0
LLM 的原理与标新立异之间，真的有矛盾吗？
LLM 降低 loss、贴近既有分布，这确实会压低怪异性；但这不等于它只能复读。更准确的说法是：LLM 能生成新组合和候选假说，但不能单独证明这些东西有价值。
标签: AI Agent
0
没有评估器，Agent 的 loop 只是在空转
自主编码 Agent 不能只靠模型自述判断是否完成。没有 evaluator，loop 只是生成、解释、宣布完成；有 evaluator，目标、过程和产物才会被证据闭合。
0
AI Agent 不缺模型，缺的是能让它自己交付的基础设施
Cloudflare 临时账户让 Agent 可以无登录部署 Worker，HTTP QUERY 成为正式 RFC 则补上了复杂查询的协议语义。它们看似是两条小新闻，本质上都指向同一件事：Agent 时代真正稀缺的不是“会说话的模型”，而是能让代理安全、临时、可验证地调用和交付的基础设施。
0
别再把机器人当门口的网红摆设：一座大型商场，本该是 "AI 应用场景示范基地"
真正稀缺的从来不是模型，而是能让 AI 跑通真实闭环、产生可衡量价值的场景。一座每天几万人流、集零售、餐饮、服务、物流、安防于一体的大型商场，恰恰是城市里被严重低估的优质 AI 场景——前提是别把它当成"门口摆两台迎宾机器人"的噱头，而是当成一座可经营的应用场景基础设施。
0
别再收藏 Skills 了：AI Agent 真正需要的，是一套只属于你的技能系统
6 月 9 日，国家互联网应急中心提醒，部分智能体技能包正在以"突破大模型限制""挖矿赚钱"等名义传播……这条预警表面上说的是安全问题，但更深一层，它提前揭开了 AI Agent 时代的一个新矛盾：当"能力"开始被打包、流通、下载、安装，Skill 就不再只是效率工具，而会变成新的攻击入口。
0
告别古法科研：Google DeepMind 的 Science Skills，正在把科研工作台变成 Agent 工作流
Science Skills 的信号很明确：科研 AI 的下一阶段，不是一个更会聊天的模型，而是一个能连接数据库、工具、文献、代码和实验假设的 Agent 工作台。
0
Anthropic详解Claude产品沙箱技术：AI Agent安全，不能只靠模型自觉
Anthropic 最新公开了 Claude.ai、Claude Code 和 Cowork 的沙箱隔离设计，真正值得关注的不是用了哪些安全名词，而是它明确承认：AI Agent 的安全边界不能只靠模型自觉，必须靠环境隔离、权限收口与出口治理一起兜底。
0
Anthropic为什么买下Stainless：AI Agent的命门不是模型，而是连接系统
Anthropic 收购 Stainless 释放了一个更关键的行业信号：AI Agent 的核心竞争，正在从模型能力转向连接系统、工具调用、权限治理与标准化接口能力。
0
个人自动化进入“野蛮生长期”：Claude Code 与 OpenClaw 把 Agent 时代提前推到桌面上
Claude Code 把代码生成推进到长任务执行，OpenClaw 则把终端自动化接进 WhatsApp、Telegram、iMessage 等日消息界面。AI Agent 不再只是企业流程工具，而开始成为个人工作流的操作入口。
0
Agent终于要进数据库了：Oracle MCP Server释放了一个危险又重要的信号
Oracle 最近发布的技术博客，把 AI Agent 连接数据库这件事推进到了一个更具体的位置。它演示如何把 OpenAI Codex 连接到 Oracle Autonomous AI Database MCP Server，让 Codex 通过 MCP 协议访问数据库工具、查看 schema、获取元数据，并在受控权限下执行数据库工作流。
0
MATLAB Agentic Toolkit到底解决了什么问题？一篇看懂MathWorks如何把工程软件接进AI Agent工作流
MathWorks新发布的MATLAB Agentic Toolkit，本质上不是一个简单的“让AI会写MATLAB代码”的插件，而是一套把MATLAB能力、工程知识和AI代理工作流绑定起来的基础设施。它一边通过MATLAB MCP Core Server给AI代理接上可执行的MATLAB环境，一边通过skills把MATLAB工程师的最佳实践注入代理，让AI不只是“会写几行.m文件”，而是能以更接近真实工程团队的方式完成建模、测试、诊断、应用开发与工具箱调用。
0
别把公司扒光给 AI 看：为什么“战略性不可读”会成为下一代护城河？
几乎所有创始人都在焦虑一件事：如何让公司对 AI 更“可读”。但一个更少人愿意面对的问题是，当你把内部知识、流程、判断逻辑和操作方式系统化、结构化、标准化时，你也可能正在亲手把自己的护城河翻译成供应商可以学习、复制和商品化的能力。你的优势，正在变成别人的功能。
0
公司不是缺数据，而是没有记忆：为什么大多数组织越忙越失忆？
大多数公司并不缺数据，真正缺的是“记忆”。会议开了无数，Slack消息刷了无数，工单、邮件、客户反馈和路线图讨论堆成山，但这些碎片很少真正沉淀成组织可调用的共享现实。于是公司越大，越容易失忆；AI 越强，这个问题反而越刺眼。
0
Anthropic 先动手了：大模型公司正和 PE 联手，开出一种新的 AI 服务公司形态
Anthropic 已正式宣布与 Blackstone、Hellman & Friedman 及高盛共同成立一家新的 AI 原生企业服务公司，把 Claude 推进中型企业核心运营环节。OpenAI 方面也被多家媒体连续报道正以类似模式推进 PE 合资平台。这不是普通渠道合作，而是大模型公司开始亲自下场做“驻场交付”。
0
Zero-to-CAD：Autodesk用AI Agent合成百万级可编辑CAD程序，无需真实数据
Autodesk Research发布Zero-to-CAD框架，将LLM嵌入反馈驱动的CAD环境中，通过Agent式搜索合成约100万个可执行、可读、可编辑的CAD构造序列，涵盖倒角、圆角、布尔运算等丰富操作词汇，无需任何真实CAD历史数据。微调后的视觉语言模型在图像到CAD重建任务中超越GPT-5.2。
0
一张3090，够不够撑起你的本地大模型？
在本地大模型玩家圈里，RTX 3090 仍然是一张极有代表性的“临界点显卡”。24GB 显存、成熟的软件生态和相对可承受的成本，让它成为很多人判断本地模型是否真正可用的一把尺子。问题是，一张3090到底能干什么，边界又在哪？
0
软件正在"活过来"：AI Agent时代需要什么样的新基础设施？
过去50年，软件是"录音"——相同输入永远得到相同输出。AI Agent让软件变成了"现场演奏"。但这场演奏需要全新的舞台、乐器和音响系统。谁来建？
0
AI 工程师实战路线图
在 AI 浪潮席卷全球的当下，“AI 工程师”已经成为科技行业最炙手可热的高薪岗位之一。不同于传统机器学习研究者或数据科学家，AI 工程师的核心任务不是从头训练模型，而是把大语言模型真正落地到生产环境中，构建可靠、可扩展、可维护的完整系统。 这份路线图源于 Alexey Grigorev 的开源项目《AI Engineering Field Guide》。该项目分析了超过 2445 个职位 JD、5694 个职责描述和 4525 个实际用例，从中提炼出真正驱动 80% 工作产出的 20% 核心技能。对于想转型或进阶的工程师来说，这不是一份“概念清单”，而是一张非常务实的实战导航图。