本期早报聚焦 AI 智能体的长程执行与工程实践。精讲一介绍月之暗面 Kimi K3.1 Pro，3 万亿参数、100 万上下文，在代码、3D 创作、金融研究和长程 Agent 任务上表现突出，尤其展示了模型修正仿真器错误完成人体行走控制的能力。精讲二解读 Claude Duet 的安全机制，包括动作审批、敏感信息检查与凭证隔离三层设计。精讲三拆解天猫数字员工的全链路交付技术，涵盖沙箱隔离、会话延续、身份绑定与度量体系。速览部分还涵盖美团 AutoResearch 自进化系统、Cloudflare CTO 谈智能体安全、LangChain 上下文工程检索实践及 Factory 自主软件工程等内容。
本期早报精讲三篇 AI 前沿内容：Anthropic 开放 Claude Duet 研究预览，通过云端虚拟机和独立应用承接主动发现与持续执行任务，并设计分级授权机制；NVIDIA 发布 Nemotron 3.5 系列模型，将文档解析、多模态嵌入与重排连接成企业知识处理链路，实验证明更优检索可降低代理推理 token 开销约 13-14%；OpenAI 工程师拆解 ChatGPT 广告系统，展示如何用后训练 LLM 理解多轮对话中的商业意图，通过编排模型与竞价工具分工实现服务隔离与信任保障。速览部分涵盖天猫数字员工协作实践、代码质量投入判断框架及 Claude 设计蛋白质结合体等七条内容。
文章指出企业级 AI 落地陷入困境：85% 高管计划增加 AI 支出，但仅 22% 实现规模化，平均 ROI 仅 17%，并出现“加速鞭打效应”——个人产出提升但工程质量恶化。作者认为单兵 FDE 模式已死，IBM 推出的 FDU（前线部署单元）才是新范式：以“人类在两端、智能体在中间”的拓扑，用 6 人加 10-30 个数字员工替代传统 30 人团队，通过 Procedure Eater、RAD 方法论和数字员工认证体系实现工业化交付，并重构商业模式，从人力套利转向技术套利。
本文介绍 Meta 刚发布的智能体 Muse，它目前在美区苹果商店免费榜第一。Muse 是一个能替用户把事办完的个人 Agent，背后由 Muse Spark 模型驱动，为每个用户配一台云端电脑，具备 24 小时干活、自主决策和记忆三大能力。文章详细讲解其安全设计（独立哨兵 Sentinel 审批机制）、四大使用场景（生活琐事、做成品、上网跑腿、接插件），并与 Grok Bot 对比两者在架构和安全上的差异，最后给出从下载、关闭训练开关、设置权限到派第一个任务的六步上手教程。
文章系统介绍了 Palantir AIP（AI 中台）的端到端架构，阐述其如何将生成式 AI 安全接入企业运营。核心是围绕 Ontology 构建完整闭环，涵盖十二类能力：安全的大模型接入、端到端可观测性、上下文工程、Ontology 系统、向量与计算服务、安全治理、智能体生命周期管理、运营自动化、开发环境、人机协同应用、打包发布部署以及企业自动化。文章强调 AI 中台的重点不是单独调用模型，而是建立从模型接入到产品交付的完整体系，并让安全、治理与可观测性贯穿始终。
作者认为 Grok Bot 的发布是革命性时刻：前沿级 AI 智能体首次直接交到普通人手中。Grok Bot 不是聊天机器人，而是一支全天候的 AI 代理团队，各自拥有持久的云计算机，能登录邮箱、CRM、社交平台等工具，端到端完成多步骤工作。作者将其与 1979 年的 VisiCalc 电子表格类比，认为其影响更大——让一个人拥有小公司的运营能力。文章介绍了其通过 SuperGrok Heavy、Cursor 等订阅方式获取的定价，并提出了“AI 自举”策略：先用 Bot 赚回订阅成本，再逐步扩展，完成从打工者到所有者的转变。
本文提出“Agent体验工程”（AX）这一新概念，指设计易于智能体使用的产品，使LLM更愿意采用。作者认为智能体正成为软件的主要购买者，传统UI的粘性优势消失，产品需通过API、MCP服务器、CLI等接口优化智能体体验。同时，原先的“上下文工程师”角色被AX工程师吸收，UI从操作层转变为监督层。文章最后给出实践建议，并预测AX工程师将成为未来品牌必备角色。
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。
随着AI编程智能体的兴起，传统的敏捷开发流程已无法有效扩展。文章深入解析了Tenex团队开发的AI原生软件开发生命周期系统——MetaHarness。该系统旨在解决智能体执行速度超越系统上下文维护能力的风险，提出了将“上下文即代码”、制定允许动态调整的详细计划等八大核心原则。通过引入严格的文档语法、单一事实来源以及连接紧密的工程蓝图，MetaHarness实现了人机高效协作，使软件开发变得更快速、健壮且可衡量。
本文对比了构建AI智能体的三个开源框架层级：Deep Agents、LangChain和LangGraph。它们提供不同层级的控制力与抽象程度：Deep Agents是开箱即用的智能体套件，专注于最佳上下文工程实践；LangChain是高度可定制的智能体核心抽象与集成框架；LangGraph则是基于图的底层运行时，适用于混合确定性与动态步骤的复杂工作流。三者完全可组合，开发者可在自主性与确定性之间灵活平衡。
文章详细介绍了 Kimi 新上线的「Claw 群组」和「Agent 集群」功能。作者通过构建一个包含 Kimi 指挥和多位投研 AI 助手的群组，演示了多智能体如何通过并行工作、互相质疑和角色分工来完成复杂的投资分析任务。文章指出，这一功能标志着 AI 从个体智能迈向群体智能，让普通用户也能像管理团队一样调度数字员工，极大地提升了工作效率和产出质量。
本期早报围绕智能体系统建设展开：一是 Anthropic 负责人解释 Claude 交付架构，将会话记录、运行框架与沙箱执行环境分离，使失败恢复不影响工作连续性；二是 LangChain 分享设计智能体的实践，将设计师的审美判断沉淀为技能与知识库，中位费用从 8 美元降至 0.50 美元；三是 Ai2 研究检验 LLM 判断研究想法新颖性的可靠性，发现提示词变化可导致准确率剧烈波动。此外还涵盖 Google A2UI 推理格式、Optiver 模型接入平台、小红书 AllSpark 数据管线及 K2 Lab 垂直 AI 产品等内容。
作者苍何介绍了开源项目 WeChatBridge（微信流）的 iOS 版本发布。该工具可将微信聊天记录批量转发给 Codex、Claude Code 等各家 Agent 进行总结分析，也可沉淀到 Obsidian 作为个人知识库。作者分享了借助 Claude Code 和 Kimi K3.1 Pro 开发 iOS 版的过程：先让模型制定详细计划和技术文档，再照文档执行，6 个多小时完成了原计划 18 个工作日的工作。文章强调"别跟它聊需求，跟它定验收"的 Agent 开发心得，并详细介绍了 iOS 版的收、存、投功能，包括分批收集超过 100 条消息、场景化提示词、隐私安全设计等。
