#智能体
JetBrains Junie 正式版：AI 编程 Agent 学会了用调试器断点
JetBrains AI 编程 Agent Junie 正式 GA，在 SWE-Rebench 基准测试中排名第一。其核心优势在于深度集成 IDE 原生工具链，而非模拟替代。主要特性包括：Plan 模式生成结构化计划文档以防跑偏；原生调试器集成支持断点与运行时状态检查；支持异步远程控制长任务；基于项目上下文的交互式代码审查；以及模型自由切换以优化成本。Junie 标志着 AI 编程竞争正从模型能力转向工具集成深度。
Visa 把支付网络接进了 ChatGPT，AI 智能体终于能自己花钱了
Visa 与 OpenAI 合作将支付网络接入 ChatGPT ，Mastercard 同日发布 Agent Pay for Machines 协议，标志着支付基础设施正式向 AI 智能体开放。Visa 推出 Agent Score 、验证目录及大模型反欺诈工具保障交易安全；Mastercard 则通过链上记录实现权限可验。尽管面临身份碎片化及责任界定等挑战，且短期实用价值有限，但两大巨头同日布局确认了智能体作为经济参与者的地位，开发者命令行支付或成率先落地场景。
Google 搜索变身全天候智能体：Information Agents 上线，你的数据终于开始替你干活了
Google 推出 Information Agents 功能，面向 AI Ultra 订阅用户开放。该功能将搜索从被动查询转变为主动监测，智能体可 7×24 小时追踪用户需求并推送变化信息。其底层依托 Personal Intelligence 战略，通过整合 Gmail、Photos 等跨应用数据实现个性化推理。尽管存在隐私与准确性挑战，但凭借二十年数据积累，Google 正推动 AI 助手从对话工具向自主代理进化，重塑“信息找人”的交互范式。
Kimi Work 上线：300 个子智能体在你的电脑上同时干活，个人 Agent 之战正式开打
6 月首周，月之暗面、微软、Google 及 Databricks 密集发布智能体产品，标志着 AI 正从对话助手转向持续行动系统。其中 Kimi Work 主打本地桌面运行，支持多智能体并行与浏览器接管；Microsoft Scout 定位永远在线的个人助理；Google 推出 24 小时信息追踪智能体；Databricks 开源 Omnigent 实现跨智能体互操作。行业共识逐渐形成，智能体将具备自主调度、任务拆解及持续运行能力。
电脑自己动起来了？Windows 版 Codex 迎来功能更新
Windows 版 Codex 新增计算机操控与移动端访问功能。AI 可直接接管电脑屏幕和光标，自动操作桌面软件及浏览器多标签页任务，简化繁琐工作流程。用户只需在设置中开启相关选项并添加设备即可使用。同时，该更新打通手机端，支持通过 iOS 或 Android 端 ChatGPT 应用扫码绑定，实现远程查看任务进度及发起新的电脑操控指令，大幅提升跨设备协作效率与自动化体验。
谷歌全家桶对比英伟达开源神仙组合，智能体时代你选谁
AI 技术栈竞争呈现两极分化。Google 依托 TPU、Gemini 及云设施打造全托管闭环生态，适合追求效率与快速上线的企业。OpenClaw 结合 NVIDIA NemoClaw 则提供高度自由的开源方案，支持多模型适配与本地部署，并通过企业级安全治理解决合规难题。前者以生态绑定换取便捷，后者将控制权交还用户，兼顾隐私与系统自由度。两种路线代表了截然不同的技术哲学，分别满足差异化需求。
微信 AI 智能体终于要来了
腾讯正测试微信内嵌 AI 智能体，计划将其打造为连接 14 亿月活与小程序生态的 Agent 操作系统。该产品采用端云混合架构，通过 API 直接调用小程序完成任务，兼具高效与安全优势。尽管面临模型能力与算力瓶颈，且初期或仅覆盖高频基础场景，但凭借零门槛体验和生态闭环，微信有望推动 AI Agent 大众化普及，其最终成效仍取决于模型、算力及服务调用成功率。
Windsurf 2.0 拆解：Devin 被塞进编辑器，氛围编程终于有了“调度中心”
Cognition 发布 Windsurf 2.0，深度整合 Devin 实现本地思考与云端执行分工。新版推出 Agent Command Center 支持多智能体可视化管理，搭载自研 SWE-1.5 模型大幅提升代码定位与编辑速度，并引入 Spaces 容器解决上下文延续问题。Pro 版调整为日配额制且包含 Devin 功能。相比 Cursor 3，Windsurf 2.0 凭借自研模型与云端执行能力，更适合处理陌生代码库及长任务自动化场景。
多智能体为什么比单智能体强？Anthropic 用 90.2% 的数据给了答案
Anthropic 研究显示，多智能体系统性能比单智能体提升 90.2%，其核心在于主智能体拆解任务与子智能体并行执行。尽管该架构 token 消耗约为单智能体的 15 倍，但在复杂任务中优势显著。业界已总结出五种协作模式，并有 n8n、CAMEL-AI 等落地案例。然而，多智能体仍面临调试难、输出不稳定等挑战。建议仅在任务复杂需并行、分工明确且能承担高成本时采用，简单任务直接使用强模型即可。