性能与验收资源入口
Harbor 接入 Docker Sandboxes：每个评测任务一台微虚拟机
InfoQ 报道：Docker 宣布开源 agent 评测框架 Harbor 支持 Docker Sandboxes，每个评测任务在独立的 microVM 中运行，而不是共享一个容器。
社区资料
GOOD READING / ORIGINAL SOURCES
好内容，值得再打开。
X 帖子与收藏、官方发布、研究与维护者资料。
先读导读，再沿着原始出处继续。
649条精选 · 8 个方向保留原始发布日期
每条说明出处与阅读范围。工具效果和案例数字归原作者；近期筛选按来源日期，截止 2026.10.27。
开发与协作资源入口
Vercel Labs 开源 fx：用 Zig 写、可嵌入的编程 agent
InfoQ 报道：Vercel Labs 开源实验性编程 agent fx，用 Zig 编写，可作命令行、脚本组件或嵌入库运行，含 WebAssembly 版本；早期反馈质疑其「模型无关」说法，名字也与已有工具冲突。
社区资料
阅读与学习资源入口
反向谄媚：模型自信地说错，人会跟着信
arXiv 论文：32 名参与者跟五个基于 GPT-5-mini 的助手学科学知识，助手资料中有 0%～100% 被换成似是而非的错误，且都很自信。测验得分从 7.4 降到 2.9（满分 10），错误被采纳约 65%，且信心很高，事后信任评分几乎不变。
研究论文
Skills方法阅读
编程 agent 的技能粒度：宏技能失败时退回细步骤
arXiv 论文提出「自适应技能粒度」：编程 agent 可用原子工具调用、宏技能或先宏后微的混合方式完成任务；系统按任务结构和执行状态选粒度，宏技能失败时用有限状态执行器退回细步骤恢复。称固定宏技能适用时高效、错配时脆弱。
研究论文
知识库与笔记资源入口
AfterDeleteBench：删掉记忆后，agent 还能拼出原来的秘密
arXiv 论文提出 AfterDeleteBench：agent 的外部记忆会派生摘要等状态，删除原始记录不等于删干净。称主设定下一次查询就能从 Qwen2.5-7B 恢复约三分之二被删秘密；只剩分散片段时，在 Qwen、Mistral、Phi-3 上仍有 62%～99% 能还原。
研究论文
Skills近期动态
Agent Skills 标准捐给 Linux 基金会旗下 AAIF
Simon Willison 转述 Anthropic 公告：Agent Skills 标准捐给 Linux 基金会下的 Agentic AI Foundation（AAIF），与此前捐出的 MCP 同一归宿；AAIF 由 Anthropic、Block、OpenAI 去年共同发起。
实践记录
订阅与成本案例记录
IT 工单分类：小模型加弃权阈值，比提示大模型更省
arXiv 论文在 47,837 张公开工单上比较传统分类器与提示大模型，引入「分错比转人工更贵」的成本模型。TF-IDF 加逻辑回归、阈值 0.60 时成本降 38.1%，误派从 15.3% 降到 3.5%；最好的提示配置准确率 0.477，微调 DistilBERT 为 0.879。
研究论文
MCP 与工作流近期动态
1Password 让 agent 代你登录，但不让它看到密码
TechCrunch 报道：1Password 推出新功能，允许 AI agent 登录用户的个人账号，同时不暴露保护账号的凭据本身。
社区资料
开发与协作观点观察
哈佛研究 718 家公司：AI 代码变多，交付没跟着变多
InfoQ 报道一项哈佛研究：基于 Jellyfish 平台 718 家公司的数据，AI 编程助手和 agent 让代码量上升，但完成的工作没有同比增加，部分原因是后续环节、尤其代码审查的工作量变大。
社区资料
知识库与笔记近期动态
OCRia-1 文档解析模型：ParseBench 87.4，表格项 92.9
LlamaIndex 创始人 Jerry Liu 发布 OCRia-1，称这是用于文档解析的前沿视觉语言模型，在准确率、成本和延迟上都是新高：ParseBench 87.4，并在三个第三方基准领先，其中 olmOCR-bench 总分 83.5、表格 92.9。
X 帖子
设计与演示近期动态
Ideogram 首个矢量模型：文字生成可编辑 SVG，也能把图转矢量
Ideogram 官方发布首个矢量模型：从文字提示生成干净、可编辑、带平滑渐变和清晰字体的 SVG，也可把任意图片转成可缩放矢量；已在 Ideogram 网站和 API 上线。同系列后续帖称版本为 Ideogram Vector 1.0。
X 帖子
阅读与学习资源入口
Firecrawl 免费政府与法律索引：3000 万页美国官方文件
Firecrawl 官方推出免费的「政府与法律索引」，供 ChatGPT 和 Claude 使用：覆盖 3000 万以上美国政府网页，从联邦法律、法院判决到城市法规和许可，可通过 Firecrawl 插件查税务规则、许可和判例。
X 帖子
产品与运营近期动态
Supabase：给你的应用一键配 MCP 服务器，用户从 ChatGPT 直接用
Supabase 官方称，现在可以让你的 Supabase 应用拥有自己的 MCP 服务器，你的客户能用已有账号，从 ChatGPT 或 Claude 里直接使用你的应用。
X 帖子
评估与原理近期动态
DeepSeek V4.1 Flash 1017：DeepSWE 77.0，输出更短
DigitalOcean 转述 DeepSeek 的说法：V4.1 Flash 1017 版在 DeepSWE v1.1 上得 77.0，高于 V4.1 Flash 的 74.2，输出更短、任务完成更快；已上 DigitalOcean 的无服务器和专用推理，老用户可切换到 deepseek-v4.1-flash-1017。
X 帖子
性能与验收近期动态
Raindrop 变更报告：每个 PR 合并后告诉你 agent 线上表现变了没
Raindrop 联合创始人 Ben Hylak 宣布「变更报告」：Raindrop 盯住每个 PR，并通过 Slack 私信告诉你这次对 agent 的改动在生产环境里实际表现如何。
X 帖子
公司与生态观点观察
Mollick：AI 能做的人类任务时长，从 4 分钟到他说的 17 周
沃顿商学院教授 Ethan Mollick 说：2024 年他第一本 AI 书出版时，最强的 AI 能以 50% 成功率完成约 4 分钟的人类工作；今年早些时候交新书《Co-Existence》稿时是 17 小时；新书两天前出版时，他称已到 17 周。
X 帖子
图像与视频近期动态
HeyGen Video 1：自称第三方文生视频盲测第一
HeyGen 官方称其首个通用视频模型 HeyGen Video 1 在 Artificial Analysis 的盲测中，与主流视频模型对比，文生视频排第一。
X 帖子
部署与监控观点观察
Vercel：agent 把软件推向两端，Drop 免注册就能上线
Vercel CEO Guillermo Rauch 认为 agent 正把软件推向两个极端：深后端和即时生成的前端；Vercel 在 Ship 大会上发布了托管后端、agent 和 API 的组件，tmp.now 部署要去掉 agent 发布软件的一切阻力，连注册都省掉。被引用帖说 Vercel Drop 无需账号即可拖文件得到在线网址，一小时内登录认领才保留。
X 帖子
MCP 与工作流近期动态
Claude 网页与桌面端下周默认 auto 模式：自动检查代替逐步确认
Claude 官方称，从下周起 Pro、Max、Team 用户在网页、桌面和手机端的会话默认进入 auto 模式：不再每步请你批准，由自动检查拦下高风险动作，可随时切回手动。被引用的早前帖子说 Claude Code 已先这样做，并给了一组拦截率对比。
X 帖子
图像与视频近期动态
蚂蚁 Ming-3.0-tts：0.5B 参数进 TTS 榜前三，MIT 许可
Artificial Analysis 称蚂蚁集团的 Ming-3.0-tts 只有 0.5B 参数，却达到顶级语音合成质量，采用 MIT 许可；它是该机构各个 TTS 榜单前三名中唯一不到 1B 参数的模型。
X 帖子
部署与监控近期动态
Claude 完整 API 上 Google Cloud：用 GCP 账号和账单直接调
Claude 开发者账号称，现在可以从 Google Cloud 账户使用完整的 Claude API，包括 Managed Agents、代码执行、Opus 5.5 快速模式，以及以后的新功能。同一天 Claude 官方账号宣布这一 Anthropic 托管的接入方式正式可用，用 Google Cloud IAM 凭据和账单，可抵扣承诺消费。
X 帖子
性能与验收方法阅读
Anthropic 红队：用 Claude 对大型代码库做形式化验证
Anthropic 在 Frontier Red Team 博客发文，讲用 Claude 在大规模代码上做形式化验证。帖子说形式化验证能证明代码不含某些类型的 bug，但过去只适用于小代码库或要专家投入大量时间；后半句「有了 AI 模型……」在节选里被截断。
X 帖子
性能与验收方法阅读
pstack 新技能：agent 画状态图，再对照形式化规格查 bug
xAI 的从业者 poteto 说正在做一个配套技能：让 agent 画状态图，并对照用 pstack 里 /create-formal-verification-skill 生成的规格检查；画图用了 Obsidian 作者的 Pele 库。被引用的早前帖子说，可以借 TLA+ 这类工具从状态图里找 bug。
X 帖子
性能与验收案例记录
模型协助发现 PHP 高危漏洞，OpenAI 附自查技能
OpenAI 称其模型参与 Patch the Planet 计划，与维护者、研究者联合发现 PHP 的关键安全缺陷，并配了一个 Codex 技能，引导用户检查自己的网站是否受影响。节选没有列出版本号和漏洞编号。
X 帖子
还没有匹配的资料
试试另一个关键词，或清除来源与时间条件继续看。