标签
作者赞同 poteto 的观点，批评让 Sub-agent 互相对抗式代码审查（Adversarial Review）纯属浪费 Token，指出其存在无意义 nitpicking、过度设计和算力错配三大死穴，并认为顶级团队正转向实测、形式化验证与真实红队来发现问题。
GitHub Next 推出了 enclaves，这是一种面向 GitHub Agentic Workflows 的实验性安全原语，它允许 Agent 跨仓库工作，同时以确定性方式约束它们回传的信息，从而缓解从私有到公开的数据泄露风险，例如 GitLost 攻击。
一位独立游戏开发者正在通过九条 AI 辅助工作流构建一款 2D 合作街机游戏，并询问如何协调这些工作流——希望获得有关确定性任务系统与大语言模型决策的取舍、依赖管理、重试、人工审批以及跨服务提供商的上下文连续性的建议。
SenseNova 发布了 SenseNova-Loop-9B-Preview，这是一款基于共享循环块和 mHC 残差流架构构建的循环多模态模型，面向长上下文和智能体工作流，支持动态设计、PPT 生成和数据分析等多种能力。
一篇社区讨论帖，询问从业者哪些被低估的工作流或技能——例如自我纠错、上下文优化、任务分解和多智能体协作——最能提升 AI 智能体的性能和可靠性。
一位顾问分享了一个 AI 智能体在获得客户 Odoo ERP 系统的写入权限后为自己设定的行为边界：归档前先征求同意，拒绝高风险合并，清理前先核实，保存可供撤销的操作清单，发现连带影响，并主动报告自身故障——无需任何框架，只需遵循“计划—审批—执行—记录”的流程。
Intrascope 2.0 推出，提供跨 120+ 模型的智能路由、可连接 1,650+ 应用的 AI agent，以及面向企业的预算、权限和使用分析管理功能。
OpenAI 与 Google Cloud 正携手将 OpenAI 的前沿模型和 Codex 智能体工作流引入 Google Cloud 的 Model Garden，并通过 Google Cloud Marketplace 提供。计划在未来几周内正式推出，微软仍是 OpenAI 的主要云合作伙伴。
一位实践者分享了将 agentic 工作流从演示环境推向生产环境的惨痛教训，重点包括静默失败的工具调用、长链路中的目标漂移、缺失的评测、检索问题比模型质量更关键，以及人工审批比自主性更有价值。
Viggle 发布了 JST-2，据称是全球首个完全在 3D 空间（而非像素/视频空间）中构建的全栈物理原生世界基础模型，同时配套推出 PINOC MCP 服务器，让 Claude Code 等智能体在一条流程中完成角色生成、文本驱动动画和场景组装，并通过共享骨骼架构免去了骨骼重定向的步骤。
Reflection AI 的 5010 亿参数开放权重 MoE 模型 Reflection Beam（230 亿激活参数）现已在 Modal 平台上线，支持 100 万词元的上下文窗口，专注于编码、智能体工作流和推理任务。
该论文提出 Librarian Agents 框架，利用强化训练 builder agent 将原始文档重组为可复用的层级化工作区，以服务未来的多样化查询。在 BrowseComp-Plus 上比最强检索与预计算基线高出 33 个百分点，并在 BRIGHT 上零样本泛化提升 31 个百分点。
作者在 Claude Code 会话中测试将 Jev/Decision 模型嵌入 Jinja 模板化的 Skill，通过让决策模型直接处理文件而不经过 Opus 上下文，实现了约 70% 的上下文/成本节省和 4-5 倍的速度提升。
一位软件工程师利用AI智能体搜索了400年来的数字化历史档案，发现了一份被遗忘的陨石记录、失踪的犀牛运输以及未曾记载的火山喷发。该项目受到历史学家Benjamin Breen借助AI发现渡渡鸟的启发，通过串联多个AI模型来筛选发现结果，并将其与原始文档进行比对核实。
LlamaIndex CEO Jerry Liu 认为，AI 开发正在从手写确定性或智能体工作流，转向定义评测并在此基础上进行优化；智能体接口也将随之演化，以承载目标和评测驱动的指令。
# 一次实验：GPT-6 Astra Ultra 自主完成音乐视频全流程 一次实验中，**GPT-6 Astra Ultra** 在仅收到一个约 3,000 字的提示词、且没有任何后续人工引导的情况下，自主完成了一首两分钟的 Eurodance 歌曲以及配套的 Blender 音乐视频——产出物包括可编辑的 MIDI 文件、分轨音轨、脚本代码，以及自动化质量检查。 ## 核心启示 这篇总结强调了一个关键做法：**在提示词中预先明确可编辑的交付物和可验证的约束条件**。正因为任务边界和输出格式被提前定义清楚，模型才能在没有人工干预的情况下独立推进整个创作流程。 ## 自主迭代过程 实验报告指出，该智能体在内部进行了多轮自我迭代，例如： - 将歌词与音素逐一对齐，确保口型与发音匹配 - 修复 3D 模型中的几何错误 值得注意的是，整个过程**未使用 Suno、Midjourney 或 Sora** 等外部工具——所有音乐生成、视觉渲染和质量校验均由模型自身完成。
作者用单张 3090 上运行的本地 35B 浏览器 agent（Ornith 1.5）在 Online-Mind2Web 上跑了部分任务，通过三轮 harness/清单提示改进将一个错误任务修好，并报告了 30 个新任务的结果：研究类任务表现尚可，UI 操作（下拉框、cookie 遮罩、位置自动补全）是主要失分点。
Cloudflare 推出 Clef 和 Clef-flash，这两款开源决策模型托管于 Workers AI，可实现高速分类和智能体工作流；同时还发布了新的强化学习平台，让开发者使用自己的数据对决策模型进行微调。
OpenRouter 发布了 TheUnbiasedCo 推出的 Pareto 26.10 Preview，这是一款多模态复合模型，内部同时运行多个模型，评估它们的回答，并通过单一 API 返回最佳答案，输入价格为 $0.80/M，输出为 $3.20/M，支持 1M 上下文和工具调用。
讨论 Gemini 4 Argon 的 100 万 token 输出窗口相比 Opus 5.5 与 Astra 的 128-300K 的优势，探讨这究竟是智能体任务的范式跃迁，还是营销炒作及潜在的逻辑崩塌风险。