编码智能体 Harness 设计的实证研究
一篇关于编码智能体 Harness 设计的实证研究论文发布在 Hugging Face，论文链接已公开。原文未披露具体模型、benchmark 分数或实验结果。
#Agent
#Agent
今日 165 条AK(@_akhaliq)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。 Dify(@dify_ai)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。 Dify New Agent 如何为家居电商打造售前导购体验
Dify 用 New Agent 在一家真实家居用品商店上落地售前场景，从"帮我找 40 英镑以内的乔迁礼物"这类商品发现任务起步。它通过对话持续迭代同一个 Agent，把最初的产品发现扩展为能力更强的售前体验。Dify 称电商的难点不只是展示商品，而是帮顾客从浏览走向有把握的决定，并发布了完整案例博客。
eric zakariasson(@ericzakariasson)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。 Grok Bot 新增自动更新，过去 7 天发布 49 个版本
Grok Bot 现已支持开启自动更新，用户需升级至 0.40 版本才能启用该设置。官方表示过去 7 天共发布了 49 个新版本，自动更新可帮助用户及时用上最新功能。
eric zakariasson(@ericzakariasson)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。 Grok 机器人新增 webhook 触发器，可从任意来源唤醒
Grok 的 bot 现在支持 webhook 触发，从任意位置唤醒。创建 routine 后点击「add trigger」选择 webhook，即可接入 WhatsApp 特定联系人消息、Notion 页面变更、家庭温度传感器阈值、桌面按钮、GitHub Action 完成或服务器错误率飙升等事件。
eric zakariasson(@ericzakariasson)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。 xAI 为 Grok Bot 上线 marketplace 与 Bot 模板
Grok Bot 新增 marketplace 和 Bot 模板功能，用户可从 marketplace 添加模板。官方首批分享的 Haggle Bot 用于谈判供应商合同、查找闲置 SaaS 席位并为经常性采购比价，上线一周已为其节省超 10 万美元。
bolt.new(@boltdotnew)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。 Bolt 上线 DeepSeek V4.1 Flash：beta 用户称其生成网站最好看
Bolt 在开放模型上线首周迎来 DeepSeek V4.1 Flash 加入 Bolt Forge，该模型被 beta 用户称为生成网站外观最好的选择。官方称其使用量达到 DeepSeek V4 Pro 的 10 倍，首周构建者则以压倒性比例选中了速度最快的那一个。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 26/100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 · 26/100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。 Andrew Ng：AI 末日论被夸大，近期网络安全事件根源是沙箱配置不当
Andrew Ng 在 The Batch 中反驳最新一轮 AI 末日论，认为近期网络安全事件的真正根源是粗糙的沙箱隔离，而非 AI 软件失控，把可预测的黑客攻击归咎于过于强大的 AI 智能体就像自己砸破窗户却怪锤子。
李继刚(@lijigang_com)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。 Agent = Harness(LLM)，Result = Agent(Context)
李继刚提出两个公式：Agent = Harness(LLM)，Result = Agent(Context)。即智能体由大语言模型加上外层 Harness 构成，而最终结果取决于智能体与上下文的结合。
Fei-Fei Li(@drfeifei)AI 评估 · 8/100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 · 8/100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。 李飞飞：Agent 可以是 AI，但能动性属于人类
李飞飞表示，Agent 可以是 AI，但能动性（agency）属于人类，每个人都有责任借助工具增强自身的能动性，而北极星始终应是以人为中心。
Y Combinator(@ycombinator)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。 Kastle 为银行打造 AI 员工，已处理超 20 亿美元交易并完成 2400 万美元 A 轮
Kastle 正在为银行构建 AI 员工，其智能体可自动化抵押贷款服务、消费信贷等后台运营流程。目前 Kastle 已与 25 家顶级抵押贷款服务商中的 10 家合作，累计处理交易额超过 20 亿美元。该公司在参加 YC 两年后完成 2400 万美元 A 轮融资，两位创始人分享了如何让智能体可靠到足以处理真实金融交易。
MiniMax 稀宇科技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。 MiniMax Code CLI v0.4.12 以 MIT 协议开源
MiniMax Code CLI 的 v0.4.12 版本面向全球开发者开放，并以 MIT 协议开源，它是 MiniMax Code 客户端的核心组件，源码已发布在 GitHub。
奇舞精选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。 奇舞周刊第597期：Agent 工程与研发实践
奇舞周刊第597期汇编多篇 Agent 工程实践：淘宝百亿补贴数据分析助手 Agent 在自然语言与 SQL 间加入业务语义层，结合多 Agent 编排、知识检索与执行校验，案例查询耗时从 30—120 秒降至 3—10 秒。
乌鸦智能说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。 豆包手机助手发布消费者版本，搭载努比亚 NaviX Ultra
9月14日豆包手机助手正式发布消费者版本，搭载在努比亚 NaviX Ultra 手机上，重点转向交互、意图理解与 Agent 融入 App 生态。新版增加专属 AI 键与指纹鉴权，可检索相册、短信、便签等本地数据，并接入飞书妙记录音能力。同日推出屏幕自动化操作声明协议 SAEP，第三方应用可自主决定是否允许 AI 在应用内自动操作，规则公示 30 天至 10 月 15 日。
机器之心SOTA模型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。 豆包2.1 Pro 0915版支持多模态编程，Anthropic开源生物模型推理工具集，ChatGPT for Word上线
豆包2.1 Pro 0915版进入火山方舟模型列表，支持百万 Token 上下文与多模态编程，并强化长程 Agent 协作与异步子任务验收。Anthropic 开源含 36 套工具的生物模型推理优化工具集，报告平均提速约 4 倍，其中 FlashPairformer 专用内核加速结构预测，仓库为研究参考发布、不计划持续维护。
刘小排rAI 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。 刘小排：什么叫"创业成功"？不是上市或被收购，而是造出一台自己加速的机器
刘小排提出，创业成功不是公司上市、被收购或达到某个收入数字，而是"找到一个值得长期待下去的赛道 + 找到一个会自己变强的模式"，即哪怕创始人不再越来越牛，公司仍能越来越牛。
Founder ParkAI 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。 实时交互模型：一个还没形成共识的赛道，怎么就成了热门？
交互模型正成为一个尚未收敛的热门赛道，Loopit、Reverie AI、SigmaZ AI 等团队各以「交互世界模型」「交互模型」「下一代 AI Interface」等不同称呼切入，Runway 也推出实时角色 Characters、可交互世界 GWM Worlds 和生成交互界面的 Solaris。
夕小瑶科技说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。 每月花钱养的办公 Agent，最后成了谁的资产？——模型开源不等于 Agent 开源
SemiAnalysis 披露其公司 AI token 开销已占员工薪酬的 30%，每位员工每月消耗约 50 亿 token。文章指出模型开源与 Agent 开源是两件事，真正承载用户资产的是负责调度模型、连接工具、管理记忆的 Agent Runtime，并以 DeepSeek Harness、网易有道 LobsterAI 为例讨论执行层开源。
Hamel HusainAI 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。 AI Evals 常见问题大全：从错误分析到评估器验证
Hamel Husain 整理了他与 Shreya 在向 5000+ 名工程师和 PM 讲授 AI Evals 时收到的最常见问题，组成一份按主题分类的 FAQ。
Vercel NewsAI 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。 TypeSafe AI 的 Jev 成为 Vercel AI Gateway 史上采用最快的模型
TypeSafe AI 的 Jev 在 Vercel AI Gateway 上线 24 小时内，采用它的付费团队数量超过以往任何模型发布的两倍。Jev 在上线后首 12 小时超过所有对比模型，并在此后继续扩大领先；到第 24 小时，近 13% 的付费团队在使用它，是 GPT-5.6 系列的 2 倍、Fable 5.1 份额的 6 倍以上。
阿里研究院精选AI 评估 · 82/100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 · 82/100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。 阿里发布全模态模型 Qwen3.8-Omni-Flash
新一代原生全模态模型 Qwen3.8-Omni-Flash 正式上线千问AI平台，支持文本、图像、音频和视频输入以及 1M 长上下文，目标是把全模态能力从理解内容推进到规划任务、调用工具并完成创作。
为什么值得看
原文给出全模态模型的评测提升、API 降价幅度与配套开源工具，读者可据此判断音视频智能体的落地成本变化。
Yangyi(@Yangyixxxx)AI 评估 · 46/100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 · 46/100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 开源 Jev：小模型专管点击，大模型负责思考
browser-use 开源了 Jev，它通过将"思考"与"下一步动作"拆分，由大模型负责复杂推理，小模型只负责从页面真实按钮中挑选点击、输入、滚动等操作。该方案面向浏览器智能体、自动 QA、交易循环、Agent 路由等需要反复选择动作的场景，已有 NewMax 正在接入。
Yangyi(@Yangyixxxx)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。 Jev 实时检测 YouTube 赞助片段并自动跳过，每条视频成本约 $0.005
Tony Dinh 用 Jev 做了一个开源 Chrome 扩展，实时监听 YouTube 音频、检测赞助片段并自动跳过，每条视频成本约 $0.005。该项目为原型、采用 BYOK 模式，代码已发布在 GitHub。
硅谷101AI 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。 敢把钱包交给AI吗？Agent交易爆发前夜的信任基建
蚂蚁集团CEO韩歆毅、万事达卡首席产品官Jorn Lambert等人在2026外滩大会圆桌讨论"当Agent成为交易主体"，聚焦智能体支付中的授权、身份与责任问题。韩歆毅透露自己已用AI Agent下单买零食，并预测智能体经济将在未来6—12个月爆发，但坦承目前后台数据尚未显现迹象，行业面临"先有鸡还是先有蛋"困境。万事达卡提出"可验证意图"机制，韩歆毅则提出KYA（了解你的智能体）概念。
Yangyi(@Yangyixxxx)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。 Browser Use 创始人实测浏览器 Agent：查机票 7 秒、单次成本 0.0039 美元
Browser Use 创始人 Gregor Zunic 发布实测视频，展示浏览器 Agent 查询真实航班机票从打开网页到返回结果只用 7 秒，1 倍原速无快进，单次成本 0.0039 美元。
idoubi(@idoubicc)AI 评估 · 46/100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 · 46/100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 决策模型上线 OpenRouter：只做布尔判断、枚举选择与候选打分
Jev 决策模型已在 OpenRouter 上线，定位为 System One，不做长文生成，只处理布尔判断、枚举选择、候选打分三类决策任务。它不兼容 OpenAI Chat Completions 格式，需用 Decisions API 自行拼 state 与 questions。典型场景包括搜索意图识别、本地模型网关路由和多 Agent 协作中的 Bot 分派。
Yangyi(@Yangyixxxx)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。 谷歌 DeepMind 推出 Dream-RSI，用重放机制减少智能体调用最多 162 倍
谷歌/DeepMind 研究人员推出 Dream-RSI，让 AI 智能体通过重放过去的发现尝试来改进探索问题的方式，以低成本测试数千种替代策略，并在下一轮部署更优策略。该系统在算法设计、数学优化和 GPU 内核工程中保持或提升发现质量的同时大幅降低搜索成本，一种场景下将智能体调用次数最多减少 162 倍。其改进的是探索策略，而非底层模型权重。
Browser Use(@browser_use)AI 评估 · 14/100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 · 14/100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 Cloud 将上线 ULTRAFAST：更快、更便宜、更难被检测
Browser Use Cloud 即将上线 ULTRAFAST，官方称其具备超人类速度、成本低且难以被检测三项特性。用户可在等待名单登记，并说明自己想要自动化的任务。ULTRAFAST 目前尚未公布具体参数与上线时间。
Dify(@dify_ai)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。 Dify x TiDB 炉边对话：当用户变成 AI 智能体，后端流量会发生什么变化
Dify 与 TiDB 将于 2026 年 9 月 24 日 11:00–12:00 SGT 举办炉边对话，Lusha Chen 和 Terry Purcell 将讨论开发者从应用转向 AI 智能体后，数据层哪些假设开始失效。AI 智能体的流量不遵循人类用户的节奏，会分支、重试、保持状态，并在数据层制造并发突发流量。活动无幻灯片，含实时问答，需在 pingcap.com 报名。
Qwen(@Alibaba_Qwen)AI 评估 · 74/100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 · 74/100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。 阿里发布 Qwen3.8-Omni-Flash 全模态模型，主打智能体能力
阿里发布 Qwen3.8-Omni-Flash，称其为 Qwen 首个围绕智能体能力构建的全模态模型，将原生音视频理解、推理与工具调用整合在同一模型中，实现理解内容、规划任务、用工具执行并交付结果。
大淘宝技术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。 大淘宝技术提出 Agent 评测方法论：五层、四步、三阶段与 Auto Rubrics
大淘宝技术针对策略效果类 Agent 提出“五层、四步、三阶段”评测方法论：五层评测对象界定评什么，四步质量归因（诊断、定位、优化、验证）决定评完怎么办，三阶段上线治理（准入、灰度、监控）解决如何上线。团队同时提出 Auto Rubrics 方法，用结构化 Rubrics 替代黑盒 Reward Model，通过三层架构构建可解释的业务效果 Judge 体系，规避位置偏差与选择过拟合等陷阱。
Genspark(@genspark_ai)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。 Genspark 公布 AI Chat 与 AI Image 每周额度规则：Opus 等旗舰模型 2027 年起消耗 credits
Genspark 公布 AI Chat 与 AI Image 的每周额度使用规则：现有 Plus 或 Pro 订阅用户在 2026 年 12 月 31 日前可零 credits 使用全部模型，包括 Opus 等旗舰模型；2027 年 1 月 1 日起改用与新会员相同的条款，旗舰模型消耗 credits，Core 模型在每周额度内免费。
腾讯云开发者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。 换一套 Harness 比换两代模型还管用：Agent Harness 工程化综述
一篇综述把 Agent 的能力来源从模型转向模型之外的 Harness，按「一个循环、四个子系统、生产化、长时运行、评测、选型」展开。
数字生命卡兹克AI 评估 · 67/100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 · 67/100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。 TypeSafe AI 发布只做高频决策的模型 Jev
TypeSafe AI 发布新模型 Jev，它不生成文字，只输出决策与置信度，定位为 System One Model 通用分类器，主打高频判断场景。官方称其速度比常规大模型快 20～200 倍、成本低 40～400 倍，价格为 0.042 美元/百万 Token，输出 Token 免费，并采用名为 RLCD 的面向校准决策的强化学习方法。
阮一峰的网络日志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。 科技爱好者周刊（第 413 期）：再见了，React Native
Shopify 宣布放弃 React Native，改用 Swift 和 Kotlin 开发移动客户端，回到原生语言路线；六年前它曾高调从原生转向 React Native。周刊还提到联合国投票决定废除墨卡托投影，建议改用 Equal Earth Projection 绘制世界地图；成都市计划推出"词元券"，对企事业单位消耗的 Token 补贴不超过 30% 的消费金额。
硅谷101AI 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。 外滩大会圆桌：Agent 成为交易主体前夜，信任基建怎么搭
在2026 Inclusion·外滩大会主论坛圆桌“当Agent成为交易主体”上，蚂蚁集团CEO韩歆毅、万事达卡首席产品官Jorn Lambert、OPPO刘作虎与阿里巴巴周靖人讨论了Agent交易爆发前的信任基建。
Elastic BlogAI 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。 Elastic 如何帮美国各州应对 SNAP 支付错误与 FY2028 罚款
Elastic 推出内置于其平台的 SNAP 支付错误检测方案，用规则、机器学习与 Elastic Agent Builder 对话式调查三层能力，在案件入索引时实时识别资格错误与欺诈，而非依赖隔夜批量规则引擎。
Akshay Kothari(@akothari)AI 评估 · 20/100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 · 20/100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。 Notion 是知识工作的 GitHub，为 Notion agents 提供公司知识库
Notion 被类比为知识工作领域的 GitHub：正如 Cursor 让开发者在 Git 仓库上编码，Notion agents 让用户在公司知识文本上工作。该观点来自一条引用帖，认为任何智能体提供商都可接入这一"公司大脑"。
Vercel NewsAI 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。 Vercel CLI 支持亚秒级静态产物部署，无需构建直接返回线上 URL
Vercel CLI 现已支持亚秒级部署静态产物，运行 vercel deploy 可跳过构建步骤直接返回线上 URL，官方示例显示 802ms 即就绪。该功能自动识别符合条件的部署，支持最多 10 个 HTML 或 Markdown 文件、总大小不超过 5 MB，扩展名限 .html、.htm 和 .md。需升级至 Vercel CLI 59.16.0 或更高版本。
Greg Brockman(@gdb)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。 OpenAI 推出 Astra for Law，面向律所提供工具与技能
OpenAI 推出 Astra for Law，定位为面向律所的工具与技能集合，由 GPT-6 Astra 驱动，提供工具、设置和上下文以支持律师与法律科技公司的专业判断。该产品将数据隐私列为核心功能，包含 26 个合作伙伴构建的插件和 47 个社区插件用于 ChatGPT 中的法律工作。
Patrick Loeber(@patloeber)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。 Gemini API 中的 Managed Agents 迎来 harness 重大更新
Gemini API 的 Managed Agents 迎来 harness 重大更新，Google AI Studio 发布了相关说明。原文未披露具体更新细节与版本号。