本期早报聚焦三大主题：一是Anthropic内部研究揭示AI如何重塑用工方式，初级技术岗占比从27%降至9%，员工角色从执行转向定义任务、分流输出与验证结果，判断力成为核心能力；二是LangChain创始人Harrison Chase谈智能体系统中模型、运行框架与上下文三层拆分，强调路由价值来自对任务结构的理解，并分享记忆与持续学习的实践经验；三是DeepSeek V4.1 Flash新版本发布，强化从零构建完整项目能力，开放Search/Fetch接口并单独计费。速览部分涵盖AI成本优化、智能体评估实操、美光存储产业史与AI安全等七篇内容。
作者分享了基于 DeepSeek Harness 构建的持久化 Bot 团队 DeepSeek Bot 的开发经验，重点讲解上下文和记忆系统的设计。文章对比了传统压缩派（cc）和 Codex 的实验性上下文管理（ecm），提出智能路由方式（icm）：由独立的 context manager 决定压缩还是切会话。为确保智能路由真正有效，作者采用爬山算法优化，通过搭建用例、设置训练测试集、逐步迭代提示词来提升效果，并强调屏蔽噪声和成本控制的重要性。记忆系统采用轻量设计并支持外接插件。文章最后感谢社区认可并预告 Computer use、Browser use 等更新。
DeepSeek 发布 V4.1-Flash-1017 模型，性能更强、任务完成更快、输出更短，实现性能与成本的帕累托改进，已在官网、App 和 API 上线。模型通过强化学习自反馈优化端到端项目开发能力，覆盖游戏创建到 3D 建模等完整项目构建，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等工具优化。同时 Search & Fetch API 面向所有人开放，基于自研搜索引擎，每端点 $0.75/千次调用，已在 Hugging Face 和 ModelScope 开源。
作者购买了一块 128 元的立创实战派 ESP32-S3 开发板，全程未手动输入命令、未花模型费用，通过 DSH（DeepSeek Harness）搭配 WorkBuddy 免费额度的 DeepSeek V4.1 Flash 模型，将开发板刷成小智 AI 音箱。DSH 自主完成了查固件、校验 SHA256、烧录、读串口日志、定位唤醒词等操作，作者仅负责插线、配网和语音交互。文章记录了从配置免费模型、排除充电线问题、烧录固件到激活配网及后台调优的完整过程，展现了 Agent 驱动硬件开发的高效体验。
DeepSeek 将 Harness 团队及 Web、App、Platform 团队整合为“产品部”，由崔添翼负责，统一管理产品、设计与研发，并急招产品经理、产品设计师和项目经理。产品经理分 AI 产品和 Agent Harness 两个方向，要求有完整交付经验、深度使用 Agent 类产品（如 Claude Code、Codex、Manus 等）、懂 Agent 机制与 Context/Harness Engineering；设计师需具备 UI/UX 能力和 vibe coding 技能；项目经理为实习岗。工作地点为北京和杭州，全职与实习均可。
文章介绍了 Personal Agent（个人智能体）这一新概念：拥有专属身份记忆、云电脑、可连接用户应用、24小时在线的 AI 私人助理。作者通过对比聊天 AI（只动嘴的顾问）、桌面端 Agent（用你电脑的实习生）、开源方案 OpenClaw（毛坯房）等形态，说明 Personal Agent 是替你干活的专属助理。并盘点 Grok Bot、Meta Muse、OpenAI Dots、DeepSeek Bot 等大厂产品扎堆发布的现象，解释其爆火原因：新模型已能稳定长时间干活，且掌握用户授权和长期记忆就是下一个超级入口。最后以 Grok Bot 为例演示创建 Bot、连接应用、追热点复盘数据、云电脑等真实使用体验。
作者在 X 上发起调查，询问开发者是否敢给 AI Agent 开启 Full Access（全权限自动执行），收到 100 多条回复后发现超过 85% 的重度玩家都在开全权限运行。文章总结了敢开全权限的三大理由：频繁确认打断工作流、手动确认只是心理安慰（确认疲劳）、翻车需靠工程兜底而非人眼审查。并详细介绍了 Claude Code、Codex、Gemini、DeepSeek、ZCode 五大工具的全权限开启方式与安全护栏配置，最后给出保命三件套：终端拦截器 dcg、Git 高频提交与备份、容器/虚拟机环境隔离，实现高效与安全的平衡。
作者在国庆假期用 3 天时间和 Astra 聊天，用 credits 开发出了全能 Mac 应用 Telos，替代了 Granola、Typeless、Things、CleanShot X、Notion Calendar 等多个付费软件，每年省下约四五百美元。Telos 基于 DeepSeek 模型和 Hermes Harness，功能包括：状态栏 Todo list、自动会议转录与总结（ScreenCaptureKit + Qwen3-ASR）、AI 语音标注截图、全局语音输入等。作者认为这些 App 打着买断制旗号行订阅制之实，经济下行下软件生态出现'自产自用'的消费降级趋势。
复旦大学与上海浦东密码学研究院团队发布论文，研究10个AI搜索平台（ChatGPT、Perplexity、豆包、DeepSeek等）的引用行为。研究发现：不同平台信源选择偏好明显，头部20个域名可占引用70%以上；80%平台引用了人为发布的虚构概念；发布渠道的选择比内容数量更重要，1篇高偏好平台文章效果可超过20篇低偏好平台文章；14美元即可购买GEO服务使内容被AI引用。作者总结：AI搜索的权力在于决定哪些信息有资格成为答案，GEO应面向不同平台建立独立信源画像，目标是让AI正确理解品牌。
作者 FeiZ 正式发布开源插件 DeepSeek Bot（ds bot），基于 DeepSeek Harness（dsh）构建，支持使用自己的 API Key 拥有一组持久化运行的 Bot，具备上下文管理与记忆能力。产品包含 Main Bot 总管家、多 Bot 群聊协作（通过管理员机制优化费用），并可接入任意模型乃至本地 agent。作者已完成多项 dsh 插件的兼容性测试，未来计划支持浏览器与电脑操控。项目目前处于早期阶段，用户可通过 GitHub 仓库或 dsh desktop 插件页安装体验并反馈问题。
本文介绍 CC Switch 4.0 新增的聚合模式，让 Claude Code 和 Codex 用户可以在客户端内无感切换多家模型供应商。文章从实际效果入手，讲解聚合模式的请求分发原理，并分步骤演示配置流程：进入聚合页面、添加供应商与模型列表（支持一键获取和自动补全模型信息）、将供应商加入聚合名单、选择默认供应商并开启。文中还对比了直连、路由、聚合三种模式的适用场景，说明 Claude 与 OpenAI 官方订阅的支持范围与账号风险差异，以及 Codex 重启、缓存成本等日常使用细节，并向开源项目 opencodex 致敬。
Anthropic 发布 Haiku 5.5，将短请求价格压至上一代十分之一，OpenAI 同步降价，美国巨头以巨额资金和工程优化发起价格战，接管了帕累托前沿。中国大模型曾凭借 DeepSeek 等极致性价比焊死斩杀线，迫使硅谷换用中国开源基座，但自身陷入增收不增利、算力告急与防御性涨价的困境。随着美国巨头闪电降价，中国模型股价暴跌，低价护城河被填平，斩杀线反被斩杀。
作者认为随着用户解决问题习惯从搜索引擎转向AI问答，AI答案已成为新的黄金广告位，当前正处于企业预算尚未跟上的窗口期。文章记录了作者实操GEO项目的全过程：通过电话营销获客碰壁后转型老客户成交，并详细介绍了GEO交付方式，推荐在十二个国内内容平台分发利于AI收录的营销内容。作者测试发现不同AI（文心一言、豆包、DeepSeek等）优先信任的内容源不同，通过编写提示词批量生产内容，第五天即见到收录效果，验证了7-15天见效承诺可行。
这是一篇本地部署 LLM 的完整入门教程。文章首先说明开源模型（Qwen、DeepSeek、GLM 等）已接近闭源前沿约四个月，而 API 订阅配额却在缩水，因此本地部署的价值日益凸显。教程从 Step 0 开始：检查内存、按内存三分之二规则选择模型、安装 Ollama 并运行第一个模型。随后解释了本地模型的核心优势（数据隐私、零边际成本、不受限）与局限（性能不及闭源前沿），分析了订阅补贴经济的不可持续性，并指导读者根据任务需求选择硬件，强调容量决定装得下、带宽决定跑得快、利用率决定是否划算。
文章介绍了NYU Tandon 2026年秋季由Anthropic研究员Pavel Izmailov开设的研究生课程《Language Models, Reinforcement Learning, Reasoning》。课程共13周，除Sutton & Barto教材外全部使用原始论文，沿「预训练→架构与训练效率→后训练RL→对齐与安全→前沿与未来」的主线展开，涵盖Attention机制、扩展律、Muon优化器、RLHF、GRPO与RLVR、奖励过优化、可扩展监督以及世界模型等前沿主题。文章分析了课程叙事逻辑，指出RL重回舞台中心、中国实验室工作成为正典、安全对齐被当作工程学科等趋势，并给出自学者建议。
文章介绍了 Pi 发布的持久化运行时库 pi-durable，用于保存 Agent 的会话、工具调用和任务状态，实现进程中断后的断点续跑。作者讲解了核心机制：Harness 负责调度模型请求和工具任务，Storage（如 SQLite）保存提交后的记录；应用可通过 defineDoc 定义业务进度状态，并通过 replay 策略（safe/unsafe）控制被中断工具调用的重跑行为。文章以一个读取本地章节并保存进度的 TypeScript Agent 为例，详细演示了环境准备、依赖安装、代码实现，以及正常运行、重启恢复、中途退出后续跑的完整流程。
本文是 DeepSeek Harness 的实战教程。Harness 是一个可扩展的智能体运行环境，基于 Cordis 构建，一切皆插件。文章介绍了准备工作（Node.js、API 密钥、测试目录）、启动方式（npx 或源码运行 Web UI）、模型配置与工作区选择，并以生成可审核的小说推广文案为例，演示了素材分析、结构化任务指令、执行检查、人工审核到文件保存的完整闭环。还扩展了团队内容初稿、资料整理、插件接入等方向，给出批量处理的分阶段建议和常见问题排查，并强调最小权限、独立环境等安全边界。
DeepSeek 悄悄开源了 dsh-libreoffice-kit 组件，原本隐藏在 DeepSeek Harness 中。该组件解决了 AI 生成文档却看不到排版效果的痛点：可将 Word、PPT 渲染成图片让 AI 查看排版，真实计算 Excel 公式以核对结果，自带字体管理避免中文乱版，并支持文件级隔离处理防止单点故障。这使 AI 能够自己写、自己看、自己改文档，无需人工逐页返工。文章指出 AI 办公领域的竞争不只在于模型能力，底层基础设施同样关键。
作者整理了国庆期间 9 波国内 AI 厂商的免费福利活动，包括豆包工作再送 30 天订阅、智谱 ZCode 送 1 亿 Token（10 月 7 日截止）、Qoder 的 Qwen3.8-Flash 免费及每日 100 Credits、阶跃 Step Plan 最高可叠 75 天、WorkBuddy 的 Hy3/Hy4 preview 限免及国际版 DeepSeek V4.1 Flash 免费至 10 月 9 日、腾讯 LightVela 新用户免 1 个月加 4500 积分、DeepSeek Harness 送 6 元赠金，以及 MiniMax Code 签到积分翻倍。文章详细列出各活动的领取条件、操作步骤和截止时间，提醒读者优先领取有明确截止日期的权益。
作者分享了Claude账号防封的V2.0经验攻略。核心结论是Anthropic已从防止中国用户转向防止滥用、薅羊毛和违反价值观，封号策略基于综合风险判断。不容易被封的账号特征是养得久、用得少、有价值、风险小。具体建议包括：IP纯净度有一定价值但权重下降；用谷歌/苹果渠道注册订阅更安全；新号先免费用一个月，从20刀循序渐进升级到100刀；账号内容要有价值（如学术论文、前沿问题），会被模型吸收训练；周用量保持在60%以下降低风险。作者认为Claude Opus 5.5很强但普通代码任务国产模型已够用，推荐支持DeepSeek等国产模型。
DeepSeek 发布 Harness v0.2 预览版，推出 macOS 和 Windows 桌面应用。新版本改进了文件显示、内容预览和代码变更展示，简化定时任务的设置与管理。核心亮点是插件系统：新增插件管理器，无需终端命令即可安装、禁用或卸载插件；实验性创作者模式允许用户用自然语言描述需求，自动创建插件。官方数据显示 Harness 是 DeepSeek API 用户中最广泛使用的编码 Agent。未来计划改进沙箱与安全、Agent 团队、长期记忆、浏览器自动化、远程访问，并建设官方插件市场，完善插件 API 兼容性。
作者重新体验腾讯Marvis马维斯Agent，其升级定位为24小时AI管家，区别于多数Agent主攻办公和编程场景。新版采用Hy4与Deepseek V4 Flash双模型自动组合，免费且支持自定义接入第三方模型。文章实测了电脑体检、管家团队（电脑、文件、软件、浏览器四位Agent）、本地知识库/图片库/应用库管理等功能，并介绍其与绿联、飞牛合作将Agent能力扩展到NAS，未来瞄准手机、汽车、智能眼镜等跨硬件场景，认为AI管家方向想象空间较大。
本文是面向零基础用户的 Claude Code 终端版详细教程。作者先解释了 Claude Code 的概念——住在终端里的 AI 助手，能直接读写本地文件、执行命令，与网页聊天版的区别在于它能直接操作本地环境。教程覆盖完整流程：安装（一行命令）、启动登录、接入第三方模型平台（如 DeepSeek、OpenRouter，包括 CC-Switch 工具和手动配置环境变量的方法）、用 curl 命令验证配置是否成功。文章还讲解了官方与第三方模型的区别、API 密钥安全注意事项、常见配置错误（如 401/404 报错）的排查方法，以及不同项目使用不同模型平台的配置技巧，帮助小白在终端里把 Claude Code 用起来。
本文解读 DeepSeek-AI 与清华大学合著的 DSec 论文，这是支撑 DeepSeek V3.2 到 V4.1 智能体 RL 训练的生产级沙箱基础设施。文章分析了智能体训练负载的七大特性（突发创建、CPU 稀疏、有状态长寿命、高度异构等），介绍了其无状态控制面、分层代理数据面架构，以及可组合环境分层、高密度内存管理、QoS 感知 CPU 调度、按需镜像加载四大核心机制。还深入阐述了 agent loop 与训练解耦、暂停恢复协同、防 reward hacking 的安全对抗实践。作者认为这标志着智能体能力竞赛正在演变为基础设施竞赛。
作者分享了保持Claude账号不被封的经验与猜测。核心结论是：账号纯净度并非关键，账号价值高、养得久、用量少才是防封要点。文章提出Claude背后存在账号价值标定体系，若账号内容有训练数据价值（如研究、建模等前沿问题）则不易被封。作者还讨论了IP纯净度作用有限、逐步订阅升级、控制用量、中文与时区影响不大、数据留存风险以及推荐通过谷歌或苹果商店订阅以降低风险等内容，并建议普通任务可多用国产模型如DeepSeek。
文章深入分析Engram技术：将序列嵌入存储到可卸载至DRAM的嵌入表中，节省HBM内存、减少FLOPs，从而降低AI推理成本。在参数和训练预算相同的对照实验中，Engram-27B相比MoE-27B不仅没有降低性能，反而显著提升（MMLU从57.4升至60.4）。作者指出Engram参数分配存在约20-25%的最优区间，过高会挤占MoE专家参数损害性能，且不能完全替代FFN（FFN负责概念运算）。结论认为Engram确实是一种'免费午餐'，DeepSeek、美团LongCat、Qwen等已采纳该技术。
作者结合一年多出海独立开发经验，分享第一条产品的三条核心建议：一是优先做 ToC 套壳产品而非 ToB，用最低成本最快验证商业闭环；二是开发采用 Next.js 加 DeepSeek 辅助编程，直接用国内中转站 API 并通过比价网站控制成本，把精力集中在产品和增长上；三是 AI 时代个体价值被放大，创业者应先积累原始资本、尊重产品生命周期、主动结识优质人脉。最后总结为九个字：选得对、做得对、坚持做，三者兼备才能存活。
梁文锋亲自署名的新论文公开了DeepSeek的Agent训练沙盒工厂DSec。该系统由约160台机器、3万核CPU、250TB内存组成，一天能造300万个沙盒，同时运行38万个，每秒新建超过5000个。DSec支持从简单函数调用到Docker容器、轻量虚拟机甚至完整Windows/macOS环境，通过镜像三层按需拼装和3FS文件系统按需拉取数据，内存节省三四成，单机最高承载3200个容器。论文还特别阐述了如何防止被训练的Agent作弊——如修改系统文件、绕过权限、扫描端口偷答案等行为。
本文通过阅读 DeepSeek Harness (DSH) 0.1.7-alpha.1 源码，对比其与 ZCode 执行框架的设计差异。DSH 采用只追加的流水账机制保证可审计性，对缓存前缀极致优化以降低成本，通过三层递进方式管理上下文防止信息丢失，并内置防重复调用守卫、程序化工具调用（PTC）和超时转后台等机制。作者指出这些优势主要体现在长会话、大输出和批量工具调用场景，Token 消耗可差一个数量级；但普通短任务成败仍主要由模型智力决定，两者差距接近于零。
文章讲述了DeepSeek与华为两条看似毫无交集的技术路线如何走向深度结盟的故事。幻方量化创始人梁文锋早在2019年就囤积算力（萤火一号、二号），而华为通过海思备胎计划在实体清单后推出昇腾芯片。在英伟达对华禁售后，DeepSeek以极致工程能力用低配H800训练出V3和R1，震撼硅谷并引发英伟达市值暴跌。2026年，梁文锋押上200亿元，联合华为将下一代旗舰模型迁移到纯国产昇腾底座，并在内蒙古规划16万颗昇腾芯片的超大型数据中心。这是一场被地缘封锁逼出来的、别无选择的技术突围。
