● GPT-5.6 正式发布 & 其他资讯

📌 一句话摘要 文章全面梳理了 GPT-5.6 及其 ChatGPT App 的发布细节、技术亮点以及同期的 GPT-6 传闻、GPT-Live、Claude Reflect 和 Grok 4.5 等最新 AI 动态。 📝 详细摘要 本文首先宣布 GPT-5.6 已在 ChatGPT、Codex

● 大模型的 Agent Skill 功能，在 LLM HTTP 底层交互流中是怎么承载的？

📌 一句话摘要 本文深入剖析了 Cursor 等 AI IDE 中 Agent Skill 功能的底层实现原理，揭示其本质并非协议层概念，而是通过 System Prompt 注入、Tool Calling 机制和多轮交互组合而成的应用层设计模式。 📝 详细摘要 文章以作者自己实现的 mp-re

● 本地模型 Tool Calling 能力测试框架

📌 一句话摘要 介绍 Stevibe 开发的本地模型 Tool Calling 测试框架，通过 15 个场景和 12 个工具模拟进行评估。 📝 详细摘要 推文介绍了 Stevibe 开发的用于测试本地模型 Tool Calling 能力的框架。该测试包含 15 个场景和 12 个工具，在零温（t

● 本地模型 Tool Calling 测试发现：信任危机

📌 一句话摘要 分析测试发现，小模型易超时，大模型在处理特定查询时倾向于使用记忆而非工具返回的数据。 📝 详细摘要 作为测试结果的补充，推文指出小模型在 Tool Calling 中容易陷入循环导致超时。更关键的发现是，许多大模型（35B/122B/397B）在处理如“查人口并计算”的任务时，倾

● 本地模型 Tool Calling 测试结论：27B 模型的优势

📌 一句话摘要 总结测试结论，指出小模型存在幻觉，大模型无视工具数据，而 27B 参数模型表现最佳。 📝 详细摘要 推文总结了 Tool Calling 测试的最终结论：小模型容易产生数据幻觉，大模型则倾向于无视工具返回的数据。测试显示 27B 参数的模型在链路执行上表现最为稳定，成功跑通了测试

● 如何让你的 Agent 更准确：MCP 工具设计技巧

📌 一句话摘要 本文深入探讨了 AI Agent 工具设计的核心思维转变，提出将工具视为 Agent 的“用户界面”而非传统 API 封装，并详细介绍了基于 MCP 协议的命名、描述及输入设计准则。 📝 详细摘要 文章指出开发者在为 Agent 开发工具（如 MCP 或 Function Cal