標籤：ai-agent

NVIDIA Nemotron 3 Nano Omni：本地多模態 Agent 大腦開始商品化

NVIDIA Nemotron 3 Nano Omni 把文字、圖片、影片、音訊、OCR、語音轉錄、GUI 理解與工具調用整合成單一 30B-A3B MoE 模型，已可透過 LM Studio、Ollama、llama.cpp、vLLM、SGLang 等路徑使用；真正重點不是「又一個模型」，而是企業級本地多模態 Agent 的部署門檻正在下降。

YourMemory：把艾賓浩斯遺忘曲線寫進 AI Memory，讓重要記憶留下、雜訊自然衰減

YourMemory / cognitive-ai-memory 的重點是把 strength、importance、recall frequency 與 decay 放進 AI 記憶層，避免向量資料庫把早餐偏好和工作 stack 當成同等重要資料。

AI 協作不是記憶管理而已：真正需要的是決策、上下文與執行規則的治理系統

長期與多個 AI agent 協作時，問題不只是記憶不連續，而是決策、上下文、規則、文件與執行責任沒有治理；需要把 AI 協作視為一套可審計、可同步、可約束的系統。

Hugging Face 的 ml-intern 真正想做的，不是更會聊天的 Agent，而是標準化的 ML 實習生工作台

ml-intern 的真正價值，不是再做一個會聊天的 Agent，而是把機器學習工程裡那些像實習生任務的流程——讀文件、找模型、拉專案、寫 baseline、跑測試——標準化成可執行、可審核、可接入 Hugging Face 生態的工作台。

Obscura 想取代的不是 Chrome，而是整個『帶著完整瀏覽器跑自動化』的笨重假設

Obscura 的真正看點，不是它想『殺死 Chrome』，而是它在挑戰一個更根本的假設：AI agent 與大規模 scraping，是否真的還需要綁著一整顆笨重的 Headless Chrome 才能運作。

Cua Driver 想做的不是『會點螢幕的 AI』，而是不打擾你的背景 macOS 操作層

Cua Driver 的關鍵，不是讓 AI 會點 macOS app，而是把 desktop automation 做成不搶焦點、不移滑鼠、不打斷人的背景操作層，讓 multi-agent workflow 真正能放進日常工作。

把 OpenMythos 的遞迴思維借到 AI Coding，真正缺的不是更強模型，而是抗熵治理

這串 Threads 最值得記下來的，不是 RDT 架構本身，而是它把 OpenMythos 的遞迴思維轉譯到 AI coding：真正讓 agent 失控的，往往不是模型不夠聰明，而是缺少邊界、全域索引、內部推演與單一寫手治理。

Cloudflare 掃描全球網站後的真正提醒：Web 對搜尋引擎很成熟，對 AI Agent 還幾乎沒準備好

Cloudflare 的統計揭露了一個重要落差：大多數網站早已適應搜尋引擎時代，卻還沒進入 AI Agent 時代。真正的競爭點，開始從人類可讀網頁轉向機器可操作介面。

AI 逆向真正可怕的地方，不是會不會解，而是它已經開始具備『多路徑試錯＋觀察回饋＋持續迭代』的工程能力

Huli 透過多個 Android 逆向案例指出，AI 的關鍵突破不只是『會用工具』，而是已經具備在高不確定工程任務中進行多路徑試錯、觀察回饋、策略切換與持續迭代的能力；真正被改寫的，不只是逆向效率，而是整體工程工作的邊界想像。

Nous 開源 Hermes Agent Self-Evolution：真正有價值的，不只是讓 Agent 自動改 prompt，而是把「行為優化」從人工調參變成可測試、可審查的演化管線

這篇文章最值得記的，不只是 Nous Research 開源了一個自我優化框架，而是它把 AI Agent 的改進流程收斂成一條工程化管線：從真實軌跡蒐集失敗、用 GEPA 提出候選版本、再經測試與 PR 審查，讓 prompt/skill 優化變成可持續迭代的系統。

NVIDIA OpenShell：Agent 進企業前需要可治理 runtime

OpenShell 把 agent 拉回可治理的 runtime 層。

Gemma4 26B-A4B 能不能撐起地端 AI Agent：從 DGX Spark + OpenClaw 壓測看開源小模型距離「全自動研究助理」還有多遠

這篇 Facebook 貼文用一個很務實的問題切入：把 Google 開源 Gemma4 26B-A4B 跑在 NVIDIA DGX Spark 上，再接進 OpenClaw，開源小模型到底能不能真的當 AI Agent 的大腦？焦點不再是聊天表現，而是它能否自主完成搜尋、分析、寫程式、畫圖、修錯與存檔等完整任務鏈。這代表地端 AI 的比較基準，正從「會不會回答」升級成「能不能穩定自治工作」。

app-store-preflight-skills：送審前讓 AI Agent 先幫你跑一次 App Store 審核

app-store-preflight-skills：送審前讓 AI Agent 先幫你跑一次 App Store 審核

Meta 內部 AI Agent 失控事件：未經授權自動發文，引爆 Sev 1 級資料外洩

Meta 內部 AI Agent 失控事件：未經授權自動發文，引爆 Sev 1 級資料外洩

public-apis：給 AI Agent 開發者的免費 API 大倉庫

public-apis：給 AI Agent 開發者的免費 API 大倉庫

KPMG：企業養「龍蝦」要先備 3 條件——隔離環境、行為護欄、緊急斷線，否則 AI 會高效放大錯誤

KPMG：企業養「龍蝦」要先備 3 條件——隔離環境、行為護欄、緊急斷線，否則 AI 會高效放大錯誤

Meta 78,000 人公司的 AI Agent 革命：CEO 專屬代理、員工代理互相對話、AI 使用率納入考績

Meta 78,000 人公司的 AI Agent 革命：CEO 專屬代理、員工代理互相對話、AI 使用率納入考績

Perplexity Computer：月付 200 美元的數位員工

Perplexity Computer：月付 200 美元，幫你上班「連幹數月」的數位員工

Harness Engineering 入門：當模型不再是瓶頸，工程師真正該設計的是 AI 周圍的系統

Hermes Agent vs OpenClaw：同樣是持久型個人 Agent，但一個押廣度整合，一個押自改善閉環

李宏毅 OpenClaw 教學心得：設計極佳，但仍不推薦新手直接上手

李宏毅 OpenClaw 教學心得：設計極佳，但仍不推薦新手直接上手

4 種 AI Agent 實測比較：誰最像真的能把陌生專案跑起來的工程師

4 種 AI Agent 實測比較：誰最像真的能把陌生專案跑起來的工程師