如果下一代模型越来越强，公司怎样判断自己是在做有价值的产品，还是只给模型套了一层界面。拉哈尼说，他还不知道完整答案。但他坚持一件事：领导者不能把这个判断外包给别人，自己必须动手理解模型能做什么。

英伟达从 10 月 6 日的阶段高点回撤 10.37%，市值蒸发超过 6000 亿美元，虽然它仍然值 5.16 万亿美元。恐慌指数单日跳涨 21%。

我写的这篇文章，我就想聊聊日常 AI 开发的真实工作方式——不追求当下的所谓热点，只说实用的东西。

我们天天用这些编码智能体，觉得它"记得住"是理所当然的，但从来没想过它背后到底是怎么做到的。

AI 时代下，你的价值，数字时代下的个人独有的价值观——去给个人打造 AI 工作台。你可以 不需要复杂的编排系统、不需要多个 AI 助手互相协作。

管理者想通过 Harness 提升组织效率，开发者却觉得 Harness 正在降低个人效率。为什么一件本应双赢的事情，会走向对立？企业究竟需不需要自建 Harness？如果需要，它的价值在哪里，边界又在哪里？

当攻击已经发生，我们能否从 Agent 的执行轨迹中，还原它是如何一步步偏离用户原始意图的？

小红书 AllSpark 团队提出 Navalia，以跨文档任务为切入点，自动构建文档环境，合成证据可追溯、答案可验证、具有真实多步依赖的任务，并结合轨迹采集与后训练，形成从数据到训练的完整配方。

Vuex 是大型 Vue 项目必备的集中式状态管理工具，核心是让状态变化可预测、可调试。

现在的工具，确实越来越傻瓜化了，很多时候你双击一个 .tar.gz，系统其实在背后偷偷的帮你跑了好几串命令。但是我还是建议你，哪天闲着没事，去试一下只打包不压缩，或者换一个压缩插件试试。

Mobile Canvas 解决了移动端开发中一个很实际的问题：减少工具切换，让开发和调试更加集中。

面向产品经理的 Agent Harness 设计指南：把用户目标转化为可执行任务、工具契约、权限策略、结构化结果和可验收的工程系统。 产品经理在设计 Agent 产品时，不仅仅只写 Prompt、页面和最终输出，还要参与定义 Agent 如何执行任务、调用工具、控制权限、处理失败并交付结果。

决策模型（下文统称 Jev 模型）做的事情是：给定一段上下文和若干候选项，一次前向直接输出每个候选的概率，不做自回归生成。题型有三种：是/否判断（noul）、多选一（choice）、有序打分（score）。我基于 Qwen3.5 训练了 0.8B / 2B / 4B 三个尺寸，后来又加了一个跨度头做信息抽取，叫 unified 模型。

全自动只该出现在低风险、高可验证的场景：批量重命名文件、定时拉取公开数据、代码格式化。凡是"错了就难撤回"的决策，必须保留人在回路。这不代表 Agent 没用，而是信任的层级要和风险的层级对齐——这是工程上最朴素也最容易被忽视的纪律。

近日，DeepSeek 在《Super-agent 设计探索》中为下一代智能体提出了四个特征：连续、高效、主动、持久，并主张「Session 应当是系统的实现细节，而不应是用户的认知负担」。

为了测试模型的实时能力，英伟达和 UT-Austin 等机构的研究人员提出了 Realtime-Bench，用它测试了 12 种前沿模型。

来自 StartLux、香港大学与南方科技大学的研究者围绕这一问题提出 StartLux-Decision。

OpenAI 称这笔收购是为了加速一个愿景，让 Codex 成为团队与 AI 一起构建软件的地方，「从最初的想法，到最终发布的版本」。

在11月3日发布的Raj Shamani访谈里，OpenAI CEO奥特曼主动抛出了这个问题。这听起来像科幻片里的情节，其实距离普通人并不遥远。

复旦大学、香港城市大学、香港中文大学等机构提出LoLBench，把Agent放进平均约240万行源代码的软件系统，评估从功能提案到模块交付的完整过程，检验把需求落到系统中的感知能力，以及完成跨模块修改的实现能力。