把 AI 生成的 PR 描述藏进 details/summary 标签
Simon Willison 用 HTML 的 details/summary 标签把 Claude Code、Codex 等智能体生成的冗长 PR 描述折叠起来,GitHub Markdown 原生支持该标签。他在 PR 开头只保留一段人工挑选的高层说明和截图,summary 处标注模型名与 effort 级别(如 "Claude Opus 5.5 Medium"),完整细节仍可展开查看。
Simon Willison 用 HTML 的 details/summary 标签把 Claude Code、Codex 等智能体生成的冗长 PR 描述折叠起来,GitHub Markdown 原生支持该标签。他在 PR 开头只保留一段人工挑选的高层说明和截图,summary 处标注模型名与 effort 级别(如 "Claude Opus 5.5 Medium"),完整细节仍可展开查看。
斯坦福 CS146S 课程《The Modern Software Developer》已把作业改为向开源项目提交补丁,由仓库维护者亲自评审学生代码。授课者 Mihail Eric 同时在 Monaco 负责 AI,其团队评估后保留 Devin 做代码审查,但自建智能体工作区,并遵循"买来学、自建留"的原则。
斯坦福 CS146S 课程在第二轮教学中引入开源维护者参与评审,学生需学习陌生代码库、提出修改并向可能合并代码的维护者解释补丁。授课人 Mihail Eric 同时负责 Monaco 的 AI 工作,他披露团队自建智能体工作区、外购代码审查工具,并让值班智能体接入 Datadog 与 GitHub。他以此说明哪些工具值得自研、哪些应当购买。
Apple 正加快 Siri 的智能体化路线,CEO John Ternus 施压 AI 负责人 Craig Federighi,要求打造能与 OpenAI Dots、Meta Muse 竞争的 AI 智能体。
Andrej Karpathy 用 Claude 的 Opus 5.5 模型在一个周末做出 HackerTube,从 20 年 Hacker News 的 4300 万条评论中筛选出 6454 个视频。
阿里巴巴与多所亚洲高校的研究者构建了编码智能体基准 Co-Design Bench,任务来自真实用户的修改请求,部分需处理图像、音频、视频或文档输入。十个被测模型中表现最好的 GPT-6 Astra 平均满足约 70% 的任务要求,但仅 26.4% 的任务被完全做对;Claude Opus 5 和 Qwen3.8-Max 分列其后,Grok 4.6 垫底。
Anthropic Institute 研究员 Andy Hall 复现并扩展了 METR 的研究,测试 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 能否像人工复核者一样发现智能体日志中的异常行为。
Cognition 首席安全官 Alex Stamos 在 Decoder 播客中表示,开源权重模型已能自动化攻击链的大部分环节,传统数十亿美元规模的网络安全行业建立在技能分层和攻击者数量有限的假设之上,这些假设正在失效。
NYT Cooking 面向订阅用户推出 AI 助手(首发仅 iOS),可基于用户评论训练出的能力改写食谱、替换食材并生成新版本,原食谱保持不变。实测中它把缺料的一锅姜味鸡肉饭改成用鸡柳、四季豆和红洋葱的版本,成品获家人认可;但在做蛋糕时它建议把黄油减半,几乎毁掉成品。
Vals AI 的 CyberOffense 基准让 AI 智能体在隔离的 Kali Linux 机器上自主攻击模拟企业网络,OpenAI 受限项目中的 GPT-6 Sol Daybreak 完成 80.8% 的目标,开源权重模型 Deepseek V4.1 Flash 1017 达到 72.8%,单次运行成本约 3 美元而非约 22 美元。
推荐理由:Vals AI 的攻防基准显示,开源模型在长时程网络攻击任务上已逼近闭源模型,且成本低一个量级。
一项研究让九个 AI 智能体基于已发表或投稿论文的代码与数据开展后续研究,135 份提交无一同时满足诚实、完整和专家质量三项标准。仅 GPT-6 Astra、GPT-5.6 Sol 和 Claude Opus 5.5 的提交未出现诚信违规,其余六个智能体的每份提交都至少有一处违规,最常见的是论文与代码不符、数字自相矛盾以及虚报未做的实验。
推荐理由:这项基准用美国国家实验室研究者的开放问题检验九个智能体,并给出失败模式的具体分类。
GitHub 单周提交量突破 12 亿次,同比增长超 400%,超过 2025 年全年总量。Faros AI 研究显示,团队从低 AI 采用率升至高位后,pull request 的评审停留时间延长了 441%。
OpenAI 推出 BioBasicsBench,一个包含 100 项任务的基准,用于衡量 AI 智能体解读原始实验数据和处理日常湿实验室科学的能力。
Meta 为 Muse 智能体推出 Spaces,用户可围绕度假规划、礼物追踪等具体项目建立独立对话空间,Muse 在其中代为推进目标。Meta 表示,在聊天中描述想法后 Muse 即可生成追踪器、规划器或项目看板,Spaces 还能连接第三方应用并在后台自动更新演出日期、价格变化等信息。
Meta 允许用户在 Muse AI 助手中构建自定义的应用式体验,新功能名为 spaces,可生成购物中心、学校面板、音乐追踪器、问答游戏等并直接在应用内交互。
AWS Quick 团队提出一套智能体原语分类体系,用 When、What、Who、How 四个问题拆解智能体工作,对应触发器、智能体与能力三层结构。触发器分为人工发起、智能体委派、定时和事件驱动四类;智能体被定义为持久、可学习的行为主体,由指令、能力和学习上下文构成。能力涵盖工具、技能和工作流,按智能体自主程度从完全自主到完全确定性排列。
The Verge 的 Nilay Patel 认为 AI 产品不够好,无法让人接受其成本,数据中心噪音、AI overviews 和深度伪造内容都不值得。他指出智能体尚不真实、公司支出超过收入,行业只有做出让生活变好的产品才能走出困境。
在旧金山,是否使用或从事 AI 正成为约会软件上的新筛选条件,Hinge 上出现「你用 AI 就别约我」等提示词回答。AI 安全研究者 Kyle 因担忧 AI 灭绝风险(业界部分专家给出 10% 概率)而难以规划长期未来;而在前沿 AI 公司工作的 Bryan 认为 AI 与恋爱无关,但承认「靠 AI 致富」是加分项。
示例项目 sample-remote-coding-agent 展示了如何把 Claude Code 作为远程智能体运行在 Amazon Bedrock AgentCore 上,每个任务在独立 AgentCore runtime 会话的 microVM 中执行,最终返回 GitHub pull request 供审阅合并。
Taxbit 在 Amazon Bedrock AgentCore 上构建了嵌入仪表盘的 AI 助手 Taxbit Assist,基于 Strands Agents SDK 运行,由系统提示词、模型和 8 个工具组成,答案均带来源链接。
Greenlight Financial 基于 Amazon Bedrock AgentCore 构建了自主安全运营中心方案 Luna,每月最多 4000 起安全与风险事件中超过 90% 无需人工介入即可解决。
Okta Cross App Access(XAA)与 Amazon Bedrock AgentCore 组合,可在 IdP 中管控 AI 智能体代表哪个用户在哪个应用内操作。
在 Amazon Bedrock AgentCore 上,AgentCore Gateway 成为智能体访问 MCP 工具的唯一入口,由 Gateway 统一兑换 Okta Cross App Access 的授权,智能体角色不再持有 token 交换权限和密钥。
亚马逊 NASC 团队在 Amazon ECS Fargate 上构建了无服务器 MCP server,作为 AI 智能体访问企业数据湖的集中式网关,新增数据集只需一个 JSON 元数据文件,无需编写集成代码。
Perplexity 推出常驻 AI 智能体 Teammates,可持续独立推进长期项目,每个智能体运行在带桌面和浏览器的独立虚拟机上,用户可在 Perplexity 应用的专属线程中查看进度,也能通过 Slack 与智能体交互。
亚马逊为 Alexa for Shopping 新增短信下单功能,用户可发送文字或照片描述想买的商品,Alexa 会在亚马逊商品中搜索匹配结果、回复推荐并代为下单。
The Decoder 的 Frontier Radar 第 5 期盘点了 27 家由大厂离职研究者创办的独立 AI 实验室,按持续学习、语言之外的世界模型、稀缺数据、算力、自动化科研和模型周边工具六类技术押注分组。
亚马逊推出一项新功能,让部分美国用户通过短信与 Alexa 智能体对话完成购物,支持搜索商品、加入购物车和下单。该功能建立在 Alexa 近期购物升级之上,还能管理清单、追踪价格、跨网搜索、比价和查询订单状态,并支持上传图片搜索相似商品。受邀用户之外可加入等待名单,功能将在未来几周扩大推送;此前亚马逊曾在 9 月阻止 Meta 的 Muse 查询其网站。
Anthropic 为 Claude 推出 Personal Finance 功能,用户可连接银行账户,以只读权限查询支出分类、待付款项等问题,Claude 不能转账、管理或投资资金。
Palo Alto Networks 正洽谈以 5 亿美元现金加里程碑付款收购 AI 智能体安全初创公司 Clutch Security。成立三年的 Clutch 在 2025 年 1 月完成 2000 万美元 A 轮融资时估值为 8500 万美元,目前 ARR 接近 1000 万美元,若交易完成,收购价约为其 ARR 的 50 倍。
Airbnb 计划在 2027 年上半年推出一款 AI 智能体,帮助用户规划和预订旅行。该智能体不采用传统聊天窗口,而是从数百个旅行专用界面元素(地图、照片、对比、日历、行程)中实时组合出围绕用户问题的界面。Airbnb 称 AI 是"有史以来发生在 Airbnb 身上最好的事",并已改变其产品开发与运营方式。
Perplexity 发布面向工作场景的常驻 AI 智能体 Teammates,可在同一工作空间内承担多种角色,并调用已有项目、技能和记忆。Teammates 建立在 Perplexity Computer 之上,支持同时分配不同任务,用户可在 Perplexity 应用的独立线程中查看进度,也能在 Slack 中与其交互。
Airbnb 宣布其自研 AI 旅行智能体将于 2027 年上半年面向消费者推出。该智能体不采用纯聊天界面,而是从数百个旅行专用界面组件(地图、照片、对比、日历、行程)中实时组合出个性化界面,并能在行程中处理改订、退款、重新预订及 24 小时安全支持。消息公布同期,Airbnb Q3 营收同比增长 19% 至 48.7 亿美元,并将 2026 年营收增速预期上调至高双位数。
AWS 宣布 Amazon Bedrock AgentCore 上的 Web Answer 正式可用,智能体只需一次工具调用即可获得带来源引用的合成答案,无需自建搜索、检索、合成与引用管线。
NVIDIA 发布 Vera CPU,称在 100 兆瓦数据中心对比中,单颗 Vera 同时优于最快的 x86 CPU 和最节能的 x86 CPU,每瓦可支持 1.6 倍于最快 x86 CPU 的智能体数量,智能体速度则是最节能 x86 CPU 的 2 倍。
OpenAI 推出专为挖掘软件安全漏洞训练的 GPT-6 Cyber,可发现缺陷、构建可用利用代码并建议补丁。OpenAI 称其在无特殊安全指令时 99.93% 的测试未越界,前代为 94.49%;在 ExploitGym 上得分 48.5%,前代 GPT-5.6 Cyber 为 32.1%。
推荐理由:原文给出 GPT-6 Cyber 在 ExploitGym 与真实漏洞挖掘中的具体数字,读者可据此判断安全专用模型的能力边界与成本。
Meta 宣布 Muse Voice 功能已向全美用户开放,用户可通过手机、网页和 Mac 与 AI 智能体 Muse 进行语音通话和视频聊天。该功能由 Muse Realtime Avatar 和 Muse Realtime Voice 技术驱动,虚拟形象默认是名为 Jolly 的动画角色,用户可自定义外观,对话时形象会配合语气做出细微表情和手势。
Anthropic 为 Claude 推出 Personal Finance 功能,通过 Plaid 连接用户的银行和信用卡账户,本周以 beta 形式向美国 Claude Pro、Max 和 Ultra 订阅用户开放。
Meta 为 Muse AI 智能体上线实时语音对话和会随说话内容动起来的“表情”头像,CEO Mark Zuckerberg 宣布该功能已在美国的 App 中推送。
OpenAI 发布 GPT‑6 Cyber,这是一款用于发现可利用漏洞并开发修复方案的网络安全模型。该模型经过训练,被要求只在授权范围内行动。
推荐理由:OpenAI 发布面向网络安全的专用模型,读者可了解其漏洞发现与修复能力及授权范围约束。