NewApply

研究方向：新应用——模型能力向真实产品与业务流程落地的跟踪，关注"能力如何变成可用的系统"，而非单个模型的技术指标。

研究范畴

新应用（new application watch）是本站的横向跟踪方向，与各 *Evolve 方向互补：*Evolve 关心方法如何自我改进，NewApply 关心这些方法进入真实场景后是否成立。本方向涵盖：智能体开发框架与编排层（多智能体对话、图式工作流、低代码平台）、端到端任务智能体（浏览器操作、桌面操作、软件工程、科研自动化）、本地部署与私有化推理栈、企业流程集成与 RPA 式自动化，以及垂直领域应用（编程、办公、金融、医疗、教育、客服）。社区关注的核心问题包括：demo 与生产的差距（长尾失败、错误累积、成本失控）、在开放环境中的可评测性（真实网站与真实桌面难以稳定复现）、人机责任边界与授权范围、私有化部署下的能力衰减，以及应用层价值究竟来自模型能力还是来自工程编排。

研究挑战

• demo 到生产的鸿沟：单步正确率高不代表多步任务可完成，长程错误累积是主要杀手。
• 评测环境不可复现：真实网站改版、桌面状态漂移使基准结果难以追踪与回归。
• 成本与延迟：多轮工具调用 + 长上下文的组合让单任务成本远高于纯对话。
• 安全与授权：浏览器 / 桌面 / 代码执行类智能体天然拥有高权限，提示注入与越权是结构性风险。
• 编排层的价值归因：同一模型在不同框架下表现差异巨大，收益来自模型还是脚手架难以拆分。
• 私有化部署的能力落差：量化、裁剪与本地硬件限制使落地效果弱于云端评测结论。

自研项目

• LLM-DailyDigest — 本站自身即是应用层实践：采集 → LLM 判定 → 标注 → 建站部署的完整流水线。
• EvolveLLM — 博士课题《Toward True ASI》承载仓库，含自进化机制综述与方法论沉淀。

相关工作

代码 / 框架

• AutoGen — 微软多智能体对话编排框架
• LangGraph — 以图结构编排有状态智能体工作流
• CrewAI — 角色分工式的多智能体协作框架
• Dify — 低代码 LLM 应用与工作流平台
• n8n — 开源自动化平台，常作为 LLM 接入业务流程的编排层
• OpenHands — 开源软件工程智能体，含代码执行沙箱与交互界面
• MetaGPT — 用 SOP 与角色分工编排软件公司式多智能体流程
• browser-use — 让 LLM 直接驱动浏览器的操作层
• Ollama — 本地模型运行与私有化部署的事实入口
• Open WebUI — 自托管对话前端，私有化部署的常用外壳

论文

• AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation — 多智能体可编程对话框架
• SWE-bench: Can Language Models Resolve Real-World GitHub Issues? — 以真实仓库 issue 定义软件工程智能体任务
• WebArena: A Realistic Web Environment for Building Autonomous Agents — 可复现的真实网站环境与任务集
• OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments — 真实操作系统的开放式任务评测
• GAIA: a benchmark for General AI Assistants — 面向通用助手的概念简单、执行困难任务集
• The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery — 端到端自动化科研流程的应用原型
• Voyager: An Open-Ended Embodied Agent with Large Language Models — 技能库沉淀驱动的开放式具身应用
• Generative Agents: Interactive Simulacra of Human Behavior — 长期运行的多智能体社会模拟应用
• Sparks of Artificial General Intelligence: Early experiments with GPT-4 — 早期对通用能力边界的系统性探测