本期早报聚焦 AI 智能体的长程执行与工程实践。精讲一介绍月之暗面 Kimi K3.1 Pro，3 万亿参数、100 万上下文，在代码、3D 创作、金融研究和长程 Agent 任务上表现突出，尤其展示了模型修正仿真器错误完成人体行走控制的能力。精讲二解读 Claude Duet 的安全机制，包括动作审批、敏感信息检查与凭证隔离三层设计。精讲三拆解天猫数字员工的全链路交付技术，涵盖沙箱隔离、会话延续、身份绑定与度量体系。速览部分还涵盖美团 AutoResearch 自进化系统、Cloudflare CTO 谈智能体安全、LangChain 上下文工程检索实践及 Factory 自主软件工程等内容。
作者设计 15 道两轮陷阱题，第一轮故意说出错误前提，第二轮装作没听见继续提问，用三个 AI 裁判评测了 5 个模型的'回头纠错'能力。150 次对话结果显示，融合模型 FUMO 旗下的 Fusion Code 以 90% 的纠错比例遥遥领先，GPT-6 Astra、Claude Fable 5.1、Claude Opus 5 和 GPT-5.6 均在 70% 左右。文章对比了模型路由与多模型协作的差异，指出榜单分数高不等于会在用户走偏时拦截，并介绍了 FUMO Fusion Max 2.0 在办公文档分析上的新能力。
文章面向维修、家政、装修等本地服务门店，提供了一套 20 段结构化提示词，让 Grok Bot 帮助完成门店获客的完整流程。内容包括：先填写业务基本资料让 AI 了解生意，再通过对比同行类目、补齐门店标签、拆解同行评价、优化评价回复、排期内容发布、完善服务项目描述、测试商家简介、规划照片拍摄等方式优化门店页；随后利用 Google Search Console、Semrush、Ahrefs 等工具分析关键词差距和页面表现，提升网站 SEO。所有提示词均包含任务、输入、步骤、输出格式和规则，强调真实数据、不编造信息、优先低成本可执行项，交付表格、文案和行动清单。
Cerebras 团队详细介绍了如何在 WSE-3T 晶圆级芯片上部署万亿参数大模型。以 3 万亿参数的开源模型 Kimi K3 为例，团队通过 4-bit 权重量化和 8-bit KV 缓存计算每层约 16 GB 的显存需求，将模型切分到 59 片晶圆上：每个 dense 层独占一片晶圆，每片可放两个 linear-attention 层。晶圆间通过以太网 RDMA 传递激活值，权重无需移动。系统以流水线方式运行，各阶段可同时处理不同请求和微批次，从而实现 1000-2000+ tokens/秒的推理速度。
本文是后训练系列第二篇，介绍指令微调（SFT）。以斯坦福 Alpaca 用 52,000 条自动生成的数据微调 LLaMA 7B 为例，说明指令微调与预训练使用相同的下一个 token 预测损失，但数据和任务不同。文章详细讲解训练五步骤：收集、格式化、掩码、训练、评测，并通过 LIMA 和 FLAN 研究说明指令微调主要改变模型行为方式而非增加知识，少量数据即可泛化到新任务。还介绍了损失掩码原理、位置错开的实现细节、指令数据的三种来源及其局限：无法补充知识、比较回答优劣或检验正确性。
本期早报精讲三篇 AI 前沿内容：Anthropic 开放 Claude Duet 研究预览，通过云端虚拟机和独立应用承接主动发现与持续执行任务，并设计分级授权机制；NVIDIA 发布 Nemotron 3.5 系列模型，将文档解析、多模态嵌入与重排连接成企业知识处理链路，实验证明更优检索可降低代理推理 token 开销约 13-14%；OpenAI 工程师拆解 ChatGPT 广告系统，展示如何用后训练 LLM 理解多轮对话中的商业意图，通过编排模型与竞价工具分工实现服务隔离与信任保障。速览部分涵盖天猫数字员工协作实践、代码质量投入判断框架及 Claude 设计蛋白质结合体等七条内容。
本文解读 Anthropic 工程经理 Felix Rieseberg 的文章，指出多数人用不好 AI 是因为预设"太难的事它做不到"，形成自我强化的局限。作者介绍 AI 能力的"参差不齐"特性，以及四种野心方向：速度、高度、深度、广度——包括往决策层上走、用离谱目标配合外部裁判、跨领域调动知识。文中引用外行用 Claude Code 发现候选行星、METR 的 AI 效率实验等案例，强调严格验证比体感更可靠。最后结合自我效能感的心理学研究，建议每周选一个任务实践"更深的用法"，用亲身成功经验突破心理上限。
作者以制造业企业 AI 知识库项目为例，复盘了从 demo 到真正落地的完整链路。文章指出 demo 成功不等于企业可用，需要经历真实问题验证、资料核对、查询设计、业务验收、人工接管、知识更新和持续运营八步。核心观点包括：签约前用真实问题测试真实资料、区分单项查询与完整筛选需求、源头纠错修正原始资料、验收关注实际等待时间、设计人工接管路径、沉淀人工答案、明确知识运营负责人，以及报价时把建设、维护和知识更新分开核算。
本文面向内容创作者，系统整理了可实际使用的 MCP（Model Context Protocol）工具清单，涵盖做图、视频、语音配音、剪辑字幕、设计衔接和音乐六大场景。作者推荐 Sunra（聚合多家图片/视频/音频模型）、Magnific、ElevenLabs（配音）、Palmier Pro 和 DaVinci Resolve MCP（剪辑）、Figma MCP（设计）等，并提醒避开 Midjourney、Suno 等非官方第三方封装的 MCP。文中还给出安装方法、费用说明及五个常见踩坑提醒：认准官方网址版、注意账户余额、保护授权密钥、区分 Skill 与 MCP、先装一个用熟。
文章作者以其公司 microagi 计划部署十亿台机器人为引，探讨机器人普及将带来物质极大丰裕的"富足世界"，从根本上消除经济学赖以成立的资源稀缺假设。但同时指出，通用机器人将取代大量体力劳动岗位，若经济制度不变，数百万人将失去收入、地位与人生意义。作者认为机器人界回避了这一困境：若不解决分配问题，公众与政府将联合阻止机器人部署，富足将无法实现。文章回顾机器人技术的快速进展（Figure AI、Generalist、Gemini Robotics 等），并指出当前可验证任务最易被自动化，最后以欧洲为焦点讨论三种未来路径。
个人开发者用十天时间（代码大部分由 AI 编写）打造了推理引擎 Strata，能让 12GB 显存的普通电脑运行 1250 亿参数的 Qwen 3.8 Flash Next 模型。文章剖析其六倍速度宣传实为不同量化版本对比，同版本实际是两到四倍；真正亮点是 prompt 读取速度达每秒 1500 token。核心技术是围绕 MoE 架构的专家缓存，命中率约 72%，代价是输出可能偏离原模型结果。文章还对比了买内存自建与云端 API 的成本账，并预判通用引擎 llama.cpp 将在几个月内补齐缓存能力。
作者用 Claude Opus 5.5 将此前关于 Cloudflare 官网 Logo 案例的内容改写成小红书图文，并顺手让 AI 按同样样式生成了 11 套模板。模板涵盖封面、对比、数字、一句观点、结尾等页面，并对每个位置的排版做了详细规范，如大标题最多三行、每行六个字、观点页只放大字不配图。此后发布任何内容只需挑选对应页面填入文字即可，无需每次重新排版，大幅提升效率。评论区有网友建议将此思路做成 Skill 配合 Figma 使用，作者表示正在制作中。
文章以 GPT-3 与 InstructGPT 对比为例，解释为什么预训练只教会模型'猜下一个词'，却不能让它听指令、保证安全、做长链推理，因此需要后训练来弥补目标差距。文章对比了预训练与后训练在目标、数据、信号、成本和改动幅度上的差异，并系统介绍了三种后训练技术：指令微调（跟示范学）、偏好对齐（RLHF/DPO，靠比较学）、RLVR（由可验证检查器判对错）。全文用通俗类比讲清后训练的原理，是后训练系列文章的第一篇。
作者宣布将于10月24日（世界程序员日）晚7点通过视频号直播，发布全新商业GEO产品及开源GEO流量统计系统GEOInflow。文章回顾了一年多来在GEO领域的实践，包括孵化GEO公司、开源项目、出版书籍等，并指出行业普遍存在的基建混乱、运营低效、品控缺失等问题。直播将分享三大内容：包含8个业务子系统、具备Agent投放能力的商业GEO运营系统，升级为12个核心节点的精细化运营SOP，以及能同时统计人类访客与四类爬虫数据、与北京日报社联合开源的GEO流量统计系统。
作者在 Opus 5.5 发布后实测“一句话生成动画”的真实效果，从 5 秒片名卡做到 195 秒讲解动画，共完成 5 部作品。结论是：一句话确实能生成好看的内容，但成功区间很窄——只有短、内容自由、无标准答案的片名卡一次通过。片子一长、内容一定，就出现牙齿数量错误、画面冻结、占位文字残留等细节问题，需借助独立 AI 审查与人工把关。作者总结：意图与感知只能由人提供，并给出开工前给齐决定、先看抽帧拼图、另开 AI 审查、反馈带时间码、沉淀素材五条实践建议。
MemOS 团队发布全球首个“记忆原生”大模型 MemT-1.0，将记忆能力直接训练进模型权重，取代 RAG、Mem0 等外挂记忆方案。其思路是不改底座、参数冻结，仅在部分层并联约 1.05 亿参数的记忆块，通过蒸馏训练让模型自学“什么该记、什么该忘、怎么取用”，优化目标从检索命中率改为任务答对率。交付物包括通用模型权重（会记笔记的大脑）和用户专属记忆状态文件（仅 40 MiB 的笔记本）。数据显示其 40 MiB 记忆答题成功率 69.73%，略高于全量上下文的 69.13%，存储缩小 66 倍、首字响应快 4.19 倍。已在 Hugging Face 和 GitHub 开源，被视为开启模型“在使用中变强”的第四条技术路线。
文章针对普通人收藏大量 AI 教程却始终没学会的问题，提出按可上手顺序排列的六阶段学习路线：先搞懂大模型、Agent、MCP、Skill 四个基础概念；再学会高效提问；然后选一个通用 AI 助手用熟；之后分创作者路线（做图、视频、语音）和开发者路线（MCP 与 Agent 开发）深入；最后选读书籍论文进阶。作者强调'卡住你的不是资源不够，而是顺序不对'，并附上 30 天打卡表、53 个免费资源和五个避坑建议，倡导边用边学、动手实践。
作者用一道难题对比测试开源 5B 图像模型 MOSS-Image 与闭源最强的 GPT Image 2.5：在一张水墨长卷中画出李白临江举杯场景，写出《将进酒》全文12行书法，配标题、作者、朱印和英文，并精确控制酒杯数量。第一轮两者都通过，但第二轮仅改两处细节后，GPT Image 2.5 数错酒杯，MOSS-Image 两轮全部正确。文章分析了小模型在中英文渲染、长提示词理解（支持4K tokens）和风格控制上的优势，并分享了结构化布局、负面约束等复杂提示词技巧，附完整提示词。MOSS-Image 已开源权重和代码，支持 LoRA 微调，ComfyUI 下载量突破70万。
Ilya 曾推荐一份包含 30 篇论文的 AI 学习清单，称读懂即可掌握当下 AI 90% 的要点。30u30 项目将这份清单拆成 30 天课程，一天一篇，从 RNN、LSTM 学到 Transformer，最终到 ChatGPT 背后的 RLHF。每篇配有大白话讲解、'讲给 5 岁小孩听'的速览、从零实现的代码及配图，每天还附 5 道练习题。代码可在普通电脑 CPU 上运行，适合想转 AI 方向的学生或想理解 ChatGPT 原理的用户跟随学习。
本期早报聚焦三条主线：一是 DeepSeek 全面开源内部推理框架 DeepInfer 与生产级 Token 编解码组件 deepseek-recipe，覆盖分布式推理、推测解码、结构化输出等能力，兼容英伟达与昇腾平台；二是 Google 为 vLLM 和 SGLang 推出原生 PyTorch TPU 后端，通过 TorchTPU、分层缓存与 TPU Sync 优化多轮 Agent 场景下的推理性能；三是 Anthropic 团队分享 Claude 如何从问答助手成长为承担团队职责的协作伙伴，涵盖追踪表维护、内部应用开发与会议协调等案例。速览部分还介绍了小红书 ROSS 训练方法、FairStress 公平性评估基准、Dyna Robotics 机器人 Scaling Law 及 SGLang 低延迟模式。
作者分享了获取高质量AI领域前沿信息的各类信息源，包括：优质公众号如量子位、机器之心、新智元、数字生命卡兹克等；Twitter账号涵盖OpenAI、Google DeepMind、Anthropic等官方账号，以及Sam Altman、Karpathy、吴恩达等技术大佬和宝玉、Rohan Paul等资讯博主；海外Newsletter如The Rundown AI、The Batch、Import AI等；YouTube博主如3Blue1Brown、Andrej Karpathy及各类AI Coding、商业创业频道；还有MIT Technology Review、TechCrunch等科技媒体。作者提醒读者要交叉验证信息、保持独立思考。
文章介绍了决策模型（如 TypeSafe 的 Jev、Perplexity 的 Decider、Liquid 的 d1、Cloudflare 的 Clef、OpenAI 的 Decisions API）作为 LLM judge 的低成本替代方案在自动化评估中的应用。作者基于 100 条公寓租赁 Agent 的对话轨迹，测试各模型识别失败案例的性能与成本，并重点讲解决策阈值的调优：默认阈值 0.50 未必适合具体任务，需根据精确率与召回率的业务权衡（如 F1 优化或最低 80% 双重要求）来选择阈值。文章还提供了用编码 Agent 进行阈值调优的示例提示词，并讨论了校准与分数解释等实用方法。
本文分享 NotebookLM Video Overview 功能的系统提示词，展示如何通过多步协同创建工作流将原始素材转化为电影级视频。提示词详细定义了上下文收集（利用笔记本摘要、对话历史和隐含偏好预填充字段）、用户意图解析与消歧（区分已有产物与新建创作、处理重新开始与卡片废弃）、翻译与本地化规范（界面字符串翻译为用户语言但保留结构标识符），以及问卷卡片和审核卡片等多步骤协作流程。
作者实测开源的 MOSS-Image（基于 5B DiT 主干）文生图模型，创作宋城市集、汴京灯市、青绿千里江山等中国风作品。文中分享了通过 JSON Layout 控制构图、中文店招直出、参考布局改材质（丝绸、青瓷、墨金）等玩法，并给出具体参数与工作流：先写场景拆布局，再生成、放大核对、迭代修改。模型 Base/SFT 权重与代码已开源，支持 4K tokens 提示词与微调。
作者受"天工开帧"直播间启发，花四天从 0 到 1 搭建了基于 Vidu 实时数字人模型的 AI 主播"晚晚"，并在抖音成功直播 70 多分钟。文章拆解了原直播间的技术方案：Vidu 负责主播层，自研场控层负责弹幕过滤、排队、意图识别、换装、待机话题等。详细分享了踩坑经验，包括底图审美、音色选择、换背景导致衣服消失的事故及应对方案，并分析了游戏直播、无限流互动剧情、娱乐直播等应用方向。整套工具框架已按 MIT 协议开源。文中也提醒了 AI 直播的合规边界，强调真人出镜监督的必要性。
文章介绍了 MIT Media Lab 2026 年秋季开设的研究生课程 MAS.S62「How to AI an AI」，主题为自演化 AI（Self-Evolving AI）。课程提出四层演化框架：上下文演化（提示优化、记忆）、Harness 演化（agent 工具链自我改进）、模型演化（持续学习、self-play、测试时训练）、任务与环境演化（合成任务生成、世界模型）。文章详述了教学设计、评分结构、作业与顶会论文成果，并评价该课程是对松散领域的体系化定义尝试，建议以阅读清单和开源工具自学。
文章以地铁图为比喻，为大模型学习者规划了一条清晰的学习路线。主干线按演进顺序设置八站：前置基础、Transformer、GPT-2（强调亲手实现作为锚点）、预训练、ChatGPT 时刻（RLHF）、LLaMA、MoE 稀疏专家、推理模型（o1/R1），终点是能独立读懂新论文。五条支线按兴趣选修：推理优化（KV Cache、FlashAttention、量化）、训练（Scaling Law、分布式并行）、对齐（SFT、LoRA、DPO、GRPO）、架构（RMSNorm、RoPE、MLA）、应用（RAG、Agent）。最后给出建议：GPT-2 必须亲手写一遍，主干加一至两条支线即可入门，学习原理时动手推算。
文章将一篇灵长类大脑神经科学的预印本、七世纪玄奘译出的《解深密经》与当今 Agent 架构并置对照，提出一个猜想：意识可能不仅关乎'位置'和'规模'，还关乎'时间上的选择'。研究发现面孔区以约每秒15次的节奏在'被意识到'和'被抑制'的表征间交替。作者类比唯识八识体系，指出今天的 AI 只有前五识和第六意识（推理），缺少第七末那识（恒常自我追踪）和第八阿赖耶识（恒转如瀑流的种子池）。文末给出一个玩具级'常驻之河' Agent 设计，包含种子池、节拍调度器、竞争选择、末那日志和熏习写回五个部件，探讨如何构建一个持续流动而非'每次调用从零开始'的系统。
DeepSeek 于 10 月 17 日发布 V4.1-Flash-1017 版本，AI 编程跑分显著提升，DeepSWE 达 77.0 超越 Claude Opus 5，任务平均费用降至原来的三分之一。作者使用 DeepSeek Harness 实测四个项目：3D 城市生成器对比显示新版的重庆、西安等地标建筑辨识度大幅提升，耗时从 102 分钟降至 61 分钟；许愿式编程能快速产出 3D 地铁跑酷游戏和天坛祈年殿建模；基于新开放的 Search/Fetch 接口开发的 AI 搜索引擎完成度很高。总花费仅 12.81 元，性价比突出，是一次实打实的帕累托改进。
作者基于 PNAS 一篇近 1000 名高中生参与的随机对照实验，用 AIPOCH Open Science 复现研究数据：练习阶段用 AI 的两组成绩明显更高，但撤掉 AI 独立考试时，GPT Base 组比对照组低 17%，带引导的 GPT Tutor 组基本持平。结论是问题不在用不用 AI，而在于人有没有参与思考：直接抄答案只是完成任务，只给提示不给答案的 AI 才能促进真正学习。作者还提出三条检验是否真正学会的标准，并用 .science 研究包把研究交给 Codex 接力分析，展示了可复现、可继续的开放式 AI 科研工作流。
