本文会借 OpenSpec 拆解这两个问题。读完后，你将能看懂一套 SDD 工具链如何串起探索、提案、实现、验收与归档，也能根据可读性和校验强度，为不同规范选择 Markdown、YAML 或 JSON Schema。

在这个工作流里，TrueForge 控制上下文和模型调用，Jev 完成匹配并给出置信度，生成模型起草新 issue、复核不确定结果，客户负责人审批每一次更改。

本文聚焦最上层——用户界面层的 API 设计。API 是 Agent 系统和外部世界的接口，它的设计决定了谁来消费、怎么消费、消费体验如何。

Anthropic警告：AI Agent已可自动化完整网络杀伤链，攻击门槛骤降，各类黑客已将其用于实战，防御面临严峻挑战。

我当时的反应不是同情，是顺手去点它的官方状态页。因为三天前，10月12日中午，它刚出过一次“网页部分中断”。到下午1点多，服务恢复。前后将近5个小时。三天，两次。而值得认真看的，不是它怎么修的——是每一次崩，暴露出来的到底是什么。

书生-S2的基模能力已具备辅助科研团队攻关研究级数学问题的基本水平。同时也传递出一个信号：中国的大模型同样有能力站上前沿数学的赛场，助力世界级难题的攻关。”​

历史上我们写的 ESM 语法（import/export）都会被打包器转成别的格式，所以没人关心 Node 自己怎么看这个文件。现在它要看了——因为服务端那一侧是 Node 在跑。

本文深入拆解 REA 的工作机制与架构——逆向工程从"人用工具"切换到"Agent 用工具"，究竟是如何实现的。

GPUI Fast 的核心不是让每一帧跑得更快，而是让那些根本没变化的东西，不要每一帧再算一遍。

在程序重建中，元推理通过整理已有结果、评估下一步并选择执行上下文，提高了较大调用额度下的平均测试通过率。证明生成、抽象推理和多领域长程推理也提供了补充证据：在每题100次额度下，相对直接控制，三个模型的平均得分增益分别为4.0、4.2和3.6个百分点。当前结果支持在长程任务中评估这套控制方式，并将小预算设置纳入对照。

这一篇，我不讲多智能体，不讲框架选型，不讲架构。只讲一件事：让你跑通人生第一个 Agent。跑通了，后面所有的东西你都能自己接。

在 MATH-500 和 AIME 上，擦掉链让开放推理模型的准确率下降 0.52 到 0.82。句子打乱几乎不影响，token 打乱和擦掉一样伤。用正确奖励或随机奖励做 GRPO 的检查点也是这样。图 4 把这组干预画在一起。

Anthropic 在文章最后说得挺坦诚。Scion 只适合那些代码库极其庞大的组织，或者有大批 AI agent 同时写代码的场景。对绝大多数公司来说，Git 还是好用的。

在生产训练中，他们会仔细审查每一个 RL 环境，监控训练过程中的异常行为，一旦发现某个环境能让模型钻空子，就修掉或者下架。这套流程花掉大量人力，也确实把 hacking 率压在了很低的水平——但仍然不是零。

清华大学与北京邮电大学将这种现象称为跨步条件传播（Cross-Step Conditional Propagation）。

近日，Claude Fable 5.5 已赫然出现在微软Azure East US 2的模型目录中，状态显示为「正式可用」！

大模型要变成能读写代码库的编程 Agent，靠的是模型之外的那一层运行时：循环、工具、上下文、权限、编排和扩展接口。这篇论文把这一层称为 Harness，并给出一个判断标准：读源码看它在七个子系统上分别做了什么选择，而不是只看基准分数。

Anthropic高管Jack Clark抛出了一个重磅炸弹。他将AI实现RSI（递归自我改进） 的时间点，从原本预测的2028年，直接拔前到了2027年。

技术上的核心思路——不逆向算法、借 SDK 的手完成签名——其实是个挺通用的思路，不止掘金，很多带签名校验的站点都能套这套玩法。

对于普通实验室，知道「怎么训」还不够，还得真正「训得起」。我们需要一套低成本、可复现的「穷人版」预训练方案。