这是 Brendan O'Leary 的一场演讲，他基于 40 万亿 token 的使用数据，谈开发者实际是怎么采用 AI Agent 的。他的核心观点是：真正决定 AI 能不能落地的，不是模型跑分多高，而是用户是否建立起了信任。他提出 AI 采用分为四个台阶，并分析了上下文构建、多模型路由和反馈回路这几个容易出问题的环节，帮工程负责人把 Agent 工作流真正用起来。演讲标题提到 25 万亿，摘要里数据则是 40 万亿，原文未说明两者关系。
展开详情收起详情：演讲：25 万亿 token 揭示开发者如何真正采用 AI Agent⌄
InfoQ Architecture & Design
原文发布：2026-10-15 19:00收录：2026-10-16
LangChain 团队基于 LangSmith 平台的经验，整理了 Agent 评测的常见问题。传统软件测试靠精确匹配，但 Agent 每次输出会变、正确答案不止一个、执行路径还可能绕弯，所以需要评测来打分。文章建议先从一条关心的行为入手，用真实 trace 建 10 到 20 条小数据集跑个基线，上线前用离线评测、上线后用在线评测，并优先用代码评测器、其次 LLM 评委、再用人工复核；多步 Agent 要评整条线程和最终状态。文中还提到 Terminal-Bench 这类基准和 Harbor 工具。
文中可用工具
- LangSmithLangChain 的 Agent 工程平台，用于记录 trace、建数据集、跑实验和查看评测分数
- Terminal-Bench由较长任务和独立环境组成的离线评测基准，用于比较不同 Agent、模型或版本
- Harbor用来运行 Terminal-Bench 等基准，并把结果记录到 LangSmith 实验中
展开详情收起详情：关于 Agent 评测最常见的疑问，一次讲清⌄
LangChain Blog
原文发布：2026-10-15 17:18收录：2026-10-16
LangChain 在纽约和伦敦的 Interrupt 活动上集中发布了一批新功能，主要围绕让企业“拥有自己的智能”——也就是自己掌控模型、运行框架和业务上下文。过去团队做 AI 智能体时，调试、评测和上线往往靠零散工具，出了问题很难定位，也很难持续改进；这次的新版本把搜索、监控、轨迹查看、微调和托管智能体等能力整合进 LangSmith 和 LangChain。比如 AI 搜索可以用自然语言问“用户是否不耐烦”，自动找相关对话；Engine v2 能在上线前用红队测试发现问题并自验证修复；Managed Deep Agents v0.9 支持有记忆、会用工具、按计划执行任务的智能体。另有一些线上活动和社区聚会，部分内容需注册参加，具体发布状态与可用范围原文未逐一说明。
文中可用工具
- LangSmith AI Search用自然语言语义搜索对话记录，查找如用户受挫或 PII 泄露等问题
- Managed Deep Agents v0.9构建有用户级记忆、会用工具、能定时任务并能在 Slack 响应的个性化智能体
- LangSmith Engine v2上线前用红队测试发现潜在问题，并自动测试和验证修复方案
- LangSmith Trajectories按时间线查看智能体及子智能体的会话轨迹数据
- LangSmith Custom Apps在 LangSmith 内构建、发布并运行自定义界面，把重复流程变成共享工具
- LangSmith Fine-Tuning把生产轨迹转成训练数据，用 Baseten 或 Fireworks 微调并评估部署模型
- LangChain v1.4.0通过 langchain.mcp 命名空间支持 FastMCP
- LangGraph编排 Jev（TypeSafe AI 的决策模型），构建运行更快更省成本的智能体
- Deep Agents开源智能体运行框架，帮助保持上下文窗口精简
展开详情收起详情：2026 年 10 月 LangChain 通讯：Interrupt NYC 与伦敦站的全部发布内容⌄
LangChain Blog
原文发布：2026-10-16 01:02收录：2026-10-16
IDC与联想的一项联合研究发现，88%的AI概念验证项目最终没能进入实际生产环境，主要原因是目标不清晰、数据没准备好，以及公司内部缺少智能体AI方面的专业人才。问题出在“谁建谁不管”：负责设计和部署AI智能体的团队（往往是外部合作伙伴）不负责日常运行，而运营团队只熟悉演示环境，一上手真实业务就容易出错，严重时甚至引发连锁故障。解决办法是把每个智能体当成独立服务来管理：给它单独的权限和短期密钥、记录每一步操作、设置超时和失败重试，迁移平台时先用完整数据集逐项验证。对读者来说，这意味着部署AI智能体不能只看演示效果，缺少工程护栏的项目很难真正落地创造价值。
展开详情收起详情：为什么88%的AI试点项目永远无法投产⌄
The New Stack
原文发布：2026-10-14 22:38收录：2026-10-15
Google 在 Antigravity SDK 中新增了对本地模型的支持，开发者可以把智能体工作流直接跑在自己的电脑上，不再必须调用云端模型。以前这类工作流通常依赖云端，代码和数据要发出去，还受网络和推理费用限制。现在开发者能自己掌控数据隐私、推理成本、网络依赖和算力分配，同时仍可按需混用云端模型处理更复杂的任务。对开发者来说，写智能体时更省钱、更私密，弱网环境下也能跑。文中未说明具体支持哪些本地模型、开放时间或可用范围。
文中可用工具
- Antigravity SDK用于构建和运行智能体工作流的开发工具包，现在支持在本地跑模型，也能混用云端模型
展开详情收起详情：Google Antigravity SDK 新增本地模型支持，提升 Token 效率与代码隐私⌄
InfoQ Architecture & Design
原文发布：2026-10-14 17:00收录：2026-10-15
AI 实验室 Third Moment Research 对外介绍，他们用 GPT-6 Astra 和 GPT-6.1 Sol 这两款模型，加上 Codex 和面向网络安全的 Daybreak，跑起了大约 1 万个智能体，让它们能连续工作超过 36 小时，并且在使用过程中不断变好。此前智能体往往只能维持较短的任务，很难长时间保持专注。这次的做法就是把大模型和编程、安全等具体工具组合起来，用规模化的方式支撑长时间运行。对读者来说，这展示了智能体从短任务走向持续数天作业的一种思路，不过目前只有摘要信息，具体怎么实现、是否已对外开放都没有说明。
文中可用工具
- GPT-6 Astra驱动这些智能体的大模型之一
- GPT-6.1 Sol驱动这些智能体的大模型之一
- Codex用于编程的代码模型
- Daybreak用于网络安全的工具
展开详情收起详情：Third Moment Research 如何让 1 万个智能体连续运行 36 小时以上⌄
OpenAI News
原文发布：2026-10-14 15:00收录：2026-10-15
LangChain 开源了名为 Deep Agents 的智能体框架，用来解决长时间运行的智能体越跑越不准的问题。原因是任务越久，对话记录、工具返回结果和文件越堆越多，超出模型能承载的上下文窗口，准确率就会下降，这叫“上下文腐化”。它的做法是不删除信息，而是把大块工具结果和超长用户消息转存成文件、只给模型看一小段预览，快满时把旧对话压缩成摘要，任务技巧只在需要时加载，噪音大的工作交给子智能体另开窗口处理，学到的东西存成文件带到下次对话。这样模型每次只带真正需要的内容，需要细节时再回头查文件；由于记忆是存在你自己控制的存储里的普通文件，换模型或供应商也不受影响。文章还以每周竞品分析智能体为例演示这些方法，并通过中间件机制接入智能体运行循环。
文中可用工具
- Deep AgentsLangChain 开源的智能体框架，用文件转存、摘要、技能、子智能体和长期记忆等技术管理上下文窗口
- LangChain开发 Deep Agents 框架的公司，原文未说明该库在其他方面的用途
展开详情收起详情：Deep Agents 的上下文工程：如何在不把所有内容都塞进上下文的情况下记住信息⌄
LangChain Blog
原文发布：2026-10-29 03:33收录：2026-10-15
Workday 把自己的 HR 和财务数据平台「无头化」——简单说，就是不再只靠自家网页界面来用，而是开放接口给外部程序。以前开发者想接这些数据，常把数据复制到数据湖或用系统账号，结果绕过了权限检查，智能体可能看到不该看的信息、做不该做的操作。现在通过官方的 MCP 服务器、SQL 直查和共享运行时，智能体能以用户本人的身份运行，只能看到、操作该用户有权处理的内容。对开发者来说，可以在 Claude Code、Cursor 等工具里构建自己的 HR 和财务智能体；对企业来说，智能体仍受 Workday 的权限和审计约束。
文中可用工具
- Model Context Protocol一种让 AI 智能体连接外部数据与工具的开放协议
- MCP serverWorkday 提供的入口，让智能体以用户身份访问 HR 和财务数据
- Workday Extend AI包含 Agent-Ready Tools 的开发工具集
- Agent-Ready ToolsWorkday 的 MCP 工具服务器，提供读写数据的工具
- Live Data Query允许 BI 工具和智能体直接对 Workday 数据跑 SQL 查询
- Workday Data Cloud包含 Live Data Query 的数据云服务
- Agent Harness共享运行时，负责给智能体传身份权限并挑选模型
- Developer Agent用自然语言在 Claude Code、Codex、Cursor 等工具里生成 Workday 智能体和应用
- Custom Agents让团队把用 LangChain 或 Google ADK 构建的智能体部署到 Agent Harness
- Agent Context Service计划 2027 年初早期访问，只预加载任务所需的 Workday 数据
- Grounded Reasoning计划 2027 年初早期访问，在执行动作前拿企业政策、流程规则和 Workday 记录做核查
- Claude Code外部开发者用来构建 HR 和财务智能体的工具之一
展开详情收起详情：Workday 走向无头化，向外部 AI 智能体开放 HR 与财务数据⌄
The New Stack
原文发布：2026-10-13 21:00收录：2026-10-14
CloudBolt 的首席客户官 Shawn Petty 和售前工程总监 Mike Bombard 在一次网络研讨会上，分享了他们对客户和潜在客户环境的检查结果：超过 20% 与 MCP 相关的访问策略要么失效要么缺失，多数情况下 MCP 服务器跑在某个人的私人令牌上，而不是服务账号。这带来的麻烦是出事后审计日志查不清责任：私人令牌会把某个工程师的名字写进日志，共享服务账号则只留下账号名，两种都说不准到底是谁下的指令、谁批准了这次访问。他们演示的做法是把 Agent 的活动对接到企业已有的身份提供商，限制 Agent 能碰哪些资源，再读出可追溯的审计记录。对用 Agent 操作云基础设施的团队来说，这提供了一个把 Agent 行为追责到具体人的思路；该研讨会需注册后参加，具体产品能力原文未说明。
文中可用工具
- CloudBolt把 Agent 活动对接到已有身份提供商、限制 Agent 可访问范围并输出审计记录的方案
展开详情收起详情：Agent 干了活，审计日志却说不出是谁下的指令⌄
The New Stack
原文发布：2026-10-13 23:00收录：2026-10-14
Harness 和 Cosmos 想把软件开发变成一条受管控的“流水线”：Harness 负责把代码变更安全送进生产环境，并在构建、测试、安全和部署等环节留下证据；Cosmos 负责用事件触发并协调各种 AI 代理，按固定流程把规格变成 PR、把告警变成修复。过去企业担心自动化流程不可信、不可控，这次的做法是让代理只在受限制的容器里运行、令牌按次发放、策略不通过就不执行，变更失败还能自动回滚。对读者来说，这意味着未来更多重复性工程工作可由流程化代理完成，人只在关键检查点审批，但目前材料没有说明具体可用时间、价格或独立验证结果。
文中可用工具
- Harness软件交付平台，用受治理的流水线把代码变更安全送进生产环境
- Cosmos代理编排平台，用来搭建按事件启动、按流程协调代理的软件工厂
- Delegates在客户自己的 VPC 或 Kubernetes 集群里执行流水线任务的组件
- OPA策略引擎，用来拦截不符合规定的生产流水线变更
- MCP原文仅提到代理的网络访问被限制在获批准的 MCP 服务器
展开详情收起详情：受治理的软件工厂：Harness 与 Cosmos⌄
Harness Blog
原文发布：2026-10-13 18:24收录：2026-10-14
LangChain 把 ScaleDown 的专用小模型接进了 Deep Agents 和 LangChain 智能体框架里。原来长时间运行的智能体上下文会越堆越满，而用通用大模型去摘要历史、压缩工具结果又慢又贵。现在换成专门做单一任务的 ScaleDown 模型（摘要、压缩、抽取、分类），官方称这些窄任务上比前沿模型快 200 倍、便宜 467 倍，单次最多能读 100 万 token，还能直接处理图片和扫描 PDF。做智能体的开发者可以借此降低每次决策的成本和延迟，也可通过 LangSmith LLM Gateway 追踪调用和用量。
文中可用工具
- ScaleDown一组专做摘要、压缩、抽取、分类等单一任务的模型，用来更快更便宜地管理智能体上下文
- Deep Agents用于构建长时间运行智能体的框架，可挂载摘要与工具结果压缩中间件
- LangChain搭建智能体的开发框架，支持 create_agent 并接入 ScaleDown 中间件
- langchain-scaledown把 ScaleDown 模型接入 LangChain 与 Deep Agents 的集成包，自带三种中间件
- ScaledownSummarizationMiddleware替换 Deep Agents 自带的摘要中间件，用 ScaleDown 生成历史摘要
- ScaledownToolCompressionMiddleware在工具结果进入模型前，只保留与查询相关的部分
- LangSmith LLM Gateway已支持 ScaleDown，可追踪调用并计入消费和速率限制
- Jev文中用来对比的决策模型，只接受文本、每题最多 32K token 状态
展开详情收起详情：用 ScaleDown 与 Deep Agents 构建长时间运行的智能体⌄
LangChain Blog
原文发布：2026-10-13 22:01收录：2026-10-14
LangChain 给自家的编程智能体 Deep Agents CLI 换了一套围绕模型的“外骨架”（系统提示、工具和中间件），用来引导模型的能力。原来的做法缺少测试和验证，智能体常写完代码、自己看一遍就停下，导致成绩只有 52.8 分，排在 Terminal Bench 2.0 榜单 30 名开外。这次他们加了强制自检清单、注入目录与工具环境信息、以及时间预算提醒，还用追踪数据自动分析失败原因，成绩提升 13.7 分到 66.5 分，进入前五。对读者的意义是：不改模型本身，靠工程化外围设计也能明显提升智能体表现；不过其追踪分析技能尚未发布，仍在测试中。
文中可用工具
- Deep Agents CLILangChain 的编程智能体，本次改进的对象
- Terminal Bench 2.0评估智能体编程能力的基准测试，共 89 个任务
- Harbor用于编排测试运行的框架
- Daytona提供沙箱环境运行测试
- LangSmith存储智能体每步操作及延迟、token 数、成本等指标
- GPT-5.2-Codex本次实验中固定使用的模型
- PreCompletionChecklistMiddleware在智能体退出前拦截，提醒其对照任务要求做验证
- LocalContextMiddleware启动时扫描工作目录和工具环境，把上下文注入给智能体
展开详情收起详情：通过 harness 工程改进 Deep Agents⌄
LangChain Blog
原文发布：2026-10-14 03:56收录：2026-10-14
LangChain 团队开源的 Deep Agents SDK 是一个帮开发者搭建 AI 智能体的工具包，这类智能体可以自己规划任务、派生子智能体、读写文件，去完成耗时很长的工作。问题是任务一长，对话内容就会超出模型能记住的容量，导致 AI「忘事」、表现变差。为此它用三招省内存：工具返回内容超过 2 万 token 就存到文件系统里，只留一个路径和前 10 行预览；上下文用到 85% 时，把旧的写文件操作替换成文件路径，不再重复占位置；再不够就把整段对话压缩成一份摘要，同时把原始记录完整存进文件系统，需要时再查回来。这样开发者能让 AI 长时间干活而不容易「失忆」。
文中可用工具
- Deep Agents SDKLangChain 开源的智能体开发工具包，内置任务规划、子智能体和文件系统能力
- LangChain model profiles在底层提供某个模型上下文窗口的 token 阈值，用于判断何时压缩上下文
- read_file读取之前被移出上下文、存到文件系统的消息内容
- terminal-bench用于跑真实任务、观察上下文压缩效果的基准测试
展开详情收起详情：Deep Agents 的上下文管理机制⌄
LangChain Blog
原文发布：2026-10-14 03:56收录：2026-10-14
LangChain 团队用 Deep Agents 测试框架跑了一批开放权重模型，发现 GLM-5 和 MiniMax M2.7 在文件操作、工具调用、指令遵循这些智能体核心任务上，已经和 Claude Opus 4.6、GPT-5.4 等闭源顶级模型打得差不多。过去用闭源大模型跑智能体，又贵又慢：每天输出 1000 万 token，Opus 4.6 大约要 250 美元，MiniMax M2.7 只要约 12 美元，一年差出近 8.7 万美元。开源模型还能跑在 Groq、Baseten 这类专门优化的推理服务上，延迟和吞吐都更好。不过这还只是早期评测结果，团队正在继续扩充测试集；普通用户暂时用不上，主要意义是给要做智能体产品的开发者一个更便宜、更快的选择。
文中可用工具
- Deep AgentsLangChain 的智能体测试与运行框架，用来统一跑评测和部署智能体
- GLM-5z.ai 推出的开放权重模型，本次评测中表现接近闭源顶级模型
- MiniMax M2.7MiniMax 推出的开放权重模型，成本最低，本次评测中表现接近闭源顶级模型
- Ollama本地运行模型的工具，可跑私有化开源模型
- vLLM高性能推理引擎，用于自行部署开源模型
- Baseten模型托管推理服务，本次用于跑 GLM-5
- OpenRouter模型调用聚合平台，提供 MiniMax M2.7 等模型的调用
- Groq专注低延迟高吞吐的推理服务商
- Fireworks面向生产场景的模型推理服务商
- SWE-Rebench软件工程类公开评测基准
- Terminal Bench 2.0终端操作类公开评测基准
- LangSmithLangChain 的评测与可观测平台，公开分享本次评测运行结果
展开详情收起详情：开源模型已跨过临界点⌄
LangChain Blog
原文发布：2026-10-14 03:56收录：2026-10-14
LangChain 今天发布了 Deep Agents Deploy 的测试版，它能让开发者用一条命令把自定义 AI 智能体部署到生产环境。此前，部署一个智能体需要自己搭建可扩展的服务器、为每次会话创建沙箱、再接通各种接口，步骤繁琐。这次它把这些打包成 `deepagents deploy`，你只需指定模型、指令文件、技能和工具配置即可上线，而且底层用的是开源、不绑定任何模型厂商的框架，所以智能体的记忆存在你自己的数据库里，换模型或换平台时不用从零开始。目前是 beta 测试版，记忆格式用 AGENTS.md 等标准文件保存，支持通过 API 直接查询。
文中可用工具
- Deep Agents开源、不绑定模型厂商的智能体框架，用来搭建自定义智能体
- Deep Agents deploy一条命令把智能体部署到生产环境的工具，当前为 beta 版
- LangSmith Deployment生产级、可横向扩展的服务器，Deep Agents deploy 底层用它来托管智能体
- AGENTS.md存放智能体核心指令的开放标准文件
- Agent Skills通过 markdown 文件提供专门知识、通过脚本执行动作的开放标准
- MCP一种让智能体调用工具的协议，也用于把部署的智能体当作工具调用
- A2A一种让多个智能体互相调用的协议，用于多智能体协作场景
- Agent Protocol一套接口标准，方便开发者写界面与部署的智能体交互
- Daytona沙箱服务商，让智能体在隔离环境中运行代码和技能
- Runloop沙箱服务商，让智能体在隔离环境中运行代码和技能
- Modal沙箱服务商，让智能体在隔离环境中运行代码和技能
- LangSmith Sandboxes沙箱服务，让智能体在隔离环境中运行代码和技能
展开详情收起详情：Deep Agents Deploy：Claude Managed Agents 的开源替代方案⌄
LangChain Blog
原文发布：2026-10-14 03:56收录：2026-10-14
LangChain 把 MCP 支持搬进了主包，现在放在 langchain.mcp 里，不再需要单独安装 langchain-mcp-adapters。MCP 是一种让 AI 智能体调用外部工具的通用协议，过去每次调用都要先开一个会话、记住会话编号，服务器一重新部署，正在进行的会话就断了，运维起来很麻烦。新版 MCP 规范改成了“无状态”，所以 LangChain 顺势支持了工具列表缓存，以及 elicitation（工具执行中途反过来问用户问题，比如确认删除或补充缺失参数），并用 LangGraph 的 interrupt 来实现这种暂停和恢复。底层用的是 FastMCP，新旧两版协议的服务器都能连，旧的 MultiServerMCPClient 收敛成单个 MCPAdapter 类。对开发者来说，装个 langchain[mcp] 就能用，不过迁移细节和 elicitation 后续示例在文中被截断了，这部分信息未完整给出。
文中可用工具
- langchain.mcpLangChain 主包里的 MCP 支持模块，用来连接智能体和 MCP 工具服务器
- FastMCP提供连接、认证、缓存和协议协商的底层客户端，兼容新旧两版 MCP 规范
- MCPAdapter替代旧的 MultiServerMCPClient，用来接入一个或多个 MCP 服务器
- ClientGroup给每个 MCP 服务器单独配置连接、认证和协议版本
- LangGraph用其中的 interrupt 机制实现 elicitation 的暂停与恢复
- create_deep_agent创建可直接使用 MCP 工具的智能体
- langchain-mcp-adapters旧的独立安装包，现已并入 langchain 主包
展开详情收起详情：LangChain 中的 MCP：无状态协议、elicitation 等更新⌄
LangChain Blog
原文发布：2026-10-14 03:56收录：2026-10-14
一位在 Bit Cloud 工作的工程师做了个实验：把之前用 Claude Code 搭建的小型客服控制台放在 Bit 平台上，每个组件版本化时平台会自动记录依赖关系。他开了一个全新的 Claude Code 会话，没有聊天历史、没有本地代码，只让 AI 加一个按工单状态和负责人筛选的功能。Claude 通过 MCP 先读整个 scope，再读各组件，两次调用就发现了四个组件以及它们共享的工单实体，随后自动导入代码、改完前端并跑通 41 个测试。这样做的价值是：AI 不用重新猜你的架构，还能知道共享部分不要乱动。不过记录只能说明“谁依赖谁”，不能说明接口行为是否还对得上，这部分仍需人工检查。作者也说明这是演示项目，用的是预置账号和公开签名密钥，并发控制、迁移、恢复流程和必跑的数据库测试都还没做。
文中可用工具
- Claude CodeAI 编程助手，可在会话中读取项目上下文并修改代码
- MCP让 Claude Code 连接外部平台读取组件与依赖信息的协议
- Bit Cloud构建、托管和部署组件的平台，会在版本化时生成依赖记录
- read_scopeMCP 调用，读取一个 scope 下所有组件及其依赖
- read_componentsMCP 调用，读取指定组件的 API 参考和文件清单
- bit import把远程组件导入本地工作区
- CLAUDE.md人工编写的项目指令文件，会话开始时加载
- AGENTS.md通用的智能体指令文件，告诉 AI 去平台上查找信息
- ProjectsClaude Code 云会话中的共享记忆功能，可在多个会话间记住决定
- React前端框架，用于构建客服控制台界面
- Express后端服务框架，提供工单 API
- MongoDB数据库，存储工单和评论数据
展开详情收起详情：Claude Code 两次 MCP 调用就找到应用共享契约，但记录到此为止⌄
The New Stack
原文发布：2026-10-11 22:00收录：2026-10-12
AI Agent 上线后服务运行正常，但回答质量有没有变好？问题在于：训练模型的工程师知道什么叫“好答案”，运维团队只看服务是否在线，两边看不同的仪表盘，评估集慢慢过时也没人更新。CoreWeave 在 Fully Connected 2026 大会上发布 Forge，把运行、观察、整理数据、改进、评估五个环节放进同一个开发环境，用 CoreWeave Registry、Weights & Biases Models 等工具保留从模型版本到生产例子的完整记录，让团队能定位失败、选择改法，并在上线前证明新版本确实更好。目前 CoreWeave ARIA 和 CoreWeave Sandboxes 已正式可用，Agent Lens、Notebooks、Model Distillation 处于预览阶段；MasterClass 和 Canva 已开始使用 Forge。
文中可用工具
- CoreWeave Forge把运行、观察、整理数据、改进和评估五个环节集中到一个开发环境
- CoreWeave Registry管理模型、Agent 和数据集
- Weights & Biases Models追踪实验、超参数搜索、分析和自动化工作流
- CoreWeave Agent Lens追踪 Agent 的步骤、决策和工具调用，并监控线上流量
- CoreWeave Notebooks提供托管的 Python notebook，用于共享评估和自定义分析
- CoreWeave ARIA分析运行结果、提出实验建议、推荐代码改动
- CoreWeave Sandboxes为 Agent、工具调用、强化学习和评估提供隔离的 CPU 或 GPU 环境
- Serverless SFT无需训练集群即可用生产信号做有监督微调
- Serverless RL让团队用自己的训练配方做强化学习实验
- Model Distillation用大模型输出训练更小的开放权重模型，并与原模型对比打分
- Serverless Inference访问开放权重模型的推理服务，基础设施由 CoreWeave 管理
- Dedicated Inference在隔离基础设施上运行推理，团队控制模型权重、部署设置和 GPU 资源
展开详情收起详情：如何将 AI 生产反馈转化为更好的 Agent⌄
The New Stack
原文发布：2026-10-11 00:00收录：2026-10-11
决策模型是一种专门给 AI 应用做“选择题”的模型：它接收应用状态，返回带概率的选项答案，不写文字也不解释理由。TypeSafe AI 最先推出 Jev 以及请求/响应的 schema，随后 AWS 的 Strands Decider 2B、Upstage 的 Solar Decide、Ollama 0.35 等纷纷照搬同一套接口，OpenRouter、Perplexity 也支持同类 choice、noul（是/否）、score 问题类型。这样一来，开发者只要改一个 base URL，就能在不同厂商甚至本地运行的决策模型之间迁移，而不必重写决策逻辑；不过各家在选项上限、置信度算法和答案质量上仍有差异，切换前需要测试。OpenAI 虽在 DevDay 发布了基于 GPT-6 Luna 的 Decisions API，但仍在有限预览，未公布 schema 和价格，尚未加入这套统一接口。
文中可用工具
- Strands Decider 2BAWS 发布的开权重决策模型，在 /v1/systemone 端点按 System One 接口返回决策答案
- JevTypeSafe AI 推出的决策模型，也是 System One API 的原始实现
- Solar DecideUpstage 的托管决策模型，通过 System One schema 提供服务
- Ollama本地模型运行时，0.35 版本新增 /v1/systemone 端点
- OpenRouter模型路由服务，提供 Jev Router 和与 TypeSafe 兼容的 Decisions API 路由
- Perplexity Decisions API托管决策服务，支持 choice、noul、score 三类问题
- OpenAI Decisions APIOpenAI 基于 GPT-6 Luna 的决策服务，仍在有限预览，未公布 schema 和价格
- BifrostMaxim AI 的网关，在 Jev 不可达时把决策转发给 LLM 并以相同格式返回答案
- Strands Agents智能体框架，其 before_tool_call 事件可被用来在工具调用前做决策门控
- TypeSafe SDKTypeSafe 提供的开发包，改 base URL 即可对接任何实现 System One API 的服务器
- SGLang本地运行时，暴露与 System One 相同的接口
- Open-Jev社区构建的决策模型，提供 System One 接口
展开详情收起详情：AWS、Upstage 与 Ollama 就决策模型 API 达成一致，OpenAI 尚未加入⌄
The New Stack
原文发布：2026-10-09 20:00收录：2026-10-10
Netflix 的两位工程师 Prasanna Vijayanathan 和 Renzo Sanchez-Silva 分享了一个演讲，讲他们怎么处理每秒 3800 万条事件量级的监控难题。原来的做法是出问题才被动告警，现在他们改用一套由 AI 驱动的“运营本体”，配合 Claude 和图层数据库来做自动化处理。具体是把 MELT（指标、事件、日志、追踪）这四类监控数据统一成可以查询的知识图谱，让系统能自动分诊、找根因，甚至自己修复故障。对读者来说，这展示了一条用 AI 把海量监控数据变成自动化运维能力的大规模落地思路。
文中可用工具
- Claude用于构建智能体工作流，实现自动化运维处理
- graph databases存储统一后的监控数据，形成可查询的知识图谱，支持自动分诊与根因分析
展开详情收起详情：演讲：本体驱动的可观测性——在 Netflix 规模上构建端到端知识图谱⌄
InfoQ Architecture & Design
原文发布：2026-10-09 19:00收录：2026-10-10