本文是 Agent 高频面试题详解系列第 4 题，系统讲解 Agent 效果评测体系。文章基于 64 场面试面经分析，归纳出评测追问的八个方向，并结合 Anthropic、OpenAI 等实践经验展开：先明确评什么（Agent 评测难在结果在环境状态中、路径不唯一、结果不确定）；评测集怎么建（题目来自真实失败、业务方、合成数据，注意分层、防泄露与防过拟合）；谁来打分（代码判分、模型判分、人工判分三种方式的取舍，LLM-as-a-Judge 的位置偏差、冗长偏差等已知问题及校准方法）；以及如何通过基线对比、多次运行排除随机性，证明改进真实有效。文章强调评的是 Harness 和模型的整体，判结果而非规定路径。
作者使用开源逆向工具 REA（reverse engineer anything）逆向苹果原生备忘录 App，并借助 AI Agent 完成从调研到复刻的全流程。文章拆解了具体步骤：安装 REA、限定只调查本地笔记功能、区分调研报告中的证据与判断、实现新建/编辑/切换/搜索/删除五个最小功能，并进阶加入选题模板、口播时长估算和全屏提词器等自媒体实用功能，最终交付一款每天在用的口播脚本工具。作者强调 REA 降低了读懂他人 App 的门槛，但服务器端逻辑无法逆向，公司护城河依然存在于稳定性、售后和数据沉淀中，并提醒逆向仅限自用学习，不可用于绕过付费。
作者分享从大厂软件工程师转向 AI 基础设施方向一年的学习历程与心得。毕业加入大厂后，因工作缺乏主动性空间和创造感，三个月后决定转向 AI infra。通过学习基础知识、深入研读 SGLang 源码、参与社区贡献，逐步加入 SGLang-Omni 项目并进入一家 AI infra 创业公司。作者认为这一年是高回报率的一年，但也指出 AI 领域竞争激烈、节奏快，转行需权衡个人追求。文章最后强调了开源的重要性，认为强大的 AI 工具不应只掌握在少数公司手中，呼吁更多人参与开源社区。
文章介绍了作者总结的在中国境内使用 Claude 而不被封号的完整方案。核心思路是让使用地区而非身份成为英国环境：使用英国 CTExcel 电话卡获得英国 IP 与原生手机环境，用欧洲版 iPhone 收验证码和登录，用 Wise 账户处理付款，再配一台英国 VPS 作为远程工作环境。作者还介绍了 Claude Code 的 Remote Control 功能，实现手机与远程电脑协同工作。最后提出“防封提示词”，用信息熵等数学原理解释如何通过增加输入维度降低 Claude 安全分类器的误判率，声称协议比越狱更可靠。
Cloudflare 数据显示 AI 自动化流量首次超过人类（57.5% vs 42.5%）。文章分析搜索用户从人、到大模型、再到 Agent 的三次演变，指出 Agent 场景下搜索的三大卡点：结果需可直接用、信源要可信、速度要快。腾讯「元宝搜索」通过提供完整正文、接入 157 个权威信源、索引期压缩网页为 100 token 支持 KV Cache 复用等优化，使 Agent 完成任务的平均搜索调用从 8 次降至 5 次。作者实测 9 个品类 31 条 query，认为其强项为权威性、时效性和正文提供能力，适合国内 Agent 开发者，但学术论文、生活服务等场景需配合垂类 API。文章最后介绍了三种接入方式与按量计费价格。
月之暗面发布 Kimi K3.1 Pro，3万亿参数MoE架构、100万token上下文、开源权重，API输出价格仅为GPT-6 Astra的五分之一。作者从跑分和实测两方面评估：官方xdev-bench-hard编程成功率64.5%排第二，幻觉测试同样第二，第三方智能指数全场第四、开源第一。实测中，作者用相同提示词让K3.1 Pro与GPT-6 Astra分别开发3D跳一跳和植物大战僵尸游戏，两者均一次成型无bug。Kimi耗时约10分钟但会自我验证和修正，Astra快近5倍且细节更丰富。结论：K3.1 Pro编程能力接住闭源旗舰，价格是杀手锏，适合重度Agent用户。
作者牙仔发布手绘Skill库新图型IG-038万能信息图，用户只需填写主题和核心要素即可生成风格统一的信息图，适合单一主题批量拆解出图、构建社媒连载组图与行业复盘长图。文章展示了四个实测案例：手冲咖啡冲煮指南、新消费品牌增长复盘、降噪耳机技术拆解以及小红书四图连载组图，并给出完整提示词模板，同时介绍了通过GitHub仓库安装与更新手绘skill的方法。
文章针对 AI 写作常见的空泛、模板化问题，提出三步解决方案：先查清问题、再改表达、最后校准文风。作者整理了 22 个去重后的开源工具清单，包括 humanizer、stop-slop 等编辑规则工具，AI 文本检测研究项目，以及 shuorenhua、qu-ai-wei 等中文改稿 Skill，还有 writing-style-skill 等长期校准个人风格的工具。文中强调改稿时要保留事实、数字和原有语气，不靠编造经历来'显得像人'，并给出了可直接使用的提示词模板。
文章基于 BigIdeasDB 对 294 个 AI 推荐创业点子的研究指出，80.6% 的点子重复度高，且 AI 给出的收入预测从不分析竞争情况，看似完整但并不靠谱。作者结合 MailCheap 等真实赚钱案例，提出普通人做 AI 副业的正确路径：从熟悉的行业和真实抱怨中找问题，而非让 AI 凭空推荐；用 AI 做需求分析和竞品调查，主动寻找反面证据；先做无需写代码的最小服务版本，争取第一笔真实付费，再考虑扩张。文末附有可直接使用的三个 Prompt 和 7 天行动计划，强调找到愿意付钱的客户比收集创业点子更重要。
本期早报围绕推理计算的经济与工程展开。YC Paper Club 分享拆解推理请求生命周期，涵盖路由、缓存、分词调度、编译优化与服务质量监测，强调训练之后的服务开销巨大且需要系统性优化；Amazon CEO Andy Jassy 访谈解释了 2026 年 2200 亿美元资本开支背后的建设周期、现金流压力与企业 AI 应用的杠铃格局，指出推理降价将打开更多采用场景；Naveen Rao 则从能源效率视角讨论模型、硬件协同设计，预测推理可能成为 10 万亿美元市场，并探讨规格定义与验证在 AI 自动化交付中的关键作用。速览部分还涉及模型越界安全评估、桥水知识库建设和 AI 个人助理产品竞争。
YC 2026 秋季营创业公司 Agent Workforce 发布开源项目 Agent Relay，解决多个 AI Agent（如 Claude Code、Codex、Cursor）各自运行在独立终端、互不相通、需要人工复制粘贴的问题。作者以一个 slugify 函数的编写与审查任务进行实测：通过带时限的临时房间（Relay Connect）建立连接，让 Claude Code 写代码、Codex 负责审查，两轮自动沟通后完成 40 个测试用例并全部跑通，全程无需人工中转。文章详细记录了安装、连接、审批配置、常见报错等步骤，并讨论了 Token 消耗、人工检查位置和权限风险等顾虑，还提出了多工具串联的开发流程设想。
作者分享了 Linux 下使用 gpu-unlock 项目解锁 NVIDIA 显卡 Tensor Core 算力限制的实践。该项目通过在驱动加载前修改控制运算速度的寄存器，解除 FP16/BF16 输入、FP32 累加运算的限速。作者在 RTX 4070 Ti SUPER 上用 Codex 辅助完成兼容性检查、编译模块、创建实验启动项和断电重启等步骤，实测 8192×8192 矩阵 FP16 乘法耗时从 12.15ms 降至 6.49ms，吞吐接近翻倍至约 190 TFLOPS，且数值校验通过。社区反馈该解锁可使本地大模型 prefill 提速 30%–50%，decode 速度基本不变。
2026年国内主流内容平台清理了上百万篇低质量内容，很多创作者的文章因此无法被搜索到。作者通过真实案例指出，AI生成占比并非决定因素，真正影响内容曝光的核心是信息增量。文章拆解了内容无法被搜索到的四大原因：内容同质化、低创作度、模板化和标题封面设计问题。同时分享了实用解决方法，包括人工检查内容质量、使用第三方工具进行同质化检测、AI率检测和限流预警等，建议将AI辅助内容占比控制在25%以内，搭建专属选题储备库，并定期进行系统性排查，帮助创作者把内容从低质量内容池中捞出来。
作者分享了用 AI（Claude/Codex）通过 Mac 连接 Android 平板，几句话完成系统清理的实用技巧。提供的提示词涵盖五个方面：关闭广告和推广入口、按分类保留有用通知、更换带促销装饰的应用图标、停用无用预装应用（保留基础服务）、整理桌面布局。整个过程无需 root，适合优化新买的 Android 设备或帮家人清理手机。评论区还讨论了 WiFi 调试、iPhone Air + 安卓小平板的搭配，以及国内安卓系统广告难以关闭的现状。
本文是 Midjourney 网页版入门系列教程，重点讲解输入框以外的界面功能。作者介绍了 Explore 社区页面如何浏览公开作品、学习他人提示词的写法（含主体、配色、画风、构图四步拆解法），以及顶栏 For you、Random、Hot、Top 等标签的用途。随后详解左侧导航栏的 Create 创作记录、Edit 画布局部修改与延展、Organize 作品整理与文件夹归档、Tasks 社区任务，以及 AESTHETICS 分组中 Personalize、Moodboards、Style Creator 三个审美工具的用途，并给出新手界面熟悉练习路径。
