搜索
过去一年，Agent 的讨论大多围绕模型本身展开：推理能力更强、上下文更长、工具调用更稳定。但进入真实工作流后，另一个问题开始变得更关键：Agent 的能力从哪里来，又如何被持续复用。
现在的 Agent 的产品越来越多，有些主打 Coding，有些事做日常办公，也有些用于情感陪伴虽然这些产品的用途不同，背后的工作原理其实都大同小异，便是 Harness 对上下文的自动化编排
千问把全模态Agent的使用成本，直接砍掉了90%！
当Agent已经能够调用工具、使用技能并保存记忆，一个更进一步的问题是：这些能力怎样在任务中配合，又怎样从过去的执行中积累可复用的经验？
让 AI 生成一张海报已经不难。更难的是，让它围绕同一个设计目标持续工作：理解品牌与产品要求，生成初稿；发现标题、产品位置或整体风格存在问题后，知道应该修改哪里、怎样修改；同时保留已经确认的内容。等到下一次活动，它还能延续此前确定的设计偏好和有效经验。
当经典算法遇到 LLM，用概率预判代替盲目试错，或许才是架构演进的真正解法。
从正式运行到登顶全球榜单，只用了两个月。一支中国创业团队，闯进了巨头扎堆的交互式世界模型第一梯队。
过去一年，AI正在从回答问题的工具，逐渐走进企业的真实业务。
经过 Octop 团队与社区开发者一段时间的共同推进，在一次次测试、打磨与优化之后，我们正式推出 Octop 1.0 GA版本（General Availability，正式发布版），并同步上线腾讯云轻量应用服务器（Lighthouse）与云服务器（CVM）官方应用镜像——购买即用的自托管 AI 助手，现在触手可及。
Claude向OpenAI格式投降了。