Dax Raad 花 60 美元用 Rust 重写浏览器工具,内存占用下降约 97%
OpenCode 开发者 Dax Raad 用 Rust 重写了 OpenCode Browse 浏览器自动化工具,替换此前使用的 Playwright 和 Patchright 功能,单个连接器内存占用从约 190 MB 降到 5.6 MB,降幅约 97%。
OpenCode 开发者 Dax Raad 用 Rust 重写了 OpenCode Browse 浏览器自动化工具,替换此前使用的 Playwright 和 Patchright 功能,单个连接器内存占用从约 190 MB 降到 5.6 MB,降幅约 97%。
Microsoft Research 与 UC Berkeley、Microsoft Security 发布开源插件 TokenEconomizer,通过在仓库历史会话中学习来降低 AI 编程智能体的 Token 开销,且不修改该智能体或底层模型。
推荐理由:微软研究院等机构提出从历史会话中学习成本控制的开源插件,给出三种机制的设计与在 SWE-Bench 上的量化效果。
Uber 的法律红线批注智能体在 Microsoft Word 中审查合同变更,结合 RAG、历史律师反馈与确定性策略规则,平均合同审查时间降低逾 20%,AI 决策准确率达 91%。该系统基于 LangGraph、OpenSearch 和 Redis 构建,Uber 正探索智能体 harness、技能、法律本体与知识图谱。
Anthropic 概述了 Claude Code 团队的代码审查流程,随着 AI 智能体越来越多地参与其代码库贡献,该流程依赖多层自动化验证、AI 驱动的审查以及基于风险的人工审批。这一组合的目标是在不增加回归或生产事故的前提下,减少人工审查时间。
JetBrains 基于 Fin、Semrush、Skiller Whale 及自家工程团队等 9 个真实案例,总结 AI 智能体规模化的经验。Fin 用 16 个月把 PR 吞吐量提升至 3 倍、缺陷积压减少 54%、单个 PR 成本降低 50%;而另一家 AI 采用率达 95% 的组织,开发者速度并未提升。
推荐理由:九个真实案例显示,AI 智能体的效果差异更多取决于团队流程与代码库准备度,而非采用率本身。
MCP 项目维护者公布文件传输草案扩展,为客户端与工具提供统一的上传和下载方式,文件本身不经过模型。草案中,小文件可随工具请求一并发送,大文件由客户端单独上传后再调用工具完成,下载则由工具返回地址供客户端直接获取;维护者同时提出限制客户端将 MCP 凭证发往何处,并建议将外部上传限定在获批目的地。
Nitric 五人工程团队构建开源自托管工作空间 Sugabots,把事故响应拆给多个专职 AI 智能体:Sentry 分诊智能体使用 Opus 5.5 判断是否呼叫值班工程师,backlog 智能体在 Linear 整理工单,实现智能体准备 GitHub PR。团队通过 MCP 连接外部系统,并按责任分别配置各智能体的模型与指令,以便独立评估每次修改。
研究团队发现 GPT-6 Astra 能直接读取和写入神经网络权重,并将这一方法称为 Weight-Space Programming。Astra 仅凭原始权重就能判断网络训练的是哪款游戏,还能在无梯度、无训练的情况下修改 Qwen3.5-0.8B 的 0.016% 权重,把 MATH-500 从 7.9% 提升到 48.1%,IFEval 提升 3 倍。
推荐理由:作者以第一手实验展示通用 LLM 直接读写神经网络权重,为模型优化与可解释性提供了一条不依赖梯度的新路径。
deepsense.ai 团队基于用 Codex 和 Claude Code 的实测,提出围绕编码智能体构建 harness 的十种模式,涵盖 AGENTS.md 仓库文档、按任务即时组装上下文、可发现的验证命令菜单、有重试上限的评审修复循环等。
Nimisha Asthagiri 分享了如何运用成熟的产品工程与架构原则,为 AI 智能体构建一个有边界的 Canvas。该模型为智能体提供有界自主性、持续漂移检测和决策记录,以弹性地扩展软件开发。
DeepSeek Harness 团队发布架构长文,介绍如何做出一个永远在线的 Agent,核心判断是单任务上限取决于模型能力,多任务上限取决于人的注意力。团队观察到一个人通常只能同时跟进 3 到 5 个活跃 Session,而现有 Agent 以单个 Session 为单位、彼此独立,难以支撑并行推进多项工作。
Aviator 推出 Aviator Verify,将代码审查拆成不变量、意图与验收标准、核心决策、测试计划、证据、人工决策、不变量刷新七个部分。不变量由团队历史 PR 评论、CONTRIBUTING.md 和 agent 指令文件自动起草,经团队批准后才生效,用于在验证侧确定性检查每次变更。意图与验收标准则从编码会话中提取,由工程师在提交前确认。
开发者 Divyansh Agrawal 把一颗 RISC-V CPU 编译进 Qwen 3.5 4B 的权重,并用模型自身的 Gated DeltaNet 注意力层作为内存,项目命名为 Qwenputer。该 CPU 运行在模型前向传播中,可执行算术并运行 C 和 MicroPython 代码,无需外部运行时。
AWS 首席开发者倡导者 James Ward 认为,MCP 服务器不应只做数据接口,而应在返回数据时附带指引,告诉 AI 智能体刚做了什么、接下来可以做什么。
Google Research 提出 sleep 框架,为 LLM 引入周期性学习循环,把脆弱的短期上下文巩固为稳定的长期参数。该框架分为记忆巩固与梦境自改进两个阶段,在 BABILong 上实现 10M token 的接近完美扩展,并在 AIME 24/25 与 HMMT 25 上分别取得 79.2%、69.0% 和 46.1% 的准确率。
Google DeepMind 展示用智能体开发平台 Google Antigravity 加速抗菌肽发现,把原本分散在多个数据库的检索压缩到单次会话。平台借助 ProtNLM 模型扫描 UniProt 中数百万条未表征蛋白序列,找到一条对呼吸道感染病原体有预测活性的新型抗菌肽候选物,目前正进行湿实验验证。
微软研究院提出 StudentSim,从公开的去标识化学习记录训练个性化 AI 学生模拟器,用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准,覆盖国际象棋、第二语言英语写作和数学三个领域,从行为保真度和指导响应度两个维度评估模拟器。
Rogo 正在 Vercel 上重构其内部应用,实现 AI 智能体编写的代码 5 分钟部署到生产环境,单月部署量超过 73,000 次。其 6 个生产 AI 智能体负责从流失分析到交易台等自动化工作,生产事故发生时由基于 AI SDK 的智能体集群完成分诊与修复,无需人工介入。
AI 智能体让应用和内部工具的开发速度大幅提升,但获取实时运营数据的访问权限成为新瓶颈,团队不得不为每个项目手工重建访问规则和连接。Monospace 产品副总裁 James White 提出用统一 API 层集中管理数据访问,通过基于角色的最小权限控制和字段级权限,为每个 AI 智能体分配独立身份,智能体可经 MCP 连接该层,只获取其身份允许的数据。
Forter 在两周内将 200 名技术与非技术员工培养成 AI 智能体创建者。其做法包括自建 MCP server、混合使用无代码与代码平台、绕开复杂的 RAG 搭建,并提前对齐安全与法务团队,以加速研发部门内部的智能体采用。
GitHub Copilot 应用重建了 pull request 视图,用一个包含 2200 个文件、超百万行改动和 400 多条行内评论的开源 PR 做验证。
推荐理由:GitHub Copilot 团队复盘超大 PR 的渲染架构,双几何与惰性测量方案对虚拟列表场景有迁移价值。
GitHub 将 Copilot agent runtime 从 TypeScript/Node.js 完全重写为超过 80 万行生产级 Rust,代码主要由 AI 智能体编写,跨 128 个 PR 增量合入 main,运行时性能提升数个数量级。
推荐理由:GitHub 团队用 AI 智能体把 Copilot 运行时从 TypeScript 迁到 Rust,公开了 800 万行级会话数据与增量迁移方法。