AI Agent
智能体说"搞定了"，数据库不同意：ThinkingBox 用终态给 Agent 打分
一个退款工单，9 次工具调用全部合规，数据库终态却是错的。微软 ThinkingBox 用"终态 + 重复 20 次"重新定义智能体评测：121,680 次有效试验中，近八成失败的模型其实"看起来像成功"。本文完整编译：pass@1 / pass@20 / 20/20 的区别、一致性成本，以及失败特征。
AI Agent
本地 LLM
LFM2.5-24B-A2B：24B 参数只激活 2B，把推理智能体跑在本地设备上
一个 24B 的 MoE 模型，每个 token 只激活 2B 参数，却能在工具调用上超过参数多约 50% 的对手——Liquid AI 的 LFM2.5-24B-A2B 专为"在自己硬件上持续运行智能体"设计。本文完整编译官方发布：架构、五阶段后训练（含 Agentic RL）、16 项基准、端侧与 GPU 速度、以及 transformers / 智能体框架接入。
本地 LLM
用 AI 智能体给自己造模型：两天、103 美元、6 个小模型
想要的小模型不存在，就自己造一个。用 Hugging Face 的 ML Intern 智能体，作者在两天里造了 6 个模型：柑橘病害 VLM、角色 LoRA、相机角度 LoRA、0.8B 口袋改写器、4 步出图模型……总算力约 103 美元。附提示写法与成本表。
AI Agent
上下文工程：AI 智能体时代的核心技能
上下文是一种有限资源，存在"注意力预算"。本文完整编译 Anthropic 工程博客：有效上下文的解剖（系统提示/工具/示例/历史）、运行时 just-in-time 检索、以及长程任务的压缩、结构化笔记与子智能体架构。
MCP
MCP 是什么？为什么它成了 AI 工具连接的标准
AI 模型很强，却被数据孤岛困住。MCP 用一个开放标准，把 AI 与数据源、工具的连接从"碎片化集成"变成"一次接入、多端复用"。本文完整编译 Anthropic 发布公告与官方文档：架构、能力、生态与落地。