想30分钟写出好skill？用Anthropic官方五项标准评审internal-comms
写好 skill 的前提是先看懂好 skill 的标准，评审优秀 skill 有五项标准：description、触发策略、正文、第三层、一致性。
#Agent
#Agent
今日 0 条架构师之路AI 评估 · 32/100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 · 32/100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。 机器之心AI 评估 · 50/100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 · 50/100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。 VA-Bench 测出大模型空间智能执行断层：目标识别接近满分，完整任务成功率仅约一半
VA-Bench 以观察、推理、行动、修正的闭环测试 12 个多模态模型，覆盖 14 类机器人操作任务共 280 个基础场景。表现最好的模型在目标识别与定位上达到 100%、操作语义理解达到 99.6%—100%，但 Qwen3.8-max、Opus-5 和 GPT-5.6-sol 的完整任务成功率分别只有 53.93%、52.86% 和 51.55%。
AI前线AI 评估 · 70/100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 · 70/100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 研究员 Noam Brown：1 万个 Agent 解出千禧年难题，多 Agent 贡献不到 10%
OpenAI 研究员、o1 早期奠基者之一 Noam Brown 在与 Dwarkesh Patel 的对话中表示，用 1 万个智能体在 88 小时内消耗 1300 亿 token 解决一道千禧年大奖难题，功劳主要不在多智能体，他估计多智能体的贡献不到 10%，核心原因是拥有一个强大的通用模型。
meng shao(@shao__meng)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。 反对个人 AI Agent：Nathan Baschez 提出共享「AI 工厂」范式
Nathan Baschez 认为 99% 公司让员工各自折腾 Codex、Claude Code 等个人 AI Agent 的模式不是终局，下一步应是共享的「AI 工厂」。与 Skills 不同，工厂要求系统 Shared、Specific、Scrutinized——尤其可审视性决定反馈回路是否存在。他以两家百人咨询公司为例：集中建设共享工厂的一方在学习曲线上可深入约 5 倍。
AINLPAI 评估 · 69/100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 · 69/100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。 微软与 UCSB 提出 ScholarEvolve：用论文进化 Agent Harness
微软与加州大学圣巴巴拉分校研究者公开论文 ScholarEvolve，从已发表 Agent 研究中提取改进思路，写入运行框架 Harness，再用真实任务检验，执行任务的模型本身保持不变。
逛逛GitHubAI 评估 · 25/100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 · 25/100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。 盘点 20 个 9 月份 GitHub 上顶顶顶的开源项目
逛逛GitHub 盘点 9 月 GitHub 上 20 个热门开源项目，月增 Star 最高的是 Archify，约 3.34 万，用 Skill 把系统描述或代码仓库画成交互式架构图；Ponytail 以约 3.12 万 Star 教 Agent 优先复用现有代码。
elvis(@omarsar0)AI 评估 · 58/100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 · 58/100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。 UT Austin 研究：编码智能体上下文压缩可能让运行更慢
UT Austin 对编码智能体中的上下文压缩做了一项研究，在 SWE-bench Verified 和 Terminal-Bench 上跑了近 35,000 次智能体运行，分别改变压缩方式、触发时机和压缩比例三个变量。
山行AIAI 评估 · 27/100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 · 27/100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。 给 Excel 接上 MCP：Precis 如何把表格质检变成 Agent 基础设施
本地优先的 Excel / CSV / TSV 数据质量工具 Precis 通过 MCP 暴露 validate_data、check_config、describe_constraints、infer_schema 四个工具，让 AI 助手负责解释需求、生成规则草稿和触发校验，确定性规则执行仍落在本地引擎。
Guillermo Rauch(@rauchg)AI 评估 · 32/100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 · 32/100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。 fx v0.0.13 发布 Ultrafast 支持：启动快 23 倍、shell 调用快 8.6 倍
fx v0.0.13 新增 Ultrafast 支持，针对受支持的 OpenAI 模型将启动速度提升最高 23 倍、shell 调用提升 8.6 倍、退出提升 44 倍，并加入可配置的自动压缩。Guillermo Rauch 表示，随着模型本身加速，harness 开销愈发关键，下一版将改进会话存储与检索，并在 libfx 中解锁云端持久性。
Guillermo Rauch(@rauchg)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。 Vercel 的 Rust 化：DHH 说得对，但 AI 智能体改写了迁移成本账
Vercel 持续推进 Rust 化，早期把 Turborepo 从 Go 迁移到 Rust，迁移虽完成，但内部对回报争议很大——Rust 更适合构建系统所需的底层系统访问，人力迁移成本却相当高。Guillermo Rauch 表示，随着 AI 智能体到来，这一权衡已被改写，"对人类最好"不再等于"对业务最好"，Rust 也未必是终极工具链。
Browser Use(@browser_use)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。 Browser Use 推出 JS 版，随 browser use pi 发布
Browser Use 推出 JavaScript 版本，已随 browser use pi 一同发布。此前大量用户询问 JS 版浏览器使用能力，官方现已在 GitHub 上线对应仓库。
Jerry Liu(@jerryjliu0)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。 Jerry Liu：ChatGPT/Codex 是目前最好的深度工作智能体界面，但 Claude 应用缺少分支功能
Jerry Liu 认同 ChatGPT/Codex 拥有当前最好的深度工作智能体界面，理由是它把编程与知识工作统一在一个界面中，ChatGPT 与 Codex 之间切换没有明确分离的流程，并支持分支（forking）。他仍喜欢 Opus 5.5，尤其用于产品演示，也认为 Claude Code CLI 已是 CLI 应用能做到的最好水平。
Jerry Liu(@jerryjliu0)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。 LlamaIndex 发布 Extract v2.5 文档抽取智能体
LlamaIndex 推出 Extract v2.5 系列文档抽取智能体，包括 cost-effective、agentic、agentic plus 三个档位，称在 ExtractBench 上价格性能达到 SOTA，抽取表现优于 Opus 5.5 和 GPT-6 Sol 且便宜 30%-4x。
Aravind Srinivas(@AravSrinivas)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。 Perplexity Computer 支持构建垂直 AI 应用，可做图像地理定位 GeoGuessr
Perplexity 的 Computer 支持用户在内部构建自定义垂直 AI 应用，例如用 3D 与卫星视图猜测图像空间位置。
宝玉(@dotey)AI 评估 · 23/100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 · 23/100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。 马斯克的三条管理指令适合用在 AI Agent 身上，可惜 Agent 不怕被开除
马斯克规定管理人员收到明确指令的邮件只能有三种回应：解释为何有误、要求澄清、或直接执行，否则将被要求立即辞职。有人将这三条规则套用到 AI Agent 上，但指出 Agent 并不怕被开除。
AI Engineer(@aiDotEngineer)AI 评估 · 12/100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 · 12/100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。 Anthropic 将在 AI Engineer New York 举办 Claude Managed Agents workshop
Anthropic 的 Claude Managed Agents 实操 workshop 将于 10 月 12 日在 AI Engineer New York 开讲，由 cjav_dev 和 Harrison Stall 主讲，内容为 Managed Agent 的最新功能。活动 10 月 12 日至 14 日在纽约举行，workshop 需在会议通票之外另行购买。
Lenny Rachitsky(@lennysan)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。 OpenAI ChatGPT 与 Codex 负责人谈模型选择器将消失、Agent 将接管网络操作
OpenAI ChatGPT 与 Codex 负责人 @thsottiaux 在访谈中表示，模型选择器很可能消失，循环与图结构只是过渡阶段，未来互联网上大多数操作将由 AI 智能体完成，并谈及 OpenAI 的 AI 安全思路。
掘金本周最热AI 评估 · 69/100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 · 69/100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。 Muse 登顶 App Store 第一并开源 Muse Gadget SDK，AI Agent 开始进入下一个阶段
Meta 的 Muse 登上美国 App Store Productivity 分类第一，评分 4.9、超过 10 万条评分，同时 Meta 开源了 Muse Gadget SDK。
AI Engineer(@aiDotEngineer)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。 Citadel Securities COO Jay Woo：公司缺少自身世界模型，如何用 Slack、演示文稿和会议构建
Citadel Securities COO @jay_wooow 提出"公司没有自身的模型"，主张用 Slack、演示文稿和会议记录构建企业世界模型。他将分享该模型如何保持时效，以及构建过程中出现的问题。演讲定于 10 月 14 日 AI Engineer New York 主题演讲，大会时间为 10 月 12 日至 14 日。
meng shao(@shao__meng)AI 评估 · 68/100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 · 68/100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。 LiteLLM 推出 Agent 轨迹智能分析功能 LiteLLM Lens
LiteLLM 推出 Agent 轨迹智能分析功能「LiteLLM Lens」，可自动审查海量生产运行轨迹、聚类问题并给出带证据的改进建议。轨迹数据自托管在用户自己的 ClickHouse 中，并提供无速率限制的 SQL/API，让 Codex、Claude Code 等编码工具直接消费轨迹数据。
Harrison Chase(@hwchase17)AI 评估 · 31/100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 · 31/100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 编程智能体成本连续两月大幅下降，Harrison Chase 分享三步降本做法
LangChain 的编程智能体成本连续第二个月显著下降。Harrison Chase 给出的三步做法是：用 LangSmith 追踪全部用量实现成本可见性、通过 LLM gateway 设置用户级成本上限、并借助其开源云智能体框架 OpenSWE 做模型路由来优化 harness。第三方 harness 优化难度更大，相关长文将后续发布。
Aravind Srinivas(@AravSrinivas)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。 Perplexity Decisions API 驱动，宝可梦火红四天王+冠军一次通关
宝可梦火红版的四天王与冠军被一次通关，决策由 Perplexity Decisions API 驱动。实测 137 次实时 API 调用，中位响应 592 毫秒、p95 为 987 毫秒，96.4% 的响应在一秒内，推理成本约 0.028 美元。
AI寒武纪AI 评估 · 66/100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 · 66/100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。 Karpathy 公开私藏提示词：大模型4级玩法
Andrej Karpathy 时隔两个月发文，公开了自己日常让大模型把内容讲透的四级递进技巧。第一级是写作，用航空维护文档规范 ASD-STE100 让模型产出受控文本。
新智元AI 评估 · 57/100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 · 57/100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。 Fable 5.5 首测：纯代码生成3分钟人类史短片
外网博主 @imjustnewatai 用 Fable 5.5 输入一句提示词，生成了一部 3 分钟人类数万年进化史短片，把人类发明史压缩成一天 24 小时，从 23:40 的洞穴壁画到 00:00:00 的 2026 年，再以指数速度想象 2031 年之后。
向阳乔木(@vista8)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。 向阳乔木实测让任意 Agent 调用 Codex Computer Use
向阳乔木发现并测试通过一种方法，可让任意 Agent 调用 Codex 的 Computer Use，他借此把常用的 Claude Opus 5.5 与 Codex 的 Computer Use 能力结合使用。安装后建议配置 Hook，指定白名单以控制哪些 App 可被调用，安装地址在评论区。
meng shao(@shao__meng)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。 阿里 OpenSandbox 等六款开源 Agent Sandbox 盘点：腾讯云、字节、AWS、Google 方案对比
阿里「AI Native 研发范式实践手册」的 Agent 运行环境章节介绍了阿里开源的 OpenSandbox，其支持 Docker/Kubernetes、多语言 SDK、MCP 及浏览器、桌面等执行环境。
Viking(@vikingmute)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。 Claude 官方发布《Getting the most out of Opus 5.5 in Claude and Claude Code》实战指南
Anthropic 发布由 Addy Osmani 撰写的官方文章《Getting the most out of Opus 5.5 in Claude and Claude Code》，讲解如何充分发挥 Opus 5.5 的能力。内容涵盖任务下达、Long Run 控制、结果验收、Claude App 使用技巧，以及敏感内容被判定后自动切换更旧模型继续回答的安全开关机制。
宝玉(@dotey)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。 宝玉：别急着学 Lauren 不 Review PR，先弄明白她凭什么能这么做
宝玉认为，Lauren 敢不 Review PR 的前提是能用上 Fable、Opus 5.5 这类最强模型且不用考虑 Token 成本，而 GPT-6 操作电脑的水平虽已超过真人，也只能替代一部分验证工作。他建议从自己日常开发流程出发，把手动重复的环节交给 Agent，再沉淀成 Skill 反复迭代，同时方向仍要靠专业判断来指。
宝玉(@dotey)AI 评估 · 53/100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 · 53/100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。 宝玉：SpaceXAI 的 Lauren Tan 月并 2500 个 PR 如何不逐个 Review
宝玉引用播客内容介绍，SpaceXAI 做 Grok Bot 的 Lauren Tan 一个月合并 2500 个 PR，不逐个 Review，而是晚上让 AI 自检自合并、第二天早上抽查。
人人都是产品经理AI 评估 · 58/100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 · 58/100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。 腾讯上线企鹅微单，搭建AI技能接单撮合平台
腾讯上线小程序企鹅微单，连接需求方与AI图片、AI视频、剪辑等内容创作者，把发需求、匹配、拉三方微信群、下单付款、交付验收的链路收进微信。平台计划加入AI助手帮需求方把时长、平台、风格、用途等问清楚，该功能目前显示升级中即将上线；付款按部分预付、验收后结清的方式结算。目前平台处于邀请阶段，需联系客服开通。
极客公园AI 评估 · 69/100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 · 69/100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 之后，中国团队开始深挖 AI 的「直觉层」
前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 于 9 月 15 日发布只做判断的 Jev 模型后，OpenAI 推出 Decisions API。
机器之心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。 OpenAI 产品负责人 Tibo 预告 Astra 6.1 将至，新模型将更擅长删除和简化代码
OpenAI 产品负责人 Tibo Sottiaux 预告下一代模型将更擅长删除和简化代码，并在评论中透露「6.1 coming soon」。负责 coding post-training 的研究员 Rajan Agarwal 同时向用户征集模型的 sloppy code 案例。
机器之心AI 评估 · 50/100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 · 50/100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。 南洋理工大学安波团队研究：Agent Harness 如何按模型与任务组合选择
新加坡南洋理工大学安波教授团队发布报告《Finding the Right Fit: Model–Harness Interactions across Agent Tasks》。
AI前线AI 评估 · 53/100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 · 53/100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。 Anthropic 技术负责人：蒸馏会毁掉前沿研发，中美 AI 竞赛不会单边暂停
Anthropic 两位强化学习技术负责人 Nicholas Marwell 和 Sholto Douglas 在一档播客中表示，未来几年很可能出现能力达到或超过所有人类的模型，而蒸馏只能复制当前前沿、无法推进下一代，因此反对不设门槛地释放能力。
李继刚(@lijigang_com)AI 评估 · 27/100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 · 27/100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。 Agent 发展的补短板史：支撑技术如何决定模型能力落地
回看 Agent 的发展，基本是一路补短板：缺少当前事实就加检索和数据接口，长任务容易丢信息就加状态保存和上下文管理，工具调用会失败就加重试、检查和恢复，行动可能越权就加权限隔离和审批。这些支撑技术决定了模型的原始能力能否真正落进现实场景，但也带来延迟、维护成本、错误传播和协调开销。外围不断加支撑系统兜底，模型进步又把其中一部分能力吸收进去，让结构重新变简单。
李继刚(@lijigang_com)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。 Agent 探出有效路径后，可将稳定部分固化成脚本或流程
AI 世界里时间几乎不存在，可以飞快遍历可能性的解空间。Agent 一旦探出有效路径，就能把其中稳定的部分「固化」成脚本或流程。
Z PotentialsAI 评估 · 31/100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 · 31/100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。 红杉美国 Konstantine Buhler：99.9% 的脑力劳动将由 AI 完成，人类的价值转向选择、责任与信任
红杉资本合伙人 Konstantine Buhler 提出，脑力劳动正沿着体力劳动的老路机械化：约两百年间体力劳动从 99% 由生物完成变为 99.9% 由机器完成，而不远的未来 99.9% 的脑力劳动也将由机器完成，认知革命规模更大、速度更快。
InfoQ 中文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。 o1 奠基人 Noam Brown：1 万个 Agent 解出世界级难题，多 Agent 贡献不到 10%
OpenAI 研究员、o1 早期奠基者之一 Noam Brown 在与 Dwarkesh Patel 的对话中表示，1 万个智能体花费 88 小时、消耗 1300 亿 token 解决一道千禧年大奖难题，功劳并不主要来自多智能体，他甚至连 10% 都不会归给多智能体，真正支撑突破的是足够强大的通用模型和让它持续并行思考的能力。
Lenny Rachitsky(@lennysan)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。 Sriram Krishnan：个人智能体时代产品经理回归
Sriram Krishnan 认为，个人智能体的设计与 UX 让产品管理重新变得关键。Instinct、dot、muse、grok bot 都在大量投入产品工作，把 UX 与底层模型能力及其服务访问打通，用户往往不关心底层模型，而在意 muse 活动通知、Instinct 的点赞 emoji 这类细节。
山行AIAI 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。 PowerTokens/video-studio：用 Excel 管理几十个镜头的 AI 短剧批量生产实战
PowerTokens/video-studio 是一款面向 Windows 的 Wan 3.0 视频批量生成工具，支持 Excel/CSV 导入镜头表、任务 ID 恢复、断点下载、Key 池、CLI 与 MCP，采用 MIT License，主要代码为 Python，截至 2026 年 10 月 1 日仓库约 1 Star。