AgentRun 开源发布:为 Agent 加上自改进与持久执行
Parcha Labs 开源 AgentRun,在 Claude Code、Codex、OpenCode、pi 等 Agent harness 之上加入自改进、持久执行和控制面,采用 Apache-2.0 许可。
推荐理由:原文给出自改进、持久执行与控制面的具体机制和成本案例,读者可据此判断它如何接入现有 Agent 工作流。
DRAFT-Bench: Evaluating Frontier Agents Across the Professional Design Lifecycle
Rong Pan · Jianqiang Wang
前沿通用智能体能否理解客户意图、探索创意方向、执行修改并准备生产交付物?DRAFT-Bench(Design Reliability Across Feedback and Tasks)是一项面向生命周期的评估,覆盖需求获取、创意探索、受限编辑、迭代修改和生产交接。其 Requirement-to-Artifact 框架将演进中的需求、受保护属性、工件版本和交付义务关联起来。在 35 份设计简报、43 种条件下,对比原生 Codex/Astra 与 Claude Code,并另设 40 个场景的 RFQ 赛道。Astra 完成 43/43 个设计条件,Claude 完成 35/43。所有计分核心运行均获得完整结构分,但在两个系统均计分的 28 个核心条件上,语义检查分别标记 Astra 11 个、Claude 5 个违规;这些是模型判断,而非专家确认的失败率。RFQ 覆盖率较高,但成功排序在不同队列间变化。SKU 扩展、修改依赖和 White ink 文件暴露出未满足义务、缺失输入与评估者解释之间的歧义。这些发现将执行、需求合规与专业验收区分开来。未配对赛道和不同工具使得无法声称 RFQ 到交付的成功、工厂验收或纯模型排名。
尚无解读。
arXiv:2611.08933v1 Announce Type: new Abstract: Can frontier general-purpose agents understand client intent, explore creative directions, execute revisions, and prepare production deliverables? We introduce DRAFT-Bench (Design Reliability Across Feedback and Tasks), a lifecycle-oriented evaluation of requirement elicitation, creative exploration, constrained editing, iterative revision, and production handoff. Its Requirement-to-Artifact framework links evolving requirements, protected properties, artifact versions, and delivery obligations. We compare native Codex/Astra and Claude Code across 35 design briefs under 43 conditions, alongside a separate 40-scenario RFQ track. Astra completes 43/43 design conditions and Claude 35/43. All scored core runs receive full structural credit, yet on the 28 core conditions scored for both systems, semantic checks flag violations in 11 for Astra and 5 for Claude; these are model judgments, not expert-confirmed failure rates. RFQ coverage is high, but success ordering changes across cohorts. SKU expansion, revision dependencies, and White ink files expose ambiguity among unmet obligations, missing inputs, and evaluator interpretations. These findings separate execution, requirement compliance, and professional acceptance. Unpaired tracks and different tools preclude claims of RFQ-to-delivery success, factory acceptance, or a pure model ranking.
Parcha Labs 开源 AgentRun,在 Claude Code、Codex、OpenCode、pi 等 Agent harness 之上加入自改进、持久执行和控制面,采用 Apache-2.0 许可。
推荐理由:原文给出自改进、持久执行与控制面的具体机制和成本案例,读者可据此判断它如何接入现有 Agent 工作流。
ManyAgents 上线多智能体编码编排工具,可将任务分配给 Claude Code 和 Codex agents,并让各 agent 使用独立的 git worktree。其内置审查和浏览器测试环节,集中处理智能体提出的问题,并可复用已有计划。产品提供 14 天免费试用。
推荐理由:ManyAgents 将多个编码智能体、审查和测试环节集中到统一编排流程中,读者可据此理解多智能体协作的落地方式。
Codync 是一个开源免费的 AI 工具,可让用户在本地电脑上运行 Claude Code、Codex、Cursor 或 40 多个 AI agent 作为命名机器人,并通过 iPhone、Mac、Linux 或终端进行远程回复和审批。采用 MIT 许可证,支持端到端加密。
推荐理由:原文给出了核心能力(开源免费、多 agent 支持、远程控制),读者可以据此判断它作为本地 AI agent 管理工具的使用方式和迁移成本。