标签
文章宣布Prompt Engineering已死，提出Loop Engineering作为2026年AI开发的新范式，强调设计自主循环系统（Plan-Execute-Verify-Iterate）让Agent自主完成复杂工作流，并给出了实际案例和上手方法。
Andrej Karpathy 评价 Claude Tag 代表了 LLM 交互的第三次范式迁移：从网站、App 到作为持久存在、异步工作的团队成员，并强调这一转变有效且强大。
Google DeepMind发布《From AGI to ASI》报告，探讨从AGI通往超级智能的四种路径——扩展、范式转变、递归自我改进和多智能体集体智能，并分析相关瓶颈，引发广泛讨论。
作者提出了一个‘Agentic Shift’（代理转移），从直接交互转向每个人和每件事物都拥有代理的世界，从委托转向代表，并用一张图表映射了这一转变。
Claude Code负责人Boris Cherny提出AI编程正从提示词工程转向循环工程（Loop Engineering），未来开发者核心任务是设计自动化循环而非编写提示词，这一趋势有望拉平开发门槛。
一位顾问反思了AI如何接管他们工作中基于知识的部分，迫使他们转向执行智能和协调AI代理，并询问其他人的工作如何发生变化。
文章认为，AI真正的转变不仅仅是生产力提升，而是从直接使用软件转向委托AI代表代为行事，这引发了关于数据亲密性和信任的问题。
Anthropic 的 Boris Cherny 指出编程正迈向更高抽象层级，工作流从手动编写代码转变为让 Claude 自主决策，并预测今年将迎来下一轮范式转移。
这篇论文认为AI Agent的出现不是让程序员更高效，而是从根本上改变了软件范式的本质——代码从永久固化决策逻辑的静态产物，变成了LLM动态生成、用完即弃的临时工具，软件工程的核心将转向设计可靠的推理约束边界。
本文认为，使用AI代理比传统软件感觉更优越，因为它们让用户专注于高层次目标，而代理自主处理执行，将技术转变为数字协作者。
Perplexity 发布 Search as Code (SaC) 新架构，让 AI agent 直接编写 Python 代码来编排搜索流水线，取代传统的 function calling，实现了更高效、更准确的搜索，在多个基准测试中表现优异。
NASA韦伯望远镜的新数据显示，超大质量黑洞可以在没有更大宿主星系的情况下增长到当前大小，这对经典形成理论提出了挑战。
彼得·戴曼迪斯强调当前时刻的史无前例，敦促人们调整时间和金钱的优先顺序，避免固守过去。
介绍了奇点之门，一个测试前沿AI模型是否能预测其训练截止日期后发表的范式转变科学发现的基准。当前最高得分为17.75%的部分分数，完全正确率为0%。
文章认为，近期AI最重要的转变并非智力，而是记忆——AI系统记住用户偏好、习惯和进行中的项目，从单纯的工具转变为上下文感知的助手。
Meta 的 Chain-of-Verification (CoVe) 提示技术通过四步自验证流程，将 LLM 的事实准确率提升 94%，无需微调即可减少幻觉。
一篇哲学性的文章，反对科技评论中的千禧年主义假设，指出范式转变是知识传播的渐进过程，而非单一的启示性事件。
NVIDIA 利用新的 NVFP4 格式及微缩放技术，以 4 位精度训练了一个 120 亿参数的大语言模型，在几乎不损失智能的同时，内存使用减半、算术速度提升三倍，标志着高效 AI 训练的重大突破。
文章探讨了从被动式 AI 模型向主动式 AI 智能体的转变，这些智能体能够观察上下文并自主行动，以 OpenClaw 和 Poke 为例，同时推广了 a16z Speedrun 加速器。