内容浏览
搜索中文标题、仓库名或关键词，再用分类、来源和日期缩小范围。
哈佛大学最近调查了 718 家公司，借助 Jellyfish 分析平台的数据，想看 AI 编程助手和智能体到底能不能帮上忙。结果发现，这些工具确实让写出的代码变多了，但真正完成的工作量并没有跟着涨。原因之一是 AI 生成的代码给开发后段添了麻烦，尤其是代码审查环节负担加重——写得多不等于交付得多，前面的速度被后面的检查卡住了。对普通开发团队来说，这说明光靠 AI 多写代码不够，还得关注审查和后续环节能不能跟上。
Spring Batch 团队发布了两个版本：6.1.0-RC1（候选发布版，尚非最终正式版）和 6.0.6，均已可从 Maven Central 获取。6.1.0-RC1 带来一批新特性：新增 @JobParameter 注解，用来替代容易写错的 SpEL 表达式来注入作业参数；新增类型安全的 PageableItemReader，取代原来按方法名字符串反射调用仓库方法的做法；JsonLineMapper 不再绑定 Jackson，可配合 Jackson 或 Gson 读取任意类型的 JSON Lines 数据，并新增对应的写入端 JsonLineAggregator；还有 RemoteChunkingManagerBuilder、DefaultChunkProcessor、JDBC DAO 迁移到 JdbcClient，以及性能改进。一些旧类被标记弃用，计划在 7.0 移除。对使用 Spring Batch 做批处理的开发者来说，升级后配置更简洁、类型更安全，但涉及 JsonLineMapper 的代码属于源码和二进制不兼容变更，需要重新编译。
一个算法团队参考 Karpathy 开源的 AutoResearch 原型，把「让 AI 自己改训练代码、跑实验、看指标、决定下一步」的循环搬进企业云端训练平台。最初的单线程循环有三个毛病：规则靠自然语言提示不可靠、与企业云环境不匹配、同一时间只能试一条路。他们三个月重构三次，最终改成「图探索」：主 Agent 把大问题拆成几个互不重叠的假设，交给子 Agent 并行各自训练、互不干扰，再由主 Agent 汇总对比做决策，并用状态文件和冻结的评估代码保证无人值守时可信、可回溯。在结构完全不同的两个业务建模项目中，单任务耗时比人工基线分别减少约 85% 和 83%，其中一个方案已推全上线并有收益，另一个在全部 12 个预估目标上超过人工基线。
Google DeepMind、Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）发布了 ForTy 2020 全球森林类型地图。过去大多数地图只标出“哪里有树”，分不清原始雨林、桉树种植园和油棕农场，但它们储存的碳和生物多样性差别很大。新地图把地球每 10 米×10 米的地块分成六类：原始林、自然再生林、人工种植林、经济林场、树木作物与农林复合、其他土地，并附 2017 至 2025 年的逐年变化序列，能看出被砍的天然林变成了林场还是农田。全球 9000 多个抽样点的专家核验显示，分类准确率约 90%，区分森林与非森林约 95%，可服务欧盟零毁林法规等用途；时间序列目前是早期发布版本。
Anthropic 正在公开招募生命科学领域的客座研究员。学术机构、非营利组织或政府实验室的首席研究员及其团队可以提交项目申请，在 8 到 12 周内与 Anthropic 的研究人员合作，用 Claude 研究因果人类生物学、分子生物学、药物化学、药物发现和临床科学等问题。Anthropic 会免费提供模型和工具，成果将共同发表，数据和代码开源，研究者始终保留自己数据的所有权。申请不需要提交私有数据，只需公开信息，窗口约 14 天，入选者会在截止后约 14 天收到邮件通知。
Anthropic 把一套叫 Agent Skills 的开放标准捐给了 Linux 基金会下的智能体 AI 基金会（AAIF）。以前 AI 智能体处理通用任务还行，但缺具体业务步骤这类“流程知识”；Agent Skills 用一个放 SKILL.md 的文件夹教智能体完成特定任务，2025 年 10 月随 Claude Code 推出，12 月成为开放标准。目前已有 70 多个平台（如 ChatGPT、Cursor、GitHub Copilot、VS Code）接入，累计发布 100 万个技能、安装近 2.8 亿次。捐赠后名字、logo、GitHub 组织和域名都交给 AAIF，社区可参与后续版本和安全指南的制定，普通用户和开发者仍可免费使用或贡献。
Uber 和 OpenAI 合作，把 ChatGPT Work 推广给公司超过 3 万名员工使用。此前员工做调研、分析数据、做演示文稿和跑复杂流程，往往要在多个工具间来回切换、手动拼凑。这次 Uber 统一提供 ChatGPT Work，把这些工作放到一个能理解上下文、帮着把多步任务做完的入口里。对普通员工来说，它像一个能查资料、算数据、生成汇报初稿的助手；不过材料只提到内部推广，没有说明具体上线日期、功能细节、费用或使用限制。
OpenAI 发表了一篇简短说明，介绍“前向部署工程”（forward deployed engineering，简称 FDE）在 OpenAI 内部指的是什么。但材料只给出了标题和一句同样的概述，正文没有展开，因此文章没有说明 FDE 团队具体做什么、服务哪些客户、解决过什么实际问题，也没有给出任何数字、限制或上线状态。读者目前能确认的只有一点：OpenAI 用 FDE 这个说法来指代某项工作职能，但这项职能的细节尚不清楚。在原文内容补全之前，无法判断它与读者有什么关系，也无法确认其中是否涉及可用的工具或产品。
提供的材料未提及具体可用工具。
目前有一段非常简短的介绍，说 Decisions API 能为任何应用提供快速、聚焦、低成本的决定，并据此构建响应更快的应用。但材料没有说明是谁发布的、原来存在什么问题、这次具体怎么解决，也没有给出任何数字、限制或发布状态。原文只有标题和一句摘要，正文片段与摘要重复，所以除了“这是一个面向应用的决定类 API”外，无法可靠地告诉读者更多细节。读者现在能得到的唯一信息是：可能有这样一个 API 声称能用于加速应用响应，但可用性、使用方式和效果都未说明。
提供的材料未提及具体可用工具。
LangChain 推出了 LangSmith LLM Gateway，目前处于公开测试阶段。它解决的是生产环境智能体的一个麻烦：智能体调用模型时可能因重试失控产生高额账单，或遇到模型服务商宕机就报错。这个网关夹在智能体和模型之间，统一执行花费上限、速率限制、模型回退和敏感信息（如个人隐私、密钥）脱敏，不用在每个智能体里各写一遍，也不必绑定某一家供应商。工程师可以在组织、工作区、API 密钥、用户四个层级设限额；敏感信息脱敏功能目前只对 Enterprise 套餐开放。