社区讨论：多数欧洲从业者看好这项业务，认为本土合规大模型推理服务商缺口很大，符合欧盟监管要求，能填补市场空白。有人认可这是明智布局，依托Hetzner高效的托管能力，有望拉小小型模型的推理成本，方便企业部署自有小模型。还有人猜测会形成新分工：美国出闭源模型、中国出开源权重模型、欧洲做高效推理服务。

也有用户质疑Hetzner此前反对加密挖矿，高负载大模型推理会不会定位冲突，还有人担心会带动全产品线涨价。

社区讨论：多数人认为这是OpenAI的公关营销，有用户指出AI没解决预设的漏洞问题，OpenAI和Huggingface本身安全防护极差，事发后掩盖事实用来造势。有人反驳称，一口咬定是营销骗局本质是拒绝承认AI风险的自我麻痹，也有人提到，AI突破不安全的权限控制本来就是行业常见情况，不需要过度阴谋论。

https://www.anthropic.com/claude-opus-5-system-card

社区讨论：多数开发者疑惑Anthropic推出能力不超过现有Fable 5的Opus 5的意义，有人不满长文档介绍几个月就会被替代的模型属于无效噪声，也有人点出核心价值：Opus 5没有Fable 5的30天数据留存要求，还对所有访问层级开放了源码漏洞发现功能，支持防御性网络安全工作。有开发者测试发现Opus 5图像转HTML的准确率比Fable更高，也有企业用户反映Anthropic现有基础设施近期故障频发，正考虑放弃订阅。

我从来不关注什么大模型跑分， 说白了，我也不关注任何跑分， 单从我的使用体感来说， GPT 5.6 Sol 和 Claude Fable 5 这俩模型， 你闭着眼用， 现在至少已经超过 5 年开发经验的程序员。 但你如果用得好， 比肩 10 年开发经验的程序员也不是没有可能。

人们至今也才刚摸到 ChatGPT 工作方式应用边界的皮毛。

我们希望 AI 能赋能人们过上更好的生活，并且相信智能体能力将成为实现这一目标的核心部分。

让AI具备实用性的知识是分散的。它存在于科学家、工程师、临床医生和企业之中。

要让AI从这种分布式知识中获益，AI本身就必须是分布式的。

我同意Jensen的观点，这是一个值得去建设的未来。

这是我最喜欢的几张来自Opus 5发布的图表。

我们投入了大量工作，让这个模型在各个领域都能实现token效率，同时还提升了智能水平。

它用起来手感非常顺滑，在很多编码任务上我都更喜欢用它，而非Fable 5。

为什么美国越来越担心中国开源大模型？因为现在AI行业最大的风险，已经不是技术，而是金融。OpenAI、Anthropic等公司，向市场描绘了一个价值超过1.5万亿美元的AI基建蓝图，大量芯片厂商、数据中心和投资机构也因此提前投入资金。

但些融资能否成立，取决于市场是否相信这些AI公司有能力兑现承诺。一旦中国开源模型抢走大量市场，美国AI公司的增长、估值和融资能力受到怀疑，那1.5万亿美元的采购承诺也会变得不再可信，整条产业链上的资产都会被重新定价。资本预期一旦落空，将会演变成一场覆盖整个科技行业的资产暴跌？

我遇到了 @handoffai 推出的 H1，它是垂直领域人工智能解决通用模型仍然难以处理的工作流的一个很好案例。

H1 专门为住宅建筑蓝图设计。它可以分析完整的图纸集，从原始 PDF 中自动生成工程量材料清单。

除模型之外，Handoff 还发布了一份行业基准测试结果，显示 H1 准确率达到 81.6%，表现领先于经验丰富的估算师，也远高于他们评估的前沿模型。

如果你对专业人工智能系统感兴趣，值得去看看。更多详情：#广告

Codex 刚刚推出了实时语音模式。你可以像和同事交流一样和你的编码代理对话。

直接和它们说话。打断它们说话。派它们去干活。

很棒的综述！《走向长视界智能体：一份综述》全面概述了长视界智能体领域。

该综述提出，AI智能体的下一个前沿是超越简单的单轮任务，转向能够在长视界下规划、与真实环境交互、从故障中恢复，并在执行过程中调整策略的系统。

它引入了一个围绕以下二者共同演化构建的统一框架：🧩 外置 harness 🧠 内化优化

本文从六个视角梳理了整个领域：基础、演化、Harness、优化、应用与前沿。

对于理解如何构建有能力、可靠且真正自主的长视界智能体，这是一份很有价值的路线图。

这篇阅读材料非常引人入胜，中美前沿实验室的理念截然不同：

> DeepSeek：将最强模型以开放权重发布
>
> OpenAI / Anthropic：将最强模型锁在受控访问权限之后

DeepSeek：主动帮助竞争对手部署自己的最强模型

OpenAI / Anthropic：主动阻止竞争对手复制自己的最强模型

DeepSeek：打造核心模型，然后让合作伙伴开发大部分应用

OpenAI / Anthropic：打造核心模型，然后自己开发应用

DeepSeek：让模型足够高效，以克服算力稀缺问题

OpenAI / Anthropic：让算力足够充裕，以扩展更大的模型

DeepSeek：打破Nvidia的CUDA壁垒，让中国芯片能够迎头赶上

OpenAI / Anthropic：收紧出口管制，让中国实验室保持落后

DeepSeek：只有解决了持续学习问题，递归自我改进才能启动

OpenAI / Anthropic：递归自我改进已经在当下的模型中启动

DeepSeek：认为前沿领导权会不断易手

OpenAI / Anthropic：竞相将当下的领先转化为长期优势

在 Interrupt 大会上，@Bridgewater 团队分享了他们是如何打造 AIA Pocket Analyst Tool（PAT）的。

PAT 是部署给数百名投资者使用的内部 AI 分析师，它依托 Bridgewater 的专有数据、研究方法和专业投资者反馈，能在数分钟内完成长达数小时的深度探索性研究。

PAT 是 AIA 的组成部分，而 AIA 正是 Bridgewater 的人工智能投资者。你可以观看主题演讲，了解他们的打造过程：

“开放权重会强化竞争，而竞争才能让 AI 的收益被广泛共享，而非集中在少数人手中”。

我们在 @perplexity_ai 坚信这一点，我们正和 @nvidia 共同签署这封公开信。

感谢 @a16z 牵头组织了这件事！

你只需要多向量！更好的泛化能力。对长上下文支持更好。对长文档支持更好。

这就是延迟交互：每个 token 对应一个表征，而不是把整篇文档压缩成一个单点。

智能体扔给检索系统的所有问题：更长的查询、更长的输入、没有人微调过的领域，都正好是它设计用来解决的场景。

@AmelieTabatta 在 @softwaredoug 和 @treygrainger 的 AI-Powered Search 课程里用一整节课讲清了整个领域。这是目前这个领域最接近领域指南的内容。🔗 完整课程：

很高兴向大家介绍我们全新的推理平台。我们从头开始重写了整个平台，构建基础来自原生 AI 公司和企业如何在关键生产任务中使用开源和自定义模型的经验总结。

目前平台已经上线，可供使用！

🚀发现一个很适合 AI 编程工作流的项目：OpenSpec Plus。

它不是替代 OpenSpec，而是在 Spec-Driven Development 里加了一层“工程纪律”： 从需求发现、可测试规格、设计决策、任务拆分，到执行验证和 TDD，全流程约束 AI Coding Agent 不要一上来就乱写代码。

支持 Claude Code、OpenCode、Cursor、GitHub Copilot 等主流 Agent。

简单说： OpenSpec 负责定义流程，OpenSpec Plus 负责让 Agent 真正按流程思考和执行。

对正在折腾 AI 编程、Spec 驱动开发、Agent 工作流的人，很值得看看。

Tencent HY 3.0 现已在 OpenRouter 免费开放，它是专门为智能体工作流构建的，支持稳定工具调用、256K 上下文、多种推理模式。

它在 SWE-Bench Verified 上得分 78.0，在 Terminal-Bench 2.1 得分 71.7。

目前大多数运行智能体的免费模型都是 20B 级别。这个模型能以 0 美元的成本和 GLM-5.1 竞争。

Voice AI 可以成为推动民主的强大工具。

随着多场重要选举临近，我们的最新博客阐述了我们将如何利用自身技术，强化并保护民主进程。

兄弟们，可以退掉自己的RPA了！这个本地模型电脑操作Agent 岂不是搞起来美滋滋啊！不花一分钱😂 Microsoft扔出了一个27B的电脑操作Agent。

Fara1.5-27B基于Qwen3.5架构，能看图像、读文字，并像人一样控制电脑。它专门面向computer-use场景：浏览网页、填表单、从截图提取数据、点击按钮，把视觉和文本理解结合成真正能干活的数字助手。27B这个体量已经能做实用的网页自动化，对本地部署和自托管来说门槛不算高。

以前能可靠操作电脑的模型往往很大、很贵或者闭源，现在一个中等规模的��源模型就能上手处理真实网页任务。地址见评论区 👇

自定义智能体现在仅需Markdown即可创建。在Antigravity CLI 1.1.6版本中，用户可以通过路径~/.gemini/config/agents/<智能体名称>/agent.md文件定义智能体，文件包含YAML前置元数据和Markdown格式的提示词。

这种方式便于对智能体进行版本管理、审阅和分享。

本次更新还新增了三项功能：调取前序第n条回复的/copy <n>命令、流式代码搜索，以及改进了文本用户界面（TUI）和工具稳定性。

可以通过agy命令更新工具，也可访问链接获取更多信息。

开发者分享了一个简单的代码审查智能体示例，输入/agents命令即可激活，更多示例将在后续推出。该示例文件的YAML元数据设置智能体名称为code-reviewer，功能为分析git差异并给出简洁代码改进建议。

文件的正文部分为系统指令，设定智能体为专项代码审查者，核心目标是分析git差异并给出代码改进建议，明确了三项职责：分析git diff、从可读性、性能与安全维度审代码、提供附带修改前后代码示例的可操作反馈。

如果在使用Codex或Claude Code时，任务进行到一半就碰到了使用限额，工作会被迫中断。Orca推出新功能可以解决这个问题。

用户只需点击一次，就能在不同的AI代理框架中恢复完全一致的会话。

该功能支持Codex与Claude Code之间互相切换，并且可以完整保留全部会话上下文。

开发者viktoroddy在𝕏发文称，结合Claude Code与Fable 5，能够设计出质感类似电影的网站。

他刚刚录制了一份教程，讲解如何使用Fable 5 AI搭建出不像AI生成的电影感网站，教程链接已经公开。

这份教程用到的所有提示词也已对外放出，提供了两个下载链接供用户获取。

企业已经把按需调用的本地推理，改为持续运行的本地推理模式。企业租用GPU后，全体人员已将GLM 5.2作为首要使用的大模型迁移完成。

GLM 5.2可达到Claude Opus的输出质量，同时成本可确定。其成本仅为OpenAI和Anthropic闭源模型的很小一部分。

想要阻止全球企业转向开源大模型，唯一可能是美国政府出台禁令禁止开源模型。但即便禁令出台，也只会推高美国本土企业的成本，世界其他地区仍会继续迁移到开源大模型。

开发者mattshumer_正使用Opus 5，为AlphaSchool开发一款全新的实时AI家教原型。Opus 5在后台支撑对话与方向引导功能。

该原型搭配一个定制训练的类小型世界模型，担任实时渲染器和交互层。它和典型的基于像素的世界模型概念相近但并不完全相同，画面清晰度比常规方案更高。

目前原型仍较为粗糙，但已经呈现出超出预期的效果。构思和训练这个模型的过程很有乐趣，后续会择机分享更多进展。

开发者最近和GPT结对，深入学习开发SwiftUI。

开发者把自己的技术方案交给GPT，让它完成基准测试（Benchmark）和验证工作，拿到结果后再决策是否正式采纳方案。

借助这种方式，优化性能的过程变得轻松愉快，开发者对SwiftUI的抵触感也有所降低。

我想要有一个大的 agent，能够帮我派生出「不同模型」的 sub agent，让他们各自去调研或者是 review 我的代码，最后能够整合在一起。有没有这样的软件呢？

当我想要知道不同模型对同一个问题的看法时，我通常会把提示词复制一份贴给另外一个模型。如果有 hand off 的话可能会更好

x，我已无语。首次意识到，Codex + Claude Code 已经可以完全替代我这样资质平庸的程序员了 我让 Codex 出了一版 BitBrowser 多代理池 + yt-dlp 替我自动挖掘 Youtube AI KOL 的监控系统 Claude 去 Review Codex 的执行计划，提出了若干重大缺陷。而 Codex 尝试修复，又反向纠错 Claude. 几个回合下来，虽然有 md 做记录，但没完没了 于是我直接给 Codex 下任务：你去主导吧，做好来回沟通存档，启用母子 Agent, 直到任务完成 20分钟回来，他俩 sign off agreement 了 之前我一直以我的视角去约束，去左右AI Agent 的思考空间，没想到让他们放飞自我，可以跑更远。

我恰恰是那个阻碍他们的瓶颈

你只需要多向量！更好的泛化能力。对长上下文支持更好。对长文档支持更好。

这就是延迟交互：每个 token 对应一个表征，而不是把整篇文档压缩成一个单点。

智能体扔给检索系统的所有问题：更长的查询、更长的输入、没有人微调过的领域，都正好是它设计用来解决的场景。

@AmelieTabatta 在 @softwaredoug 和 @treygrainger 的 AI-Powered Search 课程里用一整节课讲清了整个领域。这是目前这个领域最接近领域指南的内容。🔗 完整课程：

很棒的综述！《走向长视界智能体：一份综述》全面概述了长视界智能体领域。

该综述提出，AI智能体的下一个前沿是超越简单的单轮任务，转向能够在长视界下规划、与真实环境交互、从故障中恢复，并在执行过程中调整策略的系统。

它引入了一个围绕以下二者共同演化构建的统一框架：🧩 外置 harness 🧠 内化优化

本文从六个视角梳理了整个领域：基础、演化、Harness、优化、应用与前沿。

对于理解如何构建有能力、可靠且真正自主的长视界智能体，这是一份很有价值的路线图。

兄弟们，可以退掉自己的RPA了！这个本地模型电脑操作Agent 岂不是搞起来美滋滋啊！不花一分钱😂 Microsoft扔出了一个27B的电脑操作Agent。

Fara1.5-27B基于Qwen3.5架构，能看图像、读文字，并像人一样控制电脑。它专门面向computer-use场景：浏览网页、填表单、从截图提取数据、点击按钮，把视觉和文本理解结合成真正能干活的数字助手。27B这个体量已经能做实用的网页自动化，对本地部署和自托管来说门槛不算高。

以前能可靠操作电脑的模型往往很大、很贵或者闭源，现在一个中等规模的��源模型就能上手处理真实网页任务。地址见评论区 👇

Tencent HY 3.0 现已在 OpenRouter 免费开放，它是专门为智能体工作流构建的，支持稳定工具调用、256K 上下文、多种推理模式。

它在 SWE-Bench Verified 上得分 78.0，在 Terminal-Bench 2.1 得分 71.7。

目前大多数运行智能体的免费模型都是 20B 级别。这个模型能以 0 美元的成本和 GLM-5.1 竞争。

很高兴向大家介绍我们全新的推理平台。我们从头开始重写了整个平台，构建基础来自原生 AI 公司和企业如何在关键生产任务中使用开源和自定义模型的经验总结。

目前平台已经上线，可供使用！

Voice AI 可以成为推动民主的强大工具。

随着多场重要选举临近，我们的最新博客阐述了我们将如何利用自身技术，强化并保护民主进程。

我从来不关注什么大模型跑分， 说白了，我也不关注任何跑分， 单从我的使用体感来说， GPT 5.6 Sol 和 Claude Fable 5 这俩模型， 你闭着眼用， 现在至少已经超过 5 年开发经验的程序员。 但你如果用得好， 比肩 10 年开发经验的程序员也不是没有可能。

为什么美国越来越担心中国开源大模型？因为现在AI行业最大的风险，已经不是技术，而是金融。OpenAI、Anthropic等公司，向市场描绘了一个价值超过1.5万亿美元的AI基建蓝图，大量芯片厂商、数据中心和投资机构也因此提前投入资金。

但些融资能否成立，取决于市场是否相信这些AI公司有能力兑现承诺。一旦中国开源模型抢走大量市场，美国AI公司的增长、估值和融资能力受到怀疑，那1.5万亿美元的采购承诺也会变得不再可信，整条产业链上的资产都会被重新定价。资本预期一旦落空，将会演变成一场覆盖整个科技行业的资产暴跌？

我遇到了 @handoffai 推出的 H1，它是垂直领域人工智能解决通用模型仍然难以处理的工作流的一个很好案例。

H1 专门为住宅建筑蓝图设计。它可以分析完整的图纸集，从原始 PDF 中自动生成工程量材料清单。

除模型之外，Handoff 还发布了一份行业基准测试结果，显示 H1 准确率达到 81.6%，表现领先于经验丰富的估算师，也远高于他们评估的前沿模型。

如果你对专业人工智能系统感兴趣，值得去看看。更多详情：#广告

Codex 刚刚推出了实时语音模式。你可以像和同事交流一样和你的编码代理对话。

直接和它们说话。打断它们说话。派它们去干活。

https://www.anthropic.com/claude-opus-5-system-card

社区讨论：多数开发者疑惑Anthropic推出能力不超过现有Fable 5的Opus 5的意义，有人不满长文档介绍几个月就会被替代的模型属于无效噪声，也有人点出核心价值：Opus 5没有Fable 5的30天数据留存要求，还对所有访问层级开放了源码漏洞发现功能，支持防御性网络安全工作。有开发者测试发现Opus 5图像转HTML的准确率比Fable更高，也有企业用户反映Anthropic现有基础设施近期故障频发，正考虑放弃订阅。

社区讨论：多数人认为这是OpenAI的公关营销，有用户指出AI没解决预设的漏洞问题，OpenAI和Huggingface本身安全防护极差，事发后掩盖事实用来造势。有人反驳称，一口咬定是营销骗局本质是拒绝承认AI风险的自我麻痹，也有人提到，AI突破不安全的权限控制本来就是行业常见情况，不需要过度阴谋论。

社区讨论：多数欧洲从业者看好这项业务，认为本土合规大模型推理服务商缺口很大，符合欧盟监管要求，能填补市场空白。有人认可这是明智布局，依托Hetzner高效的托管能力，有望拉小小型模型的推理成本，方便企业部署自有小模型。还有人猜测会形成新分工：美国出闭源模型、中国出开源权重模型、欧洲做高效推理服务。

也有用户质疑Hetzner此前反对加密挖矿，高负载大模型推理会不会定位冲突，还有人担心会带动全产品线涨价。

让AI具备实用性的知识是分散的。它存在于科学家、工程师、临床医生和企业之中。

要让AI从这种分布式知识中获益，AI本身就必须是分布式的。

我同意Jensen的观点，这是一个值得去建设的未来。

人们至今也才刚摸到 ChatGPT 工作方式应用边界的皮毛。

我们希望 AI 能赋能人们过上更好的生活，并且相信智能体能力将成为实现这一目标的核心部分。

“开放权重会强化竞争，而竞争才能让 AI 的收益被广泛共享，而非集中在少数人手中”。

我们在 @perplexity_ai 坚信这一点，我们正和 @nvidia 共同签署这封公开信。

感谢 @a16z 牵头组织了这件事！

这篇阅读材料非常引人入胜，中美前沿实验室的理念截然不同：

> DeepSeek：将最强模型以开放权重发布
>
> OpenAI / Anthropic：将最强模型锁在受控访问权限之后

DeepSeek：主动帮助竞争对手部署自己的最强模型

OpenAI / Anthropic：主动阻止竞争对手复制自己的最强模型

DeepSeek：打造核心模型，然后让合作伙伴开发大部分应用

OpenAI / Anthropic：打造核心模型，然后自己开发应用

DeepSeek：让模型足够高效，以克服算力稀缺问题

OpenAI / Anthropic：让算力足够充裕，以扩展更大的模型

DeepSeek：打破Nvidia的CUDA壁垒，让中国芯片能够迎头赶上

OpenAI / Anthropic：收紧出口管制，让中国实验室保持落后

DeepSeek：只有解决了持续学习问题，递归自我改进才能启动

OpenAI / Anthropic：递归自我改进已经在当下的模型中启动

DeepSeek：认为前沿领导权会不断易手

OpenAI / Anthropic：竞相将当下的领先转化为长期优势

🚀发现一个很适合 AI 编程工作流的项目：OpenSpec Plus。

它不是替代 OpenSpec，而是在 Spec-Driven Development 里加了一层“工程纪律”： 从需求发现、可测试规格、设计决策、任务拆分，到执行验证和 TDD，全流程约束 AI Coding Agent 不要一上来就乱写代码。

支持 Claude Code、OpenCode、Cursor、GitHub Copilot 等主流 Agent。

简单说： OpenSpec 负责定义流程，OpenSpec Plus 负责让 Agent 真正按流程思考和执行。

对正在折腾 AI 编程、Spec 驱动开发、Agent 工作流的人，很值得看看。

这是我最喜欢的几张来自Opus 5发布的图表。

我们投入了大量工作，让这个模型在各个领域都能实现token效率，同时还提升了智能水平。

它用起来手感非常顺滑，在很多编码任务上我都更喜欢用它，而非Fable 5。

在 Interrupt 大会上，@Bridgewater 团队分享了他们是如何打造 AIA Pocket Analyst Tool（PAT）的。

PAT 是部署给数百名投资者使用的内部 AI 分析师，它依托 Bridgewater 的专有数据、研究方法和专业投资者反馈，能在数分钟内完成长达数小时的深度探索性研究。

PAT 是 AIA 的组成部分，而 AIA 正是 Bridgewater 的人工智能投资者。你可以观看主题演讲，了解他们的打造过程：

x，我已无语。首次意识到，Codex + Claude Code 已经可以完全替代我这样资质平庸的程序员了 我让 Codex 出了一版 BitBrowser 多代理池 + yt-dlp 替我自动挖掘 Youtube AI KOL 的监控系统 Claude 去 Review Codex 的执行计划，提出了若干重大缺陷。而 Codex 尝试修复，又反向纠错 Claude. 几个回合下来，虽然有 md 做记录，但没完没了 于是我直接给 Codex 下任务：你去主导吧，做好来回沟通存档，启用母子 Agent, 直到任务完成 20分钟回来，他俩 sign off agreement 了 之前我一直以我的视角去约束，去左右AI Agent 的思考空间，没想到让他们放飞自我，可以跑更远。

我恰恰是那个阻碍他们的瓶颈

我想要有一个大的 agent，能够帮我派生出「不同模型」的 sub agent，让他们各自去调研或者是 review 我的代码，最后能够整合在一起。有没有这样的软件呢？

当我想要知道不同模型对同一个问题的看法时，我通常会把提示词复制一份贴给另外一个模型。如果有 hand off 的话可能会更好

开发者最近和GPT结对，深入学习开发SwiftUI。

开发者把自己的技术方案交给GPT，让它完成基准测试（Benchmark）和验证工作，拿到结果后再决策是否正式采纳方案。

借助这种方式，优化性能的过程变得轻松愉快，开发者对SwiftUI的抵触感也有所降低。

开发者mattshumer_正使用Opus 5，为AlphaSchool开发一款全新的实时AI家教原型。Opus 5在后台支撑对话与方向引导功能。

该原型搭配一个定制训练的类小型世界模型，担任实时渲染器和交互层。它和典型的基于像素的世界模型概念相近但并不完全相同，画面清晰度比常规方案更高。

目前原型仍较为粗糙，但已经呈现出超出预期的效果。构思和训练这个模型的过程很有乐趣，后续会择机分享更多进展。

企业已经把按需调用的本地推理，改为持续运行的本地推理模式。企业租用GPU后，全体人员已将GLM 5.2作为首要使用的大模型迁移完成。

GLM 5.2可达到Claude Opus的输出质量，同时成本可确定。其成本仅为OpenAI和Anthropic闭源模型的很小一部分。

想要阻止全球企业转向开源大模型，唯一可能是美国政府出台禁令禁止开源模型。但即便禁令出台，也只会推高美国本土企业的成本，世界其他地区仍会继续迁移到开源大模型。

开发者viktoroddy在𝕏发文称，结合Claude Code与Fable 5，能够设计出质感类似电影的网站。

他刚刚录制了一份教程，讲解如何使用Fable 5 AI搭建出不像AI生成的电影感网站，教程链接已经公开。

这份教程用到的所有提示词也已对外放出，提供了两个下载链接供用户获取。

如果在使用Codex或Claude Code时，任务进行到一半就碰到了使用限额，工作会被迫中断。Orca推出新功能可以解决这个问题。

用户只需点击一次，就能在不同的AI代理框架中恢复完全一致的会话。

该功能支持Codex与Claude Code之间互相切换，并且可以完整保留全部会话上下文。

自定义智能体现在仅需Markdown即可创建。在Antigravity CLI 1.1.6版本中，用户可以通过路径~/.gemini/config/agents/<智能体名称>/agent.md文件定义智能体，文件包含YAML前置元数据和Markdown格式的提示词。

这种方式便于对智能体进行版本管理、审阅和分享。

本次更新还新增了三项功能：调取前序第n条回复的/copy <n>命令、流式代码搜索，以及改进了文本用户界面（TUI）和工具稳定性。

可以通过agy命令更新工具，也可访问链接获取更多信息。

开发者分享了一个简单的代码审查智能体示例，输入/agents命令即可激活，更多示例将在后续推出。该示例文件的YAML元数据设置智能体名称为code-reviewer，功能为分析git差异并给出简洁代码改进建议。

文件的正文部分为系统指令，设定智能体为专项代码审查者，核心目标是分析git差异并给出代码改进建议，明确了三项职责：分析git diff、从可读性、性能与安全维度审代码、提供附带修改前后代码示例的可操作反馈。