搜索
如果人类的大脑像现在的LLM Agent一样工作，记住每一句今天明天的废话，我们在五岁时就会因为内存溢出而宕机。真正的智能，核心不在于“存储”，而在于高效的“遗忘”与“重组”。
随着越来越多的零售商开始借助 AI 工具来吸引消费者，并将 AI 引入业务的关键环节，Google 希望确保自己站在这场变革的中心。
上个月我和黄叔在视频号连麦，顺手注册了这个公众号。说实话，当时心里没底，也就是抱着试一试的心态。
机器人终于迎来自己的「iOS时刻」，全球首个具身Agentic OS来了：不是装个更聪明的大模型，而是给机器人配上一套真正的「操作系统」。
现有的视觉大模型普遍存在「语义-几何鸿沟」（Semantic-to-Geometric Gap），不仅分不清东南西北，更难以处理精确的空间量化任务。例如问「你坐在沙发上时，餐桌在你的哪一侧？」，VLM 常常答错。
如果你在做 AI Agent 开发，大概率已经发现一件事： Agent 几乎是传统软件测试方法的反例。
当我深入分析Metaforms的解决方案时，发现他们的创新不仅仅在于技术本身，更在于对市场研究工作流程的深刻理解和重新设计。他们开发的AI agent系统能够无缝集成到现有的研究流程中，自动化那些最耗时的手工操作。
哈工大、鹏城实验室、新加坡国立、复旦、北大联合发布了一篇重磅综述《AI Meets Brain: A Unified Survey on Memory System from Cognitive Neuroscience to Autonomous Agents》，首次打破认知神经科学与人工智能之间的学科壁垒，系统性地将人脑记忆机制与 Agents 记忆统一审视，
最近，Cursor 也发表了一篇文章《Dynamic context discovery》，分享了他们是怎么做上下文管理的。结合 Manus、Cursor 这两家 Agent 领域头部团队的思路，我们整理了如何做好上下文工程的一些关键要点。
Agent 并不是一次性输出的系统。它们运行在多轮交互之中：调用工具、修改内部状态、根据中间结果不断调整策略。也正是这些让 Agent 变得有用的能力 ——自主性、智能性与灵活性 —— 同时也让它们变得更难以评估。