本文介绍了EARS（Easy Approach to Requirements Syntax）需求语法，用于防止AI在编码时脑补未明确的需求细节。文章指出，AI追问只能解决“说不清”，无法覆盖“没意识到要交代”的漏洞。EARS通过五种模式（Ubiquitous、When、While、Where、If-Then）将需求写成清晰、可测试的句子，并强调一条需求只用一个“应”，避免模糊词汇。通过库存校验和登录校验两个案例，展示了EARS如何将模糊需求转化为可验证的规格。文章还提供了将EARS嵌入工作流的具体步骤，包括使用改写工具、审核、嵌入编码工具和复用规格，最终提升AI协作效率，减少返工。
作者参加了2026年Google I/O开发者大会，虽然现场没有特别炫酷的技术，但一位视障工程师展示的VisAware项目让她深受触动。文章回顾了Gemini App用户从4亿增长到9.5亿、token处理量增长至3200万亿等数据，分析了Google将AI融入搜索、YouTube等日常产品的策略，并探讨了Agent治理、Agent Skills等话题。作者认为AI的人味不在于模仿人类，而在于帮助人们自主行动，让科技真正改善生活。
本文介绍了 Andrej Karpathy 的 GitHub 上五个最具教育价值的仓库：micrograd、nanoGPT、minGPT、llm.c 和 nanochat。这些仓库以极简和清晰著称，帮助学习者从零理解神经网络、反向传播、GPT 架构、底层实现和完整的 LLM 系统。文章强调了主动学习的重要性，并提供了实践学习路径，帮助读者从基础原理到实际应用建立直觉。
Qwen3.8-27B is a compact, deployment-friendly dense model with native vision-language understanding and flexible thinking control. It introduces two key features: reasoning_effort to adjust reasoning depth per request, and ultra-long context support (262K native, up to 1M with YaRN). This guide provides practical instructions on using these features, including code examples for OpenAI-compatible API, vLLM, SGLang, and TokenSpeed, along with tips for optimal configuration.
本文介绍了Listen Labs如何将Karpathy的autoresearch模式应用于不同模糊级别的任务，从客观指标优化到基于偏好的判断。作者分享了在查询时间优化、情感提取、研究代理等任务中的实践经验，并讨论了每个级别遇到的挑战，如指标相关性、奖励黑客和评估标准等。文章强调了清晰指标、迭代速度和人工监督的重要性。
本文系统梳理了物理对机器学习79个开放问题的贡献，按定题、构造块、学习、实验四块逐一分析。作者提出物理介入ML的三条路径：分析方法、模型来源、科研制度，并指出现有综述缺乏按具体问题组织的映射。文中详细评估了每条问题物理能否解决，标注为能、部分或不能，并给出对应的物理方向。最终统计显示，物理在构造块（模型来源）贡献最大，在定题块（语义与目标）几乎无能为力。文章强调物理的价值在于提供分析工具、模型灵感和科研规范，而非万能解药。
本文探讨了模型路由为何应置于代理的harness中而非网关层。随着代理部署扩大，推理成本上升，模型路由成为控制成本的关键。作者基于生产数据指出，harness层路由可降低58%成本且不损质量，因为harness能结合会话缓存、任务状态和结果来动态选择模型，而网关缺乏这些上下文。文章强调，模型切换需权衡缓存失效成本，只有harness能判断何时切换最经济。
本文介绍了如何从零开始成为一名图架构师（Graph Architect），这是一个新兴的AI应用领域。文章指出，由于该领域非常新，几乎没有人拥有超过几个月的经验，因此零经验反而是优势。课程分为两个阶段：第一阶段（第1-2周）学习图与检索的区别，并手动进行实体和关系抽取练习；第二阶段（第3-4周）基于Anthropic的官方方法，构建四阶段抽取流水线（提取、解析、组装、查询）。文章强调使用公开免费资源，如Anthropic的cookbook和DeepLearning.AI的课程，并提供了实践提示词。最终目标是掌握知识图谱构建和智能体图设计，使AI系统能够显式地记忆、连接和推理信息。
本文是MCP（Model Context Protocol）的入门教程，旨在帮助读者理解MCP的概念、安装常用MCP服务器，并动手搭建一个简单的MCP服务器。文章首先区分了Skill与MCP的不同，指出MCP是让AI具备操作外部工具能力的标准协议。然后详细介绍了MCP的核心概念（Host、Client、Server）和三种原语（Tools、Resources、Prompts），并推荐了7个实用的MCP服务器，如Sequential Thinking、Filesystem、Playwright等，附有安装命令。最后，通过一个25行的Python示例，演示了如何创建并注册一个自定义MCP服务器，并介绍了调试工具MCP Inspector的使用。
本文介绍了 Z.ai 公司发布 GLM-5.3 模型的情况，该模型在网络安全任务上表现显著提升，如漏洞发现、利用分析和多步安全任务。文章强调了负责任开放的重要性，采取分阶段发布策略，并介绍了安全评估、披露流程和防御性安全措施，旨在平衡开放与安全。
本文探讨了AI Agent在长期工作中记忆与执行能力不足的问题。作者指出，仅增加记忆功能并不足以让AI高效工作，关键在于AI能否理解项目当前的真实状态、从过往经验中学习，并将所学应用于实际任务。文章介绍了Alloomi平台，其通过“记得住”、“学得会”、“做得成”三个步骤，在多个基准测试中取得了优于其他模型的成绩，旨在打造能持续成长的AI同事。
本文是基准测试科学系列第一部分，从第一性原理讲解LLM评测：为什么评测（为无法直接观测的能力提供决策证据）、评测什么（任务、数据与用户环境的代表性）、如何评测（指标、采样与统计）。作者将基准视为测量仪器而非问题集合，拆解了任务、数据集、评分器等核心组件，并强调分数不等于能力本身，声明离直接观测越远所需假设越多。后续部分将讨论基准失效、数据污染与榜单刷分等议题。
作者用一篇修改过21次的旧稿测试了开源组件OpenContext，探讨AI长期记忆的核心问题：记住多少才算够？文章将AI长期记忆拆解为三层：记得住（Holistic Context）、学得会（Self-Evolving Agent）、做得成（真实交付），并分别对应OpenContext、后训练循环和benchmark评测。作者通过本地测试验证了消息写入、读取和版本标记功能，但语义搜索未配置。文章强调，AI记忆的关键不在于存储量，而在于理解信息的时效性、冲突和取代关系，并最终将经验转化为下一次交付的提升。
本文全面介绍AI公司Anthropic，从其创立背景、核心产品Claude与Claude Code、商业模式、多云战略，到近期传闻以60亿美元收购算力优化公司Decart的谈判，以及公司面临的挑战与风险。文章指出，Anthropic由前OpenAI员工创立，强调AI安全，通过个人订阅、API和企业合同三层收费实现商业化，并积极布局编程工具与基础设施。同时，文章分析了公司高估值下的四盆冷水：算力成本、投资与采购绑定、版权诉讼与运营失误、上市后的治理考验。最后，文章总结了Anthropic的成功要素，包括安全理念、产品创新、多云策略和商业执行力。
本文探讨了Agent长期记忆的核心问题：不仅仅是找回过去的信息，更要理解信息的时效性和演变过程。作者以Alloomi的Holistic Context研究为例，指出长期Agent面临的关键挑战是判断信息是否仍然有效，以及理解过去如何演变成现在。文章区分了检索回答与长期上下文回答，并介绍了Holistic Context在信息更新、跨时间关系和大规模历史理解方面的研究成果。作者强调，长期Agent的能力不应仅由记忆容量衡量，而应关注其从经验中学习并转化为复杂任务交付的能力。
本文探讨了AI生成内容在社交媒体上被标记和批评的现象，将其比作新的“红字”。作者从法国理论（特别是罗兰·巴特和米歇尔·福柯）的角度分析这一现象，认为“100% AI生成”的标签是一种新的作者功能，用于社会分类和监管。文章讨论了AI写作的特点、作者身份的意义，以及语言与作者之间的关系，并提出了对AI生成文本的独特感受和思考。
本文介绍了MLS-Bench基准测试，该测试旨在评估AI系统在机器学习研究中的方法发现能力，而非仅仅是工程执行能力。MLS-Bench包含12个领域、140个真实研究任务，通过控制可修改范围、复现强人类基线、跨条件验证等设计，将算法贡献与调参、容量等因素分离。实验表明，当前AI模型即使经过多轮迭代，也主要是在优化和组合现有组件，未能发现新机制，且在实验规划和论证判断方面表现不足。文章指出，真正的科学发现需要方法提出、实验设计、预算分配、证据判断等综合能力，而当前模型尚未具备。MLS-Bench已被Kimi K3、Qwen3.8-Max等模型官方评测采用，成为衡量AI研究能力的新前沿。
本文是DeepSeek Harness（dsh）与OpenCode Go订阅制模型网关的集成指南。作者详细介绍了为何选择该组合、安装步骤、配置方法，并通过一次真实的生产巡检案例展示了其成本效益。文章强调dsh的插件化架构与OpenCode Go的OpenAI兼容端点天然匹配，仅需两个环境变量即可切换推理流量。通过实测数据，作者分析了agent循环的输入放大效应、96.5%的缓存命中率以及订阅制在成本控制上的优势。最终，文章提供了完整的配置步骤和实战复盘，帮助开发者快速上手并高效利用该组合。
Google 推出 Gemini 3.7 Flash，这是其 Flash 系列中最智能的模型，专为编码和智能体设计。相比 3.6 Flash，它在软件工程、知识工作和网页开发方面有显著提升，例如在 FrontierCode 和 DeepSWE 基准上得分更高，并在 WebDev Arena 中 Elo 分数更高。该模型还改进了对复杂文档的处理和真实业务流程的完成能力。开发者体验得到改善，且以半价推出（每百万输入 token 0.75 美元，输出 3.75 美元）。Gemini Spark 也将采用此模型。安全方面，更新了 CBRN 和网络攻击的防护措施。
本文介绍了ICM（可解释上下文方法论）如何通过文件系统结构优化AI代理的工作流程。作者Tom分享了其业务文件夹'AI Operator OS'的改造经验，通过编号文件夹、精简根文件、为每个文件夹添加CONTEXT.md契约、分离工厂与产品等原则，解决了代理上下文过载、工作状态不透明等问题。文章详细展示了如何将768行的技能文件重构为55行的路由器加独立管道，并提供了在单个文件夹上试行的具体步骤。该方法强调可解释性和人工审查，适合需要逐步验证输出的工作流程。
本文全面介绍了模型上下文协议（MCP），将其比喻为AI代理的USB标准。文章回顾了MCP从2024年11月Anthropic开源到2026年成为行业标准的发展历程，详细解释了MCP的架构（主机、客户端、服务器）、三大核心原语（工具、资源、提示），并提供了构建MCP服务器的代码示例。此外，还介绍了如何将服务器连接到Claude，以及2026年7月28日发布的重大规范修订，包括无状态核心和扩展系统。
本文系统梳理了机器学习领域的开放问题，将其归纳为两个主干：缺乏有效状态变量和缺乏低成本可重复的因果实验制度。作者提出了一套筛选标准，强调问题应具有可操作性和可证伪性。文章详细分析了状态变量应满足的五条性质，以及因果实验制度面临的样本量、可复现性和归因三大短板。此外，还讨论了裁判质量作为横切轴的重要性，并区分了噪声与偏差的成本差异。
本文从硬件原理出发，解释了GPU为何在运行大模型时算力利用率低的现象。核心在于计算与内存带宽之间的不对称：算术操作便宜，而数据搬运昂贵。GPU通过大量简单计算单元和线程级并行来掩盖内存延迟，但受限于内存带宽，导致实际token生成速度远低于理论算力。文章还介绍了warp、分支分歧、内存延迟隐藏等概念，并指出性能优化技巧（如量化、投机解码、连续批处理）的本质是减少数据移动。
本期早报聚焦智能体系统的三大核心问题：架构、算力与协作机制。DeepSeek Harness 提供插件化 Agent Harness，将模型、工具等能力拆分为可替换组件；Cerebras 与 OpenAI 推出 GPT-5.6 Sol Ultrafast，通过专用硬件实现高速推理；Anthropic 的多智能体实验揭示了协作中的冲突、从众与信任问题。此外，速览部分涵盖 Gemini 3.7 Flash 发布、Agent 评测与轨迹复盘、ICML 论文复现经验、Claude Tag 更新及小红书开源 TTS 模型。
作者开源了维护三年的AI提示语案例库，并建立了GoodCase.ai网站，旨在提供经过验证、持续迭代的案例库。文章详细介绍了对Seedance 2.0 Fast、MiniMax H3、Wan 3.0三个视频生成模型的横测过程，涵盖多素材参考生视频、文生视频、真人视频等场景，对比了各模型在动作连贯性、人脸稳定性、物理效果等方面的表现，并分享了提示语编写经验。
在拉斯维加斯Ai4大会上，Geoffrey Hinton、李飞飞和吴恩达罕见同台，就AI开放与安全展开讨论。Hinton提出AI公司应通过agent向创作者支付数据使用费，并承认开放权重模型已成事实；吴恩达认为AI不会自动抹平技能差距，鼓励学习工具；李飞飞则指出末日论背后存在经济动机，呼吁将科学带回AI辩论，并强调共享繁荣。三人一致认为监管必要，但分歧在具体方式。这场对话对创作者、从业者和公众均有启示。
本文总结了HN上关于RAG系统实战的讨论，核心结论是检索质量主要由重排和查询改写等流程环节决定，而非模型选型。文章整理了微软Pamela Fox和Usul AI作者Abdellatif等一线工程师的学习清单，涵盖生产级RAG的ROI排序、检索理论、开源模板、模型评测、存储基础设施及产品案例，并指出query generation和reranking是性价比最高的优化点，chunking最耗时。
本文深入探讨了 AI 领域中备受争议的“蒸馏”技术。文章追溯了蒸馏从最初的模型压缩方法到如今被用于“蒸馏攻击”的演变过程，分析了其技术原理、规模化实现方式以及引发的伦理与竞争争议。通过访谈多位研究员，文章揭示了蒸馏并非简单的复制，而是涉及复杂系统工程，且不构成长期壁垒。同时，文章也讨论了蒸馏与数据飞轮的关系，以及行业对黑盒与白盒蒸馏的不同态度，呈现了这项技术背后的商业、伦理与竞争图景。
本文指出，AI系统首次运行成功并不能证明其可靠性，因为环境变化或输入差异可能导致失败。作者强调，评估（Evals）是确定AI系统可信度的关键，它要求基于实际工作场景收集案例，并明确“好”的标准。通过持续测试和迭代，评估集能帮助团队了解系统的边界和失败模式。文章还区分了公共基准与产品级评估，认为后者必须基于具体业务场景。最后，作者提倡将评估作为系统开发的核心部分，以确保AI在实际工作中的可靠性。
