相关文章
7144 篇高质量内容
刚刚，程序员通宵找Bug的历史要结束了，Claude只用几周，把整个软件测试行业改写了
Anthropic安全红队利用Claude在RISC-V汇编层面为123个主流开源软件生成1.8亿行数学证明，首次实现对小于64MB任意输入下绝对不崩溃、不越界、逻辑成立的数学级验证。该方法绕过传统模糊测试的路径覆盖局限，直接在机器码层进行形式化验证，并通过独立Rocq检查器完成毫秒级可验证性确认。
苦搜索引擎久矣，DeepSeek 和腾讯终于动手了
10月17日DeepSeek发布V4.1-Flash-1017并开放Search与Fetch两个AI专用搜索API；10月20日腾讯元宝搜索通过腾讯云对外开放。二者均面向开发者而非终端用户，旨在为AI Agent提供更可靠、可过滤的联网检索能力。澎湃新闻实测显示，相比传统搜索引擎大量返回假冒售后电话，DeepSeek等AI搜索未返回此类结果。
Personal Agent 落地思考：主动性从哪来，又卡在哪？
文章剖析 Personal Agent 主动性的本质来源与落地瓶颈：主动性由身份、数据源、记忆三要素共同构成；其核心驱动力是「目标−现状」差距引发的问题识别；作者提出分层模型（L1–L5），指出 L4/L5 的执行受限于责任归属与失败代价；实践表明，升仓关键在于显式定义目标与可检查的验收规则。
上下文工程的现状：从塞满到遗忘
本文基于Drew Breunig 2026年10月发布的《The State of Context Engineering》，系统梳理长上下文场景下AI助手面临的信息管理挑战。重点分析四类上下文失败（毒化、分心、混淆、冲突），六种上下文管理手段（增强、装载、隔离、剪枝、卸载、压缩），以及重置前需保留可接手状态的关键实践。
万字图文讲透 AI Native 研发体系：四个维度建起你的 AI 生产线
文章指出AI工具普及后团队整体交付未提速，主因在于生产体系未适配AI特性。提出四个升级维度：AI原生（规则文件化、约束工程化）、系统工程（需求数字线程与阶段门禁）、组织能力（经验版本化沉淀）、多角色协同（角色专属Agent）。核心是将隐性规范、上下文和判断转化为可加载、可验证、可审计的结构化资产。
月之暗面Kimi K3.1 Pro发布：3万亿参数开源权重在即，多任务智能体能力跃升但陷付费推广争议
月之暗面发布Kimi K3.1 Pro——3万亿参数大模型，第三方评测中多项指标领先GPT-6 Astra与Muse Wonder；拟于2026年11月4日开源权重，成全球最强开源LLM候选；但遭X平台曝光涉嫌要求网红隐匿付费合作，引发合规风险。
为什么你的 AI Agent“越改越差”？Anthropic 总结了 8 步评测方法
Anthropic 提出 AI Agent 评测的系统性框架，指出盲目迭代导致的“盲飞”问题，定义 Task/Trial/Grader/Transcript/Outcome 等核心概念，区分能力评测与回归评测，并详解三类评分器（代码/模型/人工）的适用边界。文章强调非确定性影响，推荐 pass@k 与 pass^k 指标，给出从真实失败中提炼用例、环境隔离、轨迹审查等 8 步落地路线。
OpenAI Evals技术拆解：Agent评测的入门教科书
OpenAI Evals 是一个开源评测框架，核心是标准化的注册表机制、严格可复现的日志体系和模型即裁判（LLM-as-a-Judge）范式。它支持从单轮文本生成到多步 Agent 行为轨迹的评估，通过 JSONL 数据集、YAML 配置与解耦的 Solver/Completion 组件实现灵活扩展，为复杂推理、工具调用与状态变更类任务提供结构化评测能力。
Kimi K3.1 Pro：智能前沿，更进一步
月之暗面正式发布 Kimi K3.1 Pro，3 万亿参数模型，支持 100 万上下文。该模型在代码、3D 创作、金融研究及长程 Agent 能力上显著提升，在 Terminal-Bench 4.0 得分 65.7%，BenchCAD 得分 92.7%，OfficeQA Pro v2 达当前最优成绩（SoTA）。同步推出高速版 K3.1 Pro Highspeed，输出速度约快 2~3 倍。模型已开放 API 及多端使用，并将于 11 月 4 日前发布完整权重。
刚刚，月之暗面发布Kimi K3.1 Pro。这把超Astra了？！
月之暗面正式发布Kimi K3.1 Pro模型，基于K3后训练，在代码（Terminal Bench 4.0得分65.7）、3D建模（Bench CAD得分92.7）、金融（OfficeQA Pro v2得分64.4）、网络安全（自建Benchmark得分81）等多维度能力显著增强；幻觉率降至8.3%，API输入/输出价格下调，Kimi官网、Kimi Code及Kimi Work已全面上线。
Kimi K3.1：超越 Astra 大模王，贡献了最好的「秦始皇骑北极熊」
Kimi全新K3.1 Pro大模型重磅发布，性能比肩国际顶尖大模型，干货满满。核心内容：1. Kimi K3.1 Pro的基础配置，以及它生成的「秦始皇骑北极熊」3D网页游戏演示效果2. 多维度官方基准测试跑分，展现其代码等核心能力的行业排位3. 该版本长程任务能力的提升逻辑与相关官方典型应用案例
精彩焕新｜Google Play 多项更新助力您触达目标用户，加速业务增长
Google Play 推出多项更新：Ask Play 应用对比、Game finder 游戏推荐、Play in Gemini 对话式发现；新增 Sidekick Playbacks、冲刺赛（Sprints）和任务（Quests）提升玩家参与；通过 Apps Experience 和 Level Up 计划降低服务费率，回馈优质应用。《PUBG MOBILE》等案例显示高价值玩家新增安装量提升22%。
换模型效果归零？一文扒透Harness落地11个坑
本文系统梳理Harness Engineering在企业落地过程中常见的11个认知与实践误区，涵盖将Harness误作高级Prompt、混淆SDK与Harness本质、忽视记忆保鲜与置信度、迷信模型而轻视Harness设计、缺乏可观测性、让AI自我评估、仅关注二元评测结果、盲目抄袭大厂实践、误以为可一次设计到位、忽略对人的工程约束，以及忽视企业级权限/长周期/合规等特殊约束。核心指出：Harness不是工具堆砌，而是反映团队工程纪律与组织能力的镜子。
OpenAI称模型协助发现PHP核心漏洞，Wiz披露可致RCE
OpenAI与Wiz联合披露两项PHP底层漏洞CVE-2026-109618和CVE-2026-109619，统称PHP2Shell，严重性评分为9.2，可导致未经登录的远程代码执行（RCE）及内存信息泄露。漏洞源于PHP致命错误处理中的内存管理缺陷，影响所有PHP安装，尤其mod_php部署方式风险最高。GPT-5.6 Sol与Gemini 4 Argon等模型在漏洞验证与利用路径探索中发挥关键作用。PHP官方已发布8.2.35等修复版本，但更新需落实至实际运行环境。
Claude Code 桌面版大更新，团队成员说“几乎像 v2”
Claude Code 桌面版推出重大更新，面向 Pro、Max、Team、Enterprise 订阅用户（Linux 版仍为 beta）。核心变化包括：会话状态分组可视化、支持自动派生子会话并行执行、/btw 快捷插话机制、环境与 worktree 管理、实时待办与回顾卡片。更新未发布官方博客，亦无明确版本号。
万字复盘 Codex：一个在模型公司如何做产品的「典型」故事
Codex 的发展经历多次战略转向：从早期云端 Agent（Codex Cloud）因配置复杂、交互僵硬而未获市场认可，到团队转向本地终端形态并彻底重写底层 Agent 架构；其演进反映模型能力跃迁（如推理模型 o1）如何倒逼产品形态重构，也揭示在模型快速迭代背景下，企业需容忍内部多路径探索，并通过跨职能协作（产品、工程、研究员）将研究能力转化为可交付系统。
刚刚，Anthropic推出个人智能体Claude Duet：opus 5.5 驱动
Anthropic正式发布个人智能体Claude Duet，由Claude Opus 5.5驱动，支持后台虚拟机运行、6000+工具接入及虚拟卡支付。目前仅向美国地区Claude Pro/Max用户开放候补名单，具备任务分级响应、安全权限隔离与关键动作人工确认机制。
Agent as a Service：驱动 Personal Agent 与企业智能体的服务架构
文章提出 Agent as a Service 架构，以统一支持 Personal Agent 与企业智能体的持续任务交付。核心在于解耦 Harness（推理控制）、Context/Memory（状态管理）与工具执行（Hands），通过稳定任务标识、云端状态服务和 Sandbox as Tool 模式实现跨环境续做。架构强调任务生命周期独立于运行实例，支持推理与执行资源按需调度、权限分层管控及长时工具调用的挂起恢复。
Grok Bot、Dots、Cue、Muse：四家 AI Bot 到底有什么不一样？
本文对比 xAI Grok Bot、OpenAI Dots、Manus Cue 和 Meta Muse 四款 AI Bot 的核心差异：Grok Bot 强调多 Bot 协作与共享云电脑；Dots 聚焦单任务长周期推进与状态延续；Cue 配备独立邮箱、电话、钱包等现实世界接口；Muse 专注私人生活场景中的零散事务与长期目标管理。四者共同指向 Personal Agent 的不同实现路径。
基于AST与LLM的遗留代码重构：绞杀者模式自动化实践
本文提出“AST静态解析+代码Agent局部重构+沙箱闭环校验+绞杀者代理层灰度路由”的渐进式遗留系统重构路径。在十万行级电信BSS模块实践中，实现解耦自动化率72.0%、回归故障率从4.8%降至0.3%，验证了该方法在高耦合、低测试覆盖率遗留系统中的工程可行性。