Airbnb CTO 阐述“由内而外”AI 战略：60% 代码由 AI 生成及异步 Agent 应用
Airbnb CTO Ahmad Al-Dahle 提出“由内而外”的 AI 战略，即先利用 AI 加速内部产品开发，再将其能力转化为客户体验。目前 Airbnb 约 60% 的代码由 AI 编写，近一半的支持工单由 AI 独立解决。
#Agent
Latent SpaceAI 评分6868 LangChain Blog精选AI 评分7878 LangChain 详解如何在 Agent Harness 中构建模型路由器以降低成本
LangChain 发布指南介绍如何在 Open SWE 编码智能体中构建模型路由器，通过将任务分配至不同层级的模型（GLM-5.3-Flash、GPT-5.6 Sol、GPT-6 Astra），使每个线程的中位成本降低了 64%，同时保持合并 PR 率等质量指标不变。
推荐理由：LangChain 分享了在 Open SWE 中构建模型路由器的完整流程，通过任务分类和 A/B 测试实现了成本大幅降低且质量无损。
Latent SpaceAI 评分6565 Pi 发布 1.0 版本与 Pi Durable 框架
Pi 发布 1.0 版本并推出 Pi Durable，两者均登上 Hacker News 首页。Pi 1.0 新增 Codemode（原生支持 MCP、Jev 和图像模型）、虚拟模型扩展支持、延迟工具加载及 Anthropic 模型的缓存预热等功能。
Hugging Face BlogAI 评分5858 ServiceNow 发布 AutoSynthData：面向企业智能体的合成训练数据生成框架
ServiceNow CoreAI 推出 AutoSynthData，旨在将企业智能体在特定环境中的能力差距转化为高质量的合成训练数据。该框架通过分析目标模型的失败模式和教师模型的成功轨迹，生成包含系统规范、用户提示和验证器的新任务，并在执行环境中进行严格验证与修复。
Latent SpaceAI 评分5959 MIT博士生Alex Zhang谈递归语言模型与智能体蜂群的未来
Latent Space访谈了MIT博士生Alex Zhang，探讨其关于递归语言模型（RLM）和大规模多智能体系统的研究。Zhang认为未来的“语言模型”可能是隐藏在简单界面下的智能体蜂群，并指出当前前沿模型存在巨大的能力过剩。他详细解释了RLM如何通过上下文卸载、代码执行和递归子代理调用来解决长上下文和组合泛化问题，并讨论了OpenAI的10,000个智能体实验及Kimi的多智能体方法。
OpenRouter AnnouncementsAI 评分4040 LangChain 与 CrewAI 编排对比及 OpenRouter 原生路由解析
LangGraph 和 CrewAI 负责工作流编排，OpenRouter 处理模型与提供商路由。OpenRouter 通过 `models` 参数实现错误驱动的有序回退列表，其 Agent SDK 覆盖有界多轮工具循环场景。LangChain 提供 ChatOpenRouter 集成，CrewAI 支持将 OpenRouter 作为底层模型层使用。
OpenRouter AnnouncementsAI 评分5353 OpenRouter 解析六大 Agent 框架的工具调用 Schema 处理机制
OpenRouter 发布技术文章，详细对比 LangChain、CrewAI、OpenAI Agents SDK 等六个主流 Agent 框架在处理不同提供商（如 OpenAI、Anthropic、Google）工具调用 Schema 时的翻译机制与差异。
Ethan Mollick · One Useful ThingAI 评分6565 Ethan Mollick 反思 AI 智能体自主组织能力与管理角色的演变
Ethan Mollick 修正了此前关于人类需像管理者一样精心构建智能体组织的观点，指出随着模型能力提升，智能体已展现出强大的自主协调与规划能力。他引用 OpenAI 利用数千个智能体组成的“蜂群”在 88 小时内解决 Navier-Stokes 问题的案例，以及 Meta Muse、OpenAI dots 等个人智能体的实际应用，论证了“苦涩教训”同样适用于组织结构。
Latent Space精选AI 评分8080 Gemini 4 Argon 发布：GDM 对标 Astra/Fable，支持 1M 输出
Google DeepMind 发布 Gemini 4 Argon，主打编码、企业知识工作和网络安全，在 19 项基准测试中 13 项取得 SOTA。该模型通过 Long Decode Continuation 实现最高 1M token 的输出限制，目前仅在 Fairwind Program 中向政府用户和可信网络防御者开放预览。
推荐理由：汇总了 Gemini 4 Argon 的基准测试表现、定价策略及行业反馈，为评估其实际竞争力提供了多维度的参考数据。
Simon WillisonAI 评分4040 Matthew Green 指出共享缓存与独立部署智能体构成蠕虫传播条件
Matthew Green 分析表明，劫持智能体的载荷与携带载荷的智能体结合可形成“蠕虫”。在隔离沙箱中，智能体能通过共享包缓存互相传递指令并改变行为。若将缓存替换为邮件、Slack 等通信工具，并将训练运行替换为 Muse 等独立部署的个人智能体，即具备蠕虫传播所需的全部要素。
LangChain Blog精选AI 评分7373 TypeSafe AI 发布 Jev 模型并集成至 LangChain
TypeSafe AI 发布了名为 Jev 的 System One 模型，该模型不生成文本而是通过强化学习进行快速的结构化分类决策，官方称其在分类任务上推理速度比同类 LLM 快 200 倍且成本低 400 倍。LangChain 已提供 `langchain-typesafe` 集成，支持通过 `TypeSafeClassifier` 调用该模型实现模型路由和自动模式下的工具调用安全拦截。
推荐理由：原文介绍了 TypeSafe AI 发布的 Jev 模型及其在 LangChain 中的集成方式，展示了如何通过结构化决策优化智能体循环的效率与成本。
Modal 官方工程博客精选AI 评分7878 Modal 正式推出 VM Sandboxes 以支持智能体运行完整计算机环境
Modal 宣布其 VM Sandboxes 功能正式全面可用（GA），允许开发者通过单一配置标志为 AI 智能体提供完整的 Linux 虚拟机环境。该功能基于 Cloud Hypervisor 构建，保留了原有 gVisor Sandbox 的 API、亚秒级冷启动和突发资源能力，并支持 Docker、本地数据库及图形界面等复杂工作负载。
推荐理由：官方详细说明了 VM Sandboxes 的技术实现与早期客户案例，为需要完整 Linux 环境的 Agent 开发者提供了具体的迁移参考。
Modal 官方工程博客AI 评分4545 Modal 在 Runtime 大会发布 VM Sandboxes、多节点集群及 Sticky Sessions 等新功能
Modal 在首届 Runtime 大会上发布了多项新功能，包括支持智能体访问完整 Linux 环境的 VM Sandboxes、通过 `@modal.clustered` 装饰器实现的多节点集群以及用于维持状态的 Sticky Sessions。
Modal 官方工程博客精选AI 评分7878 Modal 发布 Sidecars：为 Sandbox 提供低延迟信任边界
Modal 推出 Beta 版 Sidecars，这是一种在主 Sandbox 同一主机上运行的隔离容器，旨在建立可信代码与不可信代码之间的安全边界。Sidecars 通过内部桥接网络通信，其跨信任边界的通信速度比使用独立 Sandbox 快至少 3 倍，有效解决了将智能体框架（harness）移出 Sandbox 所带来的高延迟问题。
推荐理由：原文给出了隔离可信与不可信代码的新原语及实测延迟数据，读者可据此评估其在降低智能体网络开销方面的实际价值。
OpenRouter Announcements精选AI 评分7373 OpenRouter 发布 Agent 模型成本与质量权衡框架
OpenRouter 提出一种三步框架，用于为 AI Agent 选择最具性价比的模型，强调不应仅依据排行榜排名选模，而应寻找满足特定任务质量门槛的最便宜模型。
推荐理由：提供了一套基于自有数据测量成本与质量比值的三步决策框架，帮助开发者在 Agent 任务中避开排行榜陷阱，选出满足最低质量要求的最经济模型。
Latent Space精选AI 评分8282 Latent Space 访谈 OpenAI 团队：Computer Use 进展与 Decisions API 发布
OpenAI 团队在 Latent Space 播客中回应了关于 Computer Use 进展的质疑，指出当前技术已发生根本性变化，并介绍了新发布的 Dots、GPT-6.1 Sol 和 Agents API。团队还透露了受 Jev 启发的 Decisions API 开发细节，该 API 基于 Luna 模型实现低延迟并行推理，旨在支持快速分类和实时控制等场景。
推荐理由：原文记录了 OpenAI 团队对 Computer Use 进展的复盘，以及受 Jev 启发快速推出 Decisions API 的内部决策过程。
OpenAIAI 评分2121 OpenAI 发布小企业 AI 智能体报告
小团队正借助 AI 承担更多工作——从寻找客户到构建产品和管理财务。我们的新报告探讨了小企业如何利用 AI 智能体开展工作。此外，通过与 @ASBDC 的新合作，我们将提供实操性 AI 培训和本地指导
NVIDIA BlogAI 评分4242 CoreWeave 上线 NVIDIA Vera Rubin NVL72，Cognition 实测 Token 吞吐量提升 4.8x
CoreWeave 宣布在云端提供 NVIDIA Vera Rubin NVL72 系统，Cognition 作为首个客户运行 Devin 生产负载。测试显示该硬件较 GB200 NVL72 实现最高 4.8x 的总 Token 吞吐量提升。CoreWeave 还推出了面向 AI 智能体的 NVIDIA Vera CPU 及统一训练评估环境的 CoreWeave Forge。
OpenRouter Announcements精选AI 评分6868 OpenRouter 发布 AI Agent 提示词或模型变更后的回归测试指南
OpenRouter 发布指南介绍如何在提示词或模型变更后对 AI Agent 进行回归测试。核心方法是建立锁定的用例集和行为契约，通过结构断言检查工具调用及参数，而非文本比对。文章详细演示了使用 Ori Eval 框架固定具体模型 slug、配置 CI 工作流以及处理模型切换时的推理参数差异，确保在价格或性能变化时保持策略合规性。
推荐理由：原文提供了锁定用例集与行为契约的具体方法，并演示了如何利用 Ori Eval 进行模型切换的回归测试。
OpenRouter Announcements精选AI 评分6868 OpenRouter 发布 AI Agent 工具调用准确率测试指南
OpenRouter 发布指南介绍如何测试 AI Agent 的工具调用准确率，区分工具选择错误与参数传递错误两种失败模式。文章详解参考无关 LLM 评判、确定性 Schema 检查及轨迹对比三种方法，并提供通过 OpenRouter 统一接口对 Claude Opus 5、GPT-5.6 Sol 和 Kimi K3 等模型运行相同测试用例的代码示例。
推荐理由：原文拆解了工具选择与参数校验的独立测试逻辑，并提供了基于 OpenRouter 统一接口对比多模型准确率的代码实现。
LangChain Blog精选AI 评分6060 LangSmith 上线 Jev-as-a-judge 评估功能
LangChain 宣布在 LangSmith Evals 中正式支持 Jev 作为评估器，为团队提供快速、低成本的开放式 Agent 行为评估方法。Jev 属于 System One 模型，不生成文本而是直接返回结构化决策（如概率、选项或评分），据称比同类 LLM 便宜约 450 倍且快约 200 倍。
推荐理由：LangSmith 集成 Jev 作为评估器，提供比传统 LLM 裁判更低成本、更高一致性的 Agent 行为追踪方案。
Sierra BlogAI 评分2626 Sierra 成为 OpenAI Marketplace 首批合作伙伴
Sierra 宣布成为 OpenAI Marketplace 的首批合作伙伴，允许企业客户使用现有 OpenAI 预算构建智能体。该合作基于双方已有的 Frontier 项目基础，旨在通过按结果付费模式帮助企业优化客户体验并驱动业务成果。
OpenAI精选AI 评分6565 OpenAI 发布新 AI 产品
OpenAI 官方宣布推出新的 AI 产品。该更新涉及智能体相关能力，旨在提供可直接使用的工具或功能。
推荐理由：官方账号直接发布新产品，明确了智能体能力的落地形态，读者可据此评估其在实际工作流中的可用性。
OpenAIAI 评分2727 OpenAI 推出 GPT-6 Astra 驱动 dots
介绍 dots，由 GPT-6 Astra 驱动。功能卓越、始终在线的智能体，旨在处理一切任务。
Hugging Face BlogAI 评分4242 ProvenanceGuard：面向 MCP 智能体的源感知事实性验证
Hugging Face 推出 ProvenanceGuard，一种针对基于 MCP 的 LLM 智能体的源感知事实性验证层。该工具通过保留证据来源身份，解决跨源混淆问题，在医疗场景测试中成功拦截 139 个错误声明中的 138 个，并在可识别来源时以约 86% 的准确率匹配正确源。
Sierra BlogAI 评分4545 Sierra Ghostwriter 从工具转变为 Slack/Teams 中的主动式 AI 队友
Sierra 将 Ghostwriter 升级为常驻 Slack 和 Teams 的主动式 AI 队友，支持 @提及交互及异步协作。该版本能基于团队对话与客户互动上下文，主动识别业务洞察、提出实验建议并监控统计显著性结果。Ghostwriter 具备社交感知能力，仅在有意义时发言，将于下周开始更广泛地推出。
Anthropic Claude.dev 开发者博客精选AI 评分8282 Anthropic 发布 claude-api 技能以自动化评估设计与爬山优化
Anthropic 在 claude-api 技能中新增 /claude-api build-eval 和 /claude-api hillclimb 命令，用于在代码库中构建评估集并迭代优化应用性能。
推荐理由：原文提供了在 Claude Code 中自动化构建评估集与执行爬山优化的具体命令及防过拟合机制，读者可据此改进智能体应用的性能或成本。
LangChain Blog精选AI 评分6060 LangSmith 发布 Engine v2、托管深度智能体 v0.8 及微调等新功能
LangSmith 在 Interrupt NYC 大会上发布了多项新功能，包括用于自动检测问题并测试修复方案的 Engine v2，以及支持用户级记忆和内置网络搜索的 Managed Deep Agents v0.8。
推荐理由：原文详细列出了 LangSmith Engine v2、Managed Deep Agents v0.8 及微调工具等具体功能变化，为开发者提供了评估现有 Agent 工作流升级路径的直接依据。
LangChain Blog精选AI 评分8080 LangChain 讲解如何结合 Jev 和 LangGraph 构建生产级智能体
LangChain 发布指南介绍如何利用 TypeSafe AI 的 Jev 决策模型与 LangGraph 框架构建“prod, not god”的生产级智能体系统。
推荐理由：原文结合 Jev 决策模型与 LangGraph 编排框架，展示了构建低成本、高可靠性生产级智能体的具体架构模式。
LangChain BlogAI 评分4242 LangSmith 推出 Custom Apps：在平台内构建自定义 Agent 数据界面
LangSmith 发布 Custom Apps，允许用户在平台内直接构建、发布并运行基于 Agent 数据的自定义 UI。该功能支持通过 Chat 提示或代码模板开发，免去了托管、认证及权限配置等维护工作。目前 Plus 计划包含一个应用，Enterprise 计划提供无限数量，同时其设计系统 Macaw 已开源。
Hugging Face Blog精选AI 评分8282 H Company 发布 Holo4 系列通用计算机使用智能体模型
H Company 发布 Holo4 系列智能体模型，包含 27B Dense 和 35B-A3B MoE 两个版本，支持通过 GUI、代码、MCP 和 API 等多种接口操作软件。该模型在 OSWorld 2.0 等基准测试中表现接近前沿闭源模型，但参数量和推理成本显著更低。所有模型权重已在 Hugging Face 开源，并提供完整的执行轨迹数据集供复现和分析。
推荐理由：原文展示了 Holo4 在 GUI、代码和 API 多接口下的统一能力，并提供了与前沿闭源模型的成本性能对比及开源轨迹数据。
GitHub Blog · AI & MLAI 评分5050 GitHub Copilot 应用如何通过 canvases 构建自定义工作流
GitHub Copilot 应用通过 `/create-canvas` 技能生成双向共享的 canvas 界面，用户无需编码即可用自然语言描述创建看板或清单。Agent 与用户可实时同步操作状态，支持按钮、卡片等控件交互及即时更新。生成的 canvas 作为扩展保存，可通过 Awesome Copilot 社区复用或团队共享。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Copilot 博客探讨为何聊天并非 AI 最佳交互界面
GitHub Copilot 官方博客文章认为聊天框往往不是与 AI 协作的最佳 UI，建议改用可定制的画布（canvas）来构建专用工具。文中举例说明通过画布创建本地应用或自动化开发流程，能避免将 Agent 当作通用工具造成的 token 浪费，让用户更专注于具体任务而非反复对话。
推荐理由：作者指出聊天界面常是低效交互，提出用可定制画布替代纯对话以节省 token 并优化工作流。
Google Research精选AI 评分6868 Google Research 发布 AI 视频联合导演框架实现连贯长视频生成
Google Research 推出名为 AI video co-director 的统一多智能体框架，旨在解决长视频生成中的语义漂移和级联失败问题。该框架作为 Gemini 和 Veo 之上的编排层，包含 Co-Director、CANVAS、A²RD 和 VQQA 四个核心组件，分别负责创意意图编排、视觉故事板连续性规划、时间动态扩展以及闭环质量优化。
推荐理由：原文提出了基于多智能体框架的长视频生成方案，通过全局优化和世界状态追踪解决视觉漂移问题。
GitHub Blog · AI & ML精选AI 评分7878 GitHub Security Lab Taskflow Agent：AI 驱动的自动化模糊测试流水线
GitHub Security Lab 发布 Fuzzing Taskflow，这是一个基于 GitHub Security Lab Taskflow Agent 框架构建的自主模糊测试流水线，专为 C/C++ 项目设计。
推荐理由：GitHub Security Lab 开源了基于 LLM Agent 的自动化模糊测试流水线，详细拆解了从 Harness 生成、覆盖率反馈循环到崩溃分诊的全流程设计。
LangChain BlogAI 评分4242 LangSmith Engine v2 发布：新增红队测试与自动验证修复功能
LangSmith Engine v2 正式推出，新增 Red Teaming 主动检测智能体漏洞及自动验证修复方案功能。该版本能识别延迟、成本等隐性趋势问题，并在部署前自动复现故障以验证修复有效性。目前 Red Teaming 和自动验证功能仅向现有 LangSmith Deployment 用户开放 Private Beta 测试。
DeepLearning.AIAI 评分5757 DeepLearning.AI 介绍利用结构化记忆解决 AI 智能体上下文遗忘的方法
DeepLearning.AI 分享了一种解决 AI 智能体因上下文窗口限制而遗忘早期信息的方案。该方法通过引入结构化记忆机制，在关键节点注入简短提示以保留过往错误和工具调用记录，从而提升智能体在长任务中的稳定性。
LangChain Blog精选AI 评分7878 LangChain 发布 LangSmith Fine-Tuning 及 smithtune CLI
LangChain 推出 LangSmith Fine-Tuning 和 smithtune CLI，支持将 LangSmith 智能体轨迹转化为监督微调（SFT）数据集并自动完成训练、评估与部署。
推荐理由：提供从 LangSmith 轨迹到微调模型的全流程 CLI，通过实测数据展示其在特定任务上降低延迟与成本的能力。
LangChain Blog精选AI 评分6565 LangChain 发布 Managed Deep Agents 0.8 增强生产环境智能体支持
LangChain 发布 Managed Deep Agents 0.8，新增用户级记忆、HTTP 通道、Slack 文件传输及内置 Parallel 网页搜索工具。该版本通过分层记忆架构区分共享知识和个人上下文，并支持在 Slack 和 HTTP Webhook 中直接调用智能体处理文件与任务。开发者可通过声明式配置快速部署具备身份认证、权限管理及持久化记忆的生产级智能体应用。
推荐理由：原文展示了用户级记忆隔离与多渠道接入的具体实现，为构建生产环境智能体提供了可复用的基础设施参考。
LangChain BlogAI 评分4242 LangSmith 推出 Trajectories：提供 Agent 会话的可读时间线视图
LangSmith 发布 Trajectories 功能，将多轮 Agent 会话中的消息与动作按时间顺序聚合为可读视图。该功能支持对轨迹进行在线评估、路由至标注队列及导出用于监督微调，目前已在所有美国计划中可用。