Thinkgap 信息流
页面仅读取已加工的 items 表，并以中英双语呈现。
18 条内容
Nous Research 的开源个人代理 Hermes Agent 现在提供非阻塞的 async_delegation 工具集（GitHub issue #5586）。原先的 delegate_task 会让父聊天冻结直至所有子代理完成，现在补充了异步版本：delegate_task_async 立即返回 task_id，而 check_task、steer_task、collect_task、cancel_task 和 list_task 可管理后台运行。子代理依然严格隔离，各自拥有全新对话，仅最终摘要返回父级以保持上下文窗口精简。后台代理以进程内线程运行，复用相同的 AIAgent 机制、模型路由和凭证池；用户执行 `hermes update` 即可启用。
开源框架 MetaGPT 背后的团队推出了 vibe coding 平台 Atoms，它使用一组 AI 智能体覆盖完整产品生命周期。智能体包括 Iris（深度研究员）、Emma（产品经理）、Bob（架构师）、Alex（工程师）、Sarah（SEO 专员）、Adrian（广告专员）、David（数据分析师）和 Mike（团队负责人），协同完成市场研究、需求定义、全栈开发、部署、SEO 和 Google Ads 广告活动管理。每个应用都配有 Atoms Cloud，提供内置身份验证、实时数据库、Stripe 支付、可扩展托管和一键部署。Race Mode 可同时用多个前沿模型运行提示词，将输出质量提升至多 3 倍；用户拥有完整代码所有权，可导出到 GitHub。Atoms 提供每天 15 个积分的免费套餐，Pro 套餐每月 20 美元起，通过将市场研究和增长工具融入构建流程，与 Lovable 和 Base44 形成差异化。
谷歌云发布了开放知识格式（OKF）v0.1，这是一个开放的、供应商中立的规范，将LLM-wiki模式形式化为带有YAML前置内容的Markdown文件目录。OKF并非服务或平台，无需SDK、运行时或注册中心，一个包可在GitHub上渲染、作为tar包分发或挂载到任意文件系统。每个概念为一个Markdown文件，以路径为标识，前置内容中仅需一个必填字段（type）；文件间的交叉链接形成知识图谱，代理可直接导航而无需转换。谷歌同时发布了参考工具：一个BigQuery增强代理、一个静态HTML可视化器和示例包。该格式针对分散的内部知识问题，让代理直接读取和编辑已管理的、版本化的上下文，有别于检索增强生成（RAG）。
Databricks 发布了 Omnigent，一个 Apache 2.0 开源元编排器，它统一了命令行编程代理（Claude Code、Codex、Pi）和代理 SDK 的接口，使其成为可互换的组件。它在这些代理之上增加了一个共享层，支持组合（通过一行代码切换代理）、上下文控制（如在花费达限时暂停、在安装 npm 包后要求人工批准 git 推送）和协作（通过 URL 共享实时代理会话）。架构包含一个沙盒化运行器（提供统一 API）和策略服务器，会话在终端、Web UI 和移动端同步。操作系统沙盒 Omnibox 仅在批准的代理请求中注入凭据以保护安全。两个内置示例代理展示了编排和多模型模式，交互式概念演示展示了并行代理委托和策略执行。
本教程展示了在 Google Colab 中搭建完整的 QwenPaw 智能体工作区。流程包括安装、环境配置和随机密码认证。系统自动从 Colab 密文配置大语言模型提供商（OpenAI、OpenRouter、DashScope、DeepSeek 或 Gemini），并创建自定义 research_brief 技能以及演示知识文件。QwenPaw 控制台在可配置端口启动，通过 Colab 代理和可选的 Cloudflare 隧道暴露访问，随后使用流式聊天 API 客户端测试智能体的响应。最终得到一个可复现、安全且可扩展的本地优先智能体平台，适用于研究与自动化流程。
月之暗面发布了 Kimi K2.7-Code，一款基于 Modified MIT 许可的开源代码专用代理模型。它采用混合专家架构，总参数 1 万亿，每令牌激活 32B，包含 384 个专家（每步选 8+1 共享），使用 MLA 注意力、SwiGLU 前馈网络和一个 400M 参数的 MoonViT 视觉编码器。模型支持 256K 上下文窗口，原生 INT4 量化，强制开启思考模式并固定采样参数（温度 1.0、top_p 0.95、n 1）。公司公布的基准测试显示，K2.7-Code 在 Kimi Code Bench v2 上得分为 62.0（相对 K2.6 提升 21.8%），在 MCP Mark Verified 上得分为 81.1（超过 Claude Opus 4.8 的 76.4），推理 token 消耗比 K2.6 减少约 30%，在代理工作流中降低成本和延迟。模型权重约 595 GB，已发布在 Hugging Face，可通过 vLLM、SGLang 或 KTransformers 自托管；API 使用 kimi-k2.7-code 模型名，兼容 OpenAI 接口。