本期早报聚焦三篇精讲：美团搜索3.0探索LLM语义表征在排序模型中的应用，通过联合建模、难负样本和覆盖率验证，将语义信号融入现有特征体系；硅谷101讨论Token经济，强调本地开源模型与云端前沿模型按任务分工，以优化成本与质量；YC Paper Club则从失败样本、弱监督、编码智能体和多语训练等案例，主张将数据集与评测Harness当作长期维护的产品。速览涵盖具身智能、微调模型技术债、Agent可观测性、OpenAI AI Futures、MiniMax Design、Docker安全运行时及Claude Code实战指南。
本文实测了智谱最新发布的GLM-5.3模型，该模型基于GLM-5.2的750B参数基础模型，仅通过后训练提升性能，在AA榜上以60分进入前十，成为同分段参数最小的模型。作者通过多个编码与安全案例测试，包括修复Ice菜单栏工具漏洞、开发2D跑酷游戏、3D愤怒的小鸟及音乐工作台等，展示了GLM-5.3在复杂编码、长程Agent任务和防御性网络安全方面的出色表现，并对比了DeepSeek、Grok等模型，认为后训练Scaling是提升模型能力的重要路径。
本文探讨了2026年AI创业面临的挑战与机遇。作者认为，随着模型能力增强和成本下降，应用层最稀缺的不再是智能本身，而是验证结果、权限体系、业务闭环和责任承担。文章提出未来3-5年将出现五个结构性变化，包括Agent成为软件运行方式、SaaS分层、基础设施重要性提升等，并建议创业者在行动前回答七个关键问题。
本文深入探讨了代理系统设计的基础与核心组件。作者指出，将前沿模型放入设计糟糕的代理系统只会得到更清晰的失败，因此工程重点应放在模型之外的代理框架（harness）上。文章首先对比了代理工作负载与传统Web请求的差异，强调代理任务耗时、I/O密集、非确定性和高边际成本，并由此推导出架构设计原则。随后，文章详细介绍了代理框架的四个关键组件：工具（Tools）的设计契约与最佳实践、提示词工程（Prompt Engineering）的结构化方法与版本管理、记忆（Memory）的短期与长期区分及上下文管理，以及多代理编排（Orchestration）的并行与顺序模式。所有内容均基于一个真实的五代理系统DevVoice，提供了实用的设计决策与代码示例。
本文介绍了开源项目ponytail，该项目在GitHub上拥有91.6k star，其核心哲学是让AI模仿资深工程师的“懒人思维”，优先寻找现成方案或修改配置，避免不必要的代码编写。作者实测发现，ponytail能让AI先思考再动手，自动拆分复杂需求为最小改动，重构老模块时代码量减少近一半。此外，它强制AI编写“为什么这么改”的注释，相当于免费代码审计，对维护老项目尤其有用。作者认为该项目思路独特，不追求跑分，专治AI写码落地难的问题，并推荐给AI方向的开发者。
本文是作者为南召衡辰中学教师进行的一场6小时AI赋能教育实操培训的完整复盘。文章首先通过问卷揭示教师使用AI的现状与痛点，然后深入讲解Agent、上下文、工作空间等核心概念，提出SGP提示词方法论，并详细演示了英语备课、数学实验室、作文批改等具体应用场景，强调将AI融入工作流、以上下文为核心的方法，为教育工作者提供了可复制的AI应用路径。
本文分享了在 AI 生成内容泛滥的时代，通过多花 10-20% 的心思在 UI 设计上，可以成为最大的竞争优势。作者介绍了 Together AI 大神哈桑的 /Hallmark design skill，该技能通过将 AI 生成的常见设计套路列为负面规则，有效提升了 AI 生成 UI 的质量。文章还总结了几个关键心得：摸清 AI 套路、给 agent 喂参考图、使用更具体的长提示词，以及利用便宜小模型进行快速迭代。
本文深入探讨了构建高效 Agent Harness 框架时，理解底层模型推理基础设施（Model Infra）的重要性。作者指出，许多 Harness 将模型 API 视为黑盒，导致在应用层的优化可能破坏 KV 缓存、增加成本并降低解析可靠性。文章详细分析了缓存机制（GPU/CPU/SSD）、影响缓存命中的因素（如动态 system prompt、工具 schema 变化）、本地执行耗时对缓存窗口的消耗，以及解析一致性问题。最后，作者提出了稳定前缀、异步工具执行、不可变历史等实践原则，并建议通过监控缓存命中率、一致性等指标来评估 Harness 质量。
本文介绍了30个开源仓库，用于构建自动化AI业务的各个层面，包括市场研究、潜在客户生成、内容创作、销售、支持、自动化、分析和安全。作者强调，没有单一工具能完全自动化业务，而是需要组合多个工具形成系统。文章按功能分类列出每个仓库的GitHub星标、用途和典型应用场景，并提醒读者开源不等于免费，且需注意合规性。
作者发布了 Agents Spec Skill，这是一个基于 SDD 工作流的跨 Agent 技能，旨在解决 AI Coding 在长期复杂项目中的失忆、越界和交付质量不稳定问题。该 Skill 通过建立清晰的文档分层（requirements、technical、specs）和 AGENTS.md 引导，将需求、技术方案和工程规范分离，并提供审计脚本检查结构问题。它帮助 AI 更稳定地执行任务，减少返工，适合维护长期项目或使用多个 Coding Agent 的开发者。
字节跳动推出的扣子桌面端，通过云盘双向同步、深度截图、本地Agent接入等功能，让AI Agent更深入地融入本地工作流。文章以新书宣传和自媒体运营为例，展示了扣子桌面端如何高效生成网站、PPT、播客等营销物料，并支持多Agent协作。作者认为，扣子桌面端的设计旨在减少文件上传下载等摩擦成本，让AI更贴近用户的工作上下文，是AI工具落地办公场景的重要一步。
作者发布了 ip-as-logo-skill 后反响热烈，分享了测试中遇到的问题及解决方案，包括调整提示词以减少透明背景、修复边缘残缺，并指出部分 Agent 不支持生图。同时推出了免费网站 ipaslogo.com，提供三千多张可商用 Logo 免费下载，并更新了 Skill 版本。
本文转述并点评了YC总裁Garry Tan在Startup School上的演讲《Own Your Intelligence》。Garry Tan以斯宾诺莎被逐出教门的故事开场，指出当今人们对AGI的等待如同等待上帝降临，而真正的智能应如斯宾诺莎的上帝般弥散于日常。他提出“Personal AGI”概念，强调智能应被拥有而非租用，通过个人知识库、技能文件和agent构建自己的智能资产，实现产出400倍的提升。文章详细介绍了技能文件的写法、计算发生的空间、个人组织的构建，并给出了五步实操指南，核心观点是：租来的智能不会产生复利，拥有的才会。
本文介绍了构建长周期（long-horizon）AI Agent 的五个设计模式，旨在解决 Agent 在长时间运行中出现的静默故障问题。作者基于自身开发并开源的长周期 Agent 框架（Long Horizon）的经验，总结了五个关键模式：稳定前缀（Stable prefix）以优化缓存命中率、后台学习（Background learning）以提升响应速度、持久化工作区（Persistent workspace）以保留跨会话状态、显式失败（Explicit failure）以避免错误报告，以及第五个模式（原文未完整给出）。这些模式帮助开发者避免 Agent 在长时间运行中悄悄偏离轨道，确保其稳定可靠。
本文深入剖析了Grok Bot团队内部实际使用的机器人工作流程，揭示了他们如何通过11个步骤构建高效、可靠的自动化系统。文章强调了从团队公开的机器人名单中学习的重要性，指出了四个关键限制（无试运行、非安全边界、审批不可逆、远端可见），并详细介绍了如何将机器人视为文件而非聊天窗口、通过屏幕录制验证工作、以及串联技能而非优化提示词等核心方法。文中还提供了具体的机器人配置文件示例和技能链示例，旨在帮助读者复制这套工作流，实现每天15分钟构建原型的高效产出。
Remy, from AI with Remy, shares how he runs his company on agent skills, treating them as SOPs for AI. He explains the concept of skills as markdown files that package workflows, and the problem of AI being single-player. The solution is to store skills in a GitHub repo and distribute them as plugins via Claude Code or Codex, enabling team-wide sharing, version control, and auto-updates. He also discusses designing skill chains, a self-improvement loop for skills, and a web app layer for managing them. The key takeaway is to centralize skills, use plugins for distribution, and continuously improve them.
作者分享了自己将飞书作为 AI 协作工作台的经验，通过飞书官方 CLI 将多个 AI agent（如 Codex、Qoder CN、Claude Code、Hermes）接入飞书，利用飞书的群聊、任务、文档和知识库功能，实现了从多窗口搬运到共同工作台的转变。文章详细介绍了搭建步骤、实际应用场景（如脑暴、调研、写作、简单开发）、踩过的坑以及个人建议，强调了“入口在飞书，执行在最合适的工具里”的理念。
作者使用 OJO 平台的免费 400 积分，以「上海追光地图」为需求，体验了从需求分析到原型生成的完整流程。文章详细记录了积分消耗（需求分析 26 积分，生成原型 314 积分）、执行过程（激活 2 个 Skill，6 次搜索）、生成结果（结构完整但视觉偏离）、对 Skill 机制的分析（人物 Skill 实为提示词/规则）、以及预装 Skill 无法管理的限制。作者认为 OJO 适合概念验证和第一版原型，但积分消耗不可预估、视觉生成不稳定，并给出了 10 条使用建议。
本文作者 brucexu.eth 基于自身使用经验，分析了开源 AI Agent 项目 Hermes Agent 的现状与未来。文章指出，Hermes 在 GitHub 和 OpenRouter 上增长迅速，并具备开源、高自由度、数据主权、跨场景一致性和模型可替换等优势。然而，要成为一亿用户级的平台，Hermes 仍需填补多个关键缺口，包括：真正以 Agent 为中心的手机端、简化底层概念以降低使用门槛、完善企业级权限审批与审计、提供可嵌入应用的 Agent Runtime、构建 Agent 控制面与长期数据管理、促进 Agent 间协作、提供普通人负担得起的托管服务，以及建立 Skills 市场。作者认为这些挑战也蕴含着巨大的商业机会。
本文介绍了5个开源AI投资研究项目：Serenity Skill（产业链瓶颈研究）、TradingAgents（多Agent模拟投研团队）、UZI-Skill（22维个股深度分析）、Buffett Skills（巴菲特价值投资体系）和QuantDinger（AI策略生成与回测）。作者详细说明了每个项目的功能、安装方法和使用场景，并提出了一个完整的AI投研流水线：从产业研究、个股筛选、多空辩论到策略验证。文章强调AI研报不应作为买卖信号，最终决策应保留给人，并建议用户分阶段安装使用这些工具。
字节豆包客户端更新了工作模式，新增操作电脑、技能、连接器、工作伙伴等功能，体验接近 Codex。作者实测7-8个任务，展示了网站生成、PDF转互动课件、飞书文档与PPT生成、多媒体创作、旅行Vlog制作等应用。豆包与飞书整合后形成办公Agent强组合，云电脑模式支持7*24小时运行，手机与电脑端无缝衔接，本地模式则保障数据私密性，整体表现超预期。
本文介绍了如何为AI Agent构建可长期维护的评估（eval）指标体系。指标分三类：目标指标、护栏指标和运营指标，三者结合使用。候选指标来源于错误分析和产品目标与硬约束。并非所有候选都值得跟踪：一次性问题用prompt修改解决即可，只有需要持续追踪的泛化问题才建指标；每个指标必须与具体决策挂钩，否则就是噪音。从零开始时，可先阅读30-50条trace并用自由文本笔记聚类失败模式。此外需定期重跑错误分析、退役失效指标，并警惕Goodhart定律导致的过拟合。
本期早报聚焦 AI 工程实践三大主题：一是 Anthropic 的 Claude Tag 作为 CI/CD 故障第一响应者，通过记忆、连接器、日程与 Skill 指令形成态势报告，中位 14 分钟发布首份有证据分析，并开源 oncall-kit；二是腾讯云开发者用实验检验 CodeGraph 与 RTK，发现单次输出缩短不等于整体成本下降，关键在于给对上下文而非少给；三是京东技术提出 AI Coding 工具、副驾、协作者、共生体四阶段框架，以验证成本决定人机分工。速览还包括 Google 智能体安全审查、LangSmith 自动评估器、水印合规等内容。
作者分享了做AI自媒体近一年后每天实际使用的AI工具组合：语音输入用闪电说（接入豆包语音模型）；Agent工具主力是订阅ChatGPT Pro的Codex，国内用腾讯WorkBuddy补位；强调学Git与GitHub管理文件版本；关注CLI工具如飞书CLI、OpenCLI，语音转文字用SiliconFlow和阿里云百炼。还展示了会议内容自动录入知识库的工作流：录音豆同步飞书生成纪要，Codex提取人物、项目和待办写入知识库，并定时生成周报。作者建议从简单场景入手，把少数好用工具用熟并配合起来，形成自己的AI工作系统。
本文是 Allie K. Miller 撰写的详细教程，指导用户如何在 Mac 上安装 ChatGPT 桌面应用、通过手机配对远程控制电脑，并从手机启动 Codex 实时语音对话模式。文章强调 Codex 中的实时语音模式（基于 GPT-Live 双工语音模型）比 ChatGPT 的语音模式强大得多，可将 AI 从一次性任务工具变为持续的'环境型劳动力'。教程还介绍了晨间简报、邮件分拣、会议准备等实用工作流场景。
文章提出'科学突破机器'概念：无需先实现AGI，通过范围受限的自我改进循环（sub-RSI loop）即可在特定问题上模拟ASI效果。作者团队将其应用于DeepEarth——一个多模态时空世界模型，用于全球环境智能。系统通过共享记忆、快速筛选实验预算、基于不变量的验证与计分卡机制，让智能体集群自主进行假设、实验与迭代。最终将模型调和均值从0.016提升至0.407，实现约25倍的能力提升，并发现单一编码器的改进未必带来融合能力的提升，环境信号（如AlphaEarth卫星嵌入）是最大杠杆。
作者从内容创作和小说写作的实践出发，发现把所有约束堆在一条长提示词里反而失效。核心问题是所有限制都放在顶层，AI 每次都要重新判断哪条重要。作者提出将 Prompt 分为三级：快速原型级解决能不能做，开发级解决能不能稳定做，管理级负责调度 CLI、Skill、MCP、脚本、Agent 等执行单元。顶层 Prompt 像经理，只保留目标、路由、验收和异常处理，具体规则下沉到各执行单元自带的说明中。写 Prompt 最关键的能力不是表达，而是组织能力。
作者 Chris 介绍如何用 Claude Code 构建一套全自动销售系统，以销售网站服务给本地商户为例。系统通过多模型协作：Claude Opus 负责编排，Gemini Flash 分析商户网站质量并评分筛选，Kimi K3 构建模板化网站，GPT Image 生成明信片图片，Claude Haiku 处理后续邮件修改请求。流程包括：挖掘并筛选潜在商户、预建网站、通过联系表单或实体明信片触达、用 Whop 收款上线，并通过订阅制提供持续修改服务，最终由 Hermes Agent 定时调度运行整套系统。
红杉资本团队撰文探讨企业是否应自建 AI 能力而非依赖前沿实验室。开源模型（如 Kimi K3、GLM 5.2）性能逼近前沿，后训练技术栈日益成熟，成本、速度、专有数据与自主掌控成为自建的核心动因。文章给出实践路线图：组建专职团队、公开研究成果，并系统介绍了评估（Evals）、Harness 与上下文工程、后训练（SFT/偏好调优/RL/蒸馏）以及在线学习四个技术步骤，帮助企业在特定领域超越通用前沿模型。
文章介绍了2026年爆火的GitHub仓库The Agency，它包含61个专职Agent和9个部门，展示了与通用型AI完全不同的思路。核心观点包括：专业化比智能更重要、结构本身就是产品、Agent间的交接即图的边。文章阐述了验证者模式——工作者与验证者绝不能共享上下文，否则就是自己批改自己的作业。最后给出实操指南：用researcher、builder、reviewer三个提示词文件搭建最小三节点Agent图，强调私有上下文与共享状态的分离是构建可靠Agent系统的关键。
