微软 ThinkingBox 基准登陆 Hugging Face：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再根据其留下的后端终态和副作用判分，而非看它生成的文字。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用后端状态而非生成文本判分，并给出 20 次重复下的稳定性与成本数据。
#MCP/工具调用
#MCP/工具调用
今日 0 条Hugging Face Blog精选AI 评分7171
AWS Machine Learning BlogAI 评分3636 用 Amazon Quick 和 Adjudicated Query 模式批量核查数千份租约合规性
AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性规则引擎完成，模型只负责把自然语言转为固定类型化操作并转述结果。
AWS Machine Learning BlogAI 评分3434 用 Amazon Bedrock AgentCore 为 Claude Desktop 添加安全 Web Search
Amazon Bedrock AgentCore Gateway 可将 Claude Desktop 接入 Web Search，突破模型训练知识截止限制。Web Search 是基于 Amazon 网络索引、兼容 MCP 的全托管搜索能力，覆盖数百亿文档，查询流量全程留在 AWS 内，无需外部 API key。
Latent SpaceAI 评分7171 Pi 1.0 与 Pi Durable 发布：原生支持 MCP，并将 Pi 移植到 TypeScript
Earendil 旗下的 Pi 发布 Pi 1.0 与 Pi Durable，两者同时登上 Hacker News 首页。Pi 1.0 带来 Codemode（原生支持 MCP、Jev 和图像模型）、虚拟模型扩展支持、延迟工具加载、Anthropic 模型缓存预热、对话中途系统消息、新 TUI 主题以及默认全屏模式。
AWS Machine Learning BlogAI 评分3838 基于 Amazon Bedrock AgentCore 的智能体 AI 如何扩展云迁移
AWS Professional Services 用四个智能体（Intake、IaC、Migration Intelligence and Governance、SRE）在 Amazon Bedrock AgentCore 上构建云迁移方案，将每个应用的 IaC 开发时间从 3 到 4 周缩短至几分钟，该数据来自一个覆盖 300+ 应用的内部项目。
AWS Machine Learning BlogAI 评分3434 用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可通过自定义 memory provider 接入 Amazon S3 Vectors，作为多智能体系统的持久记忆层，并部署在 Amazon EKS 上。
AWS Machine Learning BlogAI 评分4040 用 Amazon Bedrock AgentCore 构建环境智能体：从事件驱动信号到人类在环工作流
Amazon Bedrock AgentCore 支持构建"环境智能体"（ambient agent），由 Amazon S3 事件或定时任务触发后在 AgentCore Runtime 上运行作业，并通过单个 ask_human 工具在需要时暂停等待人工审批，再从中断处恢复。
Latent SpaceAI 评分6666 OpenAI 开发者日：Computer Use 与 Decisions API 背后的新智能体栈
Latent Space 在 OpenAI 开发者日直播后采访了负责 Computer Use 产品与工程的 Ari Weinstein 和 API 产品负责人 Nikunj Handa，两人介绍了 Dots、GPT-6.1 Sol、Agents API 与 Decisions API 等发布。
AWS Machine Learning Blog精选AI 评分6262 在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS 官方博客演示在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线：作曲、交付、合规三个智能体通过同一 runtimeSessionId 共享一个 GPU 实例和文件系统，作曲智能体在 NVIDIA L4 上用 ACE-Step 模型约 9 秒渲染 20 秒 48 kHz 立体声。
推荐理由：AWS 官方给出三智能体共享 GPU 实例的完整代码与实测数据，可迁移到其他长时多智能体工作流。
AWS Machine Learning BlogAI 评分2222 Amazon Quick 提示词工程基础指南
Amazon Quick 的提示词工程决定其 AI 功能对自然语言请求的响应质量，涵盖自定义智能体、自动化流程和对话式数据分析。文章提出以具体性实现清晰、以业务上下文提升相关性、用示例替代描述等核心原则，并给出适用于复杂请求的 CRISPE 结构化框架。
AWS Machine Learning BlogAI 评分2424 Amazon Quick 各组件提示词工程：模式与陷阱
AWS 发文拆解 Amazon Quick 各组件的提示词写法：Quick Research 需明确目标、受众与范围，并自行拆解子问题、限定数据源；Quick Flows 要写清时间、数据源、计算与交付目标，复杂逻辑用编号步骤，并可通过对话迭代调整；Quick Sight 的查询需包含业务问题、指标、维度与可视化偏好。
Hugging Face BlogAI 评分2727 ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证
Hugging Face 发布论文 ProvenanceGuard，一个面向 MCP 智能体的生成后验证层，可保留工具输出的来源 ID，逐条检查答案中的声明是否由其所声称的来源支持，而非仅在汇总证据中成立。在医疗智能体 281 条真实 trace 上，专家判定应拦截的 139 条声明中它拦下 138 条，来源识别准确率约 86%，并在与四种支持性检查器的对比中得分最高。
Latent SpaceAI 评分6262 Anthropic 的 Thariq 谈 Claude Code 下一阶段：Claude Mods、多人与智能体安全
Anthropic 的 Thariq Shihipar 在 Latent Space 访谈中介绍 Claude Code 的下一阶段，包括可自定义 harness 的 Claude Mods、Claude Tag 与 Projects 的多智能体协作，以及 Ask User Question、artifacts 等交互方式。
Hugging Face Blog精选AI 评分7272 H 公司发布 Holo4 系列智能体模型，含 27B 稠密与 35B-A3B MoE 两个版本
H 公司发布 Holo4 系列智能体模型，提供 27B 稠密和 35B-A3B MoE 两个版本，均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。
推荐理由：Holo4 同时开源权重与全部评测轨迹，读者可据此比较通用计算机操作智能体在成本与能力上的取舍。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用推出 canvases（画布扩展），一种用户与智能体共享的可定制界面，可做成看板、发布清单或仪表盘。在 agent 会话中输入 /create-canvas 并用自然语言描述工作流，无需编码即可生成界面，画布双向同步，智能体与用户可同时修改。画布保存为扩展，可随项目共享或作为个人扩展复用，Awesome Copilot 已提供现成模板。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 智能体
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，智能体就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。
推荐理由：GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃分诊交给 LLM 智能体，读者可据此判断自动化安全测试的边界。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热门观点：该不该读 AI 生成的代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应随风险分级；Skills 与 MCP 解决不同问题，前者是打包的 Markdown 专业知识，后者是智能体连接工具与数据的标准；RAG 并未消亡，检索能让模型更接近答案并减少 token 浪费。
GitHub Blog · AI & MLAI 评分2828 GitHub 如何用 Copilot 把营销活动运营变成代码
GitHub 日本和韩国营销负责人把活动运营流程交给 GitHub Copilot 自动化：以 GitHub Issue 为工作单元，用 Issue forms 收集活动信息、Labels 触发流程、Actions 执行任务，活动从单个 Issue 自动完成搭建、每日筛选报名者并在结束后清理。
Hugging Face Blog精选AI 评分6262 用 Gradio Workflow 重建 AUTOMATIC1111：Workflow1111 的 73 节点画布
Hugging Face 发布 Workflow1111，用 Gradio Workflow 把 AUTOMATIC1111 的大部分功能重建为一张画布，由 11 条媒体流水线和 73 个节点组成，覆盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成 inpaint 掩码、ControlNet 风格标注器、背景移除、PNG Info 存储和图生视频。
推荐理由：原文用 73 个节点复刻 A1111 的十一条流水线，并说明每个输出节点如何自动变成 REST 端点和 MCP 工具。
Hugging Face Blog精选AI 评分7373 Hugging Face 发布 funes：为编码智能体提供可自有的记忆层
Hugging Face 发布 funes，一个为 Claude Code、Codex、pi、Hermes 等编码智能体提供持久记忆的本地记忆层，单条命令即可接入。
推荐理由：原文给出跨 Claude Code、Codex 等智能体的本地记忆层设计与 handoff-vs-recall 基准对比，可据此判断会话记忆的落地方式。
Hugging Face Blog精选AI 评分6262 Hugging Face 在 Gradio 中推出 gr.Workflow，把 AI 流水线变成可拖拽画布与 REST API
Hugging Face 在 Gradio 中内置 gr.Workflow，用引用、算子、主体三类节点把多步 AI 流水线描述成图，Gradio 直接提供可拖拽画布，每个节点可运行、中间结果可见。
推荐理由：原文给出 gr.Workflow 的节点图、REST 端点和一键部署路径，读者可据此判断多步 AI 流水线如何从脚本变成可调用接口。
Mistral AI精选AI 评分7272 Mistral 发布 Agentic Search 检索层，FinanceBench 正确率从 26.7% 升至 86%
Mistral 发布 Agentic Search，一个让模型在多步检索循环中查找、检视并验证信息的检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries 中。
推荐理由：原文给出多步检索循环的工具设计与两组基准数字，可据此判断传统 one-shot RAG 在长文档上的边界。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 Agentic Resource Discovery 参考实现 Discover Tool
Hugging Face 发布 Agentic Resource Discovery（ARD）规范的参考实现 Discover Tool，为 Skills、ML 应用和 MCP Server 提供搜索访问。
推荐理由：Hugging Face 给出 ARD 规范的参考实现与 CLI、REST、MCP 三种接入方式，可据此判断智能体能力发现如何落地。
Hugging Face Blog精选AI 评分6262 如何用两个 Hugging Face Space 让智能体搭出 3D 巴黎画廊
作者让编码智能体调用两个 Hugging Face Space，先由 ideogram-ai/ideogram4 生成六张巴黎地标图像，再由 VAST-AI/TripoSplat 从单图重建 3D Gaussian splat，最终拼成可交互的静态 Space 画廊。
推荐理由：作者用一次真实搭建演示了 Space 的 agents.md 如何让智能体串联图像与 3D 重建，可迁移到自己的多媒体流水线。
Hugging Face Blog精选AI 评分6666 Hugging Face 宣布 OpenEnv 转为委员会治理，定位智能体 RL 环境接口层
Hugging Face 宣布 OpenEnv 改由委员会协调，成员包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft、Hugging Face 和 RadixArk，项目迁至 huggingface/OpenEnv。
推荐理由：OpenEnv 由多家机构共同治理并明确为环境接口层，读者可据此判断开源智能体 RL 的协作方式。
Hugging Face Blog精选AI 评分6262 Hugging Face 将 hf CLI 重构为面向智能体的命令行工具
Hugging Face 重构官方命令行工具 hf CLI，使其同时适配人类和编码智能体，并引入 agent-mode 输出。官方基准显示，在复杂多步任务上，不使用 CLI 而由智能体手写 curl 或 Python SDK 的方案最多消耗 6 倍 token；整体上 curl 与 SDK 约为 CLI 的 1.3 至 1.8 倍。
推荐理由：官方给出 hf CLI 面向编码智能体的重构细节与基准数据，可据此判断智能体调用 Hub 的 token 成本差异。
Hugging Face BlogAI 评分3434 Reachy Mini 通过 MCP 接入 Hugging Face Spaces 远程工具
Reachy Mini 对话应用现可通过 MCP 调用托管在公开 Hugging Face Spaces 上的工具，用一条命令 `reachy-mini-conversation-app tool-spaces add pollen-robotics/reachy-mini-weather-tool` 即可为机器人添加查天气。
Hugging Face BlogAI 评分3636 一文理清 AI Agent 术语：Harness、Scaffold 与 Agent 到底指什么
Hugging Face 发布 AI Agent 术语表，重点厘清常被混用的 harness 与 scaffold：scaffold 指系统提示词、工具描述、输出解析与上下文管理等行为定义层，harness 则是调用模型、处理工具调用并决定何时停止的执行层。
Hugging Face Blog精选AI 评分6262 如何在 Chrome 扩展中使用 Transformers.js
Hugging Face 发布教程，讲解如何在 Manifest V3 约束下用 Transformers.js 在 Chrome 扩展中运行本地 AI 功能，并以官方发布的 Gemma 4 浏览器助手扩展为参考实现。
推荐理由：以官方发布的 Gemma 4 浏览器扩展为参照，拆解 MV3 下后台托管模型、侧边栏与内容脚本的职责划分。
Hugging Face BlogAI 评分3939 Hugging Face 发布 VAKRA：评测 AI 智能体推理、工具使用与失败模式
Hugging Face 推出 VAKRA，一个面向企业级环境的可执行基准，用于评测 AI 智能体的组合式推理与工具调用能力。该基准提供 8,000+ 本地托管 API、覆盖 62 个领域，任务需 3-7 步推理链，包含 API 链式调用、工具选择和多跳推理四类任务，模型整体表现不佳。博客还分析了不同任务上观察到的失败模式。
Hugging Face Blog精选AI 评分6969 HCompany 发布 HoloTab：浏览器里的 computer-use AI 扩展
HCompany 发布 HoloTab，一款 Chrome 扩展，可像人一样在任意网站上自动完成任务，无需配置或技术背景。用户描述需求后，智能体在浏览器内导航界面、填写字段并做决策，底层由视觉模型、动作规划和界面理解驱动。
推荐理由：HCompany 把自家 computer-use 模型做成免配置的 Chrome 扩展，读者可据此判断浏览器自动化智能体的落地形态。
Hugging Face Blog精选AI 评分6262 Gradio 发布 gradio.Server，支持任意自定义前端接入其后端
Hugging Face 发布 gradio.Server，它扩展 FastAPI，让开发者用 React、Svelte 或纯 HTML/JS 等任意前端框架，同时复用 Gradio 的排队、并发控制、SSE 流式、MCP 支持和 Spaces 上的 ZeroGPU。
推荐理由：原文给出 gradio.Server 的完整后端示例，读者可据此判断自带前端与 Gradio 队列、ZeroGPU 如何配合。
Hugging Face Blog精选AI 评分6060 Meta 与 Hugging Face 发布 OpenEnv，用 Calendar Gym 评测工具调用智能体
Meta 与 Hugging Face 推出开源框架 OpenEnv，用于在真实系统而非模拟环境中评测 AI 智能体，采用 Gym 风格 API 和标准 MCP 工具调用接口。
推荐理由：Meta 与 Hugging Face 的 OpenEnv 给出真实环境评测智能体的接口，读者可据此理解工具调用智能体的可靠性瓶颈。