本文第一作者是上海交通大学计算机学院三年级博士生程彭洲，研究方向为多模态大模型推理、AI Agent、Agent 安全等。通讯作者为张倬胜助理教授和刘功申教授。
自从 Transformer 问世，NLP 领域发生了颠覆性变化。大语言模型极大提升了文本理解与生成能力，成为现代 AI 系统的基础。而今，AI 正不断向前，具备自主决策和复杂交互能力的新一代 AI Agent 也正加速崛起。
Agent Infra是AI时代的新热点，涉及为Agent重建基础设施以适应其与人类的根本差异，包括交互方式、学习模式、责任界定等。核心是创建安全环境如E2B沙盒和Browserbase浏览器工具，支持Agent反馈循环和多任务协作，预计Browser Use市场将大幅增长，开发者需聚焦差异场景提升价值。
这是我关于「AI Native 系列」的第二篇文章，主题是：行动闭环。在上一篇里，我讲了什么样的产品才算得上真正的 AI Native，分享了我对 MCP 协议、AI 架构原生性和任务闭环的理解。
Agent 成为新一轮创新叙事的中心坐标。在技术边界不断推进的同时，一个显著的变化也在悄然发生：AI 创业从「拼技术」进入到「拼交付」时代。
2025年已成为名副其实的Agent元年。 不论是Operator、Manus、Genspark等爆款Agent的相继出现，还是各大厂商陆续发布MCP协议支持，种种迹象都在印证着AI Agent正经历从“玩具”到“工具”的关键转折。
MyShell 自从进入 ShellAgent 的框架阶段，由于深度融合了 ComfyUI 生态，图像视频流的 Agent 迎来了井喷式的爆发。上个月据说上新了 150+个，竞争确实有点激烈了。但其实图像视频流的能力并不代表 ShellAgent 所能做的全部可能性，仍然有大量值得探索的场景等待创作者去尝试。
2025年，随着 Agent 应用在千行百业加速落地，Agent 应用开发的实际需求和痛点也正在发生变化。
大家好，我是歸藏（guizang），今天给大家带来 Kimi 的深度研究能力体验和介绍。
这款 Agent 擅长多轮搜索和推理，平均每项任务执行 23 个推理步骤，访问超过 200 个网址。它是基于 Kimi k 系列模型的内部版本构建，并完全通过端到端智能体强化学习进行训练，也是国内少有的基于自研模型打造的 Agent。
