让AI像助手一样主动帮助，才是我们心中AGI的样子。主动智能体的概念已经被多次提出，但都很难做到可以真正在生活中落地。现有的工作都还停留在概念层面，无法解决复杂世界中所要求的实时性、深度、和记忆等问题。 南洋理工大学谢之非团队提出Pask，使用「底层小模型流式意图检测」+ 「上层Agents执行」架构，实现首个能够做到实时、有深度、基于个人全局记忆自进化的主动智能体。
2026 年初，浙江大学发表了一篇系统性的 SoK 论文《Agent Skills for Large Language Models: Architecture, Acquisition, Security, and the Path Forward》，给Skill下了一个正式定义。
一个开发者公开了自己的工作流：让 OpenAI Codex 专门去审查 Hermes agent 写出来的代码，理由只有一个——审稿人不能和写稿人共享同一套记忆。这条推文引发了近万次浏览，背后藏着一个 agent 工程化的新趋势：多模型协作的价值，可能在于互相制衡。
我的感受是框架用起来快，但有几个实际痛点。第一是抽象层太多，调试的时候不知道哪步出了问题，得一层层往下扒；第二是版本升级经常有破坏性变更，线上稳定性难保证；第三是框架的通用设计往往和具体业务需求有偏差，定制起来反而更费劲。手搓的代码完全在自己掌控之内，可观测性好、出问题好排查，也更方便做性能优化。所以我现在的策略是核心逻辑手写，只在边缘功能上用框架的工具。
毕竟，这个工具在我看来，他目前确实不仅是Claude Code里接国产模型，也还是其他的各种Agent产品比如OpenClaw、Hermes等等里面，切换模型最方便、最好用的一个。他就是开源的大名鼎鼎的cc switch，至今在github上已经50k的星标了。
刚刚，小米开源罗福莉带队研发的MiMo-V2.5系列模型，采用MIT协议，允许商用推理部署与二次训练，无需额外授权。此前，该系列模型于4月23日开启公测，包括MiMo-V2.5-Pro、MiMo-V2.5两款模型。模型具备更强Agent能力，支持100万上下文，且Token效率大幅提升。
2026 年的 AI 行业不断加速，仿佛只有一个正确答案：卷 Agent，卷效率，卷生产力。跑得慢的人都在补课，跑得快的人已经在找下一个风口了。但在京东 JoyInside 首届「AI 终端新物种」硬件创新大赛的现场，几个与提升效率完全无关的产品，却让我十分好奇。
两天前，Creati AI推出了新产品Buzzy。Buzzy是一个专门做视频修改的AI Agent。用户可以对视频说“把这个人换成我的脸”“把阴天变成黄昏”“去掉背景里的路人”，局部修改，其他不动。几乎同时，公司官宣了由红点领投的B轮融资，金额高达2000万美元。
SentiPulse（思维光谱）公测了一款叫 SentiCat 的产品，把这套理念落了地。一个有 Live2D 形象、有性格的数字角色 SUSU，负责陪你聊天、了解你、跟你建立关系；她的“AI 小猫”，负责写 PPT、查资料、改代码，脏活累活归它。
最近试用了一款上线的产品——Moxt，一个 Agent-Native Workspace。它要解决的正是这个问题：给团队加一排 AI 工位。这些 AI 员工能写报告、做研究、写代码、搭看板、跑自动化流程，7×24 小时在线，和真人团队在同一个工作空间里协作。更重要的是，能直接接入飞书和 Slack，在你熟悉的聊天窗口里被 @ 唤起干活。
