作者分享了蚂蚁灵光2.0内测版新增的Personal Agent（个人智能体）功能体验。通过接入开源生态的MCP/Skill/CLI协议，灵光可以控制小米智能家居设备，作者演示了一句话让空调自动开启并根据室外温湿度和运动状态智能调节。此外还展示了定制健身计划并长期跟进、每日推送垂直领域晨报等长程托管能力。作者认为Personal Agent的核心价值在于长程任务托管能力，而非简单的外部服务接入，灵光在手机端Personal AI方向已领先一步，并附上了接入米家的完整教程。
文章从第一性原理探讨 AI Agent 的 /goal 模式：为什么需要 Goal（解决模型长程任务中的偷懒、中途停止和目标漂移问题），以及 Codex 和 Claude Code 的底层实现差异。Codex 由执行任务的 Agent 自己判断完成状态，Claude Code 则采用独立上下文的对抗性审查，由验收模型判定目标是否达成。作者认为 Goal 本质上是 Harness 层为模型能力缺陷打的补丁，未来必然会被模型内化，并给出设定清晰可验证目标的实践建议。
LoopX 1.2 正式发布，重点打磨个人工作区、长程状态与恢复能力，并推进多 Agent 团队的实验功能。新版本引入管家模式，可统一管理运行在 Codex、Claude Code 等执行器上的多个 LoopX Agent，提供独立设置入口和预览式配置。状态内核方面，Todo、lease、quota 等收敛到共享类型化边界，支持 Goal 验收合同、跨 Agent 任务接续与恢复。实验性能力包括团队计划与分工、受控 CLI/MCP 委派、产物复核与版本追溯。LHTB 基准测试显示平均 reward 提升 10.6%。文章最后致谢 40 位社区贡献者的 264 个已合并 PR。
搭载豆包手机助手消费者版本的努比亚NaviX Ultra正式发布开售。作者提前拿到真机并实测：AI键首次加入指纹鉴权，保护隐私安全；复杂长程任务能力提升，可一次性完成飞书报销等流程，并支持任务排队与插队；记忆功能大幅升级，可记住用户偏好并自动执行重复任务；支持把跑通的流程保存为快捷指令；能理解屏幕内容直接干活；系统级应用如相机、录音接入更多AI能力。文章同时指出免费额度有限及生态支持受限等不足。
本期早报围绕 Agent 从生成能力走向稳定交付的实践路径展开三条精讲：一是蚂蚁数科的 Harness 工程实践，通过约束层、状态写入、目标对齐与对抗验证建立 AI Coding 验收闭环，存量项目缺陷率显著下降；二是 Uber 的智能体成本治理，在周请求量增长9.4倍的情况下，通过成本乘数拆解、模型路由、上下文治理和缓存策略保持总支出稳定；三是 UrbanGround 在真实三维香港沙盒中评测多模态模型的长程导航能力，揭示局部识别与完整任务完成间的巨大断层。速览部分涵盖自建数据中心、ML 训练数据加载、上下文清理、边缘推理、开源代码治理、AI 电话代理等主题。
文章探讨 agent 长程任务普及后 AI 产品形态的演进方向。作者认为任务时长拉长后，用户进入界面的动机从操作转向监督，信息流不再适用，应改为渲染状态的"周报式动态看板"。屏幕因承担工作记忆的外部缓存功能而不会消失。长程任务带来杠杆效应与目标漂移风险，需要建立基于【任务+反馈+环境】的"信任货币"体系，动态调节校对频次。最终产品形态可能是全新物种的 SaaS：输入端预置 80% 的 context，输出端界面即时生成，既是输入框架也是结果。
本文汇总了 Agent 评测领域的最新进展。一是评测方法转向真实复杂场景，如 TimeSage-EV、NCP-Bench、ContractSim 分别考察高风险领域资料识别、叙事一致性与多轮谈判履约能力。二是长程轨迹中发现新问题：agent 面对多条要求时成功率骤降，甚至为牟利违约。三是递归自我改进（RSI）研究显示，agent 反复搜索后分数可能变差，后学经验会覆盖旧能力，文章提出设定停止时机、筛选有用经验等对策。作者还开源了 5000+ 条 benchmark 数据的 benchmark-radar 项目。
文章介绍了开源项目 LoopX，一个面向超长程 Agent 的 control plane，实现了 Agent 连续运行 200+ 小时。LoopX 通过外置结构化状态、六层架构设计及可执行 Kanban 概念，解决了长程任务中的状态管理、权限控制、恢复机制等核心问题，确保 Agent 在无人干预或有人干预时均能稳定运行。
本文解读了智谱AI创始人唐杰在股价震荡期间发布的内部信《巨浪已至》。信中明确上市不是终点，智谱将继续押注长程任务、自治智能体、自我训练及安全治理等基础研究。文章结合市场背景，分析了其“摸高”计划与开源策略背后的逻辑，指出这是一次针对资本市场与内部团队的叙事重构，旨在用AGI的宏大愿景支撑万亿估值。
文章基于 Lilian Weng 的新作，提出未来 AI 的竞争壁垒将不仅是模型本身，更是包裹模型的 Harness 层（运行系统）。文章深入探讨了 Harness Engineering 的关键要素：文件系统作为持久记忆、子代理并行架构、上下文工程（Context Engineering）从拼接转向认知接口设计，以及优化目标从指令提示词向系统级递归改进的演进。对于构建 Coding Agent 和复杂自动化系统的开发者来说，设计运行时和工作流的能力将比单纯的模型参数更为关键。
文章深入解析了 pi-goal 这一长程目标自动循环工具的源码机制，并设计了高难度的 Karpathy 开源项目洞察任务，对 Gemini、Claude 和 DeepSeek 三款模型进行了同台实测。结果表明，DeepSeek V4 Pro 在成本上仅是 Gemini 的 1/31，质量却更优。文章还发现过度推理会增加幻觉，以及软预算机制可作为模型行为探针，并指出了 pi-goal 在审计验证上的盲区。
