Lauren & Matt Pocock：如何把每月数千个 PR 上到生产环境
Lauren Tan（Poteto，pstack 创作者）在 SpaceX AI 的工作中，把 Agent 提交代码做成了日常流程，实现每月数千个 PR 上到生产环境。
#Agent
#Agent
今日 0 条跨国串门儿计划AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AWS Machine Learning BlogAI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 在 AgentCore 和 OpenClaw 上构建上下文感知的 AI 助手
基于 Amazon Bedrock AgentCore 运行时和开源智能体系统 OpenClaw，可搭建具备长期记忆的上下文感知 AI 助手，AgentCore memory 负责将一次性对话沉淀为持久知识。文本走 Claude Haiku 4.5、图像走 Claude Sonnet 4.5，整套系统装在单个 AWS CloudFormation 模板中一键部署，轻度个人使用每月约 1–2 美元。
a16z(@a16z)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 a16z 对话 Valon：如何用 AI 重建 13 万亿美元抵押贷款市场的基础设施
a16z 的 Angela Strange 与 Valon 的 Andrew Wang、Linda Du 对谈，讨论如何重建仍依赖互联网前系统的 13 万亿美元抵押贷款市场基础设施。
LangChain(@LangChainAI)AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LangChain 用 90 秒讲清 Deep Agents
LangChain 发布了一段 90 秒视频，用于解释 Deep Agents。正文除视频外未披露具体功能、参数或可用性信息。
LangChain(@LangChainAI)AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LangChain 推出 Deep Agents 课程：构建长时运行的复杂工作流智能体
LangChain 上线 Deep Agents 课程，教开发者构建可长时间运行、处理复杂工作流的 AI 智能体，课程已在 LangChain Academy 开放。
a16z(@a16z)AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 的 Greg Brockman 谈 AI 找漏洞对防守方为何是伪装的好事
a16z 发布 OpenAI 的 Greg Brockman 访谈，他称能帮攻击者发现安全漏洞的 AI 对防守方其实是伪装的好事：一旦攻击者能找出漏洞就可能被滥用，但防守方可以据此打补丁，并掌握系统布防的主动权。
elvis(@omarsar0)AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 每个智能体基准都应审计其验证器：Parsewave 修复 AutomationBench 206 个验证器 bug，发布 AutomationBench Verified
Parsewave 审查了 Zapier AutomationBench 全部 600 个公开任务，用智能体写出逼真的错误答案来诱导验证器，人工复核确认 206 个真实 bug，并全部修复，发布 AutomationBench Verified。
Mistral AI(@MistralAI)AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mistral Large 4 端到端逆向分析恶意软件，12 分钟完成一天工作量
Mistral Large 4 面对未知二进制样本可完成端到端逆向分析：判定样本为 Cobalt Strike，提取 IoC 与恶意软件配置，并输出含 YARA 规则的报告以捕获后续事件。这一原本需要一天的任务在 12 分钟内完成。
elvis(@omarsar0)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AgentMail 推出 AgentID，为 AI 智能体提供独立身份登录
AgentMail 发布 AgentID，让每个 AI 智能体拥有专属验证收件箱用于登录，并关联真实人类所有者，应用可借此识别智能体背后的真人。该功能被形容为面向 AI 智能体的"Sign in with Google"，已集成提示词并在回复截图后可获 3 个月任意 AgentMail 套餐免费使用权。
elvis(@omarsar0)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Parsave 审计 Zapier AutomationBench：600 个任务查出 206 个验证器 bug，发布 AutomationBench Verified
Parsave 对 Zapier AutomationBench 全部 600 个公开任务逐一审计验证器，智能体标记出 323 个可疑验证器，人工复核确认 206 个真实 bug，并已全部修复，发布 AutomationBench Verified。
elvis(@omarsar0)AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gumloop 推出 Agent Browsers：为个人智能体提供可靠快速的浏览器使用工具
Gumloop 的 Agent Browsers 已在 Gumloop 上线，让智能体访问没有 MCP 或 API 的工作。该工具在没有连接器时会在自有云沙盒中打开浏览器，登录并下载导出文件，把任务步骤保存为 recipe 后每周自动重复执行。支持安全凭证存储与 1Password 集成、会话回放、隐蔽代理会话，且完全模型无关。
歸藏(guizang.ai)(@op7418)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Hark Pro 上线：由 Opus 5.5 和 Sonnet 5.5 驱动的 personal agent，早期用户送一个月 Pro 会员
personal agent 产品 Hark Pro 已在 web、iOS 和 Android 上线，据称由 Opus 5.5 和 Sonnet 5.5 驱动。早期申请用户可获赠一个月 Pro 会员，其左侧卡片支持 AI 自定义，整体设计与动效细节获好评。
Claude(@claudeai)AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Claude 接入 Google Docs、Sheets 和 Slides
Claude 现已支持在 Google Docs、Sheets 和 Slides 中工作，这些文件也能在 Claude 内打开。在 Google Workspace 中，Claude 以侧边栏形式出现在文件旁，读取当前打开的内容并就地编辑，每处修改可在生效前逐条确认。
elvis(@omarsar0)AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Overmind 开源：从 agent traces 构建数据集并训练自有专用小模型
作者推荐开源项目 Overmind，认为应通过挖掘 agent traces 中的知识来掌控自己的智能栈。Overmind 能从代码和 traces 构建上下文图、整理训练与评估数据集、评估提示词和模型，并训练出用户自己拥有的更小专用模型。项目地址为 github.com/overmind-core/。
LlamaIndex 🦙(@llama_index)AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LlamaIndex 参与合办 SF Tech Week 智能体经济晚宴，120+ 智能体创始人到场
LlamaIndex 等团队合办的 Agent Economy Gala 将于周五在 Redwood Room 举办，是 SF Tech Week 规模最大的一晚，采用黑领结着装、仅限受邀参加，现场有爵士乐演出。活动预计聚集 120+ 智能体创始人和 50 位投资人，合作方包括 SpaceX、Daytonaio、lemma_、Tiny_Fish、thelinqapp、Obvious 等。
Browser Use(@browser_use)AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gumloop 上线 Agent Browsers：让智能体操作没有 API 或 MCP 的系统
Gumloop 推出 Agent Browsers，让智能体能够触达没有 API 或 MCP 的工作流程。该功能支持安全凭证存储与 1Password 集成、会话回放以及隐身代理会话，且完全模型无关。
LangChain(@LangChainAI)AI 评估 · 49/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 49/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LangChain 如何在 harness 中构建模型路由器，成本降低 64%
LangChain 在编码智能体的 harness 中内置模型路由器，成本降低 64% 且未牺牲质量。Sydney Runkle 的视频介绍了具体做法：理解任务、理解模型、在 harness 中构建路由器，并跟踪任务结果。
The Rundown AI(@TheRundownAI)AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Figure AI 创始人 Brett Adcock 的 Hark 推出 Hark Pro 主动式个人 AI 助手
Figure AI 创始人 Brett Adcock 的 Hark 推出 Hark Pro，一款主动式个人 AI 助手，界面由曾发布 iPhone Air 的前 Apple 设计师主导。该产品在网页和移动端免费提供，硬件将于 2027 年推出。
Claude(@claudeai)AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Claude 推出 Startup Stack，整合 Linear、Lovable、ElevenLabs 等合作方优惠
Claude 推出 Startup Stack，整合 Linear、Lovable、ElevenLabs、Granola 和 Hex 等基于 Claude 构建的公司提供的优惠。该计划覆盖销售、设计、数据工程等工具，折扣与 credits 价值最高 45,000 美元。
a16z(@a16z)AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mandia：Armadin 年初至今在客户生产环境发现 90 多个零日漏洞
Kevin Mandia 称，Armadin 自今年 1 月以来在客户生产环境累计发现 90 多个零日漏洞，涉及大型软件公司，多数在 48 小时内通知对方 CISO。他表示团队用真实红队人员对模型做后训练，扫描时以黑盒方式从互联网侧切入、不依赖源码审查，因此能发现远程代码执行等问题；他还指出 AI 驱动的攻击会更多寻找定制应用中的逻辑漏洞而非代码漏洞，并持续穷举所有路径。
elvis(@omarsar0)AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Harness-Aware Distillation：面向小模型智能体的 harness 感知蒸馏框架
Harness-Aware Distillation 让同一教师模型分别在带与不带 harness 信息时作答，再训练学生模型偏好带 harness 时的动作，且不使用任务奖励或成功标签。
elvis(@omarsar0)AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jev 的一致性特性可用于构建智能体工作流的可靠评审器
作者称 Jev 的一个有趣之处是其一致性（consistent property），这对为智能体工作流构建可靠的评审器很有用。目前作者正在做一个小型 benchmark，以更广泛地测试这一点，并与其他决策 API 进行比较，更多内容将很快公布。
elvis(@omarsar0)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Ampersand：为企业 AI 智能体打造的系统集成基础设施
Ampersand 是专为企业 AI 智能体打造的系统集成基础设施，让智能体能够在 Salesforce、SAP、NetSuite、Workday 等系统记录中执行操作。用户只需在一份配置中定义每个客户的对象与映射，Ampersand 负责处理认证、重试、回填和监控。它已支撑 11x、Orb 和 Square 的智能体行动能力。
ElevenLabs(@elevenlabsio)AI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ElevenLabs 推出 ElevenAgents Architect，可在 Claude、ChatGPT、Cursor 等平台管理 AI 智能体
ElevenLabs 发布 ElevenAgents Architect，让团队任何成员都能在 ElevenAgents 中通过对话管理 AI 智能体。该工具还可从 Claude、Claude Code、ChatGPT、Cursor 和 Grok Bot 直接调用。
ElevenLabs(@elevenlabsio)AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ElevenLabs 推出 ElevenAgents Architect，内置 AI 智能体专家
ElevenLabs 为 ElevenAgents 推出内置专家 ElevenAgents Architect，用户只需对话或输入文字，即可让团队快速搭建并优化 AI 智能体。该功能定位为嵌入 ElevenAgents 的专家角色，官方同步发布了演示视频。
LangChain(@LangChainAI)AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LangChain 举办 The Agentic Operating Model 网络研讨会，探讨企业级智能体运营模式
LangChain 将举办名为 The Agentic Operating Model 的网络研讨会，聚焦企业规模化落地生产级 AI 时人与流程、技术如何协同演进。议题包括智能体开发与运维由谁负责、跨团队应标准化哪些内容、治理与控制应放在哪里、团队如何在不拖慢开发的前提下共享基础设施，以及如何持续评估和改进生产环境中的智能体。
Replit ⠕(@Replit)AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Replit 上线跨项目上下文能力
Replit 现在支持跨所有项目共享上下文，用户可在新对话中让它查找已有项目、添加功能，或以某个项目为参照修改另一个项目。它还能读取项目文件，把编辑作为后台任务启动，并提供链接查看改动、继续工作；官方举例包括按 Partner Marketing Hub 的配色更新 Competitor Weekly 和 GTM Strategy 幻灯片。
大模型智能AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Datawhale 开源 Jev 中文教程 Jev Cookbook，含 11 章与 18 篇 Notebook
Datawhale 发布开源中文教程《Jev Cookbook》，面向 System One 决策模型，包含 11 章系统讲解与 18 篇可运行的 Jupyter Notebook，从 Choice、Score、Noul 三种核心原语讲起，覆盖 RAG 引用过滤、动态工具路由、风险拦截等接入场景。
AWS Machine Learning BlogAI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行助手
航空应用可借助 Amazon Nova Sonic 语音模型、Amazon Bedrock AgentCore 与 Bedrock Knowledge Bases 加上一层实时语音层，让旅客用说话完成改座位、查延误、更新餐食偏好。
Figma(@figma)AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Figma agent 结束 beta，输出质量与长任务能力提升
Figma 宣布 Figma agent 结束 beta 并带来多项改进，包括输出质量提升。新 agent 在遵循指令和处理更长任务上表现更好，在与专业设计师的人工评测中胜率超过约 60%。
elvis(@omarsar0)AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 elvis 回应关注：已为该版本加入连接器与记忆改进
elvis 回应 @pidotdev 称该版本引发大量关注，此后已加入不少内容，包括用于测试多种主动能力的连接器，并小幅改进了记忆。更多更新即将发布。
Aravind Srinivas(@AravSrinivas)AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity Decider 被称最佳决策模型，Tetris 基准测试中持续领先
Perplexity Decider 被 Aravind Srinivas 称为最佳决策模型。在一项用 8 个决策模型玩 Tetris 的基准测试中，Perplexity Decider 持续排名第一，测试者可在 app.routerplus.com 的 playground 中试用。
The Keyword (blog.google)AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google Earth AI 用地理空间智能体推进公共卫生预测
Google Research 与 Google Health 发布研究，展示 Google Earth AI 结合卫星影像、移动性数据与基础模型（AlphaEarth Foundations、Population Dynamics Foundation Model），并配合 Geospatial Reasoning 智能体原型，帮助公共卫生机构预测疾病暴发。
LangChain(@LangChainAI)AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LangChain Managed Deep Agents 免费接入网页搜索，由 p0 提供支持
LangChain 为 Managed Deep Agents 免费加入网页搜索能力，由 p0 提供支持，无需单独开通供应商账号、管理额外 API key 或自行接入搜索工具。官方同时放出一段由 @ndrezn 演示的快速上手视频。
a16z(@a16z)AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Armadin Security 用 AI 智能体主动攻击企业网络，已发现 90+ 零日漏洞
a16z 介绍新公司 Armadin Security，用 AI 智能体从外部主动攻击企业网络，在犯罪分子之前找出可利用的零日漏洞，并最终实现自主修复。公司自 1 月以来已在财富 500 强企业中发现 90+ 个零日漏洞。
Aravind Srinivas(@AravSrinivas)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI 智能体实时对战《星际争霸》，Blue 2 – Red 5 蓝方落败
两个 AI 智能体在《星际争霸》中实时对战，全程不暂停，各自思考时游戏仍在继续，最终 Blue 2 – Red 5。蓝方安全发育至 41 个 Dragoons 后出击，红方以 High Templar 的 Psionic Storm 迎击，而蓝方未侦察红方建造内容。
lmarena.ai(@lmarena_ai)AI 评估 · 11/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 11/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 在 Battle Mode 与 Agent Mode 中测试 Mistral
Mistral 现可在 Battle Mode 和 Agent Mode 中测试，入口为 arena.ai。
lmarena.ai(@lmarena_ai)AI 评估 · 75/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 75/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mistral Large 4 上线 Arena 的 Agent Arena 与 Code Arena
Mistral AI 的 Mistral Large 4（代号 Le Chonk）已上线 Arena，可在 Agent Arena 中实测，投票将影响其评估，分数稍后公布。
elvis(@omarsar0)AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jev-as-a-Judge：用一致性提升 LLM 评判可靠性
Jev-as-a-Judge 通过一致性提升 LLM judge 的可靠性，适合用作评判器、验证器和持续监控。该用例被评价为 Jev 最亮眼的应用之一，作者长期从事 agent evals、judges 和 verifiers 相关工作。
Figma(@figma)AI 评估 · 47/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 47/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Figma agent 结束 beta 正式上线
Figma agent 已结束 beta 正式上线。原文未披露模型版本、参数规模或评测数据，仅附带演示视频与 Twitter 链接，浏览量超 140 万。