AI 编程实时动态与要闻

Anthropic 10 月 26 日发布 Claude for Nonprofits 插件，这是一组与约 30 家非营利组织共建的技能和连接器，覆盖募资全流程（找资助方、拆解 RFP、写申请和报告、维护捐赠人关系）、营销、招聘和董事会事务，并先让 Claude「绘制组织地图」、按机构自己的 AI 政策回答能不能用。插件对 Team 和 Enterprise 版的认证非营利组织自动安装、不额外收费。官方称已有超过 2.5 万家非营利组织在用 Claude，其中超过 75% 席位少于 10 个。

查看大图

多所顶尖高校与科研团队在 arXiv:2610.28601 中提出突破性计算机使用智能体（CUA）自我演化架构 Evolving Agent Interfaces 与 Agent S4。传统 CUA 往往被严重限制在人类设计的低效图形界面中（如通过鼠标逐格点击电子表格），导致长程任务步骤冗长且极易因微小误触失败。该框架打破固定接口束缚，赋予元智能体（Meta-Agent）在任务执行中根据运行环境与需求，自主编写、测试并动态演化专属编程 API 与专用代码仓库的能力。在最具挑战的 OSWorld V2 与 ScienceBoard 权威基准上，该方法使 27B 开源模型成功率从 55.03% 跃升至 58.58%（净多解决 6 项核心任务），以极小开销逼近商业前沿旗舰模型。

查看大图

现实中能够独立阅读多格式文档、调度复杂工具并交付可运行产物的“工作智能体（Working Agents）”，高度依赖基于海量真实代码与办公文件的训练任务。然而现有的合成方案要么依赖模型纯人工生成虚假文件（缺乏真实复杂性与多样性），要么在真实文件上出题却无法提供确定性结果校验器（无法自动化验证答案对错）。来自复旦大学与中国科学技术大学等机构的联合研发团队推出了 GraphForge 框架：首创“证据图（Evidence Graph）”驱动的真实工作区合成机制，将职业真实种子文件关系提炼为证据图，并据此自动化生成任务说明与细粒度评分规则（Rubrics）。仅用 2,169 条 GraphForge 轨迹微调 Qwen3.6-27B，便在 OpenHands 框架下将 GDPVal 跑分推高至 1445.7（大涨 65.7 分），并在 Claude Code 下将电子表格与工作区基准推升超过 13.7 分。

查看大图

微软研究院（Microsoft Research）Sumit Gulwani 团队联合发表提示词自动化工程突破 CASD（Coding-Agent Skill Distillation，arXiv:2609.26261）。针对现存基于搜索的 Prompt 优化器（如 GEPA、DSPy 等）依赖昂贵在线采样回放（Rollout）、验证数据反复调优以及庞大 API 账单的痛点，CASD 提出了颠覆性范式：仅凭借已有的静态 Agent 执行轨迹库，开箱即用的 Coding Agent 即可自动编写并运行数据分析代码，全局统计失败模式并提炼出高阶行为准则。在 ALFWorld、tau2-bench 与 SpreadsheetBench 等四大基准评测中，单次 CASD 离线优化平均超越未优化基线 16.6 个百分点（大幅领先 GEPA 的 10.9 和 SkillOpt 的 5.3），生成最优 Prompt 成本仅需 1.6 美元，比验证搜索提速节约超 22 倍。

查看大图

深度求索（DeepSeek AI，@deepseek_ai）正式推出开源智能体运行时 DeepSeek Harness（dsh）的官方桌面客户端应用程序，适配 macOS 与 Windows 双平台。针对此前开发者在本地运行 Harness 智能体时必须依赖终端 CLI、手动配置多通道守护进程与管理本地沙箱的繁琐门槛，桌面版将 Web 交互前端、Cordis 插件编排内核与本地沙箱执行环境做到了“零配置开箱即用”，原生支持轨迹可视化回放（Trajectory Playback）、分支会话分叉（Session Forking）以及多模型子智能体混合编排。

查看大图