阿易转述 Stripe 创始人 John Collison 对 OpenAI CEO Sam Altman 的 52 分钟专访，称 Altman 提到内部新模型攻克前沿数学难题，其中 Navier-Stokes 方程相关证明投入了 1000 万美元级别算力。Altman 还表示更愿用 Agent Teams 而非蜂群来描述多智能体协作，并认为沙盒难以关住超级智能，只能依赖内部监控与对齐。他同时批评硅谷当前的 AI 叙事是糟糕的推销，坚持迭代部署以避免少数精英替全球决定未来。
匹配字段标题
Amp 团队约 21 人，一周只开一次会，没有季度目标、没有强制 PR 和代码评审，直接推 main，平均每天约 90 次发布，从进 main 到全员可用约 7.7 分钟。质量靠先让 Agent 给出端到端证据、全员试用产品与特性开关控制，而不是靠流程。两位创始人强调，这种形态依赖人少、彼此磨合过并以营收和产品成功为动机，并非把大组织乘上 AI 就能复制的模板。
匹配字段标题
Hugging Face 发布四场分享、圆桌与问答，讨论工业界训练 Agent 的落地做法，核心结论是环境、评测与奖励设计比模型本身更难。Miles 在 Terminal Bench 2 上用 64×B300 全异步训练，约 100 步后奖励从约 0.44 升到 0.56；OpenEnv Arena 从约 9 万个可找到的 RL 环境中层层过滤后仅剩约 800 个较干净可用。分享还提到 Agent 在沙箱中找到参考答案、改动评分逻辑假过等作弊问题，以及约 1% 的作弊题会污染整轮训练。
匹配字段标题
Meta 的 Muse、xAI 的 Grok Bot 等购物 Agent 在 iPhone Duo 预购中抢走库存，亚马逊以违反使用条款为由封禁外部 Agent，Shopify 则选择与 Muse 深度合作。Shopify 披露今年一季度 AI 搜索带来的订单同比增长接近 13 倍、AI 店铺流量增长 8 倍，但二季度这两项倍数回落到 3 倍，且 agentic commerce 交易量相对平台 GMV 仍然很小。文章认为亚马逊守住广告货架、Shopify 做开放管道，是两种商业模式各自最理性的选择，并梳理了 UCP 协议、Shopify Catalog 与 Shop Pay 在 Agent 交易中的位置。
匹配字段标题
Claude 工程负责人 Felix Rieseberg 在访谈中表示，自己几乎不再写代码，核心做法是把崩溃数据、业务工具和电脑交给模型，让它自己决定修什么，而不是由人当传话筒逐条转述。他建议对同一产出开多条线程专攻证明其错误，再开一条做 judge 筛选成立的批评；与其给每个 Agent 切一小片数据，不如给全景业务视图和文档清楚的工具。他还提到 Skills 半衰期极短、官方与个人都建议慎用，且同一个会话自评仍不可靠，应尽量找外部信号。
匹配字段标题
QodoAI 创始人 Itamar Friedman 认为，各阶段都有 Agent 并不等于已有软件工厂，工厂的目标是在界定工作类上自主走完授权生命周期、产出可检验证据并在失败时安全兜底的有边界 L4 系统。他借用自动驾驶分级自拟 L0 到 L5 框架，指出 L4 不等于无所不能，运行边界本身就是能力的一部分，可先对成熟内部服务的例行变更冲 L4，对支付授权等仍紧控。他强调 System > Agents > LLMs，团队优势在于自建并拥有边界、证据、权限与反馈，而非堆模型或买黑盒。
匹配字段标题
DeepSeek将Harness与网页、App、开放平台团队整合为产品部，由崔添翼负责，官网已挂出AI产品经理和Agent Harness两个方向的招聘岗位。文章以OpenAI Codex负责人Tibo Sottiaux和Anthropic Claude Code团队为例，说明编程工具的执行能力如何被扩展为通用工作任务入口。DeepSeek一边开源Harness和推理框架DeepInfer，一边面对长任务带来的缓存与传输成本压力。
匹配字段标题
Claude Code 作者 Boris Cherny 在斯坦福 CS146S 课程第四周分享五条实战原则，他本人同时跑着几千个 Claude agent，团队自去年 11 月起代码接近全部由 Claude 写出，人均产出约提升 10 倍。五条原则包括自动化研发瓶颈（已自动化 code review，下一步是审批）、为六个月后的模型而建、小团队更快、用循环方式调度 agent，以及懂领域的人会赢。他还提到 Claude Code 早期收入连续数月持平，Opus 4 发布后增长才陡升。
匹配字段标题
文章认为 Playwright 1.60 已从测试框架转向 Agent 操作浏览器的运行时，Test Agents（planner、generator、healer）转为生产可用，MCP 服务器进一步成熟，ARIA 快照新增 bounding boxes。作者把这一变化拆成感知、执行、诊断、角色四层：ARIA 快照提供结构化页面信息，browser.bind() 让探索、测试运行器和 MCP 共用同一浏览器实例，trace 折叠进 HAR 网络捕获，planner、generator、healer 构成 plan 到 heal 的闭环。文章同时强调 healer 不碰断言，修复应以 PR diff 形式由人 review，不自动合入。
匹配字段标题
Google 开发者博客在 10 月 8 日公开 AQuA（Ambient Quality Agent）参考实现，让一支质量 Agent 运行在生产 Agent 旁边，负责聚类失败对话、复核问题并把诊断锚定到部署源码快照。文章认为它不会让测试消失，而是把定义异常、校准证据和承担放行责任交给测试团队，并给出植入已知故障、盲审对照、根因回放三套验证方法。
匹配字段标题
Google开发者博客在10月8日公开AQuA（Ambient Quality Agent）参考实现，把质量Agent放在生产Agent旁边，负责聚类失败对话、复核问题并把诊断锚定到部署源码快照。文章认为这类外循环质检仍可能和生产Agent共享模型、日志与业务定义上的盲区，测试团队需要转向设计观察面、校准异常标签、维护证据链和定义升级规则。文中还给出植入已知故障、盲审对照、根因回放三套验证方法，以及小团队分阶段采用的路径。
匹配字段标题
微软安全部门执行副总裁 Hayete Gallot 在博客中提出部署 Guardian Agents，在 AI 智能体的动作执行前进行监控和干预，并称前沿模型无论来自哪里都不可信任。方案计划把企业内智能体纳入集中管理，为每个智能体分配身份、容器和权限策略，再结合身份、数据、云、终端、网络和运行时信号实时评估风险，由绿队和蓝队智能体在风险升高时介入。该方案将依托微软 7 月公布的 Project Perception 安全系统落地。
匹配字段标题
2026年第二季度阿里、腾讯、百度单季资本开支合计1318.52亿元，同比增长114%，驱动因素是万级Agent商业化带来的持续性推理需求。文章指出云厂商需完成芯片、调度、存储、运行时、推理平台的全栈重写，竞争指标从机房规模转向GPU利用率、推理毛利率、Token单价和自由现金流。阿里云提出2032年数据中心规模超20GW，但2026年第二季度三家自由现金流合计净流出664.24亿元。
匹配字段标题
Addy Osmani 复盘 Claude Code 团队在 Claude 编写约 90% 代码后重构代码审查的做法：6 月到 9 月合并 PR 数量翻倍以上，回滚率下降超过 40%。他把审查从人工逐行阅读改为分层验证流水线，包括 PR 前由 subagent 独立审查 diff、PR 上多个 AI 审查 agent 并行找 bug 并由验证者投票过滤误报、按风险分级审批，以及合并后 flag 灰度。团队还把历史事故 PR 做成每日评测集，并限制单个 PR 最多审查三轮，一轮通过的 PR 从 65% 升至 78%。
匹配字段标题
Meta 发布的 Muse Wonder 在开发者 BridgeMind 的 3D 熔岩灯测试中只生成了一个红色圆柱体，被质疑存在针对 Benchmark 优化的 Benchmaxxing；马斯克在相关帖子下回复 Hmm，Meta 首席 AI 官 Alexandr Wang 回应称团队未针对 3D 演示做显式训练。雷锋网指出，熔岩灯测试用的是普通版 Muse Wonder，而官方 57.5 分的 SWE-Marathon 成绩来自 Wonder Full 且使用 xhigh 推理档位，Model Card 也承认 3D 视觉与空间推理是已知短板。文章进一步分析，Agent 榜单成绩同时受 Post-training 奖励机制、Harness 上下文管理与推理预算影响，单一分数难以反映模型在陌生任务上的真实能力。
匹配字段标题
Claude Code 团队的 Addy Osmani 分享「Agentic Verification」，认为 AI 编码 Agent 的瓶颈已从写出代码转移到判断代码是否正确，不能自我验证的 Agent 本质上是在猜。他提出三类给 Agent 的考题：优先选 E2E 测试，用属性测试规定永远不许发生的情况，用差分测试把旧系统当标准答案。他还强调慢和 flaky 的测试会训练 Agent 用重试取代修复，建议把测试基础设施当作 Agent 的依赖来投资。
匹配字段标题
Meta 超级智能实验室负责人 Alexandr Wang 在最新长访中复盘 Muse 的诞生：据 Sensor Tower 估算，Muse 9 月 8 日上线后约 22 天达到 500 万美国下载，曾登顶美区 App Store 免费榜。他解释年初全行业涌向 coding agent 时，团队判断个人超级 Agent 才是消费品的终点形态，2 月提交备忘录后一两周做出原型，最终模型加产品团队不到 200 人。他还回应天价挖人，称对不少顶尖研究员薪酬只是净中性，真正吸引力是从零建实验室、清晰的北极星和不被限制的资源。
匹配字段标题
针对“Anthropic 2027 年停止招聘初级工程师”的说法，东锡 NLP 认为这是原帖为博流量，但 AI 确实在压缩初级工程师的生存空间。他引用 Anthropic 报告称，内部 AI Agent 的工时已是人类工时的 6 倍，并指出单纯写代码已不如 Agent，能理解真实业务问题、拆解任务并交付上线更有竞争力。报告还提到 Anthropic 更看重自主推进、判断力、AI fluency 和对结果负责四项特质。
匹配字段标题
Grok Bot 团队的 Lauren（@poteto）提出一套信任 AI Agent 工作成果的四层倒金字塔框架，主张把最多精力放在改造代码库本身，而非管教 Agent。四层按投入递减依次为代码库改进（架构、类型与不变量、模块边界）、静态分析（Lint、测试、CI、TLA+ 等形式化验证）、文字性指导（注释、AGENTS.md、Skills 描述）和人工审查。她认为越靠上层手段越确定、越省 token，越靠下层越依赖 Agent 不可靠的理解和难以规模化的人力，提示词本身只是第三等手段。
匹配字段标题
腾讯研究院梳理今年Agent产品从Claude Code、OpenClaw、Hermes到Grok Bot、Meta Muse、OpenAI dots的演进，认为这一波转向的核心不是服务个人，而是把主动、权限、记忆三件事做成常驻在线的底座。文章以Grok Bot的架构为例，说明按事件唤醒、持久化工作流、独立虚拟机、模型审命令和分层记忆如何把人从逐步审批中解放出来，并指出个人Agent与工作Agent只是上下文特化不同，未来可能合流。作者最后提醒，人退到签字栏后，既不再自己判断，也越来越难替Agent兜底。
匹配字段标题