最新文章
AI 与 Agent 前沿的中文解读与一手原文。
权限边界写在 SKILL.md 里
多 agent 系统通常只规定工具和沙箱，不规定每个子任务需要哪些文件。这篇论文发现 Agent Skills 的流程描述本身就是权限标注：从 Skills 合成任务、子 agent 真实执行、用验证过的轨迹训练，工具权限精度提升 13.4 个点。
封掉 agent，等于封掉它背后所有人
Cloudflare 用一个跑腿助理的寓言说明：agent 成了用户与站点之间的中间人，站点看得见 agent，看不见背后的人。赖账时证据链断了，封禁时又会误伤同一 agent 服务的所有用户。他们主张站点重建身份、信誉、追责三件套。
前沿实验室在买什么数据
Handshake AI 一年做到 10 亿美元年化收入，卖的是给前沿实验室的训练与评测环境：模拟投行、科学图像判读、可回放的 agent 轨迹。成本不在数据量，在判法。评分必须能指出错在哪一行、哪一步，这只有做过这行的人写得出来。
土豆姐的 Grok Bot 方法论
从一个 Bot 到可信赖的团队：用技能、验证、例行任务与持续纠错，让 Agent 接住完整工作流。
Octop：自托管的多用户 Agent
腾讯云开源 Octop，把多用户、多 Agent、长期记忆、即时通信与定时任务收进一个本地优先的单进程系统。
Evals 终极 FAQ：教过 700 个工程师后的全部答案
Hamel Husain 与 Shreya Shankar 把教 700+ 工程师和 PM 时被问最多的问题整理成一篇 40 问的 FAQ。核心立场：evals 不是基建工程，是从看数据开始的纪律——先错误分析，再谈自动化。
Claude Design 的创造者怎么用自家产品
Anthropic 产品设计师 Nate Parrott 亲述 Claude Design 的诞生：一个为了跟上工程师交付速度的 side project，发现 HTML 才是 Claude 的视觉母语，最终长成覆盖幻灯片到动画的视觉创作媒介。
Anthropic 官方 Skill 解剖：社媒内容引擎
Anthropic knowledge-work-plugins 仓里一个完整 SKILL.md：给小企业主管社媒内容的长设运营 skill。九步流程、三道审批关口、配额预算制，是生产级 skill 写作的实战教材。
把 Jev 插进 Agent Loop 当决策器
LangChain 工程师 Sydney Runkle 演示怎么把 TypeSafe 的 Jev 接进 agent loop：不替代 LLM，而是在循环里替它做快速分类决策——模型路由和危险动作拦截两个场景已经给出 middleware 实现。
上下文工程选型图：什么信息、何时给模型
Mastra 的 context engineering 指南把'给模型看什么'拆成九种机制和一道选择题：指令、内联、工具、RAG、文件系统、记忆、观察记忆、信号、动态技能。
Harness 税：Claude 不必配 Claude Code
UC Berkeley × Arena 实测 7 模型 × 3 harness 共 21 种组合：harness 对成功率影响甚微，对成本影响可达 5 倍，且原厂 harness 多数情况不是最优配。
TypeSafe：不做聊天，造给机器用的模型
OpenAI RLHF 方向的元老 Diogo Almeida 两年隐身创业，发布 System One Models 和首个模型 Jev：输出类型化决策而非字符串，快两个数量级，且数学上不可能有类型错误。
AI 吃掉战术层后，工程师还剩什么
Matt Pocock 与 The Pragmatic Engineer 96 分钟对谈精编：grill me、spec→tickets、wayfinder 工作流，以及把 25 年前软件工程经典术语变成提示词的'引导词'发现。
网页动效词典中篇：20 个提示词词条
Vibe Coding 动效词典中篇，补完动效类型层第 17-36 词条：文字动效、滚动与空间、鼠标指针互动，每条附适用边界和可直接抄给 AI 的句式。
把 Agent 当新员工来装备
LangChain 开源了自家管五个广告平台的投放 Agent。六个月做到 20% 管线、CPL 降 30%，真正的干货是六条反直觉的工程教训。
Agent = 模型 + Harness，胜负在后者
LangChain 提出 agent = model + harness 的定义：harness 的职责是每一步给模型喂对上下文，middleware 是定制它的原语。
Agent Loop 正在变成托管资源
OpenAI、Anthropic、AWS、微软先后把 agent loop 托管化。文章拆解托管 harness 的七个共同模式，回答谁该拥有 agent loop。
Agents API：云端底座
Agents API 把 Codex 的上下文管理、工具调用和多 Agent 协调能力托管化，开发者只需选择任务、模型、工具与运行环境。
让人人都能让数据干活
Data agent 把企业数据、语义层和 BI 工具接入对话，让更多非技术人员用自然语言完成分析、看板和后续行动。
Astra 的电脑操作为何变强
Astra 用可访问性树、持久会话和 Guardian 安全审查，把电脑操作从看图点击推进到可验证的代码执行循环。
OpenAI 首席科学家要求减速
Jakub Pachocki 判断递归自我改进正在逼近，并呼吁共享安全门槛与国际协调。
一封邮件让 Agent 擅自付款
九种模型读取注入邮件，部分在无授权下创建付款单，517 次付款仅 4 次告警。
Claude 写出可机检的费马证明
Claude 用 Lean 完成费马大定理形式化，11 天生成约 1300 万行证明代码。
OpenAI 的研究 Agent 拐点
OpenAI 首次公开内部编码 Agent 用量、实验速度、任务跨度与安全减速数据。