Artificial Analysis 评测 Claude Fable 5.1，其以 66 分登顶 Artificial Analysis Intelligence Index，超过 Claude Opus 5（63）、Fable 5（62）、GPT-5.6 Sol（61）和 Grok 4.6（61）。
推荐理由：Artificial Analysis 实测了 Claude Fable 5.1 的智能指数、各基准得分与每任务成本，读者可据此权衡其相对 Opus 5 和 GPT-5.6 的性价比。
OpenAI 于 7 月 9 日发布 ChatGPT Work，实际包含云端版（Work Cloud）和桌面应用版（Work Local）两个产品，仅向 $20/月及以上订阅用户开放。
推荐理由：作者实测梳理了 Work 与 Chat 的功能差异，列出联网代码执行、无头浏览器等独有能力，读者可据此判断适用场景。
Unsloth 发布 GLM-5.3 的动态 GGUF 量化版本，2-bit 模型从 1.51TB 压缩到 239GB（缩小 83%），保留约 81% top-1 准确率，1-bit 则以缩小 85% 达到约 76%。
推荐理由：原文给出动态量化的精度与体积数据和不同位宽的硬件需求，读者可据此选择本地运行 GLM-5.3 的方案。
SGLang 将 SSD-LLaMA 的思路引入 MoE 推理，把放不进显存和内存的路由专家放在 NVMe SSD 上，通过 Expert Pack 连续布局、O_DIRECT 直接 I/O 和带预算的 GPU LFU/LRU 缓存，只加载 router 选中的专家。
推荐理由：原文给出完整的硬件配置、性能数字和复现命令，读者可以据此评估消费级 SSD 路线运行超大 MoE 模型的可行性与代价。
Google 推出专用于语音转文字的 Gemini 3.5 Transcribe 模型，主打快速、准确且低成本的转录，原生支持说话人分离和词级毫秒时间戳。该模型支持 85+ 种语言自动识别与代码切换，可通过 custom_vocabulary 传入最多 1,000 个领域术语避免专有名词拼写错误，并提供 Smart Transcription 与 Verbatim 两种模式。
推荐理由：逐字模式保留毫秒级时间戳和说话人分离，智能模式清理填充词但可能改写原文，两者取舍决定字幕同步和会议记录应选不同配置。
Together AI 在 DeepSWE v1.1 全部 113 个任务上实测 GLM-5.3 与 GLM-5.3 Flash，各跑 4 次共 900 rollouts。
推荐理由：原文基于 900 次 rollout 实测给出两模型的成本、质量与蒸馏影响分析，可迁移到模型选型和级联路由决策。
Trail of Bits 在 Patch the Planet 项目中获得 GPT 5.6-Cyber 预览权限，让其挑战逃逸 Debian 12 主机上的 QEMU/KVM 虚拟机，结果以三种不同方式成功逃逸。
推荐理由：作者以一手实测记录 GPT 5.6-Cyber 三次逃逸 QEMU/KVM 虚拟机的路径，给出沙箱和发行版选择上的可操作建议。
豆包工作（豆包 Work）是当前企业接入Agent门槛最低的路径，但需用飞书账号登录才能解锁满血功能。实测可用手机远程控制最多7台设备、定时任务、自动读取本地skill、侧边栏直接编辑并同步飞书，且管理员看不到聊天记录。作者认为Work Agent是token消耗倍增器，飞书原生生态是豆包工作相比Claude Cowork、Codex Work的核心优势。
推荐理由：豆包工作与飞书原生权限和文档协作的深度打通，构成相对海外同类 Agent 的核心差异，用现成企业工具链降低接入和跨部门数据隔离成本。
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，支持 ColBERT 风格的后交互检索，并配套完整训练流程。
推荐理由：文章量化了不同起点的领域适应差距，未监督预训练 checkpoint 反超已微调版本，并把长文档截断列为比架构更影响 NDCG 的因素。
Warp 在 Claude 平台上构建了基于 Agent Skills 的自我改进循环，通过基础技能与改进技能两个文件型技能，将人类反馈转化为对智能体的持续优化。该模式已应用于其整个开源仓库，覆盖数百名贡献者与数千次代码审查。团队建议以原则而非规则编写技能，并强调低摩擦反馈与改进技能的可复用性。
推荐理由：把反馈从会话结束后消失的一次性信息改为可合并的技能文件，人类反馈通过 PR 流程被累积复用，比手动重写提示词更能跨任务持续改进。
LangChain 发布 OpenWiki 0.4.0，通过 claims 机制把 wiki 中的每条事实断言与代码证据版本绑定，证据变化时将断言标记为过期并随后续更新验证或纠正，无需重建 wiki。评测中开启 claims 后过期断言从 3.5% 降至 0.5%，幻觉断言从 0.7% 降至 0%，同时迁移到 OKF v0.2 使页面来源与验证历史可在 OpenWiki 之外检验。
推荐理由：原文给出了 OpenWiki 用证据版本追踪让记忆自我修正的具体机制和评测数据，方法可迁移到其他 Agent 记忆系统。
LangChain 发布实践指南，介绍其构建合成 agent 环境与评测任务的两步流水线：第一步用 traces、代码和人工输入生成任务 spec，第二步将 spec 转成 Harbor 格式的任务与环境。过程依赖记录项目通用知识的 world spec，配套更新了 eval-engineering 技能供团队自助使用；文中也指出 spec 打磨和任务难度校准仍需人工介入。
推荐理由：LangChain 给出从 trace 到任务的两步流水线和可复用的 eval-engineering 技能，团队可迁移用于搭建自己的 agent 评测基准。
OpenRouter 提出一套模型选型框架：先定义任务，从实时用量和第三方基准中筛选候选，再对比各提供商的定价与延迟，最后用自有提示词测试。判断标准是“每完成任务的成本”而非“每 token 成本”。其 MCP 服务器可直接在 Claude Code、Cursor 等编辑器中查询实时排名、价格和基准，并用 openrouter/auto-beta 按请求路由。
推荐理由：比 token 价格更实际的是成本按完成任务的次数计算，把重试与失败率纳入对比，这让团队评估模型经济学时有了可量化指标。
OpenRouter 推出统一的异步视频生成 API，通过 POST /api/v1/videos 提交任务、轮询状态并下载 MP4，支持 Seedance、Veo、Wan 等模型，切换模型只需更改 model 标识符。
推荐理由：将视频生成抽象为提交、轮询、下载的异步作业，模型切换只改标识符，同时覆盖幂等、webhook 与并发控制，可迁移到其他异步生成 API 的集成。
长期运行的 AI 智能体会因上下文累积而注意力衰减、临时指令残留成永久规则，并带来安全风险。建议给日常助手 24 小时生命周期，午夜重置会话，将具体任务委派给只存活 30 秒的单一用途子智能体，并在重置前将持久偏好存入磁盘。
推荐理由：文中把解决问题的方式拆成两层，短命协作者处理当日上下文，偏好则离线写盘，让长期记忆不随会话累积而劣化，也收窄了权限暴露窗口。
Anthropic 发布 AI 原生 SDLC 实战手册，提出将传统六阶段软件开发生命周期重构为 AI 嵌入各环节的闭环流程。手册指出，当代码不再是瓶颈时，规划、审查、部署等人速环节成为新约束，需通过 Claude 将需求压缩为 intent.md、以技能编码标准、用持续评测替代阶段门禁，并保留人工对关键代码的审查。
推荐理由：把各阶段产物固化为可版本化 markdown 并让下一阶段读取，人工审查就从逐行看代码转向在关卡看代理标记，对改造研发流程的团队有直接参考价值。
作者整理出12个最常用的Prompt，按问清问题、学习、解决问题、决策、认识自己5个场景分类，全部可单独复制使用且无需安装任何Skill。每个Prompt都配有可直接套用的模板，将【】内内容替换为个人信息即可，适配当前所有主流AI。
推荐理由：这套提示词把提问、学习、决策等场景整理成带占位符与输出规范的模板，读者可逐条复制并按反馈规则调整，比单条散装提示更容易复用。
Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次试验（共 904 次 rollout）对比 GLM-5.3 与 GPT-5.6 Sol。
推荐理由：原文基于自跑 904 次 rollout 给出成本、pass@k 和失败模式数据，读者可据此设计两模型的级联路由策略。
Together AI 在 DeepSWE 全部 113 个任务、每任务 4 次试验（共 904 次 rollout）上对比 GLM-5.3 (max) 与 Claude Fable 5 (max)。
推荐理由：基于 904 次 rollout 的实测数据，给出两模型成本与准确率的量化对比，可帮助团队在两者间做出路由选择。
Anthropic 发布面向初创公司的 Claude Code 使用指南，基于对十余家高增长公司的调研，总结出“人人皆可交付、自动化繁琐工作、信任但验证、为重构而构建、原型-自用-产品化”五大规则。
推荐理由：指南把十几家创业公司实践归纳为五个可操作规则，其中「修复原则而非修复个案」对搭建自改进 agent 流程具有直接参考价值。
OpenAI 将 Codex 定位为可复用的智能体平台，开源 Codex CLI、app-server 和官方 Codex SDK，让开发者把智能体循环嵌入自己的产品界面，而非只用通用聊天助手。
推荐理由：官方说明 Codex 开源 harness 的集成层与 app-server、SDK 的分工，开发者可以据此把智能体嵌进自己的产品而非通用聊天窗口。
本文演示如何用开源评测框架 Inspect AI 和 Harbor 评估 agent 技能，并借助 Google Sheets 和 Data Studio 进行可视化分析。
推荐理由：把技能评估拆成模型基线、技能条件与多维事实打分，让团队用同一套脚本量化技能增量，而不是凭单次演示做判断。
Together AI 在 DeepSWE 全部 113 个任务上各跑四次对比 DeepSeek V4 Pro 0813 与 GPT-5.6 Sol，共 904 次运行。
推荐理由：原文基于同一批 904 次运行数据拆解两模型的成本与失败模式，并给出可复用的级联路由方案，比单独跑分更有参考价值。
作者基于Reddit上“让Claude真正开始思考”的帖子，引入逻辑学中的“钢人论证”（steelman）概念，并自创了一个“双向钢人Prompt”。该Prompt通过重述真实问题、强化正反双方观点、找出关键变量、逼AI给出明确判断四步，旨在避免模型谄媚，帮助用户找到问题最本质的答案。作者以自己选择公司司庆日的真实案例演示了使用效果。
推荐理由：这个 Prompt 把钢人论证做成可复制步骤，先重述问题、强化正反观点、再定位决定结论的变量，比直接要建议更能绕过模型顺意回答。
Anthropic 的 CI 工程师用 Claude Tag 构建了值班智能体，作为 CI/CD 故障的一线响应者。Claude 在事故发生后中位 14 分钟发布首份基于证据的分析，最快案例中 3 分钟内验证修复并确认错误率恢复基线。该方案通过 Slack 频道、Datadog 或 Grafana 工具访问及 GitHub 技能文件实现，Anthropic 已发布通用设置套件供其他团队部署。
推荐理由：文章把 AI on-call 从概念落成可复制的工程架构，用 markdown 技能文件和 lessons.md 实现自我迭代，并给出 14 分钟首报、最快 4 分钟定位等实测数据。
Together AI 在 DeepSWE 全部 113 个任务、每任务 4 次试验（共 904 次 rollout）上对比 DeepSeek V4 Pro 0813 与 Claude Fable 5。
推荐理由：原文基于同一批 904 次 rollout 的实测数据，给出两模型在 DeepSWE 上的成本与互补性对比，以及可复用的级联路由结果。
阿里 Qwen 实验室发布 Apache 2 许可的 27B 参数视觉大模型 Qwen 3.8 27B，官方基准显示其超越前代 Qwen 3.6 27B 及闭源 Qwen 3.7-Plus。
推荐理由：把 Qwen 3.8 27B 的推理档位成本量化成时间差异，xhigh 默认让生成同一 SVG 从 137 秒膨胀到 21 分钟，这个默认值比能力更影响本地选型。
Google 开源了一个基于 ADK 和 Gemini 的自主客服退款 Agent（zero-trust-agents 仓库），并演示一条提示词注入可造成超额退款、密钥泄露或主机被入侵。
推荐理由：文章用可复现代码演示三类零信任防线如何落地，读者可以直接照做来加固自己的 Agent 生产环境。
蚂蚁百灵与 ASystem 团队合作，用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通单机 Agentic RL 后训练闭环。以井字棋为最小验证任务，用 GSPO 算法训练 400 步后，rollout/rewards_mean 从约 -0.5 升至 0.4，response_len 降至约 850 tokens，工具调用与动作选择趋于稳定。
推荐理由：真正可复用的不是井字棋，而是把可复现错误、可验证反馈、本地训练和同环境复测串成的轻量后训练闭环，适合为本地小模型稳定工具调用和格式约束。
DeepSeek发布Agent产品DeepSeek Harness，核心理念“一切皆插件”，基于名为Cordis的内核，支持在Agent运行中随时更换插件并保持状态不崩，官方预设100多个一方插件。产品提供标准、PTC、极简、创造四种模式，其中创造模式可让Agent现场创造并挂载新插件实现自改造。目前为开发者预览版，GitHub已获3.7万Star。
推荐理由：文章把Harness定位为插件化基建而非单一Agent，Cordis内核的时间与空间可组合性解释了Agent如何在运行中插拔能力，这比模板本身更值得理解。
Boris Cherny 尝试让 Claude 接管其应用的日常维护，通过 Slack 频道运行崩溃模糊测试、重复代码统一、死代码移除等日常任务。数周内自动开出 388 个 PR，其中 180 个经 Claude Code Review 和人工审核后合并。Claude 通常一次就能改对，出错时可通过调整例程次日改进。
推荐理由：这套做法的增量在于把日常维护拆成可复用的定时例程，并通过当日 PR 反馈迭代提示词，使机械性代码改动从逐条审查转向批量合并。
蚂蚁百灵开发者博客介绍用 AReno 在 DGX Spark 上对 Ling-3.0-tiny 做井字棋 Agentic RL 后训练，验证一条基线评测、反馈定义、后训练、同环境复测的轻量任务适配路径。
推荐理由：原文给出完整的单机 Agentic RL 后训练路径和数据与 Reward 设计细节，开发者可按教程复现并迁移到自己的任务。
GPT-5.6 模型家族以更低成本实现前沿级智能体性能，并新增推理持久化、原生多智能体编排和程序化工具调用等 API 能力。在 ARC-AGI-3 上，启用保留推理和压缩后，Sol 得分从 13.3% 跃升至 38.3%，且输出 token 减少约 6 倍。Luna 在 BrowseComp 上以 84.04% 的得分追平 GPT-5.5（84.36%），成本从 $33.27 降至 $1.33。
推荐理由：最实际的改变在 API 原语，让同一模型在 ARC-AGI-3 上用约六分之一输出 token 拿到近三倍分数，影响开发者对推理成本和上下文架构的判断。
AutoGPT 维护者发现，AI 智能体不会主动阅读文档，因此将指令放在 AGENTS.md 和技能文件中，并置于代码目录旁。他们通过强制 PR 模板、测试计划、CI 覆盖率门槛和 CLA 签名等门控机制，将智能体提交的 PR 从“不可用”转变为“可用但不符合路线图”。其中 CLA 签名因需浏览器和 OAuth 流程，被用作区分人类与智能体的“人类探测器”。
推荐理由：AutoGPT 的经验指出发现机制比文档完善度关键，agent 只读当前目录层级的指令，所以把 AGENTS.md 放在代码旁比继续写 wiki 更有效。
文章给出一套零基础用户半天上手AI的12步实操流程：准备内存不低于16G的电脑，订阅ChatGPT并安装Codex或使用WorkBuddy，用语音输入法以【背景、痛点、需求】框架向AI交代任务，经苏格拉底提问澄清需求后投喂文件让AI直接完成，最后沉淀为可复用Skill。文中建议Codex选GPT-5.6 Sol最高模型，WorkBuddy选Kimi K3。
推荐理由：将语音输入、苏格拉底提问与沉淀 Skill 串联成一套从零到交付的闭环，直接缓解了新手不敢开始的心理卡点。
Google 发布教程，讲解如何用 LiteRT 和 Gemma 在 Raspberry Pi 5 上实现完全离线的实时边缘 AI，并演示其驱动 Reachy Mini 机器人。
推荐理由：原文给出 LiteRT-LM 在树莓派 5 上运行 Gemma 的具体性能数字与 CPU/GPU 分工架构，还附完整部署命令，方法可直接迁移到自己的边缘部署。
Codex 和 Claude 新增跨 Session 传消息功能后，新对话可从之前所有对话中选择可用消息，省去交接文档和 git 备份。作者据此重构工作流：主对话守住目标与决策，分支对话独立探索新想法，完成后由主对话读取完整记录。Codex 通过复制会话 ID 精确寻址，Claude Code 则用内置 session management 搜索对话历史，但桌面端只能搜索当前可访问的会话记录。
推荐理由：将跨会话消息转化为多分支探索的工作流，并对比了Codex精确寻址与Claude搜索式检索的实现差异和踩坑记录，可直接复用其指令来管理复杂的探索任务。
本教程演示如何以 ComfyUI 为无头推理后端，构建端到端的 MiniMax-H3 视频生成工作流。通过 Python 直接构建执行图，支持文生视频、首尾帧条件生成和参考图像条件生成，并自动根据 GPU 显存选择 quality、balanced、squeeze 三种权重配置。流水线涵盖模型自动下载、节点模式校验、音视频联合解码与进度监控，无需图形界面即可复现实验。
推荐理由：用 Python 编程替代 ComfyUI 图形界面，在 Colab 上搭建 MiniMax-H3 视频生成管道，并自动适配不同 GPU 显存方案，教程提供的全流程代码可直接复用。
Databricks 介绍如何让 Genie Agents 同时基于结构化数据与文档运行，且不牺牲治理能力。文章探讨了构建自动化简单业务任务的智能体虽易，但要在统一治理框架下融合两类数据源、确保安全合规地执行查询，仍需解决数据权限、血缘追踪与策略管控等关键问题。
推荐理由：教程提供了将 Genie Agent 同时接入结构化数据和文档的具体步骤，关键是把治理检查点嵌入数据源接入环节。
Linear 发文讲解 Linear Agent 的构建方法，核心是不设计固定路径，而是用系统提示词、工具设计、产品模型和运行范围划出边界让智能体自主发挥。文章介绍了 system skills 按需渐进加载以控制上下文、拒绝直接暴露 SDK 等底层原语以换取可预测性，并说明为何从模型 API 向上自研 harness，以支持动态工具注入、上下文化的工具调用确认和异步子智能体执行等编排需求。
推荐理由：Linear 亲述 Agent 构建思路，涵盖系统提示词边界、system skills 按需加载和自研 harness 的取舍理由，方法可迁移到同类 Agent 设计。