本文是 NVIDIA DGX Spark 本地推理设备的使用手册。作者最初因其 273 GB/s 的低内存带宽而不看好，但随着 MoE 架构、推测解码等推理工程技术的成熟，DGX Spark 已能在本地以接近云服务的速度运行高智能模型。文章详细介绍了多台 Spark 通过 ConnectX-7 网卡链接实现近线性扩展带宽和内存的方案（四台可达 1092 GB/s、512 GB 内存）、低功耗适合家用部署的优势、MoE 与推测解码如何弥补硬件短板，以及单机同时服务 8 个并发会话的能力，并对比了与 Mac 的算力优势和成本分析。
TypeSafe AI 发布了决策模型 Jev，不同于传统 LLM，它不生成文本，而是返回带概率的结构化决策结果，在路由、分类等窄任务上比领先 LLM 快 200 倍、便宜 400 倍，并具有一致性和可并行性。LangChain 团队认为这与其'prod, not god'理念契合：代码掌控工作流，AI 只处理需要语义判断的分支。文章介绍如何用 LangGraph 编排 Jev 决策，包括节点、状态和边的架构，以及持久化执行、人在环路和可观测性等可靠运行时能力，实现可靠、可测试的 AI 驱动生产系统。
文章提出 Agent 轨迹（traces）正成为 AI 公司间的核心交易资产，甚至出现蒸馏攻击等争夺行为。作者指出 RL 训练、长程任务代理普及使 traces 价值激增，但多数企业仍未善用这一资产。文章分析了 traces 对数据厂商、前沿实验室和应用层的价值，以及在运营优化、安全护栏、持续改进三方面的用途。作者还剖析了从 traces 中提取价值的难点：数据非结构化、体量巨大、反馈混乱、长程信用分配困难等，并类比 2010 年代的大数据浪潮，认为 traces 将成为企业专有智能层和战略资产，唯有通过提炼与使用才能释放价值。
Cerebras 团队测试了主流 AI 个人助理完成订餐任务的表现，发现现有助理耗时过长（如 Grok Bot 需 7 分 40 秒）。团队使用 Qwen 3.8 27B 模型运行在 Cerebras 硬件上，以 Pi 作为 Agent Harness，通过三项优化将任务压缩至 22 秒：1) 并行执行独立的检查操作；2) 借助 Cerebras 快速推理加速模型调用；3) 将探索网站的经验固化为 Skill 复用，减少 80% 以上的工具调用。文章展示了 Harness Engineering、快速推理和经验沉淀对 Agent 效率的巨大提升潜力。
本文深入探讨了 Claude 模型中 effort（努力程度）参数的作用与使用策略。作者通过实验和 Terminal Bench 3.0 基准测试分析发现：effort 本质上是控制模型在任务上投入的算力与自主判断程度。高 effort 在验证和边界测试重要的场景（如硬件、代码审查、安全）表现更佳；低/中 effort 则适合快速迭代、保持人类在环。作者还比较了不同规格化程度任务在各级 effort 下的输出差异，并总结出一套高效工作流：先让模型访谈自己补全规格，用低 effort 实现，人工审查后，再用高 effort 做验证和测试。
作者宣布「从零手写大模型」系列完结，共20篇，包括推理篇15篇和训练篇5篇。推理篇涵盖分词器、嵌入层、位置编码、自注意力机制、多头注意力、残差连接、层归一化、Transformer模块等内容；训练篇涵盖损失函数、反向传播、梯度下降、Adam优化器和学习率调度。每篇都有可练习的代码示例，帮助读者理解模型如何生成文字以及如何从误差中学习更新参数。作者强调理论公式是精华，代码多被PyTorch封装。系列笔记已发布在个人网站上，欢迎交流指正。
作者以个人编程经历为引，回应对 AI 导致编程手艺消亡的哀悼。引用 Thorsten Ball 的观点：手写代码的工艺将像意大利手工鞋匠一样成为小众。作者认为编程虽'死'，却以模型权重、框架和语言的形式延续。作为自学成才的程序员，他乐观地认为 AI 编程是新的开始——新一代程序员用自然语言表达意图，能更快、更高质量地构建产品。过去受限于个人能力，如今可以通过正确的提示词和上下文驱动 Agent 实现心中构想。作者对更多人体验创造的乐趣充满期待。
文章指出企业 AI 部署并非只有'公有 API 或自建推理平台'的二选一，私有 AI 实际是一个从客户端设备到完全物理隔离的连续谱系。作者提出四种隔离层级：1) 使用 LiteRT、Gemini Nano 等在移动 NPU 和浏览器上进行零外泄客户端推理；2) 通过 Confidential Computing（机密虚拟机与 NVIDIA H100 TEE）对云端 CPU/GPU 内存硬件级加密；3) 在私有 VPC 内用 GKE + vLLM/JetStream 自托管开源模型权重，实现权重与日志的完全掌控；4) 使用 Google Distributed Cloud Air-Gapped 为主权工作负载提供物理断网部署。工程关键在于按威胁模型和延迟预算匹配硬件边界。
斯坦福大学 Mihail Eric 教授开设的「AI 原生软件开发」课程 CS146S 首周资料公开。第一周主题是拆解 Coding Agent 内部机制：LLM 是无状态的文本到文本函数，agent 的能动性来自外部循环，即 agent = LLM + 工具 + 循环。课程用 200 行代码复现 Claude Code 骨架，讲解核心循环设计、read/write/edit/bash 四个最小完备工具集，以及 Claude Code、Cursor 等生产级 agent 系统提示词的结构分层：身份锚定、工具规则、工作流规范、安全边界和沟通风格。课程旨在 demystify：agent 没有魔法，骨架与产品的差距全是可学习的工程问题。
文章引用 DHH 的观点指出，手写代码对绝大多数程序员已不再经济，软件工程正演变为系统架构设计。通过 Artemis 和 SpaceXAI Grok 团队的案例，说明工程师如今通过设计验证循环（verification loops）让 AI 大规模正确地编写代码——如 Lauren Tan 每月发布 2000 个 PR。文章借鉴 Donella Meadows 的系统理论，提出优秀系统设计的三大特性：韧性（AI 通过测试、审查代理和生产可观测性自我校验）、自组织（循环学习将失败类型转化为新技能）和层级（将技能、工具与沙箱组合成可复用组件）。工程师的新职业是'驾驭智能'。
本期早报精讲三篇文章：一是 Every CEO Dan Shipper 介绍在 AI 快速演进中如何用小型实验室机制筛选产品创意，通过内部采用、早期客户测试等管线判断原型价值，其 AI 编辑助手已减少 12% 编辑工作量；二是 Elastic 分享用原子声明验证减少 LLM 幻觉的方法，将知识库文章合并拆解为可逐项核对的声明，把合并时间从一小时缩短到五分钟；三是 Thoughtworks 作者探讨健康的同行反馈机制，强调人类反馈不可被 AI 替代。速览部分涵盖 AI 代码现代化、机器人仿真资产、京东 AI 知识库、视觉模型 Skills 封装和 TPU 大模型训练复现等内容。
作者介绍了用 TypeSafe 新发布的判断型模型 Jev 与 Agent 协作搭建广告素材自动化筛选库的实践。Jev 不生成文本，只做选择题、打分和是非判断，单次判断 70-500 毫秒，输入价格极低。作者将 RollerAds 的 4,000 多条素材接入 Polaris 追踪系统，让 Jev 每条回答 12 个问题（钩子类型、优惠、CTA、审核风险等），400 条素材 20.6 秒即可读完。每小时自动为新素材补标签，再按规则筛选出置信样本交给 Agent 做二创和测试，大幅节省 Token 成本，实现高效的投放自动化工作流。
作者对近期爆火的 Jev 模型进行冷静剖析。通过分析 JevPilot 自动驾驶、通关《宝可梦·红》、大战《毁灭战士》等热门项目源码，指出其炫酷演示背后主要依赖传统算法和剪辑包装，Jev 真正参与决策极少。Jev 本质是低延迟、低成本的判别分类架构，只能做单步选择，缺乏长程推演能力。作者认为与其让大模型生成选项再由 Jev 裁决这种毫无意义的使用方式，不如将其用于任务前置过滤分流等真正能降本增效的场景，呼吁 AI 圈少些浮躁炒作，多沉下心寻找实际应用价值。
本文介绍 Cherry Studio 2.1.0 新增的「设备互联」功能，解决手机使用 Agent 模型时需要手动复制 API Key 的繁琐问题。通过手机扫描桌面端生成的一次性二维码（5分钟有效），即可将电脑上已配置好的服务商、密钥和模型整包导入手机。文章详细说明了新老用户的同步入口位置，以及三步完成配对的流程：桌面端开启局域网访问、手机扫码配对、导入配置。目前实现的是配置同步，桌面端与移动端之间的数据同步功能也在后续计划中。
本文实测了 TypeSafe AI 发布的不生成文本的 AI 模型 Jev 在 RAG 检索流程中的效果。作者在重排、回答判断、检索前置门卫三个环节插入 Jev 进行验证：重排方面，Jev 以八分之一的成本达到接近 Cohere Rerank 的精度；在调用 LLM 之前用 Jev 判断「无法回答」，响应速度提升 5.6 倍，成本降至二十七分之一；在检索之前拦掉范围外提问，速度提升 7.4 倍，成本降至七十五分之一。此外，Jev 还能一次请求同时完成重排和回答判断。结论是用 Jev 改善 RAG 速度与成本可行，但需慎重设定阈值，避免误拦可回答问题。
作者整理推荐了四套值得学习的 Agent 相关课程：斯坦福 MS&E 435《AI 超级周期的经济学》从产业和经济学角度拆解 AI Stack 的价值分布；斯坦福 CS329A《自我提升型 AI 智能体》探讨 Agent 通过反馈、强化学习和记忆实现自我提升的闭环；Hamel Husain 的 AI Product Engineering 系列聚焦 Evals、Context 和 Systems，讲解如何把 AI Demo 变成可靠产品；CMU 11-768 则把 Agent 当作完整系统，涵盖 Harness、Evaluation、训练与安全。四套课程分别对应产业、研究、产品工程和系统工程四个视角，可拼成一张完整的 Agent 学习地图。其中三套已烧录双语字幕上传 B 站供大家学习。
文章探讨了开发者对 AGENTS.md 和 CLAUDE.md 等 AI 编程工具说明文件的普遍误解。作者指出，很多团队把所有希望 AI 做到的事都写进一个不断膨胀的文件，导致维护规则本身成了负担，本末倒置。正确的做法是让 AGENTS.md 保持精简（作者根文件不到 50 行），只写每次开工都需要知道的少数核心事项，再指向不同任务对应的规则文件，让 Agent 按需读取。作者引用西蒙'存储信息'与'需要时获取信息'的区分，并提醒只有在流程确实需要反复执行时才值得做成 Skill，不必急于按需调用。
htmx 作者、Montana State 大学教授 Carson Gross 提出：在 agent 式编程时代，Markdown 正从文档演变为源代码。他认为 LLM 生成的代码不应只源自用完即弃的提示词会话，而应将捕捉系统意图的 Markdown 签进 /src，与生成代码放在一起。Markdown 具备可 diff、可 grep、人机皆可读写的优势，且遵循局部性原则，让代码模块自带解释其意图的文档。作者提议建立 /src/md 目录约定（含 README、OVERVIEW、features、data、api 等），由人撰写维护，代码与测试从这些 Markdown 派生，测试负责自动化验证正确性。当代码越来越便宜，真正有价值的是代码背后的意图，应将其持久化于源码目录之中。
本文介绍如何利用 Jev 类模型大规模分析数百万条聊天 Agent 生产轨迹，从中提取失败信号。传统 LLM-as-a-judge 评估依赖采样以控制成本，而 Jev 类模型可在同一上下文中并行回答多个问题，以极低成本对全部轨迹进行全面评估。文中讨论了显式反馈、行为追踪、事实结果和对话信号等不同类型的用户信号，并以航班改签客服对话为例，展示如何同时捕捉后续提问、用户挫败感和结果满意度等维度。文章最后介绍如何在 Langfuse 中配置基于 Jev 的批量评估模板，实现生产信号的监控与可视化。
作者针对 Codex 账单越来越贵的问题，利用 TypeSafe AI 的 Jev 模型（只做带概率的判断、成本极低）搭建了一个外部模型路由器 HippoRoute-Jev-Codex，仅在线程首请求、新用户轮次、压缩检查点、子 agent 首请求四个缓存重建时机选模型，其余工具循环沿用钉住的模型，避免打掉 prompt 缓存。整个项目由豆包工作通过计划模式和目标模式从零完成，作者全程仅操作四次、未看一行代码，最终 76 个测试全通过并自行揪出 3 个 bug。实测机械任务省 95.4%，子 agent 场景省 79.7%，整体省 44.8%，且任务通过率无差别。
本文介绍如何以约17美元的成本微调一个类似Jev的高效分类模型。作者基于Qwen3.5 4B，从MultiNLI、BoolQ、Banking77、AG News、SST-5等多个Hugging Face数据集中采样约3.8万个样本，通过脚本归一化数据后，使用Together AI的Fine-tuning服务启动训练任务（约25分钟完成），再将模型部署到Together AI的专用端点（dedicated endpoint），并通过API查询模型完成分类任务。文中还发布了可直接使用的together/Tev1-4B-experimental模型，适用于客服意图识别、文本情感分析、论文分类等实际场景，涵盖从环境搭建、数据准备、训练到部署查询的完整流程。
作者回顾了自 1979 年以来的专家系统开发经历，介绍 TypeSafe AI 于 2026 年 9 月 15 日发布的首个公开 System One 模型 Jev。Jev 由前 OpenAI 研究员 Diogo Almeida 创立的公司打造，获 4000 万美元种子轮融资。与聊天型 LLM 不同，Jev 是“反聊天机器人”：它接收状态和类型化问题，在 70-500 毫秒内返回概率、置信度的决策结果，输出仅有 Choice、Score、Noul 三种原语。其训练方法为面向校准决策的强化学习（RLCD）而非 RLHF。作者认为 Jev 代表下一代操作系统形态，是将可靠的机器决策嵌入软件内核的缺失原语。
本文深入解析了 OpenAI GPT-Live-1 全双工语音模型的架构原理。文章回顾了语音系统的三代演进：级联设计（ASR+LLM+TTS 串联，存在信息丢失和延迟叠加问题）、轮次式端到端语音模型（保留语气情感但依赖 turn detector，容易不自然）、以及全双工架构（模型同时监听和说话，沉默也是一种 token）。GPT-Live 通过将思考从说话中委托出去，保持语音模型小而快以实现毫秒级响应，同时依赖服务端系统的低延迟优化。文章还讨论了全双工系统的评估方法与实时系统工程经验。
文章梳理了曾鸣对颠覆性技术演化的三段论：AI 先成为通用基础设施，再催生海量新应用，最终诞生原生级现象级应用。2025 年 Token 成为 AI 时代共识度量衡，标志基础设施成熟；Open Claw 爆火开启 Agent 第二阶段；Agentic OS 属第三阶段，还需三五年。作者认为大模型公司本质是 AI 云公司，未来两年核心机会是打造 Agent 入口级产品，OpenAI 和 Anthropic 未必成为 AI 原生应用大赢家。另附曾鸣的公司四层分类：机会、战略、远见、使命驱动，强调使命须发自内心，外部认可驱动易受估值波动冲击。
Anthropic与OpenAI同日发布多款新模型：Claude Opus 5.5、GPT-6 Sol和Luna。作者详细评测了各模型的定位与表现：Opus 5.5作为Claude系列性价比模型，Coding能力达到SOTA，成本下降40%，速度提升30%，但Token消耗大；GPT-6 Sol和Luna主打降本，价格比上代便宜50%甚至低于Deepseek，Token效率出色、幻觉率大幅降低，但审美与细节能力有明显降级。作者指出两家公司差异化路线：Anthropic专注Coding通往AGI，OpenAI专注全面Agent能力，并给出不同场景下的模型选择建议。
文章批评'不再读代码、不再写代码'的行业风气。作者指出代码可维护性和好架构难以即时度量，其恶果需要数月甚至数年才显现，而有经验工程师依靠长期实践积累的直觉来嗅出代码异味。AI 因缺乏可度量的奖励信号，无法理解什么是可维护的代码，且从质量低劣的野生代码中学习模式，在简化代码、定义可复用函数上表现糟糕。更危险的是，依赖 AI 写代码和读代码的开发者将永远无法达到精通，因为他们不再从错误中学习。作者认为 LLM 只是工具，预言未来会有公司以'无 AI'政策作为竞争优势。
文章介绍了TypeSafe AI于2026年9月发布的Jev模型，一个不做文本生成、只做封闭判断的“System One Model”。它提供三种能力：Choice（选项选择）、Score（等级打分）和Noul（真假概率判断），直接返回类型化结果和概率，省去生成文本的延迟和成本。文章分析了Jev与生成式模型的本质区别，指出类型安全只保证接口格式而非事实正确，概率不等于正确率，并详细说明其在缺陷分诊、Agent路由、发布说明审核等真实场景中的应用方法，以及官方Agent Skill倡导的AI工作流拆分法：代码负责计算和规则，模型只做清楚的语义判断。
作者介绍了基于 TypeSafe 发布的 Jev 模型构建信号驱动外呼机器人的方法。Jev 比通用模型快约百倍且成本极低，可为每个销售线索快速打分。作者团队曾用 Claude 做信号驱动 SDR，两周内约到 19 次会议，回复率 12%。文章详细拆解了开源项目 signal-ranker 的架构：watch.py 通过日期文件对比追踪招聘重发、融资等信号，judge.py 负责调用 Jev 评分，policy.py 用纯代码实现门槛与权重，两者分离以便复用已付费的判断结果。支持用 Claude Code 自行拉取线索或使用 yourmax.ai，可放入 Claude Code 或 Codex 终端复现。
本文介绍 TypeSafe AI 推出的 Jev 模型，它专为校准决策设计，输出概率而非文本。Jev 针对传统 LLM 过度自信、成本高、速度慢的问题，通过三种问题类型（Choice、Noul、Score）返回带置信度的概率结果，开发者可基于置信度阈值设置自动化护栏，实现无人值守运行。作者结合 treg 数据服务，展示了 Jev 在 GTM 自动化中的实战应用，包括欺诈检测与注册用户资格审核（每日 236 个注册仅花费约 $1.21）、以及购买信号分类等场景，并分享了编写评分规则（rubrics）而非传统 prompt 的使用技巧，成本远低于通用聊天模型。
作者收集整理了60个Jev应用案例，并精选12个典型场景进行详解。这些案例的核心逻辑是：生成模型负责写作与复杂推理，Jev承担分类、筛选、评分和选择，代码执行后续动作，关键节点保留人工复核。案例涵盖品牌提及识别、实体对齐去重、RAG信源筛选、引用核验、网页操作决策、Skill选择、工具风险检查、客服工单分流、官网表达检查、论文引用验证、级联校验信息抽取及文本特征化等多个方向，对理解AI应用的工程化实践具有参考价值。
