workflow
PulseAugur coverage of workflow — every cluster mentioning workflow across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Anthropic的Claude AI移除了用于编码的“超代码模式”
Anthropic的Claude AI用户注意到“超代码模式”（也称为xhigh或workflows）已被移除。此功能之前可用于编码任务，现已从Claude Code界面消失。目前用于编码的最高可用努力级别为“Max”，这让用户对更高级的超代码选项的状态产生疑问。
-
AI 代理：理解工作流、工具调用和隐藏的逻辑漏洞
本文深入探讨了 AI 代理的细微差别，区分了简单的工作流和能够进行工具调用的更复杂的代理。它强调了 AI 代理如何陷入循环，并探讨了在 AI 结对编程中可能出现的微妙逻辑漏洞，其中生成的代码可能看起来正确但包含隐藏的行为错误。
-
讨论了 AI 对黑客马拉松和工作流调试的影响 · 跟踪 2 个来源
人工智能的兴起从根本上改变了黑客马拉松的性质，一些人认为这些活动的“黄金时代”已经结束。提示人工智能模型已成为生成项目创意甚至代码的主要方法，削弱了传统的动手解决问题的方面。此外，人工智能工作流被证明难以调试，因为团队在复杂的、不透明的系统中难以查明问题，导致长时间停机。
-
AI产品技术：工具调用、MCP、代理、工作流和RAG详解
文章解释了包括工具调用、MCP（模型中心编程）、代理、工作流和检索增强生成（RAG）在内的各种AI技术如何在AI产品中相互关联并经常一起使用。它旨在阐明这些概念之间的区别和重叠之处，表明它们并非完全独立，而是构建复杂AI应用程序的互补组成部分。
-
作者分享构建Agentic Graphs的经验，优化工作流程
作者分享了构建Agentic Graphs的经验，强调工作流程中的并行处理会增加成本并减慢执行速度。他们主张对依赖性检查进行顺序执行，例如在代码审查之前进行架构审查，以避免重复工作和token浪费。此外，作者提出，代理应该能够质疑反馈，并提供一种机制来升级冲突的评论，而不是盲目遵守，以防止无限循环并确保任务进展。
-
Cloudflare 为 AI 代理推出可编程钱包 · 跟踪 8 个来源
Cloudflare 推出了 Cloudflare Wallets，这是一个旨在为 AI 代理提供可编程支付能力和可验证身份的新系统。该计划旨在使 AI 代理能够自主在线购买 API、内容和服务，所有者可以设置支出限额和安全护栏。该系统利用 x402 等协议并支持稳定币，为机器原生商业和更具代理性的互联网铺平了道路。
-
Vercel Observability 通过新增筛选器增强工作流运行搜索功能
Vercel Observability 已为其工作流运行引入了结构化搜索功能。此增强功能允许用户根据特定标准（如工作流名称、环境和部署 ID）筛选运行。查询基于 URL 设计，便于共享搜索参数。
-
Runway Agent 推出自然语言工作流创建
Runway ML 在其 Runway Agent 中推出了一项名为“工作流”的新功能。这使用户能够通过自然语言提示创建、执行和修改基于节点的流程。这项新功能旨在实现大规模生成高质量的输出。
-
Together 引入 Kimi K3，Runway ML 发布 Workflows 及广告大赛
Together 宣布 Kimi K3 将于明日在其平台上线，提供每分钟固定吞吐量和保证的 token 数，99% 的正常运行时间和比 Fable 低 65% 的成本。与此同时，Runway ML 在其 Runway Agent 中推出了 Workflows，允许用户使用自然语言构建、运行和编辑基于节点的流程，以实现可扩展、高质量的输出。Runway ML 还在推广其“Another Big Ad Contest for Produc…
-
AI 在生物信息学中的应用：探索流程开发潜力
AI 在生物信息学流程开发中的应用正被讨论，作为提高效率和准确性的潜在策略。专家们正在探索集成 AI 工具是否能为复杂的生物数据分析带来更强大、更有效的流程。此次讨论强调了在该专业科学领域采用 AI 的潜在好处和挑战。
-
AI API 成本被误解：应关注工作流而非调用次数
AI API 的成本常常被错误地计算，只关注每个模型的调用价格。开发者应该考虑用户发起的整个工作流的总成本，这可能涉及多次模型调用、工具使用、检索和验证步骤。准确地为 AI 产品定价需要理解工作流中每个步骤以及用户可见操作的成本，而不仅仅是 token 数量。这种方法有助于管理利润率并定义产品状态，如预算耗尽，这应被视为可控结果而非基础设施错误。
-
AI产品经理应优先考虑工作流而非模型
建议AI产品经理在关注底层AI模型之前，优先理解工作流和用户需求。这种方法确保技术服务于明确的目的并解决具体问题，而不是试图将模型强行应用于解决方案。通过以工作流为中心的产品开发，团队可以更好地将AI能力与实际应用和用户价值结合起来。
-
实体通用人工智能研讨会和 TestMu AI 合作发布
题为“实体通用人工智能的巨型挑战”的研讨会将于 2026 年 7 月 15 日举行，届时将有美国 VentureClef 的代表兼分析师 Kazuaki Miyamoto 出席。另外，TestMu AI 已与 n8n 正式达成合作，为 AI Agent 工作流提供真实浏览器基础设施。
-
新方法从交互数据中挖掘代理技能，但策略改进有限
研究人员开发了一种通过挖掘交互轨迹来自动生成计算机使用代理技能库的方法。该过程包括分割图形用户界面（GUI）轨迹，将这些片段聚类成候选技能，然后训练一个感知技能的策略。虽然挖掘出的聚类在基准测试中针对现有标签显示出高纯度，但该方法改进下游策略的能力有限，表明当前技术不足以实现可靠的跨领域策略改进。
-
Microsoft 详解用于构建 AI 应用的 Agent Framework
Microsoft 在 .NET 博客上发布了其“Agent Framework – Building Blocks for AI”系列的第三部分。本期深入探讨了 AI 代理的创建，重点介绍了其开发的关键组件。文章强调了多代理系统中工具调用和工作流管理等概念。
-
Mistral AI launches public beta of Workflows to streamline enterprise AI processes
Mistral AI has launched a public beta of its new product, Workflows. This tool aims to streamline AI processes within businesses by addressing issues of stability and transparency. The solution is designed to help compa…
-
监管机构关注AI治理，Mistral AI推出新的编排引擎
Mistral AI发布了由Temporal驱动的新编排工具Workflows。另外，美国商品期货交易委员会（CFTC）将利用AI审查美国加密货币注册申请。此外，还有关于AI是否应影响职业决策以及AI采用的更广泛影响的讨论。
-
Replit 推出 Workflows 以简化开发任务
Replit 推出了名为 Workflows 的新功能，旨在通过允许用户保存和组织任务序列来简化开发。此功能使用户能够配置常用命令，并一键执行它们，从而无需重复输入 shell 命令。Workflows 可以链接在一起，以编排复杂的项目执行流程，例如同时启动前端和后端服务器，并提供隔离的输出以便于调试。