智能体赛道最近挺热闹的。hermes-agent打出了"与你共同成长"的概念，说白了，就是强调智能体不是一次性产品，而是能持续适应用户需求。dify则更注重工程落地，支持在同一个协作空间里构建Agentic工作流和RAG管道，部署方式覆盖云端、VPC和自托管，这样团队从原型到生产就不用重写代码了。
多智能体协作也在拓宽应用边界。比如有研究搞了个三智能体工作流，专门用来干这些事：主动数据收集、出行行为建模，还有天气敏感需求预测。这套方案把数据采集和预测建模整合起来，解决了过去各干各的、互不搭理的毛病。这样一来，出行行为研究终于有了端到端的智能体方案。
实际上，更前沿的方向是让智能体直接从人类操作中学习。有团队通过被动记录你的电脑操作——截图、鼠标点击和键盘输入，就能推导出可审计、可复用的符号化任务模型。这意味着智能体不再依赖人工编写规则，而是通过观察你日常怎么用电脑，自动学会怎么干活。
最激进的探索是递归自我改进（RSI）。AI4AI-Bench这个评测平台专门测LLM智能体在算法设计中的自我改进能力——核心问题说白了就是：AI能不能改进生产AI的流程本身，让下一代系统继承前代的优化。这基本上就是通向超级智能的一条技术路径。智能体正在从"执行工具"快速进化为"自我进化系统"。