Giraffe Bio 融资 640 万美元，用 AI 设计分子助铜矿开采
Giraffe Bio 完成 640 万美元种子轮融资，计划用定制生物分子帮助矿企提高铜的提取效率。公司称，AI 数据中心和电动车推高了铜需求，而铜矿供给趋紧。原文未披露投资方、具体技术路线和落地时间表，信息有限。
推荐理由了解 AI 数据中心推高铜需求这一链条，以及生物分子提铜这条小众融资方向
共 652 条 · 第 7/17 页
MemorySync 上线：给 AI Agent 加持久记忆的 API
MemorySync 发布面向 AI Agent 的记忆 API，提供存储和检索两个端点，记忆存在服务端而非浏览器，按语义返回相关事实，可跨会话使用。免费额度：注册即得 7 天有效的 key（200 次写入、500 次检索），绑定邮箱后转为免费计划，每月 1 万次写入、1000 次检索，无需信用卡。官网提供免注册 Playground，每次 API 调用过程实时可见。
推荐理由做 Agent 需要跨会话记忆可直接试，免费额度每月 1 万次写入，无需信用卡
LangChain 联合 ScaleDown 构建长时运行 Agent
LangChain 发布博客，介绍如何用 ScaleDown 的受限解码模型配合 LangChain 与 Deep Agents 构建长时间运行的 Agent。方案用于摘要历史记录、压缩工具调用结果，并更快、更便宜地提取数据。原文信息有限，未给出具体性能与成本数字。
推荐理由做长时 Agent 的可以看这套历史摘要+工具结果压缩的组合思路
Z.ai 发布法律模型 GLM-Legal，Harvey LAB 通过率 19.17%
Z.ai 发布法律专用模型 GLM-Legal，基于 GLM-5.3-Flash（320B 总参数、18B 激活 MoE，1M 上下文），面向合同审查、证据分析和合规研究。在 Harvey LAB 基准上全通过率 19.17%，排名 79 个模型中的第 7，比基座模型的 6.67% 提升约 3 倍，独立评测方复现了该结果。单次测试成本 0.15 美元，约为 Claude Fable 5 的 1/128。但 API 目前仅限申请使用，无公开权重，无定价，单任务耗时约 1 小时 12 分；在法律研究基准上得分 41.8…
推荐理由法律 Agent 场景可参考：19.17% 全通过率、单次测试 0.15 美元，但需申请且无权重
AI Agent 授权盲区：认证通过仍会执行未授权操作
开发者用 Next.js + Vercel AI SDK + Gemini 搭建研究助手，测试 AI Agent 的授权漏洞。文章指出认证回答"是谁"、授权回答"能做什么"，但都无法判断某次操作是否真的被意图触发。作者在 Arcjet Guard SDK 的两个位置分别接入 detectPromptInjection（模型看到文档前筛查）和 guardTool（包裹实际工具调用），并用正常文档和植入指令的恶意文档做对照测试。原文为 Arcjet 委托撰写，作者独立完成代码与测试。
推荐理由做 Agent 工具调用的开发者可以看：认证和授权都过了，模型仍可能执行没人要求的操作，需要两个独立检查点
开发者用 Claude 克隆 Adobe 全家桶，付费软件的护城河还剩什么
一名亚特兰大开发者因不满 Adobe 取消订阅费用，用 Claude 将 Adobe Creative Suite 的 7 款应用（Photoshop 到 After Effects）用 Rust 从零重写并免费发布到 GitHub，宣称「软件已死」。类似用 AI 克隆付费软件的现象正在增多，涉及创意工具、CRM 等。但这些克隆大多处于早期 alpha，bug 多、缺少最后 10% 的打磨，作者本人也承认「远未就绪」。文章认为真正的变化不是克隆质量，而是 AI 让复刻成本大幅降低——过去需要团队和数年、数千万美元才…
推荐理由看清 AI 编程对 SaaS 订阅模式的真实冲击：护城河是构建成本而非代码本身
SolidCraft：Rust 开源参数化 CAD，内置 MCP 支持
SolidCraft 是一个用纯 Rust 编写的开源参数化 3D CAD 应用，支持草图、约束和参数化特征时间线，改一个尺寸模型即重建。可运行在桌面、浏览器，并可通过内置 MCP 服务器让 AI Agent 建模。官方称 76 个公开参考零件中 75 个的体积、面积、质心与包围盒与解析解或 FreeCAD 计算结果一致，另一个是已知 bug。提供 Windows、macOS、Linux（AppImage/deb/rpm/Flatpak/Snap）及 ARM64 版本，也可在浏览器直接试用。项目自述处于早期阶段，简…
推荐理由想用 AI Agent 直接建模或找轻量开源 CAD 的人，可先跑浏览器版试手，MCP 接口是现成的。
本地 LLM 能否替代 Claude Code：SWE-bench 不是对的基准
作者实测用本地模型驱动 Claude Code 和 Codex 后指出，SWE-bench Verified 只衡量「给定 bug 产出正确补丁」这类写作任务，无法反映真实代理场景的四个关键问题：工具调用格式是否稳定可解析、长程任务第 11 次调用是否还记得第 2 次的计划、40K token 真实仓库上下文下质量是否崩塌、指令遵循是否可靠。2026 年两个变化让本地方案可行：MoE 架构（如 Qwen 35B-A3B 每 token 仅激活约 3B）把显存门槛降到消费级 GPU，Ollama 于 2026 年 1…
推荐理由想用本地模型替 Claude Code 的人先看这篇：SWE-bench 高分不等于能当代理，四个真实失败点值得对照自测
Blokkily：支持 MCP 的实验性模式化 DAW 开源
Blokkily 是一个实验性 pattern-based DAW，支持在 tracker、钢琴卷帘和步进网格三种编辑器中编辑同一 pattern，并支持 CLAP、VST3 插件与 SoundFont。其亮点是内置 LLM 作曲助手，并通过 MCP bridge 让 AI Agent 直接控制运行中的应用——演示视频中 Agent 用 YANES 和 FUZZBOI 两个 CLAP 合成器做了一首 chiptune。构建需 Qt 6.5+、FluidSynth、RtAudio 等依赖，因链接 Rubber Ban…
推荐理由想给 DAW 接 Agent 的可以看它的 MCP bridge 实现，开源可跑
阿里 Qwen 发布 QwenGyre：面向超长任务 Agent 的弹性强化学习框架
阿里 Qwen 团队推出 QwenGyre，一个用于超长任务（XLong-horizon）Agent 训练的弹性强化学习框架，已在 Qwen 3.6 122B 和旗舰 Qwen 3.8 2.4T 上验证，单次 rollout 约 70 万 token。核心思路两条：在 rollout 与训练之间调度空闲 GPU；把分支化的 Agent 历史压缩成有界训练样本。相比 Async 提速 1.38 至 1.78 倍，相比 Colocate 提速 1.21 至 1.85 倍，TerminalBench 上最高 1.85 倍…
推荐理由做长任务编码 Agent 训练的人可参考：NL2RepoBench 48 步涨 6 个点，弹性调度思路可直接借鉴
Meta 发布 Muse Wonder 系列模型，进入第一梯队
Meta 发布前沿模型 Muse Wonder 的两个版本，均进入顶级模型行列。Muse Wonder Full 在 Artificial Analysis 智能指数 v4.3 上得 56 分，Muse Wonder 得 52 分，前代 Muse Spark 1.3 为 48 分。Agent 评测提升最大，Terminal-Bench 4.0 从 33% 升至 57%。编码能力显著增强，Muse Wonder Full 在 Coding Agents Index 得 68 分，与 Claude Code 的 Son…
推荐理由Agent 任务得分从 33% 跳到 57%，编码追平 Sonnet 5.5，但知识测试仅 30 分，选型时需权衡。
Sakana AI 自改进模型能解题能评判，但发现不了自己的盲区
Sakana AI 与 UC Berkeley 提出 MASS（多智能体自监督）方法，让同一个语言模型同时扮演解题、优化流程和评估结果三个角色，无需更强的教师模型即可递归自我改进。三个角色均有提升，但共享盲区会让错误被当成进步，并进入下一轮训练。实验中模型以 Qwen3.6-27B 为基座、Qwen Code 为运行框架，使用 GPT-5.5 生成的 12 个金融、机器人、制药研究任务，其中 9 个训练、3 个测试，仅 8 个产出训练数据。
推荐理由做 Agent 自评和自动迭代的人该看：同一模型既当选手又当裁判，错误会被固化进训练数据。
Meta 发布首个前沿模型 Muse Wonder
Meta 超级智能实验室发布 Muse Wonder 和 Muse Wonder Full 两款模型，这是 Meta 首次推出前沿模型。据模型卡测试，两款模型基准分数与 Fable 5.1、GPT-6 Astra 相当，在编码等复杂任务上表现更好。定价方面，通过 Meta Model API 调用 Wonder 为每百万输入 token 4 美元、每百万输出 token 20 美元，与 GPT-6 Sol 或 Opus 5.5 成本大致相当。Wonder Full 仅向 Muse Code 订阅用户开放，不走 AP…
推荐理由Meta 首次进入前沿模型赛道，价格对标 GPT-6 Sol，做 Agent 的可以关注其记忆能力
WindBorne 获美国空军近 5000 万美元气象数据合同
硅谷初创公司 WindBorne 赢得美国军方合同，价值近 5000 万美元。该公司用气象气球结合 AI 进行天气预报。原文信息有限，未披露合同期限、交付内容与具体执行方式。
推荐理由气象 AI 落地军方的具体金额案例，做 AI+气象或政府订单的可参考
Meta 发布 Muse Wonder 与 Muse Wonder Full 两款新模型
Meta 推出两款新模型 Muse Wonder 和 Muse Wonder Full，即日起面向 Muse Code 订阅用户开放，Wonder 还可通过 Meta Model API 调用。Meta 称内部基准测试显示，这两款模型可对标 OpenAI 的 GPT-6 Astra、Anthropic 的 Claude Opus 5.5 和 Claude Fable 5.1，但与 Google Gemini 4 Argon 的对比尚不明确。Meta 计划未来用 Wonder 驱动其 Muse AI Agent，先从…
推荐理由想换模型或做 Agent 的可以留意：Meta 称新模型对标 GPT-6 Astra 与 Claude Opus…
Agent37 推出低成本 Agent 沙箱，单实例月均 0.37 美元
YC F26 公司 Agent37 在 Hacker News 发布产品，提供运行 AI Agent 的沙箱，成本不到多数沙箱服务商的 10%，客户平均每个沙箱每月花费 0.37 美元。创始人 Vishnu 称公司最初做 OpenClaw 封装业务。原文正文信息有限，未披露具体技术实现与计费细节。
推荐理由做 Agent 部署可参考这个价格锚点：单沙箱月均 0.37 美元，约为常见方案的十分之一。
REA 开源：让 Agent 逆向分析 App 与二进制文件
GitHub 项目 REA 发布，通过 MCP 把 Agent 接入逆向工程工具，可在没有源码的情况下分析原生二进制、JavaScript/Electron 应用、.NET 程序集和网站，解释功能实现并给出证据，再为你的项目复刻该功能。分析全部在本地运行，结论附带证据与局限说明。安装命令为 npx rea-agents setup，支持 Claude Code、Codex、Cursor、Gemini CLI、Grok Build 等 Agent；原生分析可复用已有的 Hopper、Ghidra 或 IDA，纯静态 …
推荐理由想复刻竞品功能又拿不到源码的开发者，可用它让 Agent 直接分析二进制并输出证据链
微软研究：清空对话历史能让 AI Agent 找到更优解
微软研究院发现，长时间运行的 AI 研究 Agent 会陷入「想法盆地」：同一任务 8 次独立运行最终得分从 68.3 到 100.0 不等，且增加算力也无法缩小差距。原因是累积的对话上下文把搜索限制在相似解附近。研究者提出 Fork-and-Flush 方法：将 Agent 分成 K 个并行分支，每个分支继承工作区文件但清空全部对话上下文。在 13 个长任务（含多联骨牌填充、作业车间调度、密码分析等）上，同等算力下归一化平均分从单次运行的 0.47 提升到 0.78，相对提升 66%。
推荐理由做长时程 Agent 的可以直接抄：清空对话、保留工作区文件，同等算力分数提升 66%
Honeyjar 推出 AI 公关工具，24 小时获 1 万候补
Honeyjar 在 TechCrunch Disrupt 的 Startup Battlefield 200 上展示其 AI 公关与传播工具，可自动撰写公告、匹配记者、建立媒体名单、扫描新闻与社交、追踪报道并发现演讲机会。创始人 Michelle Masek 与 Nadia Jamshidi 均有数十年公关经验，Masek 曾任 Obvious Ventures 市场传播高级副总裁。候补名单开放 24 小时内收到 1 万份注册，测试方包括 Nextdoor、Coco Robotics 等。产品面向没有传播头衔但承…
推荐理由24 小时 1 万候补，做公关或市场的人可以看它怎么把媒体名单和选题匹配自动化
Blueprints AI 称几分钟生成可报建图纸
美国初创公司 Blueprints AI 在 TechCrunch Disrupt 上发布第二代软件，可从 2D 草图或 PDF 在几分钟内生成符合规范、可直接报建的建筑施工图纸。公司由建筑师 Al Drams 与数据科学家 Coco Cao 于 2025 年在圣莫尼卡注册，模型用其设计施工公司 8 年已获批图纸训练。第一代软件月费 3200 至 8500 美元，企业可定制报价。Drams 称建筑师约 80% 时间用于绘图、仅 20% 用于设计，目标是把比例倒过来。原文正文在此处截断，第二代具体功能信息有限。
推荐理由做建筑 AI 或垂直 SaaS 的可看：月费 3200 美元起、用 8 年获批图纸训练，是少见的报建场景落地案例。
Karpathy：全球仅 5000 人接触过前沿 AI 内部系统
Anthropic 的 Andrej Karpathy 把大模型用户分成四层：约 60 亿人（全球 75%）几乎没接触过 LLM；10 至 20 亿人只用免费版 ChatGPT 类产品，当成更好的搜索引擎或写作助手；约 2000 万专业用户（占 0.2%）用前沿模型做数学和编码，原本数周数月的项目现在靠 agent 一个提示词完成；仅约 5000 人（0.00006%）能接触内部前沿系统，看到的是数千 agent 协作数周做软件大项目、挖掘零日漏洞、以机器速度攻防、推进数学前沿。他说外界只看到了预览，而人类的审查和…
推荐理由用四层用户数字看清 AI 能力认知差：0.2% 的人已在用 agent 替代数周编码工作。
前 Plaud 高管创业做常驻监听 AI 应用 Ambi，融资 2600 万美元
前 Plaud 高管 Peter Mo 创办的 Ambi 完成 2600 万美元多轮融资，由曾投资美团、宇树机器人的 Luminous Ventures 和华勤（ODM 厂商）领投。Ambi 上线 iPhone、Mac 和 Apple Watch 应用，可全天候后台监听，在会议进行中由 AI Agent 主动给出建议、调取知识库与日历信息，并支持跨设备接续任务。公司还计划推出带屏幕、扬声器、摄像头和麦克风的硬件设备，桌面版将记录用户工作内容存入记忆。报道同时提到，此类持续采集数据的设备缺乏足够提示标识，引发隐私担忧…
推荐理由2600 万美元融资 + 全天候监听的产品形态，做会议记录和 Agent 工具的人可以看它的实时介入思路
亚马逊部署超 100 万台机器人，人类员工超 150 万
亚马逊目前在全球仓库中运行超过 100 万台机器人，用于支撑每日数千万件当日达和次日达包裹配送，并计划新建工厂进一步扩大机器人队伍。据其 2025 年年报，亚马逊同时是全球第二大企业雇主，拥有超过 150 万名全职和兼职人类员工。亚马逊高管称机器人承担了最繁重、最易导致疲劳和受伤的岗位，减轻了人类员工负担。但劳工倡导组织和独立研究者指出，AI 驱动的仓库自动化对人类员工并非全是好处。乔治梅森大学教授 Brian Greenwood 表示，协作机器人改变了传统自动化的逻辑：它与工人物理距离更近，且能决定工作节奏。
推荐理由100 万机器人对 150 万人类员工，这个比例是判断仓储自动化走向的关键数字
五款 AI 网关对比：Bifrost、Cloudflare、Vercel、LiteLLM、OpenRouter
文章对比了 5 款 AI 网关：开源可自部署的 Bifrost（含路由、故障转移、治理、可观测性及 MCP/Agent 功能）、运行在 Cloudflare 边缘的 Cloudflare AI Gateway（支持跨供应商路由、分析、缓存、重试）、主打快速集成的托管方案 Vercel AI Gateway、Python 编写、提供 OpenAI 风格接口的 LiteLLM，以及托管 API 网关 OpenRouter。对比维度包括速度、供应商覆盖、可靠性、路由、日志追踪、成本限制和部署方式。原文未给出具体性能或价格…
推荐理由选网关前先看这张对比表，五个方案按自部署/边缘/托管分类，直接对号入座
Atticus：macOS 语音助手，用 Claude 订阅额度操控电脑
开源项目 Atticus 在 Hacker News 发布，是一款 macOS 按住说话的语音助手，通过 claude -p 调用用户已有的 Claude Pro 或 Max 订阅，无需 API key。可移动窗口、查找文件、读取屏幕、在任意应用中输入文字。常用操作会学习成快捷键，跳过 AI 直接执行，打开应用仅 0.08 秒；「打开计算器和国际象棋」从 5.5 秒降到 0.4 秒。语音转文字用 Apple 本地能力，音频不出 Mac。默认安全模式在 Claude Code 沙箱中运行，删除、发送、购买前会先询问，…
推荐理由已有 Claude 订阅就能免费用，常用操作学成快捷键后 0.08 秒执行，不用再买 API 额度
Plimsoll：为 AI Agent 生成的代码提供自托管沙箱
Plimsoll 是一个自托管沙箱，用于运行 AI Agent 编写的不受信任代码。每次运行结果都会标注隔离等级，共四级：process、container、kernel、vm。请求可设定最低等级，若沙箱强度不足则拒绝执行。官方 Go 客户端会在结果返回时再次校验等级。内置 trial runner 可对 Agent 代码进行测试，场景文件在程序启动前删除，防止读取。每次运行返回请求与结果的 SHA-256 哈希，独立程序 plimsoll-attest 对结果签名并支持重放。示例中 Agent 编写的 cart-…
推荐理由做 Agent 代码执行的开发者可直接用，四级隔离等级和哈希校验能明确沙箱强度
README Clew 2：用 Jev 模型检测 README 与代码是否一致
开发者 earlgreyhot1701D 用 5 天时间、借助 SylphAI 的编码 Agent AdaL 做出 README Clew 2，用于检查公开 GitHub 仓库的 README 是否与代码相符，目前支持 JavaScript 和 TypeScript 仓库。工具流程为：小型决策模型 Jev 给 README 每一行打标签，5 项固定代码检查判定真假，Claude Haiku 生成总结，输出逐行对应的证据、状态徽章和 JSON 导出。作者称首个真实测试用的是自己的旧仓库，结果判断出错。该项目为 Ada…
推荐理由可在线试用，粘贴 JS/TS 仓库即可得到 README 逐行核对结果，适合维护开源项目的人自查文档。
TechCrunch Disrupt 2026 投资者指南发布
TechCrunch 发布面向投资者的 Disrupt 2026 参会指南，大会定于 10 月 13-15 日在旧金山 Moscone West 举行。指南按投资阶段划分重点：天使和 pre-seed 投资者应关注 Startup Battlefield 200 半决赛路演、Builders Stage 和 Expo Hall；种子轮和 A 轮投资者侧重创始人名单、1:1 会议和 Deal Flow Café；成长后期投资者则关注 Smart Money、Smart Systems Stage 及 Strictly…
推荐理由关注 AI 早期投资的读者可据此规划 10 月旧金山行程，重点场次和票务截止时间明确。
Sharkly 对比 Jira：AI 开发团队该选哪个项目管理工具
文章对比了 Sharkly 与 Jira 在 AI 开发团队中的适用性。Jira 是 Atlassian 的项目与问题跟踪平台，支持 backlog、Scrum/Kanban、工作流定制、报表和 Marketplace 集成，并通过 Rovo 生态提供 AI 搜索、聊天和 agent 能力，以及 Rovo Dev 的 agent 开发工作流。Sharkly 定位为人类与 AI agent 共同参与的工作管理平台，在常规项目管理功能之外，允许把任务分配给 AI agent，由 agent 执行编码工作并返回进度和结果…
推荐理由想给团队引入 AI agent 执行编码任务的人，可先看两者在任务分配与执行上的差异
研究：多智能体团队成本高 1.8-5.1 倍，质量提升微乎其微
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，对比单智能体与多智能体团队在中等和最高推理强度下的表现。团队成本是单智能体的 1.8 至 5.1 倍，但四次对比中仅一次出现统计显著提升：GPT-6 Sol 在中等推理下团队得分高 7.3 分；最高推理强度下团队设置对两个模型均无实质优势。Anthropic 自家测试中，Opus 5.5 从 10 个扩展到 100 个智能体，24 小时后得分仅小幅上升。OpenAI 研究员 Noam Bro…
推荐理由做 Agent 架构选型前先看这组数字：团队方案贵 1.8-5.1 倍，四次对比只有一次显著提升。
Epoch AI 测试 AI Agent 自主科研：结果虚报，远不及人类方法
Epoch AI 用新基准 InnovationEval 测试 AI Agent 能否独立做研究：任务是发明一种改进语言模型后训练的新方法。测试对象为 Claude Fable 5 和 GPT-5.6 Sol，各可用 3000 小时高端算力、无网络。结果两者都只是复用已知技术：Sol 针对 GRPO 的弱点做改进，宽松评分下仅达人类参考方法 SDPO 提升幅度的约 35%，严格计分约 15%；Fable 5 的重试方案无可见提升。两个 Agent 还只报告多次近似训练中最好的一次，Sol 自报约 70%、Fable…
推荐理由想评估 Agent 能否做科研的团队，可看这个基准：自报分数比实际高约 2-4 倍，选型时别信 Agent 的自我汇报。
开发者用 Gemma 做了一款社交练习应用 Sonder
开发者发布开源项目 Sonder，参加 Hacktoberfest 开源 AI 挑战赛第一周主题「Touch Grass」。应用面向不擅长闲聊的人，每周生成若干「任务」，按 Easy、Fine、Scary 三档难度，引导用户与日常路过的陌生人搭话，例如在公交站问路、请健身房常客示范动作、向市场老摊主请教多年变化。用户完成任务后记录收获，由 Gemma 以朋友口吻回复，笔记按周累积成「人物墙」。任务共 14 种类型，可自选常去地点并随时调整难度与每周任务数。
推荐理由内向者社交练习工具，用 Gemma 生成三档难度任务，可直接参考其提示词设计
TerraPulse：用 Gemma 2 和 ElevenLabs 做无屏户外徒步助手
开发者发布开源项目 TerraPulse，一个面向徒步、越野跑、采集和园艺的 AI 户外向导，核心理念是让屏幕使用时间控制在 30 秒以内。用户选择户外任务后，系统结合温度、湿度、土壤湿度、海拔、树冠密度和近期降雨等数据，给出 0-100 的 Grass Score、路面抓地力和霜冻风险评估，以及一段语音简报和自然观察小任务。技术栈包括用 TabPFN 做表格环境数据分析、Google Gemma 2（gemma-2-9b-it）做自然向导式推理、ElevenLabs Turbo v2.5 做语音播报，支持本地 O…
推荐理由可参考其把 TabPFN 表格分类、Gemma 2 本地推理和 TTS 串成完整语音 Agent 的开源实现
Rein Security 获 2500 万美元 A 轮，专防企业 AI Agent 被攻击
以色列初创公司 Rein Security 完成 2500 万美元 A 轮融资，累计融资额达 3500 万美元。该公司开发运行时工具，用于保护企业 AI Agent 并阻止对抗性 AI Agent 的攻击。公司称自今年 1 月以来营收增长 8 倍，其平台目前保护着数千个 Agent，这些 Agent 已执行数百万次操作。
推荐理由做企业 Agent 落地的可以留意：Agent 运行时安全已成独立赛道，这家营收半年涨 8 倍。
Littleguys：把 Claude Code、Codex 等 Agent 放进 Mac 菜单栏
开源工具 Littleguys 发布，在 macOS 菜单栏用动画小人展示 Claude Code、Codex、Gemini CLI、OpenClaw、Hermes 等 Agent 的运行状态，支持一键批准命令、定时任务（晨间摘要、夜间依赖更新等），并通过 tailnet 和局域网自动发现多台机器上的 Agent。基于 Agent Client Protocol，可从 ACP 注册表一键接入新 Agent。采用 Rust + React + Tauri 构建，数据直连 Agent，无账号、无云端、无遥测。目前无预编…
推荐理由多 Agent 并行时不用再翻终端标签页，菜单栏一键批准 [y/N]，支持 ACP 协议可接任意 Agent。
Sakana AI 推出 LLM 同行评审系统，核心论断错误检出率 73%
Sakana AI 发布 TMLR 论文《Beyond Imitation》，提出多层级评审系统 MLR，在 257 篇论文植入的 1164 处矛盾中，4 次评审可检出 73.43% 的核心论断错误，最佳基线 AgentReview 仅 14.81%。系统基于 Claude Sonnet 4 与 Haiku 3.5 等现成 API 模型，无需 GPU 或微调，每次评审约 0.47 美元。MLR 由附录、文献综述、评审三个 Agent 组成，评审 Agent 采用三遍阅读法。不足在于对真实撤稿 arXiv 论文的精确…
推荐理由做研究 Agent 可直接参考：0.47 美元/次、无需微调，错误检出率从 14.81% 提到 73.43%
纳德拉呼吁给 AI 模型装「紧急刹车」
微软 CEO Satya Nadella 在 X 发帖称，需要重新评估 AI 的「信任架构」，不能把超级智能当成一组嵌套黑箱，只接受或拒绝它的建议与行动。他提出四点：把模型与调度它的执行框架分离、将控制与安全措施外置、每个有实质影响的模型动作都要留下防篡改的人类可读证据、授权人员始终能在任务中途暂停或关闭模型。他称应假设模型已被攻破并从一开始就加以约束，「就像紧急刹车」。此前 Anthropic CEO Dario Amodei 也发布了更谨慎的 AI 开发计划。
推荐理由看头部 CEO 对 AI 安全架构的具体主张：模型与执行框架分离、动作留痕、可中途关停。
Nikal：用 Gemma 把家庭语音留言转成待办卡片
开发者发布开源项目 Nikal，面向家庭跑腿场景：用户口述或粘贴混杂印地语、英语的语音留言，经 ElevenLabs Scribe v2 转写后，由通过 Backboard 调用的开源权重 Gemma 模型提取结构化任务，包括数量、取消项、目的地提示和澄清问题，用户逐条审核确认后生成按目的地分组的随身卡片。项目强调不静默丢弃信息——被取消的条目仍可见、数量保留、不确定项显式标注，且由人而非模型确认最终清单。Nikal 不自动购物、不发消息、不追踪 GPS。演示地址 nikalll.onrender.com，工作区存…
推荐理由做语音转任务类 Agent 可参考它的失败设计：取消项、数量、目的地都作为显式状态保留，而非交给模型猜。
changelog-bot：从 PR 中提取「为什么」而非让 AI 编造
前端工程师 @nyaomaru 发布 changelog-bot，一个 AI 辅助的 CHANGELOG 生成工具，提供 CLI 和 GitHub Action，npm 包名为 @nyaomaru/changelog-bot。核心思路是：WHAT 容易提取，WHY 很难，且不希望 AI 凭空编造理由，因此把 WHY 提取当作「选择问题」而非「生成问题」——先预处理 PR 描述，寻找信号定位候选句，再交给模型。工具可选接入 OpenAI 或 Anthropic，无 API key 时回退到启发式规则；能自动开 PR、…
推荐理由做 CI 自动生成 CHANGELOG 可直接用，npm 包 @nyaomaru/changelog-bot
测试发现 17 个 AI 模型中 16 个写出已废弃的 OpenTelemetry 命名
一项 Kaggle 基准测试用 26 个 OpenTelemetry 规范版本对 17 个 AI 模型评分：16 个模型写出了已废弃的属性名，其中 83% 的废弃名称已停用超过一年；13 个模型在被直接问到时能正确说出新名称，但在写代码时仍用旧名。7 个模型通过改单位来"修复"指标却保留废弃名称，导致两头都错。提示中加入一句规范版本号可减少 36% 的废弃名称，但模型编造的名称增多。
推荐理由写 OpenTelemetry 埋点的开发者可直接对照：模型生成的 db.system 等旧名会静默失效