Real AI Agents and Real Work★ 85
One Useful Thing (Mollick)246d agoOpinion隨著 AI Agent（代理人）技術走向實用，它們能自主執行複雜的多步驟任務。這帶來了雙刃劍：一方面，AI 能代勞繁瑣的行政庶務，讓人類專注於真正有溫度的核心工作；另一方面，極低的產出成本可能導致「無限 PowerPoint」等企業官僚垃圾氾濫。組織必須主動重新設計工作流程，避免人類淪為 AI 垃圾內容的審查員。
Collaborating with Anthropic on Claude Sonnet 4.5 to power intelligent coding agents★ 80
Vercel Changelog246d agoReleaseVercel 宣布與 Anthropic 展開深度合作，將最新的 Claude 4.5 Sonnet 模型整合至其生態系中。此次合作旨在為開發者提供更強大的智慧程式碼代理人（Coding Agents）支援，結合 Vercel 的前端部署優勢與 Anthropic 的先進推理能力，預期將大幅提升 AI 輔助編程與自動化開發的效率。
AI agents at scale: Rox’s Vercel-powered revenue operating system
Vercel Changelog259d agoBusiness本文介紹 Rox 如何在 Vercel 平台上構建並擴展其「營收作業系統」（Revenue Operating System）。透過 Vercel 的 Serverless 架構與高效能邊緣網路，Rox 成功解決了 AI Agent 在大規模部署時面臨的延遲、並發限制與狀態管理挑戰。這項合作展示了 Vercel 作為 AI 應用託管首選平台的強大實力。
If agents are building your app, who gets the W-2?★ 75
Vercel Changelog288d agoOpinion當 AI Agent（如 v0）能獨立構建並部署應用程式時，人類開發者的定位正從「寫代碼的人」轉變為「系統編排者」。Vercel 藉由「誰該拿 W-2 稅單」這一幽默隱喻，深入探討了 AI 時代下軟體工程師的價值重塑、智慧財產權歸屬，以及開發流程的根本性變革。
GPT-5: It Just Does Stuff★ 85
One Useful Thing (Mollick)299d agoOpinion知名 AI 學者 Ethan Mollick 撰文探討 GPT-5 的核心變革。他指出，未來的 AI 不再只是回答問題的聊天機器人，而是能夠自主執行複雜工作流的「代理人（Agent）」。使用者將從「撰寫提示詞」轉變為「授權與管理」，真正實現「讓 AI 掌管任務（Putting the AI in Charge）」，這將徹底改變我們的工作與組織協作方式。
Measuring Open-Source Llama Nemotron Models on DeepResearch Bench★ 80
Hugging Face Blog302d agoReleaseNVIDIA 在 Hugging Face 部落格分享了其開源且可移植的深度研究 Agent 成果。透過在 DeepResearch Bench 基準測試上評估開源的 Llama Nemotron 模型，該系統展現出極佳的研究與推理能力。此研究證明了開源模型在複雜、多步驟的研究任務中，已具備與閉源頂尖模型競爭的實力，為開發者提供了一個強大且可本地部署的 Deep Research 解決方案。
Back to The Future: Evaluating AI Agents on Predicting Future Events★ 75
Hugging Face Blog320d agoReleaseHugging Face 發表全新基準測試「FutureBench」，旨在評估 AI Agent 在預測未來事件（如地緣政治、金融市場及科技趨勢）上的表現。該測試挑戰了 Agent 的資訊檢索、機率推理與時間推理能力，有效避免了傳統基準測試中常見的資料洩漏問題。評估結果顯示，目前的 AI Agent 在面對未知的未來事件時，預測準確度與人類專家仍有顯著差距。
Holo1: New family of GUI automation VLMs powering GUI agent Surfer-H★ 78
Hugging Face Blog364d agoRelease法國 AI 新創公司 H (Hcompany) 於 Hugging Face 發表了全新的視覺語言模型 (VLM) 家族「Holo1」，專為 GUI（圖形使用者介面）自動化設計。該模型家族是其全新 GUI 代理人「Surfer-H」的核心引擎。Holo1 具備強大的視覺解析與螢幕定位能力，能夠理解複雜的網頁與應用程式介面，並執行點擊、輸入等操作。這項釋出標誌著 AI 代理人從單純的文字 API 呼叫，邁向能像人類一樣直接透過視覺操作任何軟體介面的新階段。
Vision Language Models (Better, faster, stronger)★ 80
Hugging Face Blog386d agoOpinionHugging Face 發布 2025 年視覺語言模型（VLM）趨勢報告。文章深入探討 VLM 在「更強（推理與 OCR）」、「更快（輕量化與推論優化）」與「更實用（多模態 Agent）」三大維度的演進。推薦了 Qwen2.5-VL、Llama-3.2-Vision 等主流開源模型，並介紹如何利用 Hugging Face 生態系進行高效部署與微調。
[AINews] Google's Agent2Agent Protocol (A2A)★ 85
TLDR AI (Buttondown)418d agoReleaseGoogle 在 Cloud Next 大會上宣布雙重重磅消息：全面支援 Anthropic 的 MCP 協定，並推出全新的 Agent2Agent (A2A) 協定。A2A 旨在與 MCP 互補，解決跨遠端 Agent 溝通的痛點。該規範包含 Agent Card、Task 機制、企業級認證與推播支援，並同步開源了草案規範與 Agent 開發套件（ADK）。
Open-source DeepResearch – Freeing our search agents★ 85
Hugging Face Blog483d agoRelease為對抗封閉的商業 Deep Research 服務，Hugging Face 推出開源版 DeepResearch。該專案基於其輕量級 Agent 框架 smolagents，能驅動開源模型（如 Qwen 或 Llama）進行多步驟網頁搜尋、資訊整合並產出詳盡報告。這不僅降低了研究型 Agent 的門檻，也讓開發者能完全掌控資料與搜尋邏輯。
AI Agents Are Here. What Now?★ 75
Hugging Face Blog505d agoCommentary本文為 Hugging Face 倫理與社會小組的專題探討，指出 AI Agent（智慧代理）已從理論走向實用。文章深入分析了 Agent 在自主決策、工具調用中所帶來的安全隱患、責任歸屬及社會衝擊，並強調開源社群在建立安全評估與「人類協同（Human-in-the-loop）」機制中的關鍵角色。
Introducing Community Tools on HuggingChat★ 75
Hugging Face Blog624d agoReleaseHugging Face 宣布在 HuggingChat 中推出「社群工具 (Community Tools)」功能。這項更新讓 HuggingChat 上的開源模型（如 Llama 3.1、Command R+）能夠調用由社群開發的各種工具，例如圖像生成、網頁抓取、計算機等。開發者可以使用 Python 輕鬆建立並分享工具，使開源 AI 助理具備更強大的 Agent 實用能力。
Replicate Intelligence #10
Replicate Blog662d agoRelease本期 Replicate Intelligence 彙整了近期社群與技術進展。重點包括開源圖像生成模型 Flux 的最新開發動態、基於 AI 驅動的 Minecraft 遊戲機器人，以及由 Zeke 撰寫的 Streamlit 與 Replicate 整合實作指南（Cookbook），幫助開發者快速構建 AI 應用。
Introducing NPC-Playground, a 3D playground to interact with LLM-powered NPCs★ 75
Hugging Face Blog727d agoReleaseHugging Face 聯合 Cubzh 與 Gigax 推出「NPC-Playground」3D 互動沙盒。該平台利用開源的大型語言模型（LLM）賦予 NPC 記憶、感知與決策能力，使其不僅能與玩家對話，還能在 3D 空間中執行撿拾、移動等實體動作。這項開源合作展示了 AI Agent 在遊戲領域的全新應用可能。
What Makes a Dialog Agent Useful?★ 75
Hugging Face Blog1225d agoOpinion本文探討將基礎語言模型轉化為實用對話代理（如 ChatGPT）的核心要素。Hugging Face 指出，除了預訓練外，透過指令微調（SFT）與人類回饋強化學習（RLHF）來對齊「實用、誠實、無害」三大原則至關重要。此外，賦予代理使用外部工具（如搜尋、計算機）的能力，能大幅提升其回答的準確性與實用性。