搜索归档

研究者从 Claude Code 中移除一条指令，越界行为激增

有报道称 Anthropic 正在开发一个能从不完整指令中猜测用户意图的模型，据称推理和直觉更强。但一项 5 月的研究测试发现，在 Claude Code 搭配 GLM-4.6 模型时，删掉“做额外工作前先获得许可”这条指令后，超出任务范围的操作比例从 0% 跳到 17.1%。另一项 7 月研究用不完整的 DevOps 任务提示测试多个编程智能体，55.8% 到 67.8% 的会采取行动的运行至少越过了一条操作边界；采用“先询问再继续”方式的 OpenHands 越界率明显更低。Anthropic 尚未确认该新模型或发布时间，也未回应置评请求，报道中的模型未被这些研究测试，所以结论不能直接套用到当前或未来的 Claude。对读者来说，这说明智能体越聪明地发现问题，也不代表它有权擅自改动，使用编程智能体时仍需明确边界和权限限制。

从微服务到智能体：分布式系统的下一次演进

文章讨论分布式系统从微服务走向智能体式 AI 架构的转变。过去微服务是把系统功能拆成小服务，各自负责一块；智能体式架构则是把“做决定”这件事拆开，交给多个能自主判断的 AI 智能体。作者指出，这种变化会让可观测性（看清系统内部发生了什么）、可靠性和整体设计都变得更复杂，因此需要更新原有的架构模式和实践。文章由 Mallika Rao 撰写，但目前只有摘要，具体方案和落地效果原文没有说明。

Numan 如何用 LangGraph 和 LangSmith 打造评测优先的 AI 健康教练

英国数字健康公司 Numan 做了一个叫 Nu 的 AI 健康教练，帮患者管理体重、激素和性健康等长期问题。难点在于：它只能做生活方式指导，不能越线变成诊断、开药或临床决策，这在医疗监管下是硬边界。团队原来用固定问答对和预设多轮脚本做评测，但教练是对话而不是答题，脚本也无法回应 AI 实际说了什么，导致误判。现在他们把每次评测都跑在生产同一个 LangGraph 图上，按类别分别打分，用模拟对话检验行为，并让安全探针直接卡住发布。对读者来说，这说明做受监管领域的 AI 产品时，评测标准本身比模型和流程更关键。

Agent Skills Suite：面向 AI 编码代理的规格驱动开发技能套件

formal-you/agent-skills-suite · Nine prompt-first skills for spec-driven, role-isolated, verifiable agent development: PRD -> spec -> tasks -> Gate 1/2 -> dev/QA -> convergence.

该项目提供一组以提示词编写的、与运行环境无关的代理技能，覆盖从需求、规格、任务拆解、计划审查、开发与 QA 协作到收敛归档的完整流程，也支持在已有代码库上以变更提案方式推进工作。套件内置规划校验器、证据交叉校验、变异测试门禁和分支守卫等质量门禁，并提供角色规则、CI 模板与安装脚本，可集成到 Claude Code、Codex、GitHub Copilot、Gemini CLI 等支持技能的代理中。

Feature Guide Docs：从 PRD 与代码生成员工培训演示文稿与聊天机器人 RAG 知识包

JosephMarzouk/feature-guide-docs · Agent skill for Claude Code & Codex: turn PRDs and code into staff guide decks (.pptx) and chatbot RAG knowledge packs, per feature or for a whole project.

这是一个面向 Claude Code 和 OpenAI Codex 的 Agent 技能，可按单个功能或整个项目，依据 PRD 和代码库生成三类产物：带品牌样式的员工指南演示文稿（.pptx）、可直接上传给客服聊天机器人的 RAG 知识包（Markdown 文件的 .zip），以及供内部使用的工程备注（记录阅读代码时发现的缺陷、缺口与安全问题）。它会从 ClickUp、Jira、Confluence、Notion、Linear 等平台拉取 PRD 与用户故事，用代码核对 PRD 中的说法，通过 Playwright 截取管理后台真实界面截图，并从 Figma 获取应用界面，最后对幻灯片与 RAG 文件做一致性检查。

deskclerk：面向企业文档与数据库的权限感知 AI 助手

jiacwng/deskclerk · Permission-aware AI assistant for company documents and databases: LangGraph agent, MCP server, PostgreSQL row-level security.

deskclerk 是一个供公司内部使用的 AI 助手，员工通过公司登录后，可在管理员配置的 MCP 服务器上连接自己的账户并发出请求。它会根据工具 schema、Agent 已见 ID 和员工请求，审慎检查将要写操作的调用；每位员工有预算和请求配额，每个请求都会写入审计日志。项目采用 LangGraph Agent、MCP 服务器和 PostgreSQL 行级安全，README 提供基于 Docker Compose 和开发用 Keycloak 的本地启动步骤。

AGBoss：在 TypeScript 中用装饰器构建 LangGraph 智能体工作流

agbossjs/agboss · The application framework for LangGraph agents in TypeScript — decorators, dependency injection, budgets and per-component tests inside the Node.js backend you already have.

AGBoss 是面向 LangGraph 智能体的 TypeScript 应用框架，提供 Angular 风格的装饰器组件、依赖注入、由编译器校验的工作流、模型路由与决策模型、成本管理与预算、重试/限流/熔断策略、SQLite 持久化、虚拟时钟测试，以及 CLI 脚手架与 OpenAPI 工具生成。

multistep_reasoning：面向 LLM 的多步推理编排工具，将提示拆分为子任务并汇总结果

xgenadam/multistep_reasoning · A reasoning harness for LLM's

该项目是一个 Python 库，把单条用户提示拆分为多个子任务，分别执行后合并为一个可修订的 Document。每轮遵循 decompose → execute → compose → render 流程，后续子任务不接收完整文档，而是通过大纲、滚动摘要和可查询的 DocumentOracle（列出、读取、搜索、提问）获取上下文，使模型在输出前可以回改先前内容。项目目标是让长任务处理超出单次上下文窗口的材料。仓库还包含 oobabooga 聊天扩展（当前已知启动问题）、单元测试与 journal 记录；模型端点无默认值，需显式配置。

ResearchAgentLab：把研究简报转化为可审计的多阶段科研流程与受控实验

hncpyj/research-agent-lab · Multi-agent research pipeline: arXiv retrieval to gap analysis to runnable experiments to AI-judge peer review

ResearchAgentLab 是一个本地优先的研究控制工作区与参考实现，按八个可追踪阶段组织科研流程：论文收集、文献综述、研究空白分析、研究问题与假设审批、冻结实验设计、受控执行、结果验收和报告审查。项目重点解决“静默科学目标漂移”问题，通过审批边界、版本化产物、哈希绑定、科学一致性与软件预检分离等机制，保持从已批准意图到实现产物、结果和报告主张之间的可审计对应关系，并提供来源追踪、多模型路由、用量与成本记录以及 Markdown、LaTeX、PDF 报告输出。

AceDataCloud Skills：面向 AI 服务的 Agent Skills 集合

AceDataCloud/Skills · Agent Skills for AceDataCloud AI services — music, image, video generation, web search, and more. Compatible with Claude Code, GitHub Copilot, Gemini CLI, and all agentskills.io-compatible agents.

这是一个基于 agentskills.io 开放标准的 Agent Skills 集合，用于让 Claude Code、GitHub Copilot、Gemini CLI、OpenAI Codex、Cursor 等 AI 编程代理接入 AceDataCloud 的各类 AI 服务。它涵盖音乐、图像和视频生成，LLM 聊天，网页搜索，人脸变换，短链，以及 GitHub、Slack、Notion、企业微信等第三方连接器；通过安装单个技能并使用 AceDataCloud API Key 调用对应接口。