跳到正文
今天10月23日周五2 条
  1. Microsoft Research58

    微软研究院发布 Flint-interactive,让智能体生成可交互数据可视化

    微软研究院发布 Flint-interactive,一种构建在 Flint 之上的交互式数据可视化语言,让智能体生成可点击、筛选、缩放、高亮并支持跨图表联动的图表。它把点击、拖拽等原始触发解析为语义事件,用户只需用高层算子描述更新行为,布局与渲染依赖由 Flint 编译器处理。用户可通过 Flint-MCP 和 MCP Apps 在对话中直接使用,开发者可用编程 API 构建仪表盘和数据故事。

10月22日周四
  1. The Verge · AI55

    AI 智能体已能代购,部分零售商却设起围墙

    The Verge 记者实测 Meta 的 Muse 智能体购物,发现亚马逊已要求 Meta 将亚马逊从 Muse 中移除,Target 的机器人校验时通时不通,摩根大通 CEO Jamie Dimon 也表示不允许外部智能体访问账户。记者还让 Muse 在 The RealReal 反复加购 10 件新品并每 20 分钟重新占位,指出这类操作会挤占其他买家的机会。

  2. The Verge · AI58

    1Password 推出 for Agents,让 AI 智能体登录账号而不接触密码

    1Password 推出 1Password for Agents,允许 AI 智能体在登录账号时使用密码,但智能体本身看不到也接触不到密码。智能体到达登录表单时用唯一数字密钥向 1Password 验证身份,应用会通知用户需要哪个账号的凭据及原因,用户在自己设备上批准后由 1Password 代为填入登录信息,流程类似双因素认证。

  3. The Verge · AI58

    沃尔玛下月允许 AI 智能体代用户购物

    沃尔玛将于下月允许用户把自己的 AI 智能体接入其网站代为购物,并提供购买审批、消费限额和随时关闭等控制项。智能体通过基于 Model Context Protocol 的 Agent Gateway 连接,默认所有智能体购买都需用户批准,也可设定如 100 美元以内的预算。沃尔玛同时列出智能体条款,要求不得超出购物者意图、不得更改支付方式,违规者将被封禁,Sam's Club 也将支持该功能。

10月21日周三
  1. AWS Machine Learning Blog36

    用 Amazon Quick 与 Amazon Bedrock AgentCore 构建对话式供应链智能

    Amazon Quick 与 Amazon Bedrock AgentCore 组合,让供应链管理者用自然语言跨系统查询并执行操作。AgentCore 将企业 MCP 服务器暴露为可组合工具层,答案来自实时记录系统而非模型记忆。演示中一次中断评估显示 75 万美元风险、23 笔订单和 3 天库存,所有变更需指定人员审批。

  2. AWS Machine Learning Blog40

    Smartsheet MCP Server 上线 AWS,AI 智能体可读写工作管理数据

    Smartsheet 已在 AWS 上推出正式可用的 MCP Server,AI 助手可通过标准化协议读写和管理 Smartsheet 数据,覆盖超过 40 个工具,用于探索、创建和管理表格、行、列与自动化流程。该服务支持 Amazon Quick 和 Kiro 两种接入方式,前者面向业务用户以自然语言查询和更新表格,后者让开发者在编码工作流内引用项目规格、更新任务状态并跟踪依赖关系。

10月20日周二
  1. TechCrunch · AI52

    Replika 创始人 Kuyda 正式推出多人 AI 助手 Wabi 2.0

    Replika 创始人 Eugenia Kuyda 正式向所有用户推出 Wabi 2.0,一款以 messenger 形态运行、支持多线程与多人共享的 AI 助手。接入邮箱后智能体会自动创建多个线程和应用,用户也可按需请求自定义应用。Kuyda 称单线程助手会因上下文不断累积而变差,Wabi 目前免费、商业模式未定,公司正洽谈新一轮融资。

10月19日周一
10月15日周四
10月13日周二
9月25日周五
  1. GitHub Blog · AI & ML58

    GitHub Security Lab 发布 Fuzzing Taskflow 智能体,自动为 C/C++ 项目做模糊测试

    GitHub Security Lab 发布 Fuzzing Taskflow,这是一个面向 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。