YC P25 团队 StarSling 发布面向智能体高频提交场景的 CI 服务,在 Zen 5 机器上为每个任务提供独立沙箱与无限并发,并内置智能体循环持续优化测试与工作流。客户 Mastra 最慢工作流从 29 分 56 秒降至 5 分 06 秒,智能体还在 better-auth 中发现存在 11 个月的性能瓶颈,使单个测试任务提速 5.4 倍。
智能体循环
Agent Loop
由模型驱动的迭代执行循环,自动生成并验证代码变更以持续优化目标指标
收录情报动态
Meta 与 NYU 联合论文提出 h1 系统,通过结合 Lean 形式化验证反馈与搜索工具的简单循环,在同等模型下以更低成本击败手工设计的 Goedel-Architect 工作流。研究表明,在定理证明任务中,有效的工具接口与计算扩展比复杂的规划逻辑更具性价比。
华为 openJiuwen 团队推出 Jiuwen Symbiosis 物理智能体,旨在解决大模型在真实实验室中执行复杂“湿实验”的落地难题。该系统通过“感知-规划-执行-反馈”的 Agent Loop,实现了对异构设备集群的动态调度与状态校验,成功在电催化场景中完成从方案生成到物理操作的闭环。目前该项目已在 GitHub 开源,为自动化科研提供了通用技术底座。
开发者利用 GPT-5.6 和 Claude Opus 5.5 等模型,通过多轮目标循环成功将 TypeScript 编译器、检查器及 LSP 完整移植为 Rust 版本(tsc-rs)。该项目累计消耗超过 42 万美元的 API Token,生成了逾 130 万行代码,并在真实项目中实现了 100% 兼容性。新工具支持 WASM 运行且具备显著性能优势,展示了大模型在复杂系统级代码重构中的实际落地能力。
LangChain 发布名为 Jev 的新型智能体架构组件,旨在解决传统 LLM 代理循环中因频繁调用大模型导致的延迟与高成本问题。Jev 引入“System One”快速直觉式推理机制,通过结构化输出与工具调用的深度融合,在无需完整大模型介入的情况下完成部分决策评估,从而显著提升智能体执行效率。该方案标志着智能体开发从单纯依赖 LLM 向混合认知架构演进的重要一步。
TypeSafe AI 推出名为 Jev 的专用决策模型,旨在替代通用大模型在智能体循环中的高频推理任务。该模型通过简化“下一步动作”的选择逻辑,显著降低延迟与成本,目前已在社区引发关于 Agent 架构优化的讨论。
Amazon Strands Agents 推出与 Hugging Face LeRobot 的深度集成,实现从数据集下载、模型训练到物理机器人部署的一体化工作流。该方案通过统一的数据格式和策略接口,消除了传统机器人开发中多工具割裂的痛点,支持在仿真与真实硬件间无缝切换。开发者现在可以通过单一 Agent 循环直接调用 Hub 上的预训练策略驱动实体机器人。
OpenAI 发布并开源了 Codex App Server,这是一个基于 JSON-RPC 的双向 API,旨在统一支撑 Web、CLI、IDE 及 macOS 等多端 Codex 体验。该服务器封装了核心的智能体循环逻辑,为开发者提供了将 Codex 能力集成到自有产品中的标准化接口与最佳实践指南。
OpenAI 发布技术博客,深入解析其本地软件智能体 Codex CLI 的核心“智能体循环”(Agent Loop)机制。文章阐述了该循环如何协调用户、模型与工具调用以执行高质量代码变更,并预告后续将探讨沙箱隔离与架构细节。