现在搞AI智能体开发，开源这块已经卷出天际了。awesome-llm-apps这种项目直接扔出100多个免费开源的智能体和RAG应用，你下载下来跑就能用。想自己捏个工作流？也没门槛。Dify这平台能在同一个协作空间里搭Agentic工作流和RAG管道，云端、VPC、本地部署全由你挑，团队从搞原型到正式上线，顺滑得很。甚至还有hermes-agent这种主打“陪你长大”的个性化智能体，脑洞越玩越大。
能力边界更是被疯狂往外推。arXiv上刚冒出来的OmniScientist项目，实际上直接弄了个全模态、全学科的AI科学家。提出假设、跑代码、写论文，整套科研流程一把梭全给自动化了。底座模型一迭代，智能体早就不满足于当个陪聊的对话框，它现在是能独立死磕复杂任务的长流程打工人。自动化深度这么一拔，真正的AI科研助理总算落地了。
但东西到底好不好用，得拿硬核评测说话。美团技术团队前阵子分享了Agent评测实践，说白了就是得死磕四个维度：结果、过程、效率、风险。他们弄出一套二元化的Rubric评分标准，硬是把人机一致率从62%干到了92%。没有靠谱的评测体系兜底，吹得再天花乱坠的智能体，充其量也就是个高级玩具。
从一箩筐开源应用、上手即用的工具，到全自动的科研探索，再到美团这套四维评测指南，智能体这条路算是彻底跑通闭环了。技术落地早就不是画大饼，找准场景，手里有好家伙，下一个爆火的Agent指不定哪天就蹦出来了。