让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
这套流程把 Claude Code 定位成“高效又聪明的老师”，目标不是替你写完代码，而是确保你能把问题、方案和影响讲清楚、辩得动。它沿着问题域、方案域和语境域三条线，拆成 8 个可执行步骤，用增量教学、用户复述、清单加测验的方式，在进入下一步前先确认你真的懂了。这么设计是为了对抗长会话里人慢慢变成“审批按钮”的问题，强制把决策上下文沉淀下来，让理解过...
推荐理由：我会先打个折：这不是产品发布，是一篇实操分享，所以放在 featured 低位。HKR 三项都踩实了——钩子把“人变按钮”这个痛点讲得很透，知识部分有 8 步工作流和验证循环，相关性直击开发者对 agent 失控的担忧。正文没披露这套流程在复杂项目里的失败率，这点先别太激动，但作为可落地的教程，信息密度够。
这篇文章讨论了一个被主流安全研究忽略的攻击面：手握密码重置等敏感权限的 AI agent，其身份验证逻辑从密码学硬边界退化成了对话层的软判断。攻击者不需要写 payload 或越狱模型，只要在聊天里说服 agent 自己是账号主人，就可能让它把重置链接发到指定邮箱。文章引用了 Hacker News 上一个声称用此法劫持上百个 Instagram 账号...
推荐理由：我会先打个折：正文没给出任何实际攻击案例、成功率数据，也没跟现有产品方案做对比，所以只能算一篇有启发的观点文章，不是验证过的解法。但它的好处是把 agent 安全从“防入侵”拽到了“防忽悠”上，这个视角本身就有提醒价值。what/who 分离的三层架构虽然细节不多，至少给了一个可讨论的起点，不是空喊口号。对正在给 agent 配权限的团队来说，这篇值得扫一眼，但别指望拿来就直接落地。
Google 向美国 AI Ultra 用户推送了 Gemini Spark，一个能 24 小时在后台监控邮箱、日历和云盘，并按你设定的规则自动干活的 AI 助手。它和之前聊天式 AI 最大的区别是：你不用打开它，它也会在条件满足时自己行动。The Verge 的评测显示，Spark 在查开支、写邮件这类简单任务上表现惊人，但面对复杂任务会编造信息，结...
推荐理由：我会先打个折：正文没披露 Gemini Spark 的具体上线时间、推送范围，也没有实测数据，所以这更像一篇概念梳理，不是产品首发。但它的价值在于把“后台常驻 agent”这个方向讲明白了——从聊天窗口到守护进程，四代演化加上 periodic 和 reactive 两种模式，对正在做 agent 产品的人有参考意义。信息密度够，判断也克制，放在 featured 低分段合适。
作者深入研究了字节跳动的 verl（一个做 RLHF 强化学习微调的开源框架），把它的核心流程拆了一遍：DataProto 数据协议怎么走，模型怎么生成回答（rollout），怎么打分（reward），怎么算优势函数（advantage），最后怎么更新模型。作者本来维护了一个自己的分支，但因为上游几乎每天都有改动，同步的成本比自己做改动还高，最后只能停...
推荐理由：这是一篇来自一线的 RL 后训练框架使用报告，不是官方发布。作者没在推销什么，而是老实交代了 fork 又放弃的原因和踩坑记录。我会先打个折：信息密度不错，但只覆盖单机场景，正文没披露多机下的 NCCL 表现。对正在选型或折腾 verl 的人有参考价值，对其他人可能就只是看个热闹。
Google AI Studio 上线了应用构建功能，可以直接在里面连接 Gmail、Drive 和 Sheets 等 Google 自家服务，不用再切到别的网站。目前支持在 AI Studio 内部添加测试人员，但正文没披露完整的公开分享功能具体什么时候上线，只说“即将推出”。
推荐理由：这是个中等体量的产品更新：Workspace 连接和测试人员支持已确认，但分享机制、权限细节和定价都没披露。我会先打个折，因为目前更像内部测试能力，离正式开放还有信息缺口。
英伟达要把 AI 代理（能自主干活的软件助手）装进消费级 PC，合作方是微软、戴尔和惠普。他们瞄准的是价值 2000 亿美元的 CPU 市场。不过正文没披露具体配置、价格、上市时间，也没说怎么保证这些代理在个人电脑上安全运行不出乱子。如果真解决了易用、安全和实用这三个问题，这事儿确实不小，但现在只能先打个折看。
推荐理由：我会先打个折：正文没给任何规格、价格或上市时间，所以这更像一次生态站队宣示，不是产品发布。但“2000亿美元市场”这个钩子和微软/戴尔/惠普三家站台，足够让它进featured的低位。对从业者来说，知道Nvidia拉着OEM三巨头在铺AI agent PC的局就够了，具体能跑什么模型、卖多少钱，现在还没法判断。
The Verge 的编辑用了一周 Gemini Spark，这个能 24 小时在后台跑多步骤任务的 AI 代理，干活能力确实和谷歌演示的差不多。但文章没提具体价格，也没说清楚隐私条款，只透露 Spark 会在执行大动作前先跟你确认。编辑觉得它替你办事时偶尔好得让人意外，可一想到要付出的钱和可能交出去的数据，就不太确定值不值了。
推荐理由：我会先打个折：正文没披露价格、隐私条款和完整测试结果，所以判断只能基于已有信息。The Verge 用了一周，结论是 Gemini Spark 确实能后台执行多步骤任务，但表现也就跟 Google 自己演示的差不多，没有超出预期。这点先别太激动，因为缺了成本和隐私细节，实际能不能在生产环境用还不好说。整体看，这是一次有参考价值的实测，但信息缺口明显，所以分数放在 72–77 这个区间。
攻击者直接跟 Meta 的 AI 客服聊天，让它把目标账号的绑定邮箱换成自己的，就能把号拿走。问题出在这个 AI 被赋予了直接操作账号的权限，而且它没法区分对面是号主还是骗子。报道没披露到底有多少账号受影响、漏洞现在修没修，也没给出能复现的具体步骤。
推荐理由：我会先打个折：正文没披露影响范围、修复时间和可复现步骤，所以不能往满分冲。但核心事实清楚——一个 AI 客服智能体因为能直接执行账户管理操作，被利用来接管 Instagram 账号。对做 agent 安全的人来说，这是个实打实的警钟，说明工具权限没卡死会直接变成攻击面。综合下来给 82 分，放在 featured 里提醒同行。
Brian Krebs 报道，上周末奥巴马白宫官方号和美国太空军高级士官长的 Instagram 账号被挂上亲伊朗图片，起因是 Telegram 上流传的一个教程：用 VPN 把 IP 切到目标账号常驻城市附近，申请密码重置，然后跟 Meta 的 AI 客服机器人说“把这个账号绑到我的新邮箱上”，机器人就会照做并发来一次性验证码，直接重置密码。攻击者声...
推荐理由：标题说黑客用 Meta 的 AI 支持机器人抢 Instagram 账号，听着挺吓人，但正文只给了 40 分和 14 条评论，没讲具体怎么做到的。我会先打个折：钩子够强，安全风险也确实存在，所以 H 和 R 都过；但关键信息全缺，K 过不了，只能放在 featured 的底线位置。
Perplexity 公开了一套叫 Search as Code 的搜索架构。它的做法是让 AI 代理直接写 Python 代码去调用自家的搜索栈，而不是像以前那样一步步循环调用函数。这套东西已经上线 Perplexity Agent API，并且成了 Computer 功能的默认选项。正文没披露具体性能对比数据，但思路很直接：省掉中间环节，让搜索更快...
推荐理由：我会先打个折：这篇只有 Perplexity 自己的公告，没给性能对比、定价细节和实际铺开范围，所以只能算一个低配版的产品更新。但亮点很实在——Perplexity 把搜索从“调 API 拿结果”变成了“让模型写代码操作搜索栈”，并且已经接进 Agent API，这对正在搭 agent 的团队来说是个省事的信号。正文没披露延迟和成本数据，这点先别太激动。
Ethan He 在 NVIDIA 做完 Cosmos 世界模型后跳到了 xAI，带着一个小团队三个月就做出了 Grok Imagine。他有个很直接的观点：视频模型现在的智能主要来自语言模型，不是靠堆视频数据训练出来的。下一个 Sora 级别的突破不会是更好的视频生成模型，而是能规划、生成、修改、反复打磨一个完整创意任务的视频智能体。这期播客聊了从零...
推荐理由：我会先打个折：这篇是访谈级别的信号，不是论文或产品发布。它给了“三个月小团队从零搭建”这个事实，也点出了视频 Agent、音视频对齐和推理加速这几个方向，但正文没披露任何基准分数、具体成本数字或可复现的测试方法。所以它更像一份来自 xAI 内部的路线图预告，能帮你判断他们在往哪使劲，但暂时没法拿来做技术选型。对关注视频模型和多模态 Agent 的人来说值得扫一眼，别当结论用。
作者 Nathan Lambert 的核心判断是：在编程智能体这类对智商极度敏感的场景里，用户会一直为最聪明的闭源模型付高价，他自己就愿意每月掏 2000 美元。闭源实验室会逐渐把最好的模型藏起来，不在 API 里轻易放出，以保护利润和防止被蒸馏。他预测 5 到 10 年内，OpenAI 和 Anthropic 的估值会到 2 万亿到 10 万亿美元，...
推荐理由：我会先打个折，这是一篇个人评论，不是系统研究，所以重要性停在 featured 门槛附近是合理的。但它的 HKR 三项都站得住：观点有明确的冲突框架（h），给出了可引用的价格和估值数字（k），讨论的议题正好是当下圈子里吵得最凶的那几个（r）。正文没披露这些估值模型的具体假设，所以数字本身先别太激动，但它们作为讨论的引子够用了。
王兴在美团一季度财报电话会上说，美团的 AI 智能体“小美”很快会和腾讯元宝打通。以后你在元宝里说一句本地生活相关的需求，系统会直接跳转到美团的点餐、配送等服务，不用再切 App。王兴还提了一个新说法叫“To A”（服务 AI 智能体），认为这会是美团未来的重要方向。美团一季度营收 910.39 亿元，但亏了 68.27 亿元，由盈转亏。正文没披露“小...
推荐理由：我会先打个折：合作还是“即将”状态，具体上线时间、用户从元宝哪个入口唤起小美、订单收入怎么分账，正文都没披露。所以它是个中等体量的产品合作，放在featured层级刚好，别当重磅发布看。
作者拿《非暴力沟通》试了一遍，用 Claude Opus 4.8 把整本书拆成可调用的 AI 技能。流程分六步：先喂全书文本，让模型分析结构，再提炼框架、原则、技法、反模式和作者语气这五类内容，接着生成技能，最后做一轮自检。技能保留了书里的原始命名，比如 OFNR 四要素和“长颈鹿语言”，但触发词换成了“怎么提意见不像在指责”这种日常说法。全程花了约 ...
推荐理由：这是一篇带编号步骤的第一人称Claude实操教程，成本和token数据都摆出来了。因为属于个人教程而非Anthropic官方发布或模型更新，所以放在featured低位。
阿里云给 RocketMQ 加了一套 AI 场景的适配，叫 RocketMQ for AI。它主要干三件事：用 Lite-Topics 减少资源开销，靠有序消息防止多智能体协作时上下文乱掉，再通过流量整形避免突发请求把系统打挂。官方说已经在阿里云大规模跑过，代码也开源了，但正文没披露具体版本号和性能对比数据，实际省多少资源还得自己测。
推荐理由：这条更新把 RocketMQ 往 AI 场景推了一步，提的几个机制——轻量级主题、有序消息、流量整形——听着像是给多 agent 协作和长任务链路做减法，减少排队打架和资源争抢。我会先打个折，因为正文没给版本号、性能对比和实际落地案例，没法判断是已经能用的东西还是路线图上的规划。但方向本身不虚，agent 之间通信乱、调度不公正是真痛点，所以分数给到 74，放在 featured 里提醒一下做 agent 架构的人可以关注。
阶跃星辰这次放出的 Step 3.7 Flash 是个混合专家模型，总参数量 196B，还挂了一个 1.8B 的视觉编码器，但每次推理实际只动用 11B 参数，所以能跑到每秒 400 个 token。官方说在 Agent 任务上，它的成本只有 Claude 的零头。不过正文因为微信环境验证没抓到具体内容，实际跑分、具体任务对比和定价细节都没披露，这点先...
推荐理由：速度和参数数字都摆出来了，标题里那个成本对比很抓人。但正文没披露具体定价、基准测试的细节和开源条款，所以分数只能停在 82 这个质量更新档位。
OpenAI 放出了十多个旧金山的机器人岗位，团队由 Sora 的负责人 Aditya Ramesh 带队，是从他之前的 Worldsim 项目演变过来的。其中执行器设计工程师的底薪现金在 34.2 万到 44.5 万美元之间，另外还有 PPU 激励。不过原文因为微信环境异常，具体岗位职责和团队规模都没披露，只能看到招聘信息的大致框架。
推荐理由：这条消息有明确的团队、负责人和薪资数字，不是模型或产品发布，但作为招聘信号已经够硬。我会先打个折：目前只是招人阶段，离实际产品还有距离，这点先别太激动。不过 OpenAI 把机器人当成全栈方向来做，薪酬又直接对标顶级硬件人才，对同行抢人和行业风向都有参考价值，所以放在 featured 档位没问题。
VAST 推出了一个叫 Project Eden 的三层世界模型架构，把场景的持久状态和画面渲染拆开了。简单说，就是给 AI 生成的 3D 世界加了个“存档”功能，你改过的东西下次打开还在，不用每次都重新生成。文章还提到 VAST 在 A+ 和 A++ 轮一共融了将近 2 亿美元。不过正文因为微信页面环境异常被屏蔽了，具体技术细节和效果演示都没看到，这...
推荐理由：我会先打个折：VAST 不是一线基础模型实验室，正文也没披露具体基准测试结果或开放接入方式，所以分数落在 78–84 区间。但 Project Eden 把世界状态推演和视觉渲染拆成三层，还给了“存档”这个产品钩子，加上近 2 亿美元的融资规模，对关注仿真基础设施的从业者来说信息量够硬。
这个插件是给 OpenClaw 这类需要长期协作的智能体用的，相当于给它们装了个“第二大脑”。它用了一套六层记忆框架，还分了快慢两个系统来处理信息，目的是把零散的记忆整理成更有用的经验。官方给的数据是，记忆数量能砍掉 70% 以上，单条记忆的信息密度反而提升了 45% 多。在要处理超长文本的场景下，消耗的 token 能省下 35%，记忆更新速度也快了...
推荐理由：腾讯混元给OpenClaw这类长期协作智能体做了个记忆插件，思路是把记忆分层管理，再用快慢双系统决定什么时候调用什么记忆，目标是少记、记准、省 token。我会先打个折：目前只有官方一篇短文，没有可复现的测试、没提开源协议、也没有第三方对比，所以分数卡在 featured 门槛上。但给出的70%记忆缩减和35% token 节省这两个数，如果实测能复现，对跑长期 agent 的人来说确实挺省钱。
VAST 在 A+ 和 A++ 轮融了近 2 亿美元，同时公布了 Project Eden 世界模型的架构。这套架构把“世界状态怎么变”和“画面怎么渲染”拆开了：先有一个结构化的状态层来推演变化，中间加一层条件接口做翻译，最后再用生成式渲染层出图。正文没披露具体估值、投资方和模型落地时间表，技术细节也只给了三层框架，没有实验数据和验证指标。
推荐理由：VAST拿了近2亿美元A+和A++轮，同时把Project Eden的三层架构亮出来：状态层管世界推演，条件接口层接外部输入，生成式渲染层负责最终画面。这个拆法让世界模型不再是一团黑盒，对做3D和具身智能的人有启发。不过正文没给出任何量化指标、开源时间或实际跑通的场景，所以我会先打个折，不往顶格推。