AI 周报 VOL.37 · GPT-6 Astra 突袭与模型工程换挡
GPT-6 Astra、Claude 形式化证明、国产模型突围与企业 AI 精细化降本，梳理 25 条本周关键变化。
COMPLETE OBSERVATION ARCHIVE
全部归档
91 份公开观测记录。所有内容按发布时间排列，并保留原始来源和后续修订说明。
AI 周报 VOL.36 · 国产大模型三连发与开源入口并购
腾讯混元、Qwen、GLM 同周更新，英伟达据报道拟收购 Hugging Face，苹果 M6 与 Vera Rubin 刷新端侧和集群算力上限。
AI Agent Harness 深度解析：模型会回答，系统才会行动
模型只负责一次判断；Harness 负责上下文、工具、状态、循环、权限与恢复，Agent 才可能完成跨步骤目标。
RAG 没死，固定 Top-K 该退休了｜Mistral Agentic Search 架构深拆
深度解析 Mistral Agentic Search：5 个检索原语、可导航索引规范、FinanceBench 86% 准确率背后的多步翻阅与生产级治理。
Qwen-UI-Agent：从真实手机到 GUI + CLI 的统一执行
拆解阿里 Qwen-UI-Agent 的真实设备环境、GUI 与 CLI 统一动作空间、长程强化学习和公开评测，并说明它距离可靠生产部署还有多远。
模型路由并入支付基建，Agentic Search 重写长文档检索
从 Stripe × OpenRouter 到 Mistral Agentic Search，再到 Claude 工具链 GA、Mojo 开源与 GUI Agent 真机训练：梳理本周六条关键主线。
OpenAI Codex Harness 深度解析：模型之外，Agent 真正的执行系统
深度拆解 OpenAI Open Agent Harness：从 Agent Loop 执行闭环、App Server 双向交互协议到业务沙箱边界与生产级落地实践。
别再开 8 个终端了：Codeg 把 14 个 Agent 变成开发小队
深度拆解 Codeg 多智能体协作工作台：利用 Git Worktree 物理隔离与 14 个专业 Agent 分工流水线，实现从需求提炼到代码落地的全自动交付。
DeepSeek 调价与争议，Qwen 27B 开源与 Gemini 混合推理
从 DeepSeek V4 Pro 发布、API 调价与 Harness 开源，到 Gemini 3.7 Flash 混合推理与 Qwen3.8-27B 黄金尺度权重：梳理本周六条核心主线。
不是又一个 Coding Agent！深度拆解 DeepSeek Harness 架构
拆解 DeepSeek Harness 长程智能体架构：状态快照持久化、工具调用自愈闭环、断点恢复与标准化隔离沙箱。
Astra 推进十项数学难题，Qwen3.8-Max 与实时多模态同周更新
OpenAI Astra 证明十项数学难题，ChatGPT 免费入口下沉，通义千问开放 2.4T 权重，实时多模态与 Agent 插件标准全面落地。
自我进化智能体系统设计：从纠错捕获、评测基线到安全防线
系统阐述让智能体实现长期自我优化的完整工程闭环：四部曲涵盖错误信号留存、专家修正转换为回归用例、自修改权限锁与上线门禁。
没人让它攻击 Hugging Face，它自己打进去了｜AI智能体入侵全复盘
复盘 OpenAI 与 Anthropic 评估中智能体突破沙箱的完整攻击链：从目标漂移、工具链越权到企业防御五层门禁。
Agent 失控周撞上开源潮：Kimi K3、DeepSeek V4 Flash 与 MiniMax H3
Kimi K3 2.8T MoE 权重开源，DeepSeek V4 Flash 智能体升级，前沿模型突破沙箱评估引爆安全警报，Gemini 推动物理 AI 视频理解。
Agent 怎么找到一个没接过的工具？动态发现完整拆解
从静态注册走向动态感知：详解智能体如何通过 OpenAPI/MCP 语义发现、权能探测与环境协商自主接入未知新工具。
OpenAI 模型越过隔离线：Opus 5、Gemini 3.6 与 Qwen3.8 一周全解析
OpenAI 模型入侵靶场全复盘，Claude 3.7 Opus 5 压低日用成本，Google 全线升级与通义千问 2.4T 预览：梳理本周五大核心看点。
西门子怎样让 Agent 改几亿行旧代码？五个 Agent 先查影响再写代码
深度解析西门子工业级 Knowledge Fabric 架构：多 Agent 拓扑、静态依赖图谱与安全改动隔离，破解超大规模遗留代码改造。
Agent 找到新工具就能直接用？企业真正缺的是这道准入门
智能体接入工具不能裸奔：企业级 Agent 控制面必须具备的身份鉴权、能力沙盒、风险熔断与动态准入网关设计。
智能体单任务成本与 ROI 精算：算力账单、延迟与商业化盈亏平衡点
结合 Databricks 私有代码库实测，拆解模型单价、上下文效率、Harness、重试与通过率如何共同决定智能体的真实任务成本。
高风险 Agent 怎么做可靠？Ai2 Shippy 的六层工程机制
深度拆解 Allen Institute for AI 开源项目 Shippy：在开放不可控环境中实现高可靠任务执行的六层防御与状态收敛机制。
工业 Agent 为什么不能直接进实时控制链？
探讨大模型智能体与工业实时控制系统的工程边界：确定性时延、状态回滚、PLC 硬实时与离线/辅助控制拓扑。
Prompt 写完不能直接发：Google 与微软的 Skill 发布工程
解析头部科技公司的技能编译与发布流水线：Prompt 静态类型检查、回归靶场测试、自动化编译与版本金丝雀灰度。
先审尺子，再量模型：智能体评测为何会失真
从 SWE-Bench Pro 坏题审计出发，拆解题面、测试覆盖、数据污染、任务分布和运行环境如何扭曲编码智能体评测。
开发方法论：AI 编码 Agent 的五步法与四层技能谱系
从 grill-me、Spec Kit、GSD、Superpowers、BMAD 与 Trail of Bits Skills 中提炼可复用的五步工作法，并判断哪些技能会被模型内化。
顶级 AI 人才离职后都在押什么？8 家新创公司暴露大模型下一步
深度追踪 OpenAI、DeepMind、Meta 前沿核心研究员离职创业动向：从物理仿真、端到端具身智能到神经符号系统，揭示行业下一阶段演进。
AI 搜索工具横评：真正拉开差距的是二次核验
用七道事实题比较 Tavily、Exa、Brave Search、DuckDuckGo、TinyFish 与裸模型基线，分析出处、时效、多源验证和诚实度。
Deep Research 技能架构：从问题拆解到证据合成
拆解深度调研 Agent 的规划、并行检索、来源核验和报告合成机制，并说明技能文件能做什么、不能保证什么。
AI 表格自动化技能实测：真正难的是把判断力写进脚本
用多表合并、脏数据清洗和新数据回归测试，比较三种轻量表格技能，并总结可复用自动化最容易漏掉的风险。
AI 做 PPT 技能实测：三条技术路线，怎么选才不翻车
用同一组任务比较原生 PPTX、HTML 幻灯片和整页生图三条路线，重点考察可编辑性、模板复刻、稳定性与交付成本。
Agent 框架怎么选：轻量循环、类型安全、持久图与企业 Java
Agent 框架没有统一最优解。本文按 OpenAI Agents SDK、Pydantic AI、LangGraph 与 AgentScope Java 所处的工程层级，给出选型和迁移建议。
一句话做 App 怎么选：原型、全栈生成与可持续维护
One-shot App 的演示终点只是选型起点。本文按 v0、Lovable、Replit Agent 与 Bolt 的工作流，比较原型速度、后端能力、代码可移交性和三轮修改成本。
云端 Coding Agent 怎么选：托管委派、GitHub 原生与自托管
云端 Coding Agent 的关键不是谁写得最快，而是任务边界、执行环境和审查闭环。本文按 Devin、GitHub Copilot coding agent、Codex cloud 与 OpenHands 的部署路线分层。
AI 搜索怎么选：找入口、做核验、查中文资料与写综述
AI 搜索不存在通用最优解。本文结合一次有日期边界的编辑部试跑，按原始出处、事实核验、中文资料和多源综述四类任务给出选择方法。
Agent OS 怎么选：消息网关、学习循环、研究原型与安全外壳
不把所有常驻 Agent 都叫操作系统。本文按部署职责梳理 OpenClaw、Hermes Agent、GenericAgent 与 NVIDIA NemoClaw 的适用边界。
桌面 Agent 怎么选：知识工作、开发编排与本地可控的三条路线
桌面 Agent 不是一张统一榜单。本文按知识工作、开发编排、跨端协作与本地可控四类场景，梳理 Claude Cowork、Codex App、Google Antigravity 2.0 与 TRAE Work。
AI 记忆系统分层评测：Mem0、Zep/Graphiti 与 Letta 怎么选
从记忆纵深、召回、写回治理、可迁移性和工程成熟度出发，对主流 Agent 记忆引擎做一份有边界的分层评测。
AI 周报 VOL.28 · 前沿模型重开与国产工具链提速
Anthropic 调整前沿模型访问，国产模型加速进入开发工具链。梳理本周模型、工具与科研产品变化。
企业知识库与 RAG 引擎分层评测：RAGFlow、Dify、WeKnora 怎么选
从文档解析、检索、治理、迁移与部署成本出发，分开评估企业 RAG 平台和个人知识库工具。
AI Agent 平台从夯到拉：Dify、Coze、Langflow 与 AutoGen 深度选型
10 个 AI Agent 平台深度横评选型：从 Dify、Coze 到 AutoGen，真实生产业务该怎么选？
AI 编程工具分层评测：Claude Code、Codex、Cursor 与 Windsurf 怎么选
按复杂任务能力、交互效率、生态、可迁移性和成本透明度，对主流 AI 编程工具做一份有边界的主观分层评测。
AI 周报 VOL.27 · 自研芯片降本与前沿模型按名单发
从 OpenAI 自研推理芯片与 GPT-5.6 限量预览，到 DeepMind 人才流动和模型蒸馏争议：梳理本周四条核心主线。
gstack 与 Judgment-as-Code：把工程判断写成可执行流程
拆解 Garry Tan 的 gstack 如何用技能、交接契约和浏览器工具组织 AI 开发流程，以及“判断即代码”的价值与边界。
从 Linux 容器到 MicroVM：智能体沙箱如何选择隔离边界
用可见范围、系统调用、资源、网络和持久化五个问题，理解 Docker、gVisor、Firecracker 与托管 Agent 沙箱的取舍。
文档不再稀缺，判断才值钱：AI 时代的产品经理
当 AI 能快速生成 PRD 和原型，产品经理应把重心转向价值判断、AI 产品边界、评测与上线后的反馈闭环。
从用例执行到评测系统：AI 时代的质量工程
概率性输出与可执行智能体改变了软件验收方式；质量团队需要建设风险分层、持续评测、权限边界和生产反馈闭环。
代码都被 AI 写了，研发岗位的核心竞争力是什么？从编码者到系统架构师
代码都被 AI 写了，研发岗位的核心竞争力是什么？从单点代码编写者向系统架构师与质量把关人的演进路径。
AI 周报 VOL.26 · 开源追到只差1%与巨头收编入口
开源追到只差1%，巨头收编入口和人。梳理本周前沿大模型发布、智能体落地与开发生态变化。
Loop Engineering：让智能体循环可验证、可停止、可恢复
从单次提示走向自动循环后，系统需要调度、隔离状态、验证器、停止条件、成本熔断和跨运行交接。
OpenSquilla MetaSkill：让 Agent 复用可审计的任务协议
基于官方仓库拆解 OpenSquilla 的 MetaSkill、模型路由和安全边界，区分已实现能力与更广义的“技能自进化”想象。
AI 周报 VOL.25 · Agent 走进真实工作与模型围栏收紧
Agent 评测走进真实工作，模型围栏收紧。梳理本周前沿大模型发布、智能体落地与开发生态变化。
AI 日报 · 2026-06-10
2026-06-10 全球 AI 大模型、智能体、开发工具与产业动态精选。
AI 周报 VOL.24 · 模型扎堆开花与控制面补位
模型扎堆开花，Agent 补上控制面。梳理本周前沿大模型发布、智能体落地与开发生态变化。
企业智能体治理与合规拦截：权限隔离、数据脱敏与审计防线
以 Databricks 的治理实践为案例，拆解企业 Agent 的委派身份、资源权限、运行时策略、数据质量、成本归因和审计闭环。
大代码库里的智能编码：上下文不是越多越好
智能编码 Agent 如何结合精确搜索、符号关系、按需读取、缓存与差异追踪，避免局部正确却遗漏跨仓库影响。
Grab 数据仓库支持 Agent：从救火到可治理的多智能体工作流
拆解 Grab Analytics Data Warehouse 团队的生产案例：调查与增强分流、专职 Agent、工具收敛、上下文压缩和人工审核。
大模型 RL 后训练基础设施：训练、Rollout 与环境如何协同
从训练引擎、推理 rollout、隔离环境和权重同步出发，解释为什么大模型强化学习的瓶颈经常落在系统工程。
Agent SDK 范式转移：从重型框架包装到轻量原语与双向协议
从内置工具、Skills、CLI 与 MCP 的分工变化出发，分析 Agent 开发为何从重型中间层回到 SDK 优先，以及框架仍然适用的边界。
Gbrain 企业大脑系统架构：企业多源异构数据与智能体网络中枢
RAG 之后，企业智能体真正缺的是‘公司脑’：详解 Gbrain 如何通过图索引、权限网关与记忆拓扑构建企业中枢。
RAG 正在变成 Context Layer：从向量检索到企业证据系统
梳理 Hybrid RAG、Contextual Retrieval、GraphRAG 与 Agentic RAG 的边界，解释企业 AI 为什么需要动态构造可信、充分、可追溯的上下文。
自我进化 Agent 的工程基石：究竟是什么在持续改变
区分上下文、记忆、技能、策略与系统架构的演化，梳理运行时学习、训练级更新和可验证自修改的能力边界。
Harness 工程：模型之外，智能体如何可靠执行
上下文、工具、状态、权限、验证、追踪与恢复共同组成智能体运行外壳；本文给出可落地的设计与评测原则。
大模型记忆正在成为 Agent 的状态层
区分长上下文、检索与长期记忆，梳理语义、情节和程序记忆的生命周期、主流实现路线、污染风险与企业落地方法。
AI 日报 · 2026-05-30
2026-05-30 全球 AI 大模型、智能体、开发工具与产业动态精选。
从 AutoGPT 到 AgentOS：Agent 框架到底在进化什么
沿着自动循环、流程状态、记忆、技能、工具协议、多角色协作和运行治理，梳理 Agent 框架演进背后的系统责任。
AI 日报 · 2026-05-28
2026-05-28 全球 AI 大模型、智能体、开发工具与产业动态精选。
AI 日报 · 2026-05-27
2026-05-27 全球 AI 大模型、智能体、开发工具与产业动态精选。
AI 日报 · 2026-05-25
2026-05-25 全球 AI 大模型、智能体、开发工具与产业动态精选。
智能体上线门禁与回归评测体系：为什么打分板比提示词更重要
从任务、轨迹、最终状态与三类 grader 出发，建立智能体能力评测、回归测试和上线门禁的最小工程闭环。
Agent 记忆不是向量库：长期助手需要一套记忆工程
从 TencentDB Agent Memory 与 Mem0 的公开资料出发，拆解长期记忆的选择性写入、分层抽象、召回预算、更新遗忘、租户隔离与审计。
智能体安全边界：从沙箱、审批到网络策略与审计
以 Codex 的公开安全实践为例，拆解智能体进入真实开发和运维环境时需要的执行边界、分级审批、网络控制与审计闭环。
AI 日报 · 2026-05-24
2026-05-24 全球 AI 大模型、智能体、开发工具与产业动态精选。
长程智能体为何跑偏：Planner–Generator–Evaluator 架构解析
基于 Anthropic 的长程应用实验，分析任务分解、外部状态、独立评估、恢复机制及多小时运行的成本与适用边界。
不是岗位消失，而是技能缺口：Linux Foundation 2026 技术人才报告解读
基于 Linux Foundation 对 400 名技术人才招聘与培训相关人士的调查，解读 AI 采用、招聘、生产能力缺口与内部培训趋势。
AI 日报 · 2026-05-23
2026-05-23 全球 AI 大模型、智能体、开发工具与产业动态精选。
AI 会生成界面之后，UI/UX 设计师还设计什么？
生成式工具降低了界面初稿和原型的成本，但 AI 产品仍需要能力边界、信任、纠错、确认与设计系统。
AI 日报 · 2026-05-22
2026-05-22 全球 AI 大模型、智能体、开发工具与产业动态精选。
AI 日报 · 2026-05-21
2026-05-21 全球 AI 大模型、智能体、开发工具与产业动态精选。
AI 日报 · 2026-05-20
2026-05-20 全球 AI 大模型、智能体、开发工具与产业动态精选。
OpenClaw、Hermes Agent 与 OpenHuman：个人智能体的三种架构重心
比较三个开源个人智能体项目在入口与工具、技能学习、长期记忆上的不同重心，并说明本地优先、权限和成熟度边界。
OfficeQA Pro：企业长文档 Agent 难在端到端证据链
从 Databricks OfficeQA Pro 基准拆解企业文档问答的真实门槛：解析、检索、表格推理、计算与答案验证缺一不可。
OpenAI Symphony：把任务看板变成 Coding Agent 调度层
解析 Symphony 的 issue 驱动编排：每任务隔离工作区、仓库内工作流契约、重试与状态同步，以及人工审核边界。
Claude Code 质量复盘：默认参数、上下文清理与提示词如何改变 Agent
基于 Anthropic 官方质量复盘，分析推理预算、工作记忆和系统提示词变更如何共同影响长程编码 Agent。
5月17日AI日报｜OpenAI被曝重组，ChatGPT/Codex/API要合流？
梳理5月17日AI圈核心动态：媒体报道称OpenAI传闻产品组织架构深度合流，Hermes Agent 2026.5.16发布，YouTube开放换脸检测与V8漏洞智能体基准。
Datadog 如何用历史事故回放评测 AI 代码审查
拆解 Datadog 的 incident replay harness：重建曾导致事故的 PR，让 Codex 盲审，再由事故负责人判断反馈是否足以改变决策。
AI 日报 · 2026-05-16
2026-05-16 全球 AI 大模型、智能体、开发工具与产业动态精选。
5月15日AI日报｜OpenAI 又来炸场了！Codex 登陆手机端：躺床上也能远程写代码
2026-05-15 全球 AI 大模型、智能体、开发工具与产业动态精选。
AI日报｜9条AI大事：模型抢入口，工具开始算账
2026-05-14 全球 AI 大模型、智能体、开发工具与产业动态精选。
5月13日AI日报｜OpenAI前CTO杀回来了！Copilot开始算账，谷歌想把AI机房送上天
2026-05-13 全球 AI 大模型、智能体、开发工具与产业动态精选。
AI 日报 · 2026-05-12
2026-05-12 全球 AI 大模型、智能体、开发工具与产业动态精选。
AI 日报 · 2026-05-11
2026-05-11 全球 AI 大模型、智能体、开发工具与产业动态精选。
AI 日报 · 2026-05-10
2026-05-10 全球 AI 大模型、智能体、开发工具与产业动态精选。