← 周刊书架第 004 期
中 EN
NO. 0042026.10.11—10.17

AI 趋势周刊

每周一更新 · 理解正在发生的变化

戴蓝色贝雷帽的 Airing 熊猫在编辑台检查任务进展、证据和下一步;AI 概念插画。

封面专题 · 常驻与交付

Agent

常驻之后
怎样放心交付?

让进展、证据和下一步一起留下
熊猫编辑台 · AI 概念插画

Agent 工程Scion:代码多了以后

研究与工具研究新同事 · 5 款工具

AIRING’S READING DESK

004

Agent 常驻之后,
怎样放心交付?

这周,AI 开始长期待在工位上。我们把问题往前推一步:它忙了一夜之后,怎样留下别人能接手的工作?

本期编辑
Airing ↗
本期范围
2026.10.11 — 2026.10.17
出版日期
2026.10.19每周一更新
本期收录
34 篇阅读 · 5 个主题周内 32 篇,10 月 18 日补记 2 篇

本期导读

先把一件事交接好,再谈一支 Agent 团队。让进展、证据和下一步一起留下。

取材于 Airing 的阅读流原文、核查资料与图像出处随文附上。

01

Personal Agent

从常驻产品到持久任务,追问谁负责、谁验收、怎样接着做。

封面专题

把工作交出去,也要让人接得住

常驻解决的是谁继续运行,交付解决的是谁能接受这个结果。

一台不关机的电脑,还不是一位可靠的同事

这周的 Personal Agent 产品有一个共同动作:把 AI 从一次对话里搬出来,放进一台持续在线的电脑。你离开之后,它还能整理文件、运行程序,等到指定时间再做下一件事。Founder Park 的文章把这轮变化梳理得很清楚:产品有的住在独立 App,有的通过短信和邮件出现,有的干脆是一支有名字的 Bot 团队;底层则逐渐收敛到云端电脑、长期记忆和外部工具连接。12

这解释了它为什么令人兴奋。以前我们把问题带到聊天框,现在可以把一段工作留给它。但也正是在这里,评价标准变了。回答一条消息,只需检查眼前的答案;把任务托付一晚,第二天需要知道它做到了哪里、哪些结果可信、剩下的工作由谁接手。

常驻解决的是“谁继续运行”,交付解决的是“谁能接受这个结果”。 我更在意后一件事。一个助手连续忙了八小时,如果回来仍要从头核对所有过程,那只是把劳动换成了监督。

从“帮我管生活”,缩小到一件可以结束的事

Founder Park 提到退订服务这样的切口:任务有对象,也有明确结果。相比笼统的“管理我的生活”,我们更容易判断一项订阅是否取消、是否收到确认、下一期是否仍会扣款。真正让人愿意再次委托的,往往是这样一次完整的小闭环。

Dots 与 Jev 的社区指南讨论了另一种分工:快速决策层负责选择、评分和分流,能力更强的模型负责执行。Grok Bot 的入门教程则列出定时整理、内容复用、支持请求分诊等例子。它们都让“持续工作”有了具体形状,但任务便宜不便宜,要连同重试、升级、核查和人的时间一起计算,不能只比较一次模型调用。02 04

拿我自己的周刊举例,比起“今晚帮我做一期”,更有用的委托是:“把这个时间范围的收藏全部归档,合并同题材料,给每个判断标来源,交一份手机能读的草稿。”前者让 Agent 猜什么叫好;后者至少让我们可以检查是否遗漏、引用是否支撑论点,以及页面是否可读。清楚的完成条件,会直接减少后面的来回确认。

01 / THE HANDOFF

把“完成了”写成一份交接单

编者示例 · 周刊草稿的交接单,不是实际执行记录。

WEEKLY / 004交给下一位编辑
01任务与边界
整理公开收藏,交可读草稿

本轮停在预览,发布另行决定。

02进展与证据
文章、来源编号、页面截图

每一项结论,都能回到相应文件或材料。

03未解决的问题
两条收益说法缺完整账本

保留疑点,不能归入“已验证”。

04下一步与负责人
编辑看稿,决定修改与发布

下一位不用重读整段聊天,便知道从哪里开始。

验收对象:交付物。聊天记录能提供线索,不能替代这些材料。

团队规模之前,先把交接做一次

这周收藏的 Grok Bot 团队模板,把参谋长、功能负责人和验证者分开。公开配图里最有价值的设计,是提交工作的人不负责宣布自己验收通过;验证要指向可检查的产物,例如复现步骤、测试结果、截图或运行记录。原帖展示的是模板的一页,不能把它当成一套已经验证有效的完整组织方案。06

不过,这个分工足够启发我们:多 Agent 协作真正增加的不是“脑子”,而是交接次数。采集说链接齐了、写作说稿子好了、排版说构建通过了,三句话仍可能拼不成一期好周刊。需要有人把验收条件串起来,并能指出哪个环节还没有证据。

飞书接入教程降低了把这些角色带进群聊的门槛。接通之后,下一步应当是让消息指向同一项任务:任务归谁,结果存哪里,哪些决定需要编辑。这些信息如果只散落在聊天记录里,人很快就会成为每个 Agent 的人工路由器。19

断线之后,别让“再来一次”成为默认答案

Pi 的 Durable Objects 教程提供了更底层的例子:把会话、任务和请求回执保存在持久状态里;请求重发时,先确认之前是否已经创建过对话;恢复检索时,找回原先的子任务。检索子代理还排除了过去的检索产物,避免一次摘要被下一轮当成原始证据。30

这里最容易混淆的是两种恢复:恢复计算,和重复执行一个外部动作。重新分析一份文件通常可以重来;已经发过的邮件,不能因为没有收到回执就再发一次。教程也提醒,闹钟可能重复触发,外部调用并不天然只有一次。可靠的系统要能够承认“结果未知”,然后先查证,再决定是否重试。

02 / RECOVERY

回来以后,先分清是哪一种状态

依据 Pi 教程整理的恢复判断;不是对任意外部服务的保证。

同一任务 ID查看持久记录与回执
已确认完成

找到可验证的结果

返回已有产物,不重复执行。
尚未执行

记录显示仍在等待

从未完成的步骤继续。
结果未知

请求发出,回执丢失

先查询外部状态,再决定重试。

要点:恢复工作,不等于把邮件、订单或写入再做一遍。 [30]

这也是我对常驻 Agent 的期待:少一点“我一直在努力”的汇报,多一点“你可以从这里接着做”的确定感。AIGC Weekly #192 把 Personal Agent、协议与产品更新放在同一期里,适合作为本专题的延伸阅读;保存的 Newsletter 片段可能不完整,因此这里不据它补写具体协议能力。15

小熊编辑台 / 四格

下班之前

从“交出去了”,到“接得住了”。

阅读漫画文字稿
  1. 傍晚,Airing 把工作交给 Moflow:“这次可以早点走了。”
  2. 到了门口又回头:“到底哪一步做完了?”
  3. 两人一起整理进度和证据。Moflow:“卡住的也写清楚。”
  4. 两人终于离开。Airing:“明天从这里接着来。”

AI 生成 · 新版角色参考 · 按左上、右上、左下、右下阅读。

Airing 交出任务后又回来确认,与 Moflow 留下交接单,最后放心下班。
↑ 返回目录
02

Agent 工程

让正确发生在流程里,把人的精力留给重要判断。

深入阅读

代码越来越多,工程要接得住

当执行越来越便宜,队列、返工和验收会变得越来越显眼。

Scion:代码多了,最先吃紧的可能不是模型

Anthropic 的工程文章讲了一次很不寻常的基础设施改造。公司报告,单日合并次数从 5 月约 2,500 次升到 9 月超过 30,000 次,CI 每天约有 2,500 万次检出。在这个规模下,反复搬运历史和工作副本,成了实实在在的计算与网络负担。Scion 把更多历史查询、合并等工作放到服务端,客户端按需取得当前任务所需的数据。13

中文解读与英文工程原文是这周两条独立收藏,这里放在同一专题,保留两个阅读入口。文章中的“约 200 倍”比较的是版本控制基础设施的 CPU、内存占用,不能写成程序员产出提高了 200 倍。16

03 / A CHANGED WORKLOAD

先看负载,再看架构

Anthropic 报告的单日合并次数

5 月
~2,500
9 月
>30,000

长度以 30,000 为参照。约 12 倍的量级变化,不是生产率测量。

Anthropic 的 Scion 架构图:客户端、节点守护进程、区域缓存与服务端存储之间的关系。

原图与数字:Anthropic 工程文章;图片保留原比例。200 倍的说法限定于其版本控制基础设施 CPU / 内存比较。 查看原文 ↗

我觉得它最值得借鉴的地方,是提问方式。先观察工作负载如何变化,再判断旧假设是否还成立。一个以人工开发为主的小仓库,与大批常在线 Agent 和 CI 作业面对的瓶颈并不相同。Scion 是特殊规模下的工程选择,普通团队不必据此换掉 Git。

但普通团队可以立刻做另一件事:把一次交付的时间拆开。写代码用了多久,等待测试多久,卡在审查多久,上线后又返工多久?假如生成代码只占很小一段,让它再快一倍,也不会自动让整件事快一倍。当执行越来越便宜,队列和返工会变得越来越显眼。

让最短的路,就是正确的路

@poteto 的原帖、以及这周收藏的中文解读,把信任 Agent 的投入顺序放在代码结构、自动检查、文字指导和人工审查上。我的理解是:与其反复提醒“这里不能这样改”,不如让接口、类型和模块边界尽早暴露这个错误。32

这不是说人可以不审,而是把人的注意力留给工具难以回答的问题。类型检查可以发现字段不匹配,却不知道这个字段是否该被收集;端到端测试可以重现一条操作路径,却不能替产品决定这条路径是否合理。

04 / WHERE TRUST COMES FROM

把反复提醒,变成更早的反馈

按 @poteto 的投入顺序重绘;宽度表示优先级示意,不表示时间占比。

  1. 01
    代码结构

    类型、边界、不变量

    让常见错误更难发生
  2. 02
    自动检查

    Lint、测试、CI

    让偏差尽早显形
  3. 03
    文字指导

    规则、注释、经验

    解释工具不能表达的意图
  4. 04
    人工判断

    需求、设计、取舍

    决定做什么,以及何时接受

自动检查覆盖已定义的性质;通过检查,不等于需求和设计天然正确。 [32]

omp 把语言服务、调试器和编辑工具放进同一工作环境,体现了这种思路:让 Agent 获得真实的程序反馈,而不是只靠文字猜测。e2e 的迁移技能则建议按功能保留新旧套件对照与迁移记录。前者让错误更早显形,后者提醒我们:换了验证方式,原来的验证标准不能悄悄丢掉。26 29

状态、会话和记忆,分别留下什么?

Pi 1.1.0 的 Program Status Protocol 让终端知道程序正在工作、阻塞还是完成;Tern 把会话持久化与跨设备继续工作放到前台;Hy Memory 将聊天、工作和编码记忆区别对待。这三条产品阅读不必各写一篇长报告,却恰好补齐了交接中的三个位置。05 09 25

“完成”状态帮助人发现该看结果了;会话记录帮助人回到现场;记忆则应该帮助人理解为什么这样做。它们都不能独自代替验收。尤其是记忆,记住一个结论,还要记住它何时成立、后来是否被推翻。 我会用“上周试过、后来回滚的方案”检验它,而不是只问能装多少历史。

周日补记:把需求也接进来

腾讯技术工程的文章,把 AI 研发从编码推进到需求澄清、技术方案、审查和知识沉淀。一个具体做法是对知识设置有效期,过期进入复核;如果 Agent 发现知识与当前代码冲突,再反馈给平台。比起知识库越来越大,这种“旧答案如何退场”的设计更值得带走。33

这是 10 月 18 日新增阅读。它也给本专题添了一个反问:如果需求没有统一、负责人没有更新,自动执行会不会只是更快地放大旧的误会?流程改造的目标应当是减少这些误会,而不是把每个旧环节都配上一个 Agent。

↑ 返回目录
03

研究观察

灵感、改进、解释与自主性,需要不同的验证。

研究观察

AI 研究 AI,进步怎样算数?

提出想法、改进方法、解释机制与自主行动,各有不同的验证对象。

IdeaScientist:让灵感有一条可追溯的来路

研究 Agent 容易把“提出很多想法”当成进展。IdeaScientist 把构思拆成找研究缺口、跨领域找相似问题的解法、形成提案三个角色,并用限定时间之前的文献,评估它提出的方向与后来人类论文的接近程度。论文链接与社区解读都保留在来源中。07 论文

这个设定有意思,因为它逼系统解释“为什么想到这里”。但接近后来出现的研究方向,只能为构思能力提供一种证据;它还没有替提案做实验,也不能证明结论正确。我的阅读重点是那条迁移链:借来的机制与当前问题是否真的共享结构,还是仅仅共享几个词?

Evo²:改进工具的人,也开始学习

Evo² 将两种改进放进循环:一边修改 Agent 的提示、工具和上下文组织方式,也就是 Harness;一边用这些修改及执行结果训练提出修改、诊断结果的模型。它的贡献在于把“改环境”和“改模型”连接起来,而不是又多了一份神奇提示词。20 论文

05 / TWO DIFFERENT LOOPS

一个寻找解法,一个学习怎样改进
IdeaScientist

产物:有依据的研究提案

  1. 找出当前研究的缺口
  2. 检索其他领域的类似机制
  3. 形成可研究的提案
下一关:实验能否支持?
Evo²

产物:改进模型及其工作环境

  1. 提出运行环境的修改
  2. 执行、评估、诊断
  3. 把结果用于训练改进者
回到下一轮改进 ↺

编者按论文机制整理。两条流程不共享分数刻度,也不构成通用能力排名。 [07] [20]

对使用者来说,这带来一个更务实的问题:提升究竟来自哪里?如果模型、运行环境和测试样本一起变了,很难知道哪一项值得保留。我会要求一次只对照一个改动,并把没参与迭代的任务留到最后验收。论文报告的基准结果属于其具体实验;将来换成我们自己的任务,还要重新检验。

AI 研究 AI:解释必须能冒失败的风险

机器之心收藏介绍了 Nick Cammarata 的可解释性工作:先让 Agent 根据神经元响应提出解释,再让另一个 Agent 构造应当触发或不该触发的样本,交回网络测试。它改变的首先是研究规模——更多假设能被提出,也能被更快地反驳。27

“约 90% 的神经元有主要功能”在报道中有模型、阈值和定义范围,不能扩大成整个模型已经被解释。真正值得借鉴的是:好的解释应该预测没见过的情况,并允许实验把它推翻。 一个听起来顺畅的故事,如果不会在任何结果下失败,就很难成为研究结论。

自复制与防蒸馏:别把不同层次的证据揉成一句话

Anthropic 的自复制研究测试了在不同设备建立推理的能力,也在简化环境中检验串联过程。局部步骤成功、受控流程成功、现实中的自主传播,是三个层次。论文中的简化访问条件不能在转述时被省去。11

同周的防蒸馏文章讨论减少未经授权的大规模能力提取,公司给出的降幅是其防御评估,不是“所有数据都安全”的证明。对于依赖上游模型的工作流,这提醒我们持续检查服务接口与数据政策,而不是把当下可访问的输出视为永久不变的资源。10

06 / CLAIMS & EVIDENCE

标题里的进步,究竟验证到了哪一步?
有希望的研究方向

构思与后续论文方向相近

还需要:实验与可复现结果
某些机制的解释

解释能预测激活与干预结果

还需要:更多机制、组合行为与完整审计
受控环境的自主能力

局部能力或简化流程成功

还需要:真实条件与端到端可靠性证据

编者比较的是不同结论需要的证据,不是模型高低。 [07] [27] [11]

这几篇放在一起,我看到的不是一条“AI 会自己变强”的直线。提出想法、改进方法、解释机制、约束行为,各有不同的验证对象。把它们分清,才能知道哪里发生了进步,哪里仍需要人来做实验与判断。

↑ 返回目录
04

本周工具架

画图、路由、真机测试与可继续编辑的产物。

五个具体使用场景。优先展示官网或作者的真实界面与产物;图片只统一裁剪比例,点击可看完整原图。这里给一个尝试的理由,也留一个实际需要检查的问题。

模型路由22

一个本地网关,连接不同 Agent、模型与账号。路由过程可见,比单纯自动切换更有用。

检查切换时的工具调用、上下文与缓存是否连续。

阅读来源 [22] ↗

设备回归24

通过可访问性树或截图坐标操作 iOS、Android 模拟器与真机,让 Agent 检查真实操作路径。

保留设备、系统版本、步骤和失败画面,别只记录点击成功。

阅读来源 [24] ↗

视觉决策31

这次更新把图像接进决策,新增 box 定位输出。下游程序可以接收位置,而不只是一段描述。

保存的发布说明提醒:找不到目标也可能返回框,因此不能把“有框”当成“找到了”。

阅读来源 [31] ↗
↑ 返回目录
05

人与产品

长期信任、研究证据,以及新人怎样学会判断。

人文与思考

留下记录之后,还要留下什么?

长期信任的一部分,是知道未来退出时能带走什么。

聊天记录能带走,熟悉的回应呢?

APPSO 的陪伴产品文章,从服务经营变化谈到一个容易被忽略的问题:导出聊天记录,只保存了过去发生过什么;下一次回答还依赖角色设定、基础模型、记忆选择和服务策略。本文关注这一产品问题,文中个别公司的破产与交易消息未经本刊独立核实,不作为本期新闻结论。17

这与工作 Agent 并不是两件完全无关的事。我们把计划、偏好和理由不断交给一个长期系统,逐渐依赖的就不只是某个回答,而是它怎样理解这些历史。工作场景希望它接着推进任务;陪伴场景希望它仍以熟悉的方式回应。两者都需要比“下载一个聊天文件”更清楚的迁移说明。

07 / WHAT CAN YOU TAKE WITH YOU?

过去的记录,与未来的回应
01
可以保存的历史
  • 已经发生的对话
  • 明确写下的设定与偏好
  • 有结构的任务、文件与记忆
02
仍依赖运行中的系统
  • 模型如何组织下一次回答
  • 哪些历史被选进上下文
  • 工具、服务规则与持续可用性

编者整理:导出有价值,但不能单凭导出文件保证体验完全延续。 [17]

我不认为产品必须承诺永远保持同一个模型。更可行的责任是让用户看见哪些记忆被保存、能够纠正它们、导出有结构的数据,并在重大变化时得到说明。长期信任的一部分,是知道未来退出时能带走什么。

当代码容易复现,产品还要留下什么?

卡兹克的文章把 AI 逆向成本下降,与软件壁垒和注意力联系起来。08 它的判断很鲜明;我的补充是,复现功能、可靠运行、让人继续使用,是三项不同的工作。入口可以模仿,旧数据如何迁移、异常由谁处理、用户是否相信下一次升级,这些问题并不会随着代码变便宜而消失。

DEX #367 则换了一个角度:当机器把文章压成摘要,人再从摘要理解世界,交流会不会只剩压缩和解压缩?18 这也是我对周刊的自我要求。收藏不能遗漏,但完整不等于每篇都写得一样长。编辑需要把有解释力的材料放在一起,指出分歧,再给读者回到原文的路。它应该增加理解,而不是增加阅读负担。

一份研究台,两条收益故事

Opus 5.5 量化研究台的长指南,比标题里的“24/7”更有价值的,是它要求先固定研究对象、证据时间和计算规则。比如一家公司在不同市场有多个上市代码,不能不加处理就算成多家公司;今天才知道的信息,也不能放进过去的决策里。先把这些问题弄清,再让 AI 跑计算,结果才有可比较的意义。03

同周两条交易帖子,则分别宣称极小本金很快变成数千美元。其中“48 到 7,492”的余额差是 7,444,帖子同时提到的收益约 3,350 并不能直接对应;另一条跟单故事也缺完整可核对账本。它们是带推广链接的作者叙述,保留在来源目录里,但不据此绘制收益曲线或评判策略有效性。21 23

这组对照让我更愿意把“允许得出什么结论”写在执行前。严谨的研究台可以得到“尚未算出”或“无法复现”;一个总要交出漂亮答案的系统,反而可能更难托付。

周日补记:新人从哪里学会验收?

新收录的 APPSO 文章讨论了 Anthropic 内部就业报告,并提出一个值得追问的矛盾:公司越来越强调判断力,但新人原本就是从小任务里的试错学会判断。这里是对该报道的阅读与推演,不能把一家公司的招聘变化直接当作整个行业的因果结论。34

如果把所有入门任务都交给 Agent,再要求新人一来就能审它,培养路径会断掉。我更愿意尝试一种配对方式:让新人先写验收标准、预测哪里会错,再看 Agent 的方案,亲手复现一个失败,最后解释为什么接受改动。这样 AI 接手重复执行,人仍然经历形成判断的过程。组织需要同时衡量交付完成了没有,以及这次交付有没有让下一位同事更懂系统。

最后,把“下次从这里开始”留给自己

李睿秋的生活小技巧里,有一条与本期意外相通:留下进度,让下一次开始有入口。01 我们自己也会遗忘昨天为什么停在这里。收工前记下做到哪儿、卡在哪儿、下一步是什么,既能帮同事和 Agent,也能帮明天的自己。

这就是这一期的封面:Airing 桌上放着进展、证据和下一步。把任务交出去的意义,终究是让人能放心离开,也能从容回来。

↑ 返回目录
完整阅读目录34 / 34

按收藏时间划定范围,不代表原文都发表于本周。正文结合原始研究、产品网站及保存的完整文章;社区案例未独立复测。AIGC #192 的缓存可能不全;两篇 Newsletter 没有公开原文链接。33、34 为周日补记,未混入主刊日期。

  1. 01

    10 个立刻能让生活变得更好的小技巧

    李睿秋Lachel(L先生说) · 2026-10-11

  2. 02

    OpenAI Dots 全指南:GPT-6 Astra 常驻干活,Jev 做廉价决策层,独立开发者只管监督(@noisyb0y1)

    @noisyb0y1 · 2026-10-11

  3. 03

    用 Opus 5.5 搭 24/7 AI 量化研究台:先审宇宙与证据,再谈回测(@Av1dlive)

    @Av1dlive · 2026-10-11

  4. 04

    Grok Bot 详解:云端常驻智能体团队入门,附 7 个可直接复制的智能体提示词(@AnatoliKopadze)

    @AnatoliKopadze · 2026-10-11

  5. 05

    Pi 1.1.0 支持 Program Status Protocol(OSC 7501):终端能看出 Agent 在干活还是卡住了(@xiaomovps)

    @xiaomovps · 2026-10-11

  6. 06

    GrokBot 智能体团队 Harness:Lauren Tan 基于 /pstack 的「参谋长 + 负责人 + 验证者」模板(@0xCodez)

    @0xCodez · 2026-10-11

  7. 07

    IdeaScientist:让智能体跨领域找灵感,提出有依据的科研 idea(@Xudong07452910)

    @Xudong07452910 · 2026-10-11

  8. 08

    AI 开始逆向一切:闭源软件护城河正在崩塌(数字生命卡兹克)

    数字生命卡兹克(微信公众号) · 2026-10-12

  9. 09

    Tern · Stencil 的 Rust 原生「新终端」:会话活过窗口,Mac / iPhone / 浏览器实时同步

    Stencil Labs(stencil.so · X @stencil_labs) · 2026-10-12

  10. 10

    Anthropic 防蒸馏:推理链锁起来,被偷的数据少了 90–99%

    Anthropic(Policy · 2026-10-12) · 2026-10-13

  11. 11

    AI 蠕虫离现实还有几个月:小模型可能在智能电视、烤箱上自我复制(Anthropic 红队)

    Anthropic Frontier Red Team · William Zhou, Daniel Freeman(2026-10-12) · 2026-10-13

  12. 12

    人人都想当你的 Personal Agent,却没人知道它应该长什么样(Founder Park)

    Founder Park(微信公众号) · 2026-10-14

  13. 13

    Anthropic 自研版本控制 Scion:每天合并 3 万次,5 个月替换 git

    Anthropic Engineering · Nick G. 与源码控制团队(2026-10-13) · 2026-10-14

  14. 14

    ExcaliClaw:手绘图协作工作区,自带 MCP 让 Claude / Cursor 一起画图

    ExcaliClaw 官网 · excaliclaw.com(Product Hunt) · 2026-10-14

  15. 15

    AIGC Weekly #192:Personal Agent 混战与协议(歸藏 Newsletter)

    歸藏 / AIGC Weekly · 2026-10-14

    阅读流记录 ↗已保存邮件 · 无公开链接本期讨论 ↗
  16. 16

    刚刚,Anthropic 重新发明了 git(尹John / AGI Hunt)

    尹John / AGI Hunt · 2026-10-14

  17. 17

    AI 陪伴鼻祖破产,你能导出聊天记录,却带不走 TA(APPSO)

    发现明日产品的 APPSO(微信公众号) · 2026-10-14

  18. 18

    DEX 周刊 · #367 压缩和解压缩

    DEX 周刊 <dingyi@quailymail.com> · 2026-10-14

    阅读流记录 ↗已保存邮件 · 无公开链接本期讨论 ↗
  19. 19

    如何把 Grok Bot 军团接到飞书:保姆级新手教程(@KinGao476942)

    Kin(@KinGao476942) · 2026-10-15

  20. 20

    Evo²:把改 Harness 与训模型接成自进化闭环(@Xudong07452910)

    Xudong Han(@Xudong07452910) · 2026-10-15

  21. 21

    Grok Bot 48 美元到 7492:六代理筛币、小单滚动(@crbpite8)

    春日部彼得(@crbpite8) · 2026-10-15

  22. 22

    magpie:给 OpenCode / Agent 做 LLM 路由与账号分流(@AsadaYuki_Art)

    Asada-Yuki(@AsadaYuki_Art) · 2026-10-15

  23. 23

    Grok Bot + Dawn 跟单:连亏两次就换交易员,52→4939(@crbpite8)

    春日部彼得(@crbpite8) · 2026-10-15

  24. 24

    mobile-mcp:让 Agent 摸真机做 iOS/Android 回归(@dngzsn37461)

    ThirdBro(@dngzsn37461) · 2026-10-15

  25. 25

    Hy Memory · 腾讯混元开源智能体记忆 SDK + MemHub

    腾讯混元 · Tencent-Hunyuan/Hy-Memory · 2026-10-16

  26. 26

    omp:把 IDE 接进来的编码智能体(Rust 内核 Agent Harness)

    omp 官网 · omp.sh · 2026-10-16

  27. 27

    神经网络可解释性被AI解决了?90%神经元只有一个功能

    机器之心(微信公众号) · 2026-10-16

  28. 28

    Dots / Astra 用 Blender 连夜压榨 3D:提示词不玄、0 额度、Drive 持久化(@yrmkejun)

    KeJun(@yrmkejun) · 2026-10-16

  29. 29

    e2e 推出 /migrate-to-e2e:把 Playwright 等旧 E2E 套件逐个功能迁到智能体测试(@cu30rry_)

    kaito(@cu30rry_) · 2026-10-17

  30. 30

    Pi 官方教程:在 Cloudflare Durable Objects 上做多人 Agent(@jiangkoumo_)

    jiangkoumo(@jiangkoumo_) · 2026-10-17

  31. 31

    JEV 1.14.0:多模态 + box 定位 + 262K 上下文(@op7418)

    歸藏(guizang.ai) (@op7418) · 2026-10-17

  32. 32

    信任 Agent 工作:@poteto 倒金字塔四层框架(@shao__meng)

    meng shao (@shao__meng) · 2026-10-17

  33. 33

    别只盯着AI Coding,真正的变化发生在整个研发流程

    腾讯技术工程(微信公众号)· danteyang · 2026-10-18 · 周日补记

  34. 34

    看完Anthropic内部工作报告,真替应届生捏把汗

    APPSO · 2026-10-18 · 周日补记

读完这一期,还有下一期

把一周的 AI 阅读,寄给你。

每周一更新。可选中文或英文,封面、主题导读与全部阅读入口,每期一封。

周刊 RSS ↗

和朋友一起读

分享这一期

AI 趋势周刊 004 · Agent 常驻之后, 怎样放心交付?

可保存封面图片,发给一起阅读的朋友。

Follow what matters

订阅 Airing

选择接收方式,再决定你真正想看的内容。

新一期编好后发送;周刊邮件中可切换语言或退订。