ginobefun

https://x.com/i/article/2104137100413304832

https://x.com/i/article/2109419377217163264

https://x.com/i/article/2104001914140864512

https://x.com/i/article/2104368128444776448

https://x.com/i/article/2105089355962515456

BestBlogs 早报 · 10-12 # Google Labs / 常驻智能体 / Meta Muse / 交互式 CLI / MiniMax M3 [1] ★ 精讲｜为什么每家公司都该像实验室一样运作？Google Labs 负责人 Josh Woodward 谈前沿团队 [视频] Google Labs 负责人 Josh Woodward 用几乎可行清单追踪模型带来的机会，再把原型交给真实用户检验。他分享 Gemini 团队主动叫停功能、实验团队保持独立又连接主业务的做法，为产品团队提供从发现机会、验证需求到及时止损的判断方法。 来源：Lenny's Podcast https://www.bestblogs.dev/video/99760c68a [2] ★ 精讲｜斯坦福 CS146S：常驻在线智能体的工作原理，从架构到上下文工程 [视频] 关上电脑后，智能体怎样继续工作并从故障中恢复？Lee 在斯坦福课程中拆解服务端智能体循环、持久工作流与独立虚拟机的分工，再解释消息优先级、按需加载工具和分层记忆，让开发者理解常驻智能体需要补齐哪些系统能力。 来源：leerob https://www.bestblogs.dev/video/8e3fcb3d3 [3] ★ 精讲｜Alexandr Wang 谈 Muse：个人智能体、产品判断与 Meta AI 团队重建 [视频] Alexandr Wang 回顾 Meta 从个人智能体原型走向 Muse 的过程：把具体行为转成评测任务，逐项打磨可靠性，让用户通过完成小任务逐渐建立信任。他也分享重建 AI 团队时从创始人转为教练的取舍，帮助读者理解产品方向如何连接模型训练和组织设计。 来源：David Senra https://www.bestblogs.dev/video/963930f81 [4] PayPal 交互式 CLI 实战：用 tmux、结构化旁路和上下文连接智能体 [视频] PayPal 开发者工具负责人 Mark Lummus 与技术负责人 Navinkumar Patil 在现场工作坊中剖析智能体运行交互式 CLI 时静默失败的根因，并给出三条渐进式解法：tmux 会话、JSON 旁路与上下文注入，最终由一个基于 Claude Agent SDK 的智能体自建确定性求解器赢下竞赛。 来源：AI Engineer https://www.bestblogs.dev/video/53d2d2abd [5] MiniMax M3 如何构建：稀疏注意力与原生多模态训练｜Olive Song [视频] MiniMax 研究员 Olive Song 解释了 M3 如何结合适配 GQA 的稀疏注意力与原生图文预训练，以及块级检索和从零融入视觉能力为何影响长上下文效率与视觉理解。 来源：AI Engineer https://www.bestblogs.dev/video/427fee254 [6] 不到 500 美元训练金融智能体：4B 专用模型如何胜过 235B 模型 [视频] Snorkel AI 的 Charles Dickens 介绍了经专家核验的金融工具使用基准，以及一次低于 500 美元的强化学习训练：专门训练的 Qwen3 4B 智能体在留出任务上据称胜过 235B 版本。 来源：AI Engineer https://www.bestblogs.dev/video/8835e9b1a [7] 延迟是预算，像人一样对话才是目标：LiveKit 的语音智能体实践 [视频] Jesse Hall 认为，应以完整对话评估语音智能体，在固定时间预算内平衡用户听到的延迟、轮次判断、错误传递和模型质量。 来源：AI Engineer https://www.bestblogs.dev/video/1184610c8 [8] 用 NVIDIA Data Designer 教智能体学会搜索：Dhruv Nathawani 的数据构建实战 [视频] NVIDIA 研究员 Dhruv Nathawani 演示如何用图谱种子生成多跳搜索题和工具调用轨迹，将目标搜索行为转化为可复现的智能体训练数据流程。 来源：AI Engineer https://www.bestblogs.dev/video/7dfecd5df [9] AI 无限，人生有限｜对谈 KK、山音：一线 AI 创作者 对谈一线 AI 导演 KK 与山音，深度拆解 AI 如何颠覆传统视听生产链路、释放个人表达，并探讨导演核心能力从工业调度向审美与决策转移的范式变革。 来源：十字路口 Crossing https://www.bestblogs.dev/article/e5bb8efe1e [10] Qwen-Image-2.1 Pro、Turbo API 正式上线，让图像生成与编辑走进你的应用 Qwen-Image-2.1 Pro 和 Turbo API 正式上线并开源 Turbo 权重，支持 8 步快速推理、最多 10 张多图编辑及原生透明图层，实现文生图与图像编辑一体化集成。 来源：阿里云开发者 https://www.bestblogs.dev/article/665ee65ea2 --- http://BestBlogs.dev · 发现真正适合你的高质量内容 BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，关注你感兴趣的来源和主题，每天生成一份更适合自己的「我的早报」，欢迎体验和关注我们。 在线阅读：https://www.bestblogs.dev/explore/brief/2026-10-12

BestBlogs 早报 · 09-27 # 智能体搜索 / 内容补偿 / 长时程智能体 / 行为评测 / 产品循环 [1] ★ 精讲｜Parag Agrawal 谈智能体搜索、内容补偿与未来网络入口 [视频] 前 Twitter CEO、Parallel 创始人 Parag Agrawal 判断，智能体频繁使用网络会重塑搜索成本。他解释如何让搜索先筛掉无关信息，节省模型推理开销，并提出按智能体获益向内容所有者付费。访谈还谈到持续监测网页变化的推送式搜索，可帮助读者理解开放网络的新商业模式。 来源：20VC with Harry Stebbings https://www.bestblogs.dev/video/0dfc12407 [2] ★ 精讲｜长时程智能体需要实验，而不只是提示词 — Erina Karati [视频] Erina Karati 以 Supercell 的多智能体游戏村庄说明，角色会在传递传闻时丢失来源，甚至把不确定说成确定。她提出用可控场景、运行轨迹和多维评分评估整段行为，只保留通过护栏的小幅策略改动。芒果促销案例已有改善，但她没有宣称系统获得普遍提升；这套方法可供长时程智能体借鉴。 来源：AI Engineer https://www.bestblogs.dev/video/2d383b787 [3] ★ 精讲｜「循环才是产品」：Roland Gavrilescu 谈智能体产品如何持续进化 [视频] Roland Gavrilescu 主张把运行、验证与反馈的循环视为智能体产品核心：将失败模式沉淀为评测，将重复行为沉淀为技能和提示词，再用可版本化的方案复用。招聘案例说明如何由人校准判断标准，并用实际用户反馈检验改动。他还强调衡量有价值的工作与成本；这些是方法主张，尚非通用效果的证明。 来源：AI Engineer https://www.bestblogs.dev/video/03c1f8bbb [4] Claude 计算出 N=4 超杨-米尔斯理论中的九圈振幅 Claude Science 用既有 bootstrap 与 form-factor 方法计算出 N=4 超杨-米尔斯理论的九圈振幅，Lance Dixon 独立核验了结果。原文作者强调，Claude 在较少外部科学指导下完成复杂计算，但方法本身没有突破计算极限，宋何团队也同期取得相关结果。 来源：Anthropic Research https://www.bestblogs.dev/article/a1b55dbba3 [5] 一名操作员，多架无人机：深入 Skydio 自主飞行技术栈 — Suchet Bargoti，Skydio [视频] Skydio 的 Suchet Bargoti 现场展示一名操作员同时操作三架无人机，并介绍支撑多机任务的自主技术栈：高可靠性目标、飞行数据反馈循环、地图式世界模型、遮挡下的目标跟踪，以及边缘与云端协作的视觉语言模型智能体。 来源：AI Engineer https://www.bestblogs.dev/video/6cdb91bea [6] Perplexity 自研 CobbleDB 取代 DynamoDB，查询延迟降低 5 倍并削减云存储成本 Perplexity 以 Rust 编写的分布式键值存储 CobbleDB 取代核心搜索服务中的 DynamoDB；据其工程数据，批量读取延迟约降至原来的五分之一，整体存储费用至少降低 20%。 来源：InfoQ https://www.bestblogs.dev/article/21fee6d8df [7] 用反思击败强化学习：GEPA 与 Optimize Anything [视频] Lakshya A. Agrawal 介绍了 GEPA 的反思式提示优化方法与 Optimize Anything，指出执行轨迹中的文本反馈能够改进提示词、智能体运行框架及其他可评分产物，而且所需样例远少于仅依赖奖励的优化方法。 来源：AI Engineer https://www.bestblogs.dev/video/1030e6641 [8] 自动化研究如何让模型提速 3 倍：Morph 的 GPU 优化实践｜Tejas Bhakta [视频] Tejas Bhakta 介绍了如何由人类选定优化方向、提供准确的硬件与模型背景，再借助兼顾正确性和性能的基准测试，让智能体搜索 GPU kernel 的实现方案；他也提醒，过于狭窄的目标会诱发指标投机，而成功的 kernel 与裸机优化叠加后，据称可带来 3 倍提速。 来源：AI Engineer https://www.bestblogs.dev/video/793c4d541 [9] 机器人演示容易，可靠落地很难——Dyna Robotics 如何训练商用级通用机器人策略 [视频] Dyna Robotics 联合创始人 Jason Ma 介绍数据金字塔、推理模型与世界动作模型，以及通过奖励模型和人工参与的主动学习改进机器人策略。其微调后的 Dyna-1 在餐巾折叠的 24 小时试验中达到 99.4% 成功率；他还分别展示餐厅部署、经任务微调的萨克拉门托洗衣店毛巾折叠、CoRL 2025 陌生环境演示和红牛活动应用。 来源：AI Engineer https://www.bestblogs.dev/video/9c2d85287 [10] 为 Agent 而生，千问 AI 平台发布全新服务方式 千问 AI 平台在云栖大会发布面向 Agent 的全新服务方式，通过 Qwen 共创计划与 AI Arena 引入真实场景反馈优化模型，并推出 Skills、CLI 及支付宝合作的安全支付机制，旨在让云服务更易被 Agent 理解、调用与管理。 来源：阿里云开发者 https://www.bestblogs.dev/article/686b0b3193 --- http://BestBlogs.dev · 发现真正适合你的高质量内容 BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，关注你感兴趣的来源和主题，每天生成一份更适合自己的「我的早报」，欢迎体验和关注我们。 在线阅读：https://www.bestblogs.dev/explore/brief/2026-09-27

BestBlogs 早报 · 09-28 # 编程语言 / 编码智能体 / 工程验证 / Molly Graham / 软件工厂 [1] ★ 精讲｜AI 时代编程语言的演进 José Valim 在 Dashbit 的文章中追问：当智能体承担更多编码工作，语言还该优先优化什么？他认为语法便利的重要性会下降，更强的类型与运行时保证、可查询的程序数据库、可供智能体探索的运行状态会更有价值。读完可以重新审视语言工具链该怎样支持验证与诊断。 作者：José Valim · 发布：Dashbit https://www.bestblogs.dev/article/82097e72b0 [2] ★ 精讲｜扩大工程判断力，而非模型规模：Andrew Orobator 谈编码智能体实践 | Reddit [视频] Reddit 安卓工程师 Andrew Orobator 把编码智能体的关键放在可复用的工程判断上：用技能记录审查问题、用工作日志跨会话保存决策，再以测试和硬门逐步扩大自主权。他展示的旧功能开关清理智能体只处理机械安全的任务并提交待审的变更，给团队提供了可操作的自动化边界。 来源：AI Engineer https://www.bestblogs.dev/video/6f52e252b [3] ★ 精讲｜科技行业正在经历的悲伤、孤独与倦怠：Molly Graham 谈 AI 时代的工作与职业转型 [视频] Molly Graham 在 Lenny 的访谈中重新审视把工作交出去的职业建议：交给 AI 做任务后，人仍要负责提供背景、检查质量和承担结果。她也谈到代码工作转为监督智能体时的失落、孤独与倦怠，提醒管理者给团队留出讨论变化的空间，并守住判断与关系这些需要人负责的部分。 来源：Lenny's Podcast https://www.bestblogs.dev/video/c282b429f [4] 打造软件工厂究竟需要什么：Tereza Tížková 谈智能体工程体系 [视频] Factory 的 Tereza Tížková 将软件工厂定义为覆盖端到端的软件工程系统，并说明如何通过灵活的模型选择、可验证的智能体任务、上下文管理和代码库准备，让自主执行更加可靠。 来源：AI Engineer https://www.bestblogs.dev/video/84baa0f86 [5] Microsoft Autopilot 基于 OpenClaw 构建，双方贡献互惠共赢 微软全新的 Autopilot 智能体基于 OpenClaw 构建，且微软工程师通过大量的上游贡献，提升了整个社区在安全性、Windows 集成度及可靠性方面的表现。 来源：OpenClaw Blog https://www.bestblogs.dev/article/2ef8d38287 [6] AI Trading —— 决策便宜，行动很贵｜对谈超 3w Star Vibe-Trading 作者浩哲 [播客] Vibe-Trading 作者吴浩哲拆解 AI Trading：金融里决策便宜、行动很贵，AI 的价值是建立从决策到行动的可验证、可审计通道，核心在于数据对齐与 harness，而非更强的模型。 来源：42 章经 https://www.bestblogs.dev/podcast/2b182be76 [7] 人机协作旨在对齐，而非能力 软件工程师之所以依然重要，并非因为 AI 缺乏编码能力，而是因为人类对于将 AI 输出与特定的组织价值观和技术背景相对齐至关重要。 来源：Sean Goedecke https://www.bestblogs.dev/article/a86269099a [8] AI 都替我写完了，我还要不要思考？ 本文深入辨析了 AI 参与「形成文字」与「代写」的本质界限，指出关键在于人的判断是否在场，并提出了四种正当的 AI 协作模式及潜在风险。 来源：新京报书评周刊 https://www.bestblogs.dev/article/286c82a0be [9] #741.All-in｜Meta Muse：AI 助理第一次替普通人办事 [播客] All-In 四人组从 All-In Summit 出发，讨论 AI 公司该被当普通公司追究产品责任、开源模型 12 周内反超闭源、token 通缩迫使 Anthropic 与 OpenAI 向技术栈上层走，以及 Meta Muse 让普通人第一次真正用上 AI 助手。 来源：跨国串门儿计划 https://www.bestblogs.dev/podcast/6f74ed415 [10] 当 AI 比哲学家更会思考，人类该怎么办？ [视频] 哲学教授孙向晨从自己的哲学智能体实验出发，讨论 AI 的创造与思想归属、德性对齐、人类判断力及多元智能共生。 来源：纽约漫谈录 https://www.bestblogs.dev/video/cc0a61dd1 --- http://BestBlogs.dev · 发现真正适合你的高质量内容 BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，关注你感兴趣的来源和主题，每天生成一份更适合自己的「我的早报」，欢迎体验和关注我们。 在线阅读：https://www.bestblogs.dev/explore/brief/2026-09-28

BestBlogs 早报 · 09-30 # OpenAI DevDay 2026 / Manus 2.0 / Cue 个人智能体 / Claude Sonnet 5.5 / 模型任务成本 [1] ★ 精讲｜帮大家总结了一下凌晨的 OpenAI 2026 开发者大会。 数字生命卡兹克把 OpenAI 开发者大会的 Dots、ChatGPT Space、Decisions API、Codex 云端环境和应用生态串在一起，方便读者看到个人助手、开发工具与分发入口如何连接。文中对订阅额度和 OpenAI 跟随竞争者的评价来自作者自身体验，应与发布事实分开理解。 来源：数字生命卡兹克 https://www.bestblogs.dev/article/fe2dcbb357 [2] ★ 精讲｜Manus 回来了！更新 2.0 并发布全天候智能体 Cue 机器之心详述 Manus 2.0 的 Cascade 架构、独立云电脑、事件触发自动化与 Studio 专业创作环境，并介绍 Cue 为个人智能体配置邮箱、电话和支付能力。文章让读者看见智能体从生成初稿走向持续修改和现实服务的产品路径；性能改善来自厂商内部测试，Cue 仍处早期体验。 来源：机器之心 https://www.bestblogs.dev/article/f539745d71 [3] ★ 精讲｜Claude Sonnet 5.5 发布：干活更快，单价不变 AINLP 从任务成本而非单次输出价格评估 Claude Sonnet 5.5：API 单价维持不变，较少工具步骤和较低 effort 已能完成更多编程工作。文章还比较了高档位成本与范围外修改风险，给日常编码和文档工作提供了按任务选模型、调节推理力度的依据；基准结果需按各自测试环境理解。 来源：AINLP https://www.bestblogs.dev/article/185a96c0f6 [4] 推出 dots OpenAI 推出了「dots」，这是一种由 GPT-6 驱动的常驻智能体，能够使用自己的云端计算机和浏览器，自主为用户处理复杂任务。 来源：OpenAI News https://www.bestblogs.dev/article/ca9d3253f7 [5] GPT-6.1 Sol 正式发布 OpenAI 官方给出 GPT-6.1 Sol 的能力评估和 Token 定价：它在编码、电脑操作与专业任务上接近 Astra，标准输入输出价格为后者五分之一，缓存输入每百万 Token 为 0.10 美元。重点是具体工作负载的模型选型与成本，而非重复大会全景。 来源：OpenAI News https://www.bestblogs.dev/article/8dd741f36a [6] AI Native 回忆录：稳定性前端 S1 实践复盘 阿里稳定性团队通过构建结构化规则包 Skill 和集成工作台 Anchor，解决了 AI Native 研发模式下代码质量失控与协作成本增加的问题，并探索了 PDFE 复合角色与分库协作新范式。 来源：阿里技术 https://www.bestblogs.dev/article/7c98d09e6a [7] 什么样的 AI 助手值得付费？消费级智能体的价值、信任与成本 [视频] a16z 的讨论认为，消费级智能体要靠主动解决高成本的生活琐事来证明价值，而用户信任、专业化、平台激励和高昂运营成本将决定哪些产品能够持续发展。 来源：a16z https://www.bestblogs.dev/video/184a74b78 [8] Anthropic 产品负责人谈 Claude Code 新阶段：智能体编程与可变软件 Anthropic 的 Thariq Shihipar 探讨了 Claude Code 的演进、通过 Claude Mods 向「可变软件」的转变，以及日益自主的智能体所带来的关键安全挑战。 来源：http://Latent.Space https://www.bestblogs.dev/article/1af5456c88 [9] 让人类交出方向盘：特斯拉 FSD 十三年的冒险、争议与进化 本文深度回顾了特斯拉 FSD 十三年从依赖供应商到自研芯片、从简单感知到 3D 占用网络的演进历程，揭示了其在硬件迭代与算法升级中经历的争议、冲突与技术突破。 来源：硅谷 101 https://www.bestblogs.dev/article/dc2fd93cb5 [10] DeepSeek Harness 桌面端：现在，开箱即用。 DeepSeek Harness 发布 v0.2 预览版，推出 macOS 和 Windows 桌面端安装包，实现开箱即用，并增强了插件管理、自动化任务及代码变更展示能力。 来源：DeepSeek Harness 团队 https://www.bestblogs.dev/article/99f92f6982 --- http://BestBlogs.dev · 发现真正适合你的高质量内容 BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，关注你感兴趣的来源和主题，每天生成一份更适合自己的「我的早报」，欢迎体验和关注我们。 在线阅读：https://www.bestblogs.dev/explore/brief/2026-09-30

做得真好

https://x.com/i/article/2111958666266161153

https://x.com/i/article/2110508417291034624