Rohan Paul@rohanpaul_aiKocoro 是一个引擎级的开源 Mac AI agent 框架。它通过本地 agent 读取用户的过往会话、文件、应用、浏览器、屏幕和终端，将有用事实压缩为记忆，使 agent 无需重复上下文即可继续工作。安全模型以本地优先：工具操作需授权，危险命令被拦截或二次确认，行为可审计，秘密自动脱敏，记忆/同步默认不上传。其“情景记忆”将历史会话转化为项目事实、决策、协作者、截止日期和习惯。每晚自动将工作日蒸馏成本地知识图谱，次日直接恢复进度。
The models keep getting smarter. The users keep turning into assistants. You paste the file. Re-explain the project. Nar...
火山方舟Coding Plan与Agent Plan升级，集成MiniMax M3、DeepSeek V4系列、GLM-5.1等多款三方模型。即日起至2026年8月7日，新购/升级/续费40元、200元档位可享首两月2.5折（9.9元/月、49.9元/月）。MiniMax M3为新一代旗舰，支持100万token上下文窗口及原生多模态理解。Agent Plan为业界首个Agent套餐包，整合字节自研Seed系列模型与Harness工具，免费提供联网搜索和Embedding记忆能力，可配合Claude Code、OpenClaw、TRAE等工具使用。
Alibaba Cloud@alibaba_cloudAI Agent成本飙升，Uber预算浪费暴露了“Tokenmaxxing”陷阱。阿里云STAROps推出UModel解决方案，采用结构优先方法，用知识图谱替代盲文本推理，通过即时解析依赖关系大幅减少Token消耗和工具调用，实现10倍效率提升，同时确保企业系统可审计与零信任准确性。
京东作为首批内测团队率先接入微信AI，将围绕电商、外卖、物流等业务接入微信AI Agent。微信开放平台提供自动模式和开发模式两种接入方式：自动模式由平台读取小程序源码并分析页面，无需额外开发；开发模式允许开发者基于业务特性自主开发，通过审核后可被微信AI调用。
数字生命卡兹克@Khazix0918近日微信Agent消息密集：6月2日外媒称腾讯正测试嵌入微信的AI Agent，用户右滑唤出窗口，可通过自然语言调用数百万小程序完成点单等任务；6月4日微信与华为等手机厂商合作推出A2A能力，可通过语音助手发起音视频通话；6月8日发布开发者指引，提供自动接入模式，因小程序运行在微信沙箱内，微信可直接读取与分析。这标志着微信Agent正连接硬件生态与内部小程序，触及Agentic Commerce雏形。
Alibaba Cloud@alibaba_cloud腾讯正测试嵌入微信的AI Agent，用户右滑唤出对话窗口，通过自然语言指令调用数百万小程序完成点咖啡等任务。微信还与华为、荣耀、小米、OPPO、vivo合作推出A2A助手能力，可通过手机语音助理发起微信音视频通话或发送消息。6月8日，微信官方发布《关于开发者接入微信AI生态的指引》，提供自动接入模式，利用微信沙箱全自动改造小程序，使其可被AI直接调用。这一布局被视为Agentic Commerce（代理式交易）的雏形。
同一事件，精选展示《微信AI官宣内测：两种接入模式供开发者选择》
歸藏(guizang.ai)@op7418微信发布《开发者接入微信AI生态的指引》，引导小程序开发者接入微信AI生态，使微信AI能够控制小程序。该功能被认为是未来微信AI的重要方向，意味着微信可能正在引入AI Agent能力。
meng shao@shao__meng邵猛关注 Design Skill、Taste Skill、Anti-AI-slop design skill，并开源 Brand to DESIGN.md Skill（GitHub: shaom/brand-to-design-md-skill），让 Agent 学习设计品味后复刻网站。但他指出，这种复刻看多了反而从 Anti-AI-slop 衍生新“AI Slop”，缺少设计精髓，仅皮毛相仿。
Google Research 在 Gemini Enterprise Agent Platform 中推出一个 Agentic RAG 框架。该框架中的 Sufficient Context Agent 会持续重新搜索，直到多跳、多源查询拥有足够的 grounding 来生成回答。相比标准 RAG，该框架将事实准确性最高提升 34%。
微信开发者官方今日发布指引，确认微信AI正在内测阶段。开放平台提供两种接入模式：自动模式可授权平台读取小程序源码，无需额外开发即可让微信AI直接操作页面；开发模式下开发者可自主开发技能，审核后由微信AI调用。两种模式可同时开启。微信AI是微信内的AI助手，用户通过自然语言对话即可调用、访问和操作小程序。服务条款称“微信AI”可能非最终名称。接入与否不影响现有小程序服务。
关联讨论 2 条公众号：数字生命卡兹克IT之家（RSS）
小互@xiaohuGoogle 发布 Agentic RAG 框架，核心新增 Sufficient Context Agent，负责在生成答案前检查检索材料是否充分，若不充分则生成缺失分析并引导系统迭代搜索。在 FramesQA 多跳测试中准确率最高提升 34%，从 4 个数据库检索时正确率达 90.1%，速度仅慢 3% 以内。该设计基于前作发现：Gemini 1.5 Pro 判断“上下文充分性”准确率达 93%，且“相关≠够用”是幻觉关键原因。目前以公开预览在 Gemini Enterprise Agent Platform 开放。
Alibaba Cloud@alibaba_cloud阿里云堡垒机推出Smart Ops Agent，由通义千问（Qwen）驱动，可将自然语言指令转化为安全自动化的云运维操作。核心功能：自然语言运维，将30分钟巡检缩短至1分钟；AI生成脚本，堡垒机全程审计确保安全合规；零配置原生支持ECS、IDC及混合云；自动生成智能报告，无需手动分析日志。该Agent旨在提升云运维效率与安全性。
Rohan Paul@rohanpaul_ai斯坦福、MIT、英伟达、谷歌等顶级实验室联合提出新基准 AutoLab，包含 36 个任务。每个任务中，智能体从可工作的弱代码起步，需在固定时间内迭代优化。任务涵盖系统加速、谜题、模型开发和 CUDA 内核。17 个前沿模型测试结果显示，成功的关键不是初版方案有多好，而是能否持续测试、频繁实验并利用实证反馈。Claude Opus 4.6 领跑基准，靠的是坚持迭代而非初始判断力，而其他前沿模型要么提前放弃，要么思考过久导致超时。
Ethan Mollick@emollickmeng shao@shao__mengBoris Cherny 给出五条让 Claude Opus 自主运行数小时/天的建议：1. 开启 Auto Mode 减少审批；2. 用 Dynamic Workflows 编排数百至数千子 Agent；3. 使用 /goal 或 /loop 指令持续推进；4. 优先用云端 Claude Code，可关闭笔记本；5. 确保端到端自验证能力。邵猛补充：自动权限是前提；/goal、/loop 适合高难度任务但 token 消耗高；需解决本地关机/休眠；端到端验证最重要，否则 token 可能白费。
Seeing a number of benchmarks showing Opus is the best model for long-running work. Five tips for running Opus autonomou...
宝玉@doteySeeing a number of benchmarks showing Opus is the best model for long-running work. Five tips for running Opus autonomou...
Boris Cherny@bcherny多项基准显示 Claude Opus 是长时间运行工作的最佳模型。SWE-Marathon 基准评估编码智能体在 10 亿 token 预算下自主完成长期软件任务（如重写 JAX 代码为 PyTorch、用 Rust 构建 C 编译器）。Opus 在此类任务上领先。Boris Cherny 给出 5 个技巧：使用自动权限模式避免审批；用动态工作流协调数百/数千个智能体；用 /goal 或 /loop 推动持续执行；在云端使用 Claude Code（桌面/移动端）以便关闭笔记本；确保 Claude 能端到端自验证——Chrome 扩展验证网页、iOS/Android 模拟 MCP、启动完整后端服务。
Can coding agents stay coherent over a 1 billion token budget? Can they build Slack from scratch? Rewrite a JAX codebase...
meng shao@shao__meng论文大规模实证检验 AGENTS.md 等仓库级上下文文件对编码 Agent 的影响。在 SWE-bench Lite（300 任务）和新建 AGENTBENCH（138 任务）上测试 Claude Code、Codex、Qwen Code 等组合。核心发现：LLM 自动生成的 context file 在 8 组设置中 5 组成功率下降，平均 -0.5%（SWE-bench）/-2%（AGENTBENCH），成本增加 +20%+；开发者手写仅平均 +4%。冗余假说：移除其他文档后，自动生成反而 +2.7%。建议避免自动生成，精简测试/lint 命令，优先写入仓库专用工具。
http://x.com/i/article/2063647807437705216
meng shao@shao__mengAnthropic Claude Code 负责人 Boris Cherny 表示，他不再手动写提示词，而是编写 Loops 让 AI 自主决策和解决问题。伴随 Claude Opus 4.8 和 GPT-5.5 等高智能模型出现，手把手写 Prompt 的模式将被取代。但 Loops 方案消耗 Token 过快，一个 Goals 可能耗尽 5 小时用量，企业仍需严格审查 Token 消耗的 ROI，因此实践中会通过前置的 Spec、AGENTS.md 等约束让 AI 做确定性可控的部分。Boris 预测这一转变将在今年剩余时间持续。
"I don't prompt Claude anymore. I have loops running that prompt Claude and figuring out what to do. My job is to write ...
meng shao@shao__mengHow do you use coding agents right now?
Berryxia.AI@berryxiaCJ Zafir团队发布Mac-1模型（6.6B参数），可在任何Mac本地运行，仅需7GB内存（12GB更佳）。它支持487个MacOS原生工具，能执行多工具链式调用，推理开启，输出速度约65 tok/s。应用层基于Mac原生UI/UX设计。作者认为这种本地小模型+原生工具的组合直接挑战云端SaaS agent，甚至可能抢了苹果Siri的活儿。
Here's a teaser of our Mac-1 model. > 6.6B model > runs locally (on any Mac) > requires 7GB RAM (12GB ideal) > can use 4...
Orange AI@oran_ge诞生100天后，Cola AI正式公测（1.0.0版本），无需邀请码即可在Mac和Windows上下载使用。新用户注册24小时内可获5美金额度。Cola被团队定义为“有灵魂的AI”，具备连续记忆、语音交互和自我进化能力，强调像人类一样长期记忆和情感共情。官网：colaos.ai。
datasette-agent-edit 0.1a0 插件发布，为 Datasette Agent 提供智能体编辑文本的核心工具。其设计借鉴 Claude text editor，实现三个工具：view（按行号查看文件片段）、str_replace（精确替换唯一字符串）、insert（在指定行号后插入文本）。该插件作为基础组件，可供其他协作 Markdown 编辑、SQL 查询更新、SVG 编辑等插件复用。
ginobefun@hongming731BestBlogs早报06-08聚焦三篇AI工程实践精讲：iPod之父Tony Fadell系统阐述“知情直觉”与“三代法则”，警告AI时代的“认知投降”和“快时尚软件”；OpenAI工程团队分享使用Codex
ginobefun@hongming731今日早报聚焦AI产品与工程前沿：iPod之父Tony Fadell提出创新依赖“知情直觉”而非数据，并总结“三代法则”；OpenAI内部用Codex全程零人工代码交付约100万行代码，合并1500个PR，效率为手写代码10倍；Thoughtworks专家梳理Coding Agent范式转移，指出Context Engineering是双向放大器，并强调Harness Engineering构建安全网；Anthropic首次公开内部Claude Code Skills经验；OpenAI计划将Codex并入ChatGPT打造超级应用。
http://x.com/i/article/2063761613795270656
iOSWorld 是首个基于持久用户身份构建的原生 iOS 模拟器基准，包含 26 个新开发的互联应用及 133 个任务，分为单应用（27 个）、多应用（60 个，跨 2–8 个应用）和记忆与个性化（46 个，需从个人数据推断模式）三类。在纯视觉和特权视觉+XML 设置下评估前沿及开源模型，最佳准确率 52%（多应用仅 37%）；特权 XML 使前沿模型提升最多 26 个百分点，小模型未受益。基准已开源发布。
Visual Para-Thinker++ 是一种单策略多智能体框架，将共享 MLLM 策略实例化为角色条件化的 Main、Worker 和 Summary Agent。Main Agent 按固定模式分解任务，Worker Agent 在上下文隔离下并行推理，Summary Agent 整合全部 Worker 推理轨迹而非对最终标签进行多数投票。共享策略通过多智能体能力注入和角色解耦多智能体优化训练，为对应 token 片段分配角色特定奖励和优势以减少梯度冲突。推理引擎通过共享视觉前缀和 KV cache 重用实现高效多智能体 rollout。在 V*、CountBench、RefCOCO 系列和 HallusionBench 上，该框架一致优于单轨迹和推理时并行基线，在幻觉敏感任务上增益尤为显著。
WeaveBench 包含 114 个任务，覆盖 8 个真实工作领域，要求智能体在单次轨迹中结合 GUI 操作、CLI 与代码执行。评估在真实 Ubuntu 桌面进行，并设计了轨迹感知评判器以检测伪造视觉证据等捷径。前沿模型-运行时组合的最佳 PassRate 仅为 41.2%，表明基准远未饱和；仅依据结果评分会显著高估智能体性能。该基准揭示了当前计算机使用智能体评估的关键缺口。
τ-Rec 是一个面向智能体型推荐系统的评估基准，用可验证奖励和 reveal-tagged elicitation（RTE）机制替代主观的 LLM-as-a-judge 评估。该基准通过结构化目录谓词测试智能体，并采用 pass^k 可靠性指标衡量一致性推理。对五个模型族（GPT-5.4、Claude Sonnet 4.6、Gemini 2.5 Flash、DeepSeek V4 Flash、Qwen3-32B 和 GPT-5 mini）的九种配置评估发现显著的可靠性悬崖：最佳模型在 pass^1 上仅约 57%，在 pass^4 上降至约 38%，暴露出当前对话智能体部署中的关键差距。全部代码和数据已公开。
研究团队提出SearchSwarm，通过设计引导框架将长周期任务分解与委托决策编码为高质量轨迹，并用作监督微调数据，将委托智能内化到模型权重中。由此训练的SearchSwarm-30B-A3B模型在BrowseComp上达到68.1分，在BrowseComp-ZH上达到73.3分，均为同规模最佳。团队将开源引导框架、模型权重和训练数据。
文本世界模型（TWM）是文本状态的迁移模型，给定状态与候选动作后预测网页、终端输出等，从而支持规划与评估。综述按智能体生命周期组织四部分：基础（定义与表征）、构建（LLM即世界模型与代码即世界模型范式）、应用（训练时经验合成与推理时规划/验证/适应）、评估（模型自身评估及作为评估环境）。旨在整合领域，阐明设计空间并指出开放挑战。
Berryxia.AI@berryxiaOpenAI 发布 Codex 应用场景新页面，展示各团队已委托编码代理执行的七大类任务：工程开发、产品开发、质量测试、安全检查、数据分析、内部工具及生命科学工作流程。具体案例包括审查 GitHub PR 并理解大型代码库、将截图转为响应式 UI、模拟真实用户操作进行 QA 测试、重构老旧代码与数据迁移、修复安全漏洞、撰写 PRD、分析数据集、开发内部应用及辅助生命科学研究。页面表明编码代理正从演示阶段融入日常工作。
OpenAI just published a new Codex use-case page, and it's basically a catalog of what teams are already handing over to ...
elvis@omarsar0未来几周将有超强AI模型发布，模型能力可能迎来阶段性提升。DAIR.AI创始人Elvis Saravia认为，当前最大的错误是从成本或工程角度锁定单一供应商，建议开始利用模型组合（包括开源模型），保持“模型无关”，以便随时切换模型以发挥其各自优势。对于编程智能体，开源模型表现已媲美前沿模型。他建议将“AI模型路由”作为核心策略，高效分配任务/工作给不同模型，这是一项高回报的AI工程投入。
Greg Brockman@gdbOpenAI just published dozens of real-world workflows showing how teams are using it to automate work. > Manage your inbo...