搜索
在做 Agent Memory 工程化探索的这几个月里，我经常有种被概念淹没的窒息。图结构记忆、AutoMemory、做梦机制、各种层出不穷的 Memory 框架……整个技术社区似乎陷入了一种每遇到一个新场景就要发明一套新词汇的群体焦虑中。
未来设计的交付物，可能就是产品原型本身。
最近，一个来自清华大学与中山大学的团队（Rath Team）把他们的解法开源了，叫OpenRath：这是一个像PyTorch的多智能体、多会话运行时。它的主张是：别再围着Agent转了。真正该被当成一等公民的，是Session。
AI 真正的终局之战，可能根本不在 C 端。过去两年，我们见证了无数个打着“个人助理”旗号的 AI 应用争夺流量入口，像极了移动互联网早期的百团大战。
当大模型开始控制机械臂、家用机器人时，“安全”这件事也变得不一样了。
前两天有朋友问我：你的 Agent 现在能干嘛？ 我说我的 Agent 会自己赚钱了🐶。 他说，你就吹牛吧。 我把电脑屏幕转过去给他看。上面是我的开源产品 Wesight 推过来的实时进度，我的 Agent 正在 ClawHunt 上竞标，刚刚又中了一单😄。
AI 正在学着操作电脑。由清华大学计算机系博士团队创立的非十科技，最近发布了一款桌面 Agent 产品 ———Agivar。与多数产品试图优化 Prompt 不同，它选择从另一个方向切入：让 AI 主动学习用户的工作流程。
从写指令，到给目标，再到只给一句意图：有人干脆让Codex自己定任务——人类还能留在编程的计划层吗？
过去很长一段时间里，AI 行业衡量模型进步的方式都相当直观：参数更大、榜单更高、推理更强、上下文更长。每一次模型发布，行业都会盯着数学、代码、知识问答和多模态基准测试，看它是否又向通用智能迈近了一步。
新智元近日对话了清华大学教授沈阳。作为长期关注 AI 应用、智能体与产业实践的学者，同时也是 ZeeLin（智灵动力）首席科学家，他个人每天的Token消耗量近10亿，本次对话围绕「自进化AI的自我递归进化」这一主线展开，讨论 AI 自进化与科研、叙事、商业与AGI相关的十个话题。