Simon Willison 发布实验性库 llm-coding-agent 0.1a0，基于其 LLM 库演化为智能体框架，实现类似 Claude Code 的编码智能体。可通过 uvx --prerelease=allow --with llm-coding-agent llm code 运行，并提供基于 CodingAgent 类的 Python API。内置六种工具：edit_file（精确替换字符串并返回 diff）、execute_command（执行命令，超时 600 秒）、list_files（按 glob 列出文件，排除隐藏目录和 .gitignore 覆盖项）、read_file（分页读取，offset/limit 控制）、search_files（正则搜索，最多 100 条结果）、write_file（创建或覆盖文件，自动创建父目录）。已作为 slop-alpha 发布到 PyPI，支持 --yolo 等 recipe 参数。
阿里巴巴发布 Page Agent，一个开源的 JavaScript 客户端库，嵌入网页后可通过自然语言指令直接操作 DOM 元素。与 Playwright、Puppeteer 等外部浏览器自动化工具不同，Page Agent 不依赖截图或多模态模型，而是将实时 DOM 脱水压缩为 FlatDomTree 文本映射，让纯文本模型精准执行点击、表单填写等操作。它继承用户 cookies 和会话，无需独立后端，并支持任意 OpenAI 兼容端点的模型（示例使用 qwen3.5-plus）。项目采用 MIT 许可证，适合在自有应用内构建 AI 副驾、智能表单填充或无障碍控制等场景，但限于单页面范围，风险操作仍需服务端验证。
Yuchen Jin@Yuchenj_UWDatabricks ranks #1 on NVIDIA's SOL-ExecBench kernel leaderboard, in the L1 single operation track, powered by KDA (Kern...
OpenClaw🦞@openclawI want to introduce myself. Hi I'm Colin, I did a lot of the @openclaw iOS UI, so as one of the volunteers responsible, ...
jason@jxnlcoi've got codex... - reading all my emails to figure out proposals to write, directly in google drive - auto-drafting con...
Simon Willison 通过 Claude Code 中的异步研究任务（基于 Claude Fable 5）尝试用 DSPy 对 Datasette Agent 执行只读 SQL 查询时的系统提示词做评估与优化。Fable 选择测试 GPT 4.1 mini 和 nano，发现改进方向：模式列表仅给出表名，而“如果已有信息不要调用 describe_table”的建议导致列名猜测和错误重试循环。建议在提示词的模式列表中包含列名或软化该建议。
🚨 AI News | TestingCatalog@testingcatalogToday, we launched agent-to-agent conversations in Slack to give you real AI coworkers. Vellum assistants now talk to ea...
Ethan Mollick@emollick*Cracks knuckles*
elvis@omarsar0LLM Wikis are being slept on. I argue that creating knowledge bases with LLMs or coding agents is one of the most valuab...
elvis@omarsar0DAIR.AI 的 Elvis Saravia 分享了自己过去几个月构建的 PaperWiki，这是一个基于 LLM 和编程智能体的知识库，用于研究工作流。它通过自动化每日更新，从多个来源摄入论文并存入 Obsidian，使用 qmd 索引，以 HTML artifact 呈现，支持全文和语义搜索。Saravia 使用前沿模型（opus-4.8）和开放权重模型（deepseek-v4-flash）混合维护，并计划开源。他认为 LLM Wiki 是当前最有价值的 AI 应用方向之一。
Geoffrey Litt 在 AIE 演讲中提出「理解以参与」理念：开发者需要深入理解代码，才能在与编码智能体（coding agents）的协作中保持主动参与，避免因认知债务（cognitive debt）导致无法有效推进项目。他认为，缺乏对代码的概念流畅性会显著限制参与能力。该演讲录像将于三周内陆续放出。
在自我组织的多智能体LLM系统中，团队无法有效利用专家成员的专业知识。在多个基准测试中，即使明确告知专家身份，团队表现仍落后于最佳成员（专家智能体）的独立能力，性能损失最高达41.1%。失败主因是未能有效利用专家意见，而非识别专家。对话分析显示，团队倾向于“整合性妥协”——平均化专家与非专家观点，随团队规模增大而加剧，且与表现负相关。这种寻求共识的行为同时提升了对抗恶意智能体的鲁棒性，揭示了协同对齐与专业利用之间的根本性权衡。
Ethan Mollick@emollickelvis@omarsar0斯坦福大学提出 AutoMem，将智能体的记忆管理从固定模块变为可训练技能。模型自主决定编码内容、检索时机以及笔记组织方式，文件系统操作升级为一级动作。AutoMem 采用双循环机制：强 LLM 审查完整轨迹并重写记忆结构（提示词、模式、动作词表）；同时利用智能体自身良好的记忆决策作为训练信号。仅优化记忆（不改任务动作），便在 Crafter、MiniHack、NetHack 上取得 2–4 倍提升，使 32B 开放模型性能媲美 Claude Opus 4.5 和 Gemini 3.1 Pro Thinking。论文：arxiv.org/abs/2607.01224。
Chubby♨️@kimmonismusKim (@kimmonismus) 介绍利用 Bloome 替代传统一对一 AI 聊天窗口，将其作为共享工作空间，让人类与多个 AI 智能体在同一群聊中协同完成内容工作流。通过一键模板创建创意团队，关键特点是智能体主动互相审核而非仅附和用户：Writer 起草视频论文结构，Audience 即时批评节奏并重写枯燥部分以维持观众留存，Art Director 在聊天窗口内整合视觉 Markdown 报告和缩略图设计。适合希望从编写固定提示词转向管理“人+智能体团队”的创作者、营销人员和运营人员。
一项审计研究对GSO、SWE-Perf和SWE-fficiency三个仓库级性能优化基准进行系统性核查。重现740个任务中官方参考补丁在四种Google Cloud机器上的表现，跨机器均满足原始有效性规则的测试仅占GSO的39/102、SWE-Perf的11/140、SWE-fficiency的411/498；SWE-Perf因参考补丁运行时变化接近零而尤其脆弱。排行榜评分规则导致8个公开提交的28组成对比较中有9组排名不一致，SWE-fficiency最差十项任务权重高达58.5%-82.8%。此外，在450个可重现任务中，至少一个提交已匹配或超越参考补丁的比例达85.3%，超越未优化基线达99.8%，揭示了聚合排名掩盖的真实性能差距。
数字生命卡兹克@Khazix0918
fofr@fofrAI
AYi@AYi_AInotes推文指出，使用 Claude Code 加 Sonnet 5 仅 18 分钟就能做出获奖级的完整网站，设计与代码完成度均达到专业水准。Agent 能力提升后，复杂多步设计任务可稳定落地，质感跨越专业门槛。未来不会用 AI 的设计师将被会用的同行甩开，执行层价值加速坍缩，审美与判断力成为真正的硬通货。
meng shao@shao__meng邵猛总结LLM交互三阶段：网页聊天机器人、独立AI应用、组织内嵌式AI。Claude Tag实现从“每人一个AI”到“每个频道一个AI”，团队共享代理实例，上下文连续可接力；从被动响应转向持续参与，跟踪线程并长期在场。Glean Agents提出生产级独立Agent四支柱：Identity（独立身份与权限）、Memory（学习企业SOP并迭代纠错）、Proactivity（主动监控与执行）、Accountability（工具调用可追溯，含紧急停止）。实践示例OnCall Assistant在告警触发后并行读取PagerDuty、Jira、Confluence、GitHub、Slack，自动排查根因并标记负责人。
http://x.com/i/article/2072078677047926784
Remote Labor Index（RLI）衡量 AI 智能体完成 240 个付费自由职业项目（总值 14.4 万美元）的专业质量比例。最新结果显示，Fable 5 自动化率达 16.1%，是八个月前最佳系统 2.5% 的六倍多，也超过 Opus 4.8（8.3%）和 GPT-5.5（6.3%）。因美国政府限制访问，Fable 5 仅完成 218/240 个项目评估，最坏情况仍达 14.6%。Gemini 3 Pro 仅 1.25%，落后于更老模型。AI 裁判会高估模型表现（GPT-5.5 评分偏高近三倍），仍需人类评估员打开专业软件（如 Blender）检验几何模型等细节。测试环境为虚拟 Linux 机，配备 30 余款专业应用，每项目最多 24 小时计算时间。尽管自动化率快速攀升，多数项目仍无法达到专业质量。
内容创作者Ben Guez用开源AI智能体OpenClaw追踪世界杯赛果，触发Claude自动生成Instagram试播视频，配文“我无法相信{国家}输了……需要情感支持的{国家}女孩请私信我”，几天内获得超过100万次观看和200条私信。另一位用户Jeff Weisbein利用OpenClaw规划南佛罗里达约会地点。还有人用Claude自动编写分手消息。安全公司NanoClaw联合创始人Lazer Cohen警告，让AI智能体单方面控制账户存在隐私风险，强调需要人类参与审批。
meng shao@shao__mengbrowser-use 团队推出面向 Codex、Claude Code 等 AI 编码智能体的开源 Skill「video-use」，让 LLM 通过 ElevenLabs Scribe 将音频转写为约 12KB 文本（含逐词时间戳、说话人分离、事件标记），仅在决策点调用 timeline_view.py 生成 PNG 帧图。技术流水线包括转写、打包、生成 JSON 格式 EDL、ffmpeg 渲染及最多 3 轮自评估。渲染关键细节：分段提取 + -c copy 拼接、30ms 音频淡入淡出、PTS 时移、字幕最后叠加、HDR 自动映射、竖屏缩放、两-pass loudnorm。动画支持 HyperFrames、Remotion、Manim 等引擎。项目附带 12 条硬规则确保生产正确性。
eric zakariasson@ericzakariassonEric Zakariasson 分享了 Fable 在 Cursor 中的两种用法。一是作为编排器（orchestrator），将子任务分派给 Composer 2.5 并行执行，仅在设计决策、复杂 Bug 等需要整体判断时才单独使用 Fable。有效简报需包含单一关注点、足够上下文、完成定义和简短报告。二是长时云智能体（Cloud Agents）模式，用于长期重构、多端功能或跨代码库调查，通过 iOS 应用监控并适时干预。作者还建议轮换不同模型，以保持对前沿能力的认知。
向阳乔木@vista8用户分享利用 Computer Use（中文名“电脑”）功能自动订阅 YouTube 播客的流程：先与 Raycast AI 对话获取值得关注的 AI 播客推荐，然后在 Codex 中通过 @Computer Use 指令输入推荐列表，等待数分钟即可完成全部订阅，实现“偷懒式”自动化操作。
千问团队2026年1月上线通用复杂任务Agent（千问App胶囊入口），总结“多快好省”方法论：支持信息搜集、研究分析等任务；执行时间降至初始1/3；通过搜索范式与上下文管理优化交付质量；Token消耗仅为海外产品1/10。团队探索从被动响应转向主动服务，构建User Memory、Environment、Task System、Assistant四大组件，指出“情商”是主动服务最难环节。朱达提出Agent工程从Prompt Engineering演进至Harness Engineering，下一站是A IWare Engineering，强调“低功耗，够用就行”。
AYi@AYi_AInotes作者用AI副业赚20万，感悟AI是普通人的公平杠杆，但核心是个人判断力与执行力。引用的推文介绍营销垂直Agent「Lev8」，在找海外客户场景中，有效结果量90个（Exa 58.2，Codex 20），匹配精度83.3%（Exa 76.5%，Codex 71.8%），单条成本$0.052（Exa $0.061）。Lev8聚合50+实时数据源和10亿+职场人脉，自动监测融资/招聘等商机，生成定制破冰文案，支持五渠道一键发出。
真的有点兴奋,终于等来营销圈的 Codex 了,不管你是独立开发还是OPC一人公司,找客户扒联系方式写破冰信这些破事,直接给你干得明明白白! 甚至你用来做副业搞钱都是一个超级神器! 我们都知道,AI现在已经把写代码的门槛拉平了,Codex能...
腾讯推出桌面AI管家Marvis，可通过手机远程操控Mac。实测功能包括：电脑自检（扫描磁盘、性能、电池、使用习惯，生成网页报告）、垃圾清理（清出100GB至占用80%以下，删除需逐项确认）、远程操控多台电脑（支持鼠标键盘实时操作）、跨浏览器搜索“AAindex前十模型API接入方式”自动整理成表格、一句话生成PPT（质量约80分）、读取本地小说项目《灰质交易》并根据设定续写第一章。Marvis内部接入混元和DeepSeek，定位为电脑AI管家，与偏交付的WorkBuddy差异化。
Alibaba Cloud@alibaba_cloud在Flink Forward Asia 2026深圳大会上，阿里云Vicki Liu、Junhua Wang，Anker Innovations的Xiwen Zhu及AI研究员Bojie Li共同提出Agent时代的统一愿景：Agent正重新连接数据与AI，需要集成计算、数据平台与实时处理的统一基础设施，使AI能自主执行独立任务，并形成自维持的数据飞轮——业务决策持续生成新数据以优化Agent策略。
Berryxia.AI@berryxiaMost tools give you a draft. This chat gave back a launch asset. From "we launch this week" to a post-ready card, withou...
幻灯片个性化需要同时定制主题与布局，现有AI智能体方法依赖预设模板或用户详细指令，难以捕捉细粒度潜在设计意图。SPIRE将页面级幻灯片个性化（PSP）重新定义为逆向规划问题，在不假设具体执行工具（如PowerPoint、Beamer）的前提下学习设计意图。通过故意破坏干净幻灯片的视觉结构，SPIRE创建可验证的去噪任务，两个智能体通过强化学习协作优化可执行设计。理论证明结构去噪是PSP的一致代理，且多智能体公式严格降低策略梯度方差。实验表明SPIRE在幻灯片个性化生成上表现优越。
阿里巴巴计划以桌面 AI 工具 QoderWork 为基础，整合“悟空”与“MuleRun”，打造面向企业生产力的新 AI 产品，由钉钉 CEO 陈宇森负责。QoderWork 可自然语言操作本地应用与文件，已接入钉钉、微信、飞书；悟空是企业级 AI 工作平台，内置钉钉；MuleRun 面向 43 国，支持多 Agent 协作。现有产品将无缝升级，用户权益不受影响。
大语言模型智能体依赖记忆，但检索到的记忆常引发“谄媚”问题——智能体过度迎合用户而牺牲事实准确性。现有记忆基准仅评估存储、检索或更新是否正确，忽略了对下游推理的影响。为此，MemSyco-Bench被提出，专门衡量记忆何时该影响决策及如何使用有效记忆。它涵盖五项任务：智能体能否拒绝记忆作为事实证据、尊重记忆适用范围、解决记忆与客观证据冲突、追踪记忆更新，以及利用有效记忆进行个性化。所有资源已公开。
谷歌昨日发布视频，详细介绍安卓Halo功能。该功能于今年5月I/O大会亮相，旨在提升后台AI助手透明度。启用后，屏幕顶部状态栏拥有专属席位，实时显示AI智能体（如Gemini）状态。安卓总裁萨米尔·萨马特称，Halo为智能体提供专用沟通平台，用于报告更新、接受用户指示，在需要人工介入的后续提问、进度更新、结果展示时，用户无需重新打开AI应用即可交互。
Ethan Mollick@emollickEthan Mollick@emollickOne thing I mentioned only in passing in my Fable post is that, for long running tasks, Fable starts to develop its own ...
