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。
今天暂时没有新上架内容，你可以继续浏览历史归档。
文章讨论 AI 智能体上线后该由谁负责的问题。凌晨两点零七分，一个智能体开始出错：应用还在跑，但因为下游接口报错，请求开始超时；它已经重试两次，消耗的 token 比平时多，响应时间大约翻倍。作者认为，这时该问的不是“用哪个模型”，而是“现在谁负责这个系统”。解决办法是像对待普通线上服务一样管理智能体：明确负责团队和上报渠道，用白名单限制它能调用的工具（默认拒绝），给执行步数和工具调用次数设上限，并记录延迟、模型、成败、token 用量和请求 ID 等可观测数据。这样读者能把智能体从“某处跑的试验”变成可问责、可监控、出问题有人接的服务，降低运维风险。
提供的材料未提及具体可用工具。
安全公司 Calif 借助 OpenAI 的 Patch the Planet 计划，用一个 AI 模型在 PHP 语言里找到可远程执行代码的严重漏洞，Wiz 等也独立报告了同一问题。PHP 维护者其实在 2024 年就注意到相关内存耗尽异常的迹象，但直到今年八月才看清完整危害，随后发布 8.2.35、8.3.36、8.4.27、8.5.12 等修复版本。问题在于补丁正式发布前细节已外泄，Chainguard 提前六小时多公开了打好补丁的镜像，引发是否违反协调披露禁发期的争论。对读者来说：若运行公开可访问的 PHP 服务，应尽快升级到修复版本，并假定可能已被探测甚至入侵。
在 2026 年北美 PyTorch 大会上，Google 开源了 TorchTPU，让 PyTorch 代码能直接跑在 Google 的 TPU 芯片上，已在 GitHub 发布；AWS 则推出 TorchNeuron 公开测试版，让 PyTorch 模型能跑在其 Trainium 芯片上。过去 PyTorch 开发者基本绑定 Nvidia 的 CUDA 生态，换芯片往往要大量改代码，这两个项目把迁移简化到改几行代码甚至只改一个配置。不过官方也说明，想达到最高性能仍需针对新芯片专门调优，例如 TorchTPU 默认分布式方案可能比优化方案慢约 30–40%。对开发者来说，这多了可选的硬件路线，但现阶段迁移容易、跑出极致性能仍不简单。
OpenAI 本周公布了两项基准测试结果。在自家的 COBOL 迁移测试中，新模型 GPT-6.1 Sol 在低推理强度下准确率达到 86.6%，而上一代 GPT-5.6 Sol 只有 5.4%，成本还低了 39%；提高推理强度后准确率可达 97.9%。COBOL 是支撑大量银行和 ATM 系统的老旧编程语言，长期缺少代码和文档，AI 很难学好，所以这次进步幅度显得很大。另一项叫 MultiLangBench 的测试在 GitHub 上公开了，考察模型用 20 种语言从零搭建一个兼容 SQLite 的数据库引擎，旗舰模型 GPT-6 Astra 平均通过率 87.4%，上一代仅 26.8%。但要注意：COBOL 测试的题目和数据集没有公开，外部开发者无法独立验证，OpenAI 也承认迁移到生产系统仍需专家审查。
OpenAI 把自己提出的一套“通用大模型接口规范”Open Responses 捐给了开源组织 Agentic AI Foundation（AAIF，隶属于 Linux 基金会）。问题是：各家大模型厂商的接口虽然都提供消息、工具调用等同类功能，但写法各不相同，开发者每换一家模型就得重写对接代码。Open Responses 把这些基础接口统一成一套标准，切换模型时不用再逐家适配。目前 Vercel AI Gateway、Databricks Model Serving 已经实现该规范，AWS、Ollama、Hugging Face、Nvidia 等表示支持，但 Anthropic 和 Google 尚未采用。规范文件本身已公开，由 AAIF 作为中立平台继续推进。
金融科技公司 Ramp 花了好几个月试用市面上的托管 Agent API、开源框架和第三方平台，最后决定自己造。他们用六周时间做出了第一版内部 Agent 运行框架 Laminar，现在支撑公司所有 Agent 产品。原因是不想被单一模型供应商绑死，希望按成本、速度和效果自由切换模型，也想要更好的调试和观察能力，内部自建还能直接和产品工程师协作、不用等外部厂商改代码。做法上，它把对话会话和运行代码的沙箱分开，凭据和调度放在沙箱外；Agent 默认异步工作，不必每步都等完成；还用一个连接器服务集中管理认证、权限和工具调用。LangChain CEO 公开点赞其中多项设计，认为这反映了 Agent 基础设施的走向，但原文并未说明 Laminar 是否对外发布或开源。
Letta 发布了一个叫 FrontierMemory 的新测试，专门看 AI 智能体能不能把过去的经验真正用在后面的任务上，而不只是把信息存起来。他们让五个智能体系统先看以前的工作记录，再自己总结记忆去完成新任务，结果分数从 73.3% 到 26.7% 不等：Letta Dream 最高，Prime Agent 60%，OpenAI Agents SDK 40%，Claude Managed Agents 33.3%，Hermes Agent 最低。在模型层面，Claude Opus 5.5 和 GLM-5.3 并列第一（73.3%），但 GPT-6.1 Sol 虽然只有 60%，每个任务只要约 0.77 美元，远低于 Opus 5.5 的 2.80 美元和 GLM-5.3 的 3.58 美元。对开发者来说，这说明同样的模型换个框架效果可能差很多，也可以考虑用贵模型生成记忆、用便宜模型干活。不过该测试目前只有 15 个任务、每个只跑一次，单个结果就能让分数浮动约 6.7 个百分点，且暂不涉及边做边更新记忆，后续版本才计划加入更长任务和在线更新。
GitHub 漏洞赏金团队在网络安全意识月采访了研究员 @r31n。他专门研究 GitHub Enterprise Server，多次发现高危问题，报告里都附带可用的概念验证和清晰的复现步骤，让工程团队能更快定位并修复。他说自己偏爱把几个看似无害的小问题串成完整攻击链，比如一个开放重定向配上会跟随跳转的 SSRF。日常学习靠安全博客、漏洞分析和会议演讲，但真正掌握要靠亲手复现。他认为 AI 降低了入门门槛，也确实是效率放大器，但决定研究质量的是验证和真实影响，而不是工具。
提供的材料未提及具体可用工具。
一位开发者用 Claude Opus 5.5 做出了七个 Adobe 应用的开源替代品，并在 Reddit 上宣传，声称大约一个月内就能达到接近 100% 的功能对齐。但随后他在 Hacker News 上承认，这个项目“远未准备好”。项目自己的路线图显示，它目前只有 45% 能满足实际工作需求，要达到完全对齐还需 2300 到 4100 个智能体小时。也就是说，这些工具目前仍处于早期阶段，暂时还不能当作 Adobe 的可靠替代品使用。
作者 Peihao Yuan 介绍了一套用于灾难恢复分析的工作流：AI 智能体只负责生成受限的 SQL 或 Python 代码，真正的计算交给嵌入式数据库 DuckDB，从 Parquet 文件中算出可复现的结果，再由智能体解读这些结果。文章的核心观点是：AI 改变的是人和数据打交道的方式（接口层），而不是负责算数的查询引擎本身。文中还讲了如何把“生成”和“计算”分开以保证结果可重放，并给出四个判断信号，帮读者决定什么时候用嵌入式引擎就够、什么时候值得上托管的湖仓方案。
Manju Rajashekhar 做了一场演讲，讲怎么用 Actor 模型解决生产环境中 AI 智能体运行时的麻烦。Actor 模型可以简单理解成：每个“小工人”（Actor）只管理自己的状态，彼此只靠发消息协作，谁出问题就单独处理。演讲把智能体看成分布式系统，围绕状态由谁持有、消息传递、写穿状态（状态一变就立刻写入持久存储）和监督边界（谁来发现并处理故障）来设计，从而应对失败、任务续接和可动态变化的执行图。这样智能体工作流就能从容易崩溃的演示，变成更稳定、可恢复的架构。目前只是演讲分享，材料没有说明有可用的代码或产品。
提供的材料未提及具体可用工具。
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。