版以 skills 形式提供，官方给出的 v7 发布 ETA 为 2026 年 10 月 16 日。
arXiv cs.AIAI 评分3434 SWE-Nexus：从测试执行自动组合软件工程任务
SWE-Nexus 是一个全自动流水线，通过测试执行构建仓库级实现任务，由四个构建智能体筛选测试、适配追踪与评估协议并生成行为规范。其基准包含来自 105 个仓库、六种编程语言的 600 个任务（116 个原子任务、484 个组合任务），在三种智能体脚手架下评测 12 个模型，最佳配置单次尝试解决 37.8% 的任务。
arXiv cs.AIAI 评分2727 KV-streams：面向智能体强化学习的高效上下文压缩策略
研究者提出 KV-streams，一种与任意压缩策略兼容的即插即用方法，通过将 KV cache 向前流式传递而非每次压缩后清空，在三种压缩策略下实现 2.6 至 5 倍的训练墙钟加速。流式 KV cache 还可充当循环状态，携带已从上下文中消失的信息，且仅靠 RL 即可让该行为涌现。
arXiv cs.AIAI 评分3838 DroneCATS 基准：多模态 LLM 作为通用视觉-语言-动作智能体控制无人机
研究者提出 DroneCATS 基准，让 MLLM 通过四类动作直接控制无人机，覆盖目标可见性、目标运动、场景与模拟器变化，并扩展至真实无人机、多无人机及"指挥官+子智能体"套件，评测了十款从前沿到小型开源的 MLLM。
arXiv cs.AIAI 评分3434 规范驱动开发（SDD）的应然与实然：基于 Reddit 讨论、21 位从业者访谈与 SpecMine 语料库的研究
一项研究通过 Reddit 讨论、21 位从业者访谈（含 8 位工具开发者）和 SpecMine 语料库（73,030 个 GitHub 仓库的 470,795 个 spec 文件）考察了规范驱动开发（SDD）的实际使用情况。
arXiv cs.AIAI 评分3939 不重新生成，而是调试：面向加速器内核修复的领域专用智能体
针对 GPU、NPU 等加速器内核生成中大量"近失"候选被丢弃的问题，研究者提出领域专用调试智能体，通过检索模式、诊断插桩、反作弊检测与收敛保护实现自主修复。其 Debug Pass@1 达 66.7%，高于重新生成的平均 Pass@1 25.9% 和 Pass@3 40.7%，且每次成功消耗的 token 比三次重新生成少 92.8%。
arXiv cs.AIAI 评分2727 MemSyco-Bench：评测 Agent 记忆引发的谄媚问题
研究者提出 MemSyco-Bench，一个评测 Agent 系统中记忆诱发谄媚行为的基准，覆盖五项任务：判断 Agent 能否拒绝将记忆当作事实证据、遵守记忆的适用范围、解决记忆与客观证据的冲突、跟踪记忆更新，以及用有效记忆做个性化。现有记忆基准只关注记忆是否正确存储、检索或更新，忽略了检索到的记忆如何影响下游推理与决策。相关资源已向社区开放。
arXiv cs.AIAI 评分3232 MIRAGE：面向 Web 智能体的隐蔽视觉提示注入漏洞检测框架
研究者提出 MIRAGE，一种视觉间接提示注入框架，可在仅控制广告位等受限区域的第三方威胁模型下劫持 Web 智能体的下一步动作。该方法用扩散模型生成感知上自然的对抗图像，并结合曲率感知对抗扩散引导与稀疏暗像素残差扰动优化攻击效果。在 SeeAct 和 OpenClaw 上的评测显示其攻击有效、真实且隐蔽。
arXiv cs.AIAI 评分3737 SecureClaw：双边界架构让 LLM 智能体重获控制权
SecureClaw 是一种双边界架构，在可信执行器中强制授权，并将原始敏感数据隔离在 LLM 运行时之外。敏感读取经可信网关替换为引用 ID，写操作遵循 PREVIEW→COMMIT 协议，仅可信执行器可执行经策略授权的请求。
arXiv cs.AIAI 评分2727 基于语言的智能体控制（LBAC）：用类型系统约束 AI 智能体行为
论文提出语言智能体控制（LBAC），一种将编程语言与语言安全技术引入智能体控制的新编程模型，要求智能体生成在脚手架代码上下文中类型良好的程序，不安全程序在执行前即被类型检查器拒绝。该模型保留表达能力，智能体可执行任意无副作用计算并递归调用子智能体，子智能体在相同或更严格策略下保留完整工具访问权限。论文通过文件系统能力实现 I/O 沙箱、数据溯源和信息流控制三个案例研究进行演示。
arXiv cs.AIAI 评分2626 FinPILOT：面向 RL 交易智能体的推理时策略优化框架
FinPILOT 是一个受 MPC 启发的插件式推理时策略优化框架，利用多步价格预测器在每步决策前优化预训练策略，无需改动原始 RL 训练流程。在 DJ30 股票与外汇数据上，用 PPO、SAC、A2C、TD3、DDPG 五种预训练策略测试 30 种设置，28 种提升总回报、27 种提升 Sharpe 比率。预测误差越小，FinPILOT 的性能提升幅度与一致性越高。
arXiv cs.AIAI 评分3434 CoPE：让语言智能体的行动与预测协同进化
CoPE 通过在多步动作序列上增加预测性监督，让语言智能体的行动与预测能力在共享骨干网络中协同进化，推理时仍逐步行动、无额外开销。
arXiv cs.AIAI 评分4444 编码智能体的报告遗漏了什么：CTXGAP 测量执行上下文与报告之间的任务状态差距
CTXGAP 测量研究发现，编码智能体在按需回答任务状态问题时准确率达 93.6%，但仅读报告的监督者只能恢复 52.0%，与全上下文读者的 92.7% 相差 40.7 个百分点。在 30 个已验证修复的最终检查点上差距仍有 34.8 个百分点，完整终端回滚可将恢复率提升至 73.6%，但仍不及全上下文。该研究将基于报告的任务状态可恢复性确立为一项补充评估维度。
arXiv cs.AIAI 评分2727 异步对进化策略在长程 LLM 智能体任务上几乎无代价
研究提出有界陈旧度异步进化策略（bounded-staleness asynchronous ES），在 WebShop 上系统改变策略滞后程度与陈旧适应度测量比例，并设计两项压力测试探测极端陈旧情形。结果显示自然异步几乎与同步 ES 表现持平，即便全部适应度测量均陈旧，评估精度下降仍很小，表明 ES 无需显式离策略校正即可容忍显著策略陈旧，支持其用于长程 LLM 智能体的异步后训练。
arXiv cs.AIAI 评分4747 多智能体协作的全局一致性：当每个 Agent 都对、团队却错了
论文提出"全局一致性"问题：AI 智能体各自做出局部有效决策，联合结果却无效，根源是共享状态缺失而非智能不足。其 Observation-Aliasing Impossibility Theorem 给出精确边界——若 k 个不可区分世界需要两两不相交的动作，随机化最坏情况成功率上限为 1/k，更多推理、角色、消息或采样都无法弥补。
arXiv cs.AIAI 评分3030 CompMat-Bench：面向计算材料科学的 AI 智能体基准测试
研究者推出 CompMat-Bench，一个源自近期计算材料研究、包含 94 项任务的 AI 智能体基准，通过预先复现研究步骤来评估智能体准备输入与分析输出的能力，从而避免评测时运行昂贵模拟。基于三个 LLM 的智能体在单任务完整指导下通过率为 66.0-90.4%，更长工作流与减少指导会以不同方式限制不同智能体表现，失败多归因于科学错误而非软件使用错误。
arXiv cs.AIAI 评分3131 从模拟公民到模拟审议：LLM 智能体在代表性与交互上的挑战
研究用全国调查、受控审议实验和真实审议民调评估六款 LLM 能否模拟公众审议，发现智能体常产生过度集中的意见，无法可靠复现人口统计差异。在模拟审议中智能体虽会交换论点并频繁改变立场，但在看不到彼此发言时也会出现类似变化，而仅重述初始立场则大幅减少立场变动。