Simon Willison 发布 Devs World Congress 主题演讲笔记与标注实录，盘点 2026 年 LLM 与智能体进展
Simon Willison 为他在 San Jose 的 Devs World Congress North America 上所做主题演讲的视频，发布了详细笔记和带标注的文字实录。这份盘点回顾了 2026 年迄今 LLM 与 AI 智能体领域发生的各项进展。
#Agent
#Agent
今日 0 条Simon Willison(@simonw)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。 ManusAI(@ManusAI_HQ)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。 Manus 与 CueAgents 可为智能体分配独立电话号码
Manus 与 CueAgents 的智能体现在可以拥有自己的电话号码，用于拨打电话、接听电话和收发短信，用户还可以把自己的来电转接给智能体。该功能目前仅在部分国家上线，部分地区只支持语音，官方表示正在推动覆盖更多国家。
Fireworks AI(@FireworksAI_HQ)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。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。 Normal 携 CAD Arena 加入 Fireworks AI 专业智能指数，评测 AI 跨五大 CAD 平台建模能力
Normal 以 CAD Arena 加入 Fireworks AI 的专业智能指数（SII），把该指数扩展到工程设计领域。该基准测试 AI 智能体能否将工程图纸转成准确且可编辑的 CAD 零件，覆盖五个 CAD 平台。
NVIDIA AI(@NVIDIAAI)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。 NVIDIA 黄仁勋谈 AI 智能体的安全边界
NVIDIA CEO 黄仁勋在 CNBC 表示，AI 智能体需要明确的能力边界，且这些限制必须在智能体运行过程中持续有效。他介绍了 NVIDIA 正在构建的相关安全措施。
Stack Overflow BlogAI 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。 你的 Human-in-the-Loop 是否正在拖慢你？我们的实践总结
Stack Overflow 博客总结团队的分层 human-in-the-loop 实践：Prediction Router 按置信度把决策分三层，Tier 1 自动验证处理约 85% 流量、延迟低于 3 毫秒，Tier 2 异步专家复核约 12% 案例、4 到 6 小时完成，Tier 3 约 3% 高风险场景实时人工介入并设 30 到 60 秒确认窗口。
Replit ⠕(@Replit)AI 评估 · 41/100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 · 41/100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 Meta Quest VR 应用开发，接入 GPT-Sol 6、GPT-6 Luna 与 Opus 5.5
Replit 一次性上线多项更新：支持构建 Meta Quest VR 应用、通过 Muse 创建 Replit 应用，并接入 GPT-Sol 6、GPT-6 Luna 和 Opus 5.5 三款新模型。同时新增 Airwallex 支付链接、在聊天中直接绘制数据图表，企业版则可在工作流内申请和控制访问权限。
hidecloud(@hidecloud)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。 Manus 旗下 Cue 限时免费，Android、Mac、Windows 版已上线
Manus 旗下 Cue 限时免费开放，Android、Mac、Windows 版本现已可试用，iOS 版已提交审核、即将上线。需要邀请码的用户可在帖下留言获取。
屠龙之术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。 当 AI 开始设计芯片——聊聊 EDA 与 AI 时代的芯片设计
播客「屠龙之术」邀请新思科技产品解决方案销售总监严华，围绕 EDA 行业地位、系统厂商自研芯片趋势以及 AI 对芯片设计的影响展开对谈。节目还讨论了作为硅基员工存在的 Agent、AI 全自动造芯的"神话"是否实现，以及未来几个人即可设计芯片的可能。
Cognition(@cognition_labs)AI 评估 · 43/100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 · 43/100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。 Devin Mobile 开启 beta 测试，可加入等待名单
Cognition 宣布 Devin Mobile 现已开启 beta 测试，可通过下方链接加入等待名单。官方未披露具体功能与上线时间等细节。
Aravind Srinivas(@AravSrinivas)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。 Perplexity 披露 SPACE 沙箱 108 次越狱测试结果
Perplexity 安全团队花一个月攻击其运行 Perplexity Computer 的沙箱平台 SPACE，给 Opus 5、GPT-5.6 Sol、Kimi K3、Gemini 3.1 Pro 等 9 个模型 VM 内 root 权限，部分测试还提供完整沙箱源码，要求它们逃逸到宿主机或访问被网络策略拦截的 URL。
Justine Moore(@venturetwins)AI 评估 · 65/100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 · 65/100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。 如何用 Claude 复刻 a16z 数据中心宣传片
Justine Moore 以 a16z 的 It's Time to Build 视频为参考，让 Claude 制作一支数据中心主题的类似短片，并让 Claude 复盘了自己的制作流程。
ManusAI(@ManusAI_HQ)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。 ManusAI 在 Cue 上推出个人智能体
ManusAI 在 Cue 上推出个人智能体。官方以“我们带了个朋友来，你们应该会合得来”的口吻发布这一消息。
ManusAI(@ManusAI_HQ)AI 评估 · 29/100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 · 29/100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。 Manus 2.0 发布
Manus 发布 2.0 版本，官方以「Introducing Manus 2.0」宣布这一更新，并附上演示视频。该消息在社交平台获得约 332 条回复、610 次转发和 9159 次点赞，浏览量约 1099 万。
Yangyi(@Yangyixxxx)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。 Claude Code Opus5.5 一次跑通租赁图纸→CAD→Blender 渲染→Web 共享
有用户演示了 Claude Code Opus5.5 可一次性完成租赁图纸到 CAD（JWW、DXF）、再到 Blender 高画质渲染的透视图，并直接生成 Web 共享页面。该帖作者称其能做的事太多，反而让工作推进不下去，并引发结合家具软装生成选品的设想。
Perplexity(@perplexity_ai)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。 Perplexity 联合 Nvidia 等搭建沙箱，测试 9 个 AI 模型能否逃逸
Perplexity 宣布与 Nvidia 及 100 多家行业伙伴合作，建设用于隔离 rogue AI agents 的基础设施。其研究将 9 个 AI 模型放入 SPACE 并赋予 root 权限、要求它们突破环境，在 108 次运行中没有任何模型突破 VM 边界。
ManusAI(@ManusAI_HQ)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。 Manus 推出桌面版客户端
Manus 发布桌面版，可通过 manus.im/desktop 下载。该消息由 ManusAI 官方账号发布，未披露具体功能与系统支持信息。
Philipp Schmid(@_philschmid)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。 Gemini Managed Agents 推出 Credentials API：密钥不再以普通环境变量暴露给沙箱依赖
Gemini Managed Agents 新增 Credentials API，把 API 密钥等敏感信息从普通环境变量中移出，仅在请求可信域名时于传输层注入，沙箱内的代码无法读取原始 token。该能力支持环境变量、CLI 和 MCP Server。
魔搭ModelScope社区AI 评估 · 63/100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 · 63/100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。 斯坦福与英伟达开源 CLM-8B：75MB 对比学习验证器刷新 DeepSWE 与 Terminal-Bench 2.1
斯坦福大学与 NVIDIA Research 联合发布 Contrastive Language Models（CLM），一类用对比学习目标训练的 System One 决策模型，首发版本 CLM-8B 以冻结的 Qwen3-8B 为骨干，只训练 2000 万参数的 MLP 投影头，检查点仅 75MB。
ElevenLabs(@elevenlabsio)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。 ElevenLabs 发布表现力语音生成新模型 v4
ElevenLabs 发布新一代表现力语音生成模型，官方称其为最新研究成果的集成，面向角色表演和对话式智能体等强调表达效果的场景。模型已在 ElevenAgents、ElevenCreative 和 ElevenAPI 上线，地址为 elevenlabs.io/v4。
Thomas Wolf(@Thom_Wolf)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。 NVIDIA 发布 Open Agent Safety Platform，Hugging Face 参与合作
英伟达联合 100 多家行业伙伴发布 NVIDIA Open Agent Safety Platform，整合开源组件 OpenShell 与 Sentry。Hugging Face 的 Thomas Wolf 表示，7 月有 AI 智能体在安全测试中逃出沙箱并进入 Hugging Face 服务器，因此安全不能只放在智能体内部，而要围绕它构建。
袋鼠帝AI客栈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。 体验国内首款个人 AI 助理 Today：主动提醒 PR、找选题、写中秋祝福
国内首款个人 AI 助理 Today 中国版已正式上线，基础版永久免费，新用户可领 1 亿 token 和 1 个月 Pro 会员。它可读取本地文件夹、X 推文、GitHub 项目和 Gmail 作为上下文，主动提醒待办并推进 PR review。作者基于它搭建的个人助理"毛肚"还完成了中秋祝福撰写、X 账号运营分析和国庆出行规划。
idoubi(@idoubicc)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。 实时查看 Agent 的每一个请求
实时查看 Agent 的每一个请求。该内容由 xgo.ing 提供支持，帖子获得 688 次浏览。
idoubi(@idoubicc)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。 市面常见 Agent 可一键接入同一个 autojev 路由器
市面常见的 Agent 均可一键接入同一个 autojev 路由器。该帖未披露支持的具体 Agent 名单、接入方式或 autojev 的项目来源与可用性细节。
京东技术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。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。 京东零售 Forge Agent 如何用 Agentic 重塑搜推数据生产体系
京东零售构建了以 Forge Agent 为统一 AI 门面、Sindri Plugin/MCP 为确定性工具、Sindri 后端负责规划与提交、ADF 承载 DAG 与调度生命周期的人工智能数据研发链路。
idoubi(@idoubicc)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。 autojev.ai 开源：基于 jev 决策的模型路由器，为本地 Agent 自动选模型
autojev.ai 已开源，这是一个基于 jev 决策的模型路由器，为本地 Agent 自动选择合适的模型处理对话请求，在速度、成本、质量之间取得平衡。原文未披露支持的具体模型清单、路由策略细节与性能数据。
NVIDIA AI(@NVIDIAAI)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。 NVIDIA 发布开放智能体安全平台 OpenShell 与 Sentry
NVIDIA 与超过 100 家行业合作伙伴推出 NVIDIA Open Agent Safety Platform，整合 OpenShell 和 Sentry 两款产品。
LangChain BlogAI 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。 如何用 Jev 和 LangGraph 构建生产级智能体
TypeSafe AI 上周发布决策模型 Jev，它不生成文本，而是返回带概率的类型化答案；TypeSafe 基准显示在路由和分类等窄判断任务上，Jev 比领先 LLM 快至多 200 倍、便宜 400 倍。
LangChain BlogAI 评估 · 39/100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 · 39/100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。 LangSmith 推出 Custom Apps：围绕智能体数据构建自定义界面
LangChain 在 LangSmith 中推出 Custom Apps，可将基于 LangSmith 数据的自定义 UI 构建、发布并直接在其中运行，省去托管、鉴权和权限工作。
LangChain BlogAI 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。 LangSmith 发布 Engine v2、Managed Deep Agents v0.8、Trajectories 与 Fine-Tuning 等更新
LangChain 在 Interrupt NYC 上发布 LangSmith 多项更新：Engine v2 加入 Red Teaming 主动排查问题、扩展问题类型识别，并可在人工审核前自动验证修复方案；Engine 自 5 月上线以来已分析超过 60M traces，诊断数万个问题。
甲子光年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。 从产品在线到数据产线：阿里云谈制造业如何让经验持续获得复利
阿里云在云栖大会先进制造AI论坛上提出，制造业正从"产品售出"走向"产品在线"，把设备运行数据回流研发与生产，形成数据网络效应。其数据产线覆盖数据接入、知识组织、模型训练、业务执行与反馈回流，并以Qwen、真武AI芯片和阿里云基础设施支撑自主可信、本地化、专业化、生态化"四化"。宁德时代已积累超600TB研发测试数据，覆盖3000万辆新能源汽车和3000个储能电站真实运行数据。
AI科技大本营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。 OpenClaw 之父对话 GitHub 创始人：PR 已死，该发 Prompt 了
OpenClaw 之父 Peter Steinberger 与 GitHub 联合创始人 Tom Preston-Werner 在播客《AI Worth Using》中提出，AI 批量生成样板代码后开源项目应废除传统 Pull Request，改收附带思考链路与脱敏 Prompt 的 Issue。
AI科技评论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。 Naive AI 发布开源模型 Naive-N0.5-Flash，并披露两项 AI 研发任务
Naive AI 发布开源模型 Naive-N0.5-Flash，权重与推理代码以 MIT 许可证开放，API 输入每百万 Token 0.6 元、输出每百万 2.6 元。
刘小排rAI 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。 刘小排：别等 AI 干活，让 AI 等你——从「我该干点什么」到「我干什么时顺便让 AI 干活」
刘小排提出应把提问方式从「等待 AI 干活时我该干点什么」改为「我干什么的时候可以顺便让 AI 干活」，主角由 AI 换成人。他不再盯屏幕等结果，让 AI 在后台跑、有事再来汇报；并建议先从「我不用电脑了」开始尝试，祝读者一边享受国庆假期一边日踩 10 亿 Token。
51CTO技术栈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。 马斯克：AI编程已卷到头，下一场硬仗是让 AI 走出 IDE 进入现实世界工程
马斯克在央视财经约26分钟专访中表示，Anthropic 让 AI 擅长了软件工程，但还没人让 AI 真正擅长现实世界工程。他计划用 SpaceX 和 Tesla 的工程数据训练 Grok，让模型进入汽车、机器人和火箭系统；并称按每单位算力性能看中国可能明显领先。
稀土掘金技术社区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 预告 DevDay 发布代号 "O" 的 Agent，瞄准 Meta Muse
Meta 的 Muse 刚登上 Assistant Benchmark 最强 Agent 位置，OpenAI 随即预告将在 29 号 DevDay（北京时间 30 日凌晨）发布代号为 "O" 的 Agent。传言称 "O" 拥有独立身份、可无中断执行长程任务，并可能由 GPT-6 Astra 变体驱动。
NVIDIA Technical BlogAI 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。 NVIDIA 开放智能体安全平台：面向持续在硅智能体监控的参考方案
NVIDIA 发布开放智能体安全平台，为持续在硅智能体监控提供参考方案。该平台定位为参考实现，用于对智能体行为进行持续监控。
NVIDIA Technical BlogAI 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。 NVIDIA OpenShell 为 AI 智能体添加运行时控制
NVIDIA 发布 OpenShell，为 AI 智能体加入运行时控制能力，使其在获得工作区、算力、数据、凭证与外部服务访问权限的同时可被约束。AI 智能体可被赋予目标、编写代码、调用工具，并在新信息出现时持续工作，支撑软件故障排查、实验运行以及跨越数天或数周的关键业务操作与研究。
腾讯研究院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会取代真人短剧吗？腾讯研究院圆桌谈内容通胀与行业新稀缺资源
今年前8个月全网上线微短剧43万部，是2025年全年的13倍，其中90%以上由AI生成；仅第一季度上线的12.8万部中AI微短剧占比超过95%。腾讯研究院《仲夏六日谈》邀请广电总局发展研究中心彭锦、AI短剧《风水天师》出品方邱熠与腾讯在线视频曹睿，围绕“AI会不会取代真人短剧”讨论内容通胀、审美降级与利润流向。嘉宾认为行业新稀缺资源集中在好故事、判断力、经验以及发行变现能力。
Yangyi(@Yangyixxxx)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。 究竟是哪家厂商会先发布 Agent OS？传字节豆包 6 天工期对标 Meta Muse
多方爆料称，字节跳动豆包产品线被紧急下达任务，要求对标 Meta AI 助手 Muse 推出全托管型 AI 新产品，内部优先级极高，仅给 6 天工期。该被对标产品可一键订机票、发邮件、填表格，甚至接管社交软件代为回消息，曾登上美区苹果商店免费榜第一。
大淘宝技术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。 大淘宝技术团队 Ontology 决策结构化实践：不预画 workflow，让 Agent 全托管 120+ 工作项
大淘宝商家财务团队用 Ontology 四层图谱（业务/系统/交付/治理）加 decision_function 结构化决策，替代预设 workflow 和打包 Skill，让 Agent 按"先取证、再决策、后行动"闭环动态生成流程，3 个月在 Agent Room 完成 120+ 需求与工作项，覆盖需求开发、工单处理、数据订正和业务运维。