跳到正文

#Agent

今日 3 条
今天11月16日周一
  1. 人人都是产品经理30

    叶小钗复盘自研团队协作 Agent 系统:群聊派活、任务交接与中断恢复设计

    作者团队复盘了自研团队协作 Agent 系统的设计,核心是团队共用的任务工作台,系统拆为消息入口与身份绑定、调度 Agent、桌面端执行、任务巡检四层。成员可在企业微信、飞书群里直接交代任务,Agent 结合聊天上下文自动领取执行,任务可中途转交同事;桌面端每 10 秒向云端发心跳,超 90 秒未续约判定执行可能中断,每个节点有一次自动恢复机会。

    决策要点

    把 Agent 接入团队群聊的门槛不在演示环节,真正的工程量集中在任务调度、多人交接与异常恢复机制上。

    • 影响用群聊直接派活降低了业务侧使用门槛,固定流程可先交给 Agent 试跑;自建这类系统的主要成本在调度、交接和中断恢复机制;桌面端在本地读写文件,权限与数据边界需要先行规划。
    • 参考可考虑先盘点团队在群聊中高频出现的固定流程,选会议纪要、报价整理这类场景试点;动手搭建前值得研究其消息排队、执行租约与交接目录设计,先算清异常恢复的开发量。
  2. 人人都是产品经理49

    开源工具 terminal-mac 让 AI Agent 在独立 macOS 虚拟机里操作电脑

    开源项目 terminal-mac 基于 Apple Virtualization 框架,能在 Apple Silicon Mac 上为 AI Agent 启动一台带独立桌面和文件系统的 macOS 虚拟机,并通过内置 MCP 服务器提供截图、点击、输入等操作接口。

    决策要点

    这件事的实质是 Agent 操作桌面的隔离与安全问题有了低成本开源解法,社区正在快速补齐 Agent 基础设施。

    • 影响GUI 测试、批量界面调整、敏感文档处理等桌面任务可低成本获得隔离执行环境;员工自建 Agent 基础设施的门槛下降;但外层 Agent 的本机权限仍需单独管控,虚拟机隔离不能替代权限治理。
    • 参考可考虑让内部工具团队 fork 这个 MIT 项目按需改造,先选 GUI 回归测试或敏感文档处理一个场景做隔离试点;值得盘点现有 Agent 的本机权限清单,并核对团队 Mac 是否为 Apple Silicon。
  3. 36氪·AI66

    Deepnote发布AI同事评测,OpenAI包揽前二,Fable 5.2贵17倍得分反低

    数据协作平台Deepnote发布Agent Initiative Benchmark,把12个前沿模型放进虚构公司的Slack群当AI同事,OpenAI包揽前二。

    决策要点

    常驻型AI同事的比拼重心正从模型智力转向判断力和持续成本,Deepnote数据显示价格与性价比并不同向,低价模型未必弱。

    • 影响常驻Agent按流量持续计费,70人公司的Slack监控月账单从281美元到7540美元不等,人数和监控渠道增多后差距会进一步放大;模型插错嘴平均多花1.8倍成本,判断力直接写进账单;只按智力榜单选型可能高估高价模型。
    • 参考可考虑把该沉默场景的克制率和单任务成本加入选型评测,先用自家人数和监控渠道折算月账单再比价;值得参考Deepnote报告建议的分层路由,实时对话用快模型、后台分析用低价高分模型。
11月15日周日
  1. 36氪·AI33

    Reddit 用户用 Claude 逆向 NordicTrack 跑步机,绕开 iFIT 每月 39 美元会员锁定

    一位 Reddit 用户用 Opus 5.5 加 Claude Code 逆向 NordicTrack 跑步机,绕过母公司 iFIT 每月 39 美元的会员锁定直接观看 Netflix,破解耗时一天半,应用启动时间从 1 分钟降到 20 多秒,广告一并清除,项目已匿名公开在 GitHub。

    决策要点

    AI 逆向门槛下降让硬件订阅墙这类锁定式商业模式变得可被个人绕开,同时 AI 厂商对复刻与逆向任务的限制也在收紧。

    • 影响依赖订阅墙锁功能的产品被个人绕开的门槛明显降低,护城河设计需重新评估;预发布内容外流可能被 AI 快速模仿成竞品,测试与宣发策略要重新权衡;员工用 AI 做逆向分析也可能触碰版权与合规边界。
    • 参考可考虑盘点自家产品中被订阅墙锁住的功能,评估被 AI 辅助绕开的难度与潜在损失;有公开测试计划的团队值得参考 Digital Sun 的做法,权衡曝光与被模仿风险的取舍;也可先厘清内部 AI 使用规范中逆向类任务的红线。
  2. 人人都是产品经理45

    WorkBuddy 重复循环浪费 token,12KB 脚本止损实测减耗 40%~60%

    WorkBuddy 执行任务会陷入失败重复和成功重复两种 loop,空转消耗 token 和积分,自带的 Harness 只到轮次上限才喊停。

    决策要点

    Agent 的 token 浪费常来自执行层重复循环而非模型本身,Harness 的轮次上限不等于止损,成本缺口可以外挂一层监控来补。

    • 影响Agent 任务账单里可能藏着大量空转消耗,重复撞墙还会拖长上下文、推高每次思考的时间和成本;官方自带的轮次机制并不按浪费程度喊停,这类损耗需要额外手段兜底。
    • 参考可考虑先统计在用 Agent 的重复调用和空转轮次占比,再决定是否引入止损脚本;装第三方脚本前值得让 Agent 跑一次安全审查,弄清 Hook 挂载机制的风险。
  3. 人人都是产品经理51

    OpenAI 再度撤销独立机器人团队,机器人研发并入通用模型研究

    OpenAI 向《财富》确认撤销独立机器人团队,将相关人员转入核心研究和应用部门,把机器人研发与通用模型研究进一步整合。英伟达 10 月公布的 RoboLab-120 仿真测试中,GPT-6 Astra 直接生成机器人动作成功率为 66.3%,接入保留计划、动作和反馈历史的智能体系统后升至 74.8%,页面列出的专用策略参照为 51.0%。

    决策要点

    OpenAI 的组织调整把机器人定位成通用模型的落地形态,机器人研发重心正从单独训练动作模型转向模型加智能体编排加安全控制层。

    • 影响做机器人自动化或相关投入的团队需要重估技术路线,通用模型加智能体编排可能压缩专用动作模型的独立空间;模型输出不能直接驱动硬件,确定性安全层仍是刚性需求;数据采集、仿真验证和硬件安全依旧是主要成本所在。
    • 参考可考虑把感知、推理、控制、任务四层指标拆开记录,避免只看任务成功率;值得为每次执行保存图像、状态和动作意图日志,用于定位失败原因;仿真通过的策略再分级限速迁移到真机。
  4. 人人都是产品经理58

    SaaS 按人头收费模式为何在 AI 智能体时代失效

    客户要求软件系统提供 CLI 和可供 AI 智能体调用的接口,按人头收费的 SaaS 商业模式正被 AI 转型动摇。作者以自家客户案例说明,AI 用软件的次数暴涨而付费人数不变,开放接口的成本先发生、回报要等一两年后的续约才可见,已有客户用 Coze 这类平台自建系统后流失。

    决策要点

    AI 智能体绕开界面直连接口,动摇的不是软件功能而是按人头计费的 SaaS 商业模式,矛盾根源在定价方式与 AI 用量的错配。

    • 影响对软件厂商,按人头收费让收入被封顶而 AI 调用成本无底,开放投入的回报要等一两年后的续约才可见;对采购方,系统能否被智能体调用将影响选型,封闭系统有被绕开的风险。
    • 参考SaaS 厂商可考虑试点按调用次数或办成的事计价,把接口开放从年费隐含承诺中拿出明码标价写入合同,并给 AI 批量调用设单独接口和上限;软件采购方可将 CLI 与 AI 可调接口列入选型条件。
  5. IT之家·人工智能41

    韩国电信运营商 LG U+ 宣布明年进军 B2B AI Token 业务,帮企业降低 AI 转型成本

    韩国电信运营商 LG U+ 宣布将于明年进军 B2B AI Token 业务,用自研 Token 优化技术帮助企业降低 AI 转型(AX)成本。

    决策要点

    电信运营商凭存量算力和网络资源切入按 Token 计费的推理服务市场,用成本优化而非自研模型能力争夺企业 AI 预算。

    • 影响大小模型分工和异构芯片组合直接作用于推理成本,企业可将其作为压降 AI 运行支出的参照;韩国三大运营商全部进入 Token 经济,企业采购推理服务时多出运营商渠道这一比价选项。
    • 参考可考虑把现有 AI 应用的 Token 消耗按问题分析和答案生成两段拆开测算成本;值得评估高频简单任务交给小模型、大模型只做抽检的组合方案;采购时可以要求供应商说明模型路由和芯片组合的成本结构。
11月14日周六
  1. 36氪·AI58

    UniPat AI 发布湿实验预测基准 SPU,前沿模型最高0.486分,追加算力几乎无效

    UniPat AI 牵头发布湿实验预测基准 Science Prediction Universe(SPU),含116个任务、4207个湿实验,覆盖化学、材料科学、生物和医学。

    决策要点

    湿实验预测从此有了一套可量化的考试,首轮成绩同时显示当前前沿模型的科研判断还远不能直接采信。

    • 影响对研发密集的团队,预测筛选方向有望节约昂贵的湿实验成本;但成绩显示模型预测尚不可直接采信,同一模型换测量目标成绩差异悬殊,选型结论不能跨任务照搬。
    • 参考做科研模型选型的团队可考虑先拿 SPU 公开任务测目标场景,记下单次 API 成本再定预算;追加推理算力前,值得先翻运行记录确认新增计算对应哪项判断。
  2. 人人都是产品经理55

    开源工具 FanBox 2.20.0 实现 Anthropic 常驻 agent 方案,等人时微信飞书通知手机

    花叔照 Anthropic《Building always-on agents》一文,在开源项目 FanBox 2.20.0 里实现了常驻 agent,终端里的 agent 停下等人时,微信或飞书会发一句话到手机。

    决策要点

    常驻 agent 的搭建门槛从云端团队方案降到了个人几张表加几个后台进程,新的约束变成人的注意力和打扰控制。

    • 影响编码等长任务场景可让人不在时 agent 继续推进,减少干等;每次唤醒都消耗 token 或订阅额度,通知频次直接影响成本;无人值守轮次有被注入指令操纵的风险,需权限设计兜底。
    • 参考可考虑在值守类长任务场景小范围试点,无人触发轮次只配读和搜索类工具;值得先按自家模型折算单次唤醒成本,再定通知与唤醒上限。
  3. 钛媒体61

    麦肯锡与EuroCommerce发布2026年欧洲生鲜零售报告,AI优先级跃升但价值兑现有限

    麦肯锡与EuroCommerce于2026年4月联合发布《The State of Grocery Retail Europe 2026》,调研14个欧洲国家的35位以上零售高管和15,000多名消费者,本篇为中文翻译版。

    决策要点

    欧洲生鲜零售进入约束增长期,利润修复只能靠内部效率与AI落地,而行业AI价值兑现仍处早期。

    • 影响销量结构性放缓叠加成本压力,靠市场增长恢复利润的空间有限;代理式商务将影响搜索比价与购物决策,干净的产品数据成为货架空间的数字等价物;AI代理可自动化总部40-50%常规工作,组织流程需重排。
    • 参考可考虑先盘点技术支出的投入产出口径,选定价或促销流程试点代理式AI;值得评估零售媒体等邻接利润池,并为代理比价补齐产品数据、实时价格与库存接口。
  4. 人人都是产品经理54

    阿里 Qwen4-Max Preview 实测,4800 万条数据 26 分钟跑完

    作者向阳乔木实测阿里 Qwen4-Max 预览版,把 12G 的 HackerNews 数据集(覆盖 2007 年至 2026 年 8 月)直接交给模型,26 分钟用 DuckDB 查询 4800 万条数据。

    决策要点

    这次实测的实质是旗舰模型的任务完成度已覆盖从数据查询到成品的完整链条,企业评估国产模型可用性多了一个重度使用样本。

    • 影响数据分析、选题整理、界面重设计这类任务可尝试交给模型端到端完成,相关岗位的工作起点和人效基准会被抬高;包月 19.5 元的预览定价降低了小团队试用门槛;现有证据只是单个作者的实测样本,不能直接外推到企业自有数据和场景。
    • 参考可考虑挑一个有存量数据表的分析需求,把原始数据直接丢给模型试跑并记录耗时与结果质量;值得让内容岗用一周海外 Newsletter 做同题选题对比人机耗时;预览版包月 19.5 元可先给数据或内容岗开小范围账号试用。
  5. 人人都是产品经理42

    WorkBuddy 本地部署 MiniMax H3 开源视频模型实操教程

    作者用 WorkBuddy 在本地部署 MiniMax H3 开源视频生成模型,在其 i9 加 4070 8G 显存的笔记本上生成 5 秒 768×432 分辨率 24 帧视频耗时 488 秒。

    决策要点

    开源视频模型本地部署已能在消费级显卡上跑通,但质量与耗时决定了它目前只宜当素材补充,商用级产出仍要靠付费 API。

    • 影响消费级硬件即可试跑开源视频模型,产品宣传片或素材类低要求场景可低成本尝试;生成速度和质量限制使其暂难承担正式产线;要商用质量就得为 Seedance 这类 API 付费。
    • 参考可考虑先用一台现有显卡机器试跑部署,记录目标素材的生成耗时和抽卡次数,再对比火山引擎等 API 报价;值得划一条质量线,只把能接受的素材交给本地模型。
  6. 人人都是产品经理42

    AI工具WorkBuddy像极了活字印刷术

    作者把AI工具WorkBuddy比作活字印刷术,认为它把工作拆成技能、插件与工具按任务组合,降低的是执行知识工作的成本,而积分是省不掉的纸墨。作者实测用一段提示词把一周用户反馈表跑成分类统计、需求Top5和7页汇报PPT,称质量好到能直接汇报的程度,未匹配到现成Skill的子任务可保存为自定义Skill复用。

    决策要点

    WorkBuddy这类产品把知识工作拆成可复用的技能,不会编程的人也能用自然语言搭流程,省下的是执行环节的人工,代价是按次消耗的积分支出。

    • 影响每周重复的表格、统计和汇报类工作可沉淀成技能反复执行,减少逐环节手工操作;积分按次消耗,用量越大支出越高,这类支出是持续性的;人的工作从亲手执行转向下达指令和审核结果,把关责任随之上移。
    • 参考可考虑挑一件每周都要重做的报表或汇报任务,用最小积分包先跑一次,记录单次积分消耗和人工耗时再决定是否推广;值得把没有现成技能的环节保存成自定义Skill,逐步积累团队自己的技能清单。
  7. The Decoder:AI News63

    Anthropic 发布 Claude for Manufacturing,AI 直连工厂软件自动化工业流程

    Anthropic 发布 Claude for Manufacturing 插件,让 Claude 直接连入工厂软件自动执行工业流程,通过四个通用接口连接 Autodesk Fusion、Oracle NetSuite、Microsoft 365 和 Infor,面向 Team 和 Enterprise 客户开放。

    决策要点

    Anthropic 把 Claude 从聊天助手推进到工厂业务系统,用预置技能加人工审批切入制造业流程自动化,设备控制被留在产品之外。

    • 影响报价、比价、质量报告这类文书环节可交给 AI 处理,减少事务性人力占用;采购下单与重排生产保留人工审批,落地形态是流程辅助而非无人化;设备接入仍是研究预览,评估时应把软件流程和机器控制分开对待。
    • 参考可考虑先盘点报价、供应商比较和质量报告环节的耗时与差错率,对照插件的 17 个技能估算覆盖率;值得核对自家 ERP 与四个接口的匹配度,接不上的系统要评估文件导出到 Microsoft 365 的路径是否可行。
11月13日周五
  1. 36氪·AI52

    AI录音设备混战,正在争夺“最懂你”的位置

    AI录音智能硬件市场快速拥挤,Nooklab、Flowtica等新品牌获融资入场,产品围绕手机背面、手腕、耳朵等位置展开竞争。Plaud公布订阅ARR两年从100万美元增至1亿美元、出货超200万台、近50%硬件用户转为付费,但供应链已把千元级录音卡的BOM成本压到约100元以内,国内入场券降至499元。

    决策要点

    AI录音卡的入口价值已被验证,但硬件被供应链抹平,竞争实质转向订阅付费与个人上下文数据的沉淀。

    • 影响硬件入场券已从千元降到499元,单靠硬件难有利润;国内软件付费率仅3%到13%,订阅生意更依赖海外成熟市场;越是有付费能力的市场,隐私监管越严,合规决定准入。
    • 参考若考虑进入该品类,可先测算BOM成本与目标市场付费率,再选定国内低价入口或海外订阅的变现重心;出海可参考Plaud堆叠的GDPR、HIPAA等认证路径规划合规投入。
  2. 人人都是产品经理47

    从 Demo 到生产:给 LangChain 售后助手补上运行时上下文、长期记忆、流式输出和可观测性

    作者叶小钗发布 LangChain 售后助手系列教程第三篇,补齐把演示级 Agent 接入真实业务前的四个工程环节。

    决策要点

    售后类 Agent 从演示走向生产,主要工作量在身份注入、长期记忆、流式反馈和执行追踪这些工程环节,而非模型能力本身。

    • 影响对已启动对话 Agent 试点的团队,这四项是接入业务系统前的自查清单;示例采用内存存储,重启即失效,生产需另配持久化和权限校验;启用 LangSmith 会向外部服务发送执行记录,涉及数据边界评估。
    • 参考可考虑按上下文、记忆、流式、追踪四项对照现有 Agent 试点找差距;值得确认用户身份一律取自服务端登录信息并检查访问权限;评估追踪记录外发的合规边界,必要时先在测试环境验证。
  3. 人人都是产品经理35

    手把手教你用 Claude Code 的 mochen-website-design Skill 搭建专属个人网站

    陌晨发布 mochen-website-design,一个供 Claude Code、Codex 等 Agent 使用的网站设计 Skill,先把文章、笔记、简历等材料读完再决定网站栏目结构与排版。

    决策要点

    建站的重心从选模板填格子转向让 Agent 先理解内容,个人和小团队的展示型站点多了一条低成本的定制路线。

    • 影响展示型官网或个人品牌页可按此思路低成本生成,省掉模板改造的工时;授权明确禁止收费建站与客户交付,商业项目不能直接搬用;纯静态无后端的输出适合内容型站点,交互复杂的需求并不适用。
    • 参考可考虑用这套 Skill 把团队存量文章或笔记生成站点雏形,与模板建站对比耗时和观感;值得借鉴其先读内容再定结构的思路,沉淀成内部内容页面的生成脚本;商用场景先核对授权范围再决定是否引入。
  4. 人人都是产品经理61

    百度搭子为什么选择开放,走向智能组织

    百度搭子在百度世界2026 宣布全面开放 Harness 引擎和专业能力,并向开发者开放 Agent API,主张不替换企业已有 CRM、ERP、OA,让通用智能体与行业伙伴的专业能力互补。

    决策要点

    百度搭子的开放本质是争夺企业 Agent 的入口位,用不替换旧系统降低进入门槛,再靠生态专业能力补足纵深场景。

    • 影响接入已有系统的模式降低了 Agent 的进入成本,采购、续约这类跨系统流程可低成本试点;艾瑞数据显示约 30%-40% 项目或因 ROI 不及预期在 18 个月内停滞,立项前需先界定高价值场景;长期收益取决于经验能否沉淀为可复用能力。
    • 参考可考虑先梳理跨 CRM、ERP、OA 的高频流程,选一条试点并记录工时与 ROI 对比;值得核对百度生态伙伴是否覆盖本行业的专业场景;引入时可借鉴先小任务验证、再沉淀为标准能力的路径。
  5. 36氪·AI45

    Claude Code形式化三元哥德巴赫猜想证明,19.4万行Lean代码零sorry并修正原证明错误

    独立开发者Charlie Reams用Claude Code把Harald Helfgott 2013年的三元哥德巴赫猜想证明完整形式化为Lean 4代码,共19.4万行且全库零sorry,还发现原证明有11处与原书对不上并修补了漏洞,其中书中(6.77)式关键常数写成0.5、正确值应为0.8102。

    决策要点

    AI智能体跑完了原本没人有精力逐项核对的长周期专家级验证任务,完成与否的标准正从专家审阅转向机器内核校验。

    • 影响依赖少数专家逐项核对的高精度工作可以重新设计为智能体执行加机器校验的流程;机器可判定的验收标准让成果质量不再依赖人工抽检;资深专家的精力可转向设定目标和拆解任务。
    • 参考可考虑盘点内部依赖少数资深员工逐项核对的工作清单,选一类规则明确的场景让智能体先跑全量核对,并把验收条件改写成机器可判定的形式。
  6. 人人都是产品经理61

    为什么没有身份的 Personal Agent,无法进入商业世界?

    AI 智能体已能搜索、比价、执行任务,却拿不到商业平台的进场许可,eBay 拦截了第三方智能体 Muse(科技媒体 The Verge 复现了该情况),美联航也不允许未经授权的个人 Agent 代客订票。

    决策要点

    Agent 的竞争焦点正从模型能力转向可信身份,能否被平台识别、授权和追责决定智能体商业化的进度。

    • 影响依赖模拟人操作访问平台的 Agent 产品面临拦截和禁令风险;平台方要在防爬虫与接纳新流量入口之间权衡;支付等交易场景用户信任度仅 23%,缺少授权与追责机制难以推开。
    • 参考可考虑盘点自家 Agent 调用外部服务的方式,优先迁移到 MCP 等平台开放协议;平台型企业值得对照 Shopify 开放目录与亚马逊诉讼两种路径,先厘清对第三方 Agent 的识别和准入规则。
  7. 人人都是产品经理34

    教你用 WorkBuddy 本地部署 MiniMax-H3-Image 开源生图模型

    作者分享了用 WorkBuddy 智能体搭配自制 Skill 本地部署刚开源的 MiniMax-H3-Image 生图模型的完整方法,先诊断电脑硬件,再自动安装环境依赖并操作 ComfyUI 出图。

    决策要点

    生图模型本地部署的难点正从环境配置转向工具操作,智能体能代劳装环境和出图,但显存等硬件门槛本身没有消失。

    • 影响多数办公级电脑仍跑不动这类模型,想自建生图能力的企业需先盘点显卡、显存和内存;智能体代劳部署能省下环境调试的人力;在办公设备上安装第三方 Skill 需先过安全评估。
    • 参考可考虑先用先诊断后部署的思路盘点公司现有显卡与显存清单,再选非敏感场景试用量化方案;第三方 Skill 值得先在非生产设备上试用,再评估智能体接入内部部署流程的可行性。
  8. 人人都是产品经理52

    作者用 Qwen4-Max-Preview 挖完 4932 万条 Hacker News 评论,产出 647 条大模型本地部署实测选购数据

    作者让 Qwen4-Max-Preview 接入 Claude Code,从 4932 万条 Hacker News 2026 年评论中筛出 647 条网友真实本地部署实测,做成可查询的装机选购网站。

    决策要点

    本地部署硬件选型有了真实用户实测数据可查,企业买机器可从厂商参数表转向同机型社区跑分;单人指挥模型智能体完成千万级数据工程也在此项目中跑通。

    • 影响本地部署选硬件不能只看理论算力,Qwen3.8-27B 在 N 卡单卡中位数 50 tok/s、Mac 阵营 12.75 tok/s,采购前要按目标模型实测速度算预算;用规则文件加逐步汇报能约束长任务智能体,但要预留 token 消耗和等待时间。
    • 参考可考虑在采购本地部署机器前,先收集同型号设备跑目标模型的实测 tok/s 再对比预算;值得把作者的规则做法借鉴到智能体任务书里,写明不推断、逐步汇报、中间结果落盘。
  9. GitHub Blog58

    GitHub 实战指南:智能体技能一次编写、跨不同智能体运行

    GitHub 博客发布智能体技能实战指南,讲解如何把重复任务指令沉淀进以 SKILL.md 为核心的版本化目录,并在不同智能体间复用。

    决策要点

    智能体技能的实质是把个人经验固化为可版本化的团队资产,减少对特定成员和单一智能体的依赖。

    • 影响重复解释任务的时间可沉淀为可复用的指令资产,降低人员交接成本;技能跨客户端复用可减少对单一工具的绑定;但凭证、权限和审批仍需在环境与仓库规则层管理。
    • 参考可考虑从团队反复解释的任务入手写一个技能试点;值得盘点哪些流程判断只存在于少数人脑中,并评估是否整理进 manifest 统一管理。
  10. Microsoft Research33

    Microsoft Research 播客第 98 期汇总编程智能体降本研究与 KLS 猜想解法等进展

    Microsoft Research 发布第 98 期 Focus 播客,主持人 Anson Ho 汇总微软研究进展,包括 AI 语音翻译如何接近通用翻译器、悬置 31 年的 KLS 猜想被解决(官方称结果经独立验证并以计算机辅助方法完成形式化验证),以及东京实验室实习生的研究经历。

    决策要点

    这期研究汇总的核心信号是,AI 编程智能体的成本大头集中在触发上下文压缩的少数长会话上,该环节已出现可量化的优化方向。

    • 影响依赖 AI 编程工具的企业,少数长会话可能贡献近半处理成本,预算可按会话长度拆分核算;摘要预生成思路能把压缩开销移出工作流,但相关方法仍属研究阶段成果,短期需经现有产品功能间接受益。
    • 参考可考虑统计自家 AI 编程工具的会话长度与成本分布,定位触发上下文压缩的长会话;评估智能体采购时,可把上下文压缩的计费方式与效率表现列入询价清单。
  11. SaaStr62

    10 亿美元 ARR 成为 B2B 新的 1 亿美元门槛,线下的 10 家美股公司说明了原因

    SaaStr 作者 Jason Lemkin 判断 B2B 企业的规模安全线已从 1 亿美元 ARR 抬升至 10 亿美元,其整理的美股公开数据显示中位增速降至 11.8%。

    决策要点

    AI 时代 B2B 的规模保护线实质上从 1 亿美元 ARR 抬到 10 亿美元,中间层公司落入增长停滞与估值折价的夹缝。

    • 影响增长停滞的中小 SaaS 厂商估值折价和被并购的概率上升,采用其产品的企业要把供应商存续风险计入选型;软件预算正流向 AI 原生工具,按席位计费随客户缩编持续压低续约收入;快慢增长组 5.7 倍的估值差让并购主动权集中在现金充裕的大厂手中。
    • 参考可考虑把 NRR 低于 100% 或增速个位数的中小 SaaS 供应商列入并购断供风险清单;正在采购席位制软件的企业值得先算出 AI 工具替代后的席位数变化;软件厂商可优先修复 NRR 并把定价从席位转向用量模式。
  12. OpenAI:官网动态31

    Amplitude 如何借助 OpenAI 在 1–2 天内交付产品改进

    Amplitude 基于 OpenAI 模型构建了主动式产品智能体 Wave,由它判断该构建什么,并借助编码智能体协助团队交付改动、度量影响。OpenAI 官网客户案例称,Amplitude 借此可在 1–2 天内完成产品改进交付,页面见 https://openai.com/index/amplitude。

    决策要点

    厂商案例把需求判断、编码交付、效果度量交给智能体串成一条流程,产品迭代节奏进入天级,但数据仅来自官方口径。

    • 影响产品改进若能以天级节奏交付,按周迭代的团队在试验频率上会处于劣势;这类流程依赖编码智能体与分析数据打通,引入前需要先确认自家工具链能否衔接。
    • 参考可考虑先测出自家从需求发现到上线验证的真实耗时作为基线,再挑一个改动面小的功能用编码智能体试跑全流程,对比速度和效果后再决定是否扩大范围。
  13. OpenAI:官网动态31

    Amplitude 如何借助 OpenAI 在 1–2 天内交付产品改进

    OpenAI 官网客户故事称,Amplitude 主要基于 OpenAI 模型构建了主动式产品智能体 Wave,由它判断该开发什么、协助团队用编码智能体交付改动并衡量影响,产品改进可在 1–2 天内交付。文中速度数字为 OpenAI 官方口径,该页面属其企业客户故事栏目,材料仅为摘要,未提供完整正文细节。

    决策要点

    这则案例的实质是厂商展示智能体把选题、编码、效果衡量串成一条流水线,迭代节奏以天计;数字出自 OpenAI 自家宣传。

    • 影响产品迭代周期存在压到天级的参照样本,选题与效果衡量环节也能交给智能体分担;但 1–2 天的速度只有 OpenAI 官方口径,作为内部立项依据需要打折;厂商正把智能体开发流程当作企业侧卖点主推。
    • 参考可考虑先统计自家产品从选题到上线的实际耗时作为基线,再判断与天级迭代的差距;值得选一个改动小的场景用编码智能体试跑一轮并记录对比;引用该案例数字时应注明出自厂商宣传。
  14. The Verge · AI47

    AI 智能体并未发现未知玛雅遗址,涉事地点一年多前已有论文记录

    Google 研究员 Pietro Miotti 用 48 个 AI 智能体筛查 NASA lidar 数据,称在墨西哥发现未登记的玛雅遗址,但该地点一年多前已发表于学术期刊。

    决策要点

    AI 智能体筛查数据的速度很快,但判断发现是否新颖的核查环节仍依赖专业知识,业余使用容易产出重复成果。

    • 影响企业把智能体用于研究或情报类工作时,未经专家核验就对外发布可能造成事实错误和声誉风险;比对论文图表等非结构化资料目前是智能体的短板,专业复核环节难以省略。
    • 参考可考虑在智能体产出对外发布前加入领域专家复核;值得先梳理哪些任务需要比对非结构化资料,这类场景暂不宜完全交给智能体自查。
11月12日周四
  1. 36氪·AI66

    普林斯顿与 Anthropic 揭示 Agent 记忆陷阱,模拟实验中一句不用确认损失 120 万美元

    普林斯顿大学与 Anthropic 的研究揭示了 Agent 的“记忆陷阱”,模拟实验中清理文件时“不用再确认”的授权被带进支付任务,120 万美元批量付款未经核实即被转向另一账户,而这类风险全程无需攻击者参与(论文 https://arxiv.org/abs/2611.07554)。

    决策要点

    Agent 记忆的风险不在恶意注入,而在于良性交互留下的记忆会把一次性的授权或偏好泛化成长期规则,针对恶意内容的过滤无从拦截。

    • 影响带记忆的智能体进入支付、权限类高风险流程时,一次低风险授权可能被迁移过去并跳过核验;评审与验收类任务的评价标准可能被过往情绪或偏好带偏;现有针对恶意文本的防护拦不住这类风险。
    • 参考可考虑为支付、权限变更等高风险操作设置独立于记忆的二次确认;值得在上线记忆功能前用跨任务场景测试自家智能体的记忆迁移;先盘点哪些业务流程已允许智能体记录用户偏好与授权。
  2. 36氪·AI52

    AI代码暴涨30%交付却近零增长,SoduWork为智能体立验收规矩

    开源企业级AI原生引擎SoduWork给出人定标准、智能体干活、凭证据验收的方案,应对AI代码产量上涨但业务交付停滞的行业困境。哈佛团队联合工程数据平台对700多家企业、72万名开发者的追踪显示,引入AI后月代码行数增30%、PR增23%,但上线交付的需求近乎零增长,合并耗时拉长49%,返工比例近翻倍。

    决策要点

    AI 编码的瓶颈已从生产端转移到验收端,SoduWork 的实质是把传统软件工程的质量纪律移植给智能体协作。

    • 影响企业引入 AI 编码后真实交付并未同步增长,审查人力反而被额外占用;核心经验散落在个人会话里,人员流动和模型升级都会造成资产流失;审批疲劳意味着放开智能体权限伴随真实质量风险。
    • 参考可考虑先统计自家代码合并耗时与返工率,算清 AI 工具带来的真实交付增量;值得评估把高频任务的验收线在开工前写死,并试点将骨干的提示词沉淀为带测试用例的团队资产。
  3. 36氪·AI59

    WorkBuddy、Codex把AI竞争推向任务交付,可靠性成为硬门槛

    亿欧智库发文认为,大模型应用正从回答问题转向交付任务成果,腾讯 WorkBuddy 与 OpenAI Codex 把执行能力带进真实工作环境,可靠执行成为落地门槛。

    决策要点

    AI 应用的竞争焦点正从回答质量转向可验收的任务交付,产品评价标准随之从单次演示效果移向稳定执行。

    • 影响选型依据需要从演示转向重复执行表现和可验收成果;任务变长后人工审核、状态恢复和运行环境会成为流程设计的一部分;只比较模型回答质量会漏掉交付能力的差异。
    • 参考可考虑在试点中记录重复运行成功率、失败恢复情况和总成本再决定扩围;值得盘点现有流程中已有明确规则的步骤,把程序控制和模型判断分开安排。
  4. IT之家·人工智能34

    月之暗面徐天天:AI 迭代速度将继续加快

    月之暗面金融行业与生态负责人徐天天在第十七届财新峰会上表示,当前 AI 智能远远未达到上限,预训练算力、后训练与推理端、智能体设计三条增长曲线叠加,将使 AI 迭代速度继续加快。她称后训练与推理端曲线上 AI 已从快思考转变为慢思考,展现思考链路;智能体独自能完成的任务时长仍在增长并加速,意味着 AI 正从最初的打杂工作转向切入更深的工作流程。

    决策要点

    这是 AI 厂商负责人对行业节奏的判断,核心信号是智能体承接独立任务的时长在变长,AI 正从外围杂务走向更深的工作流程。

    • 影响智能体若能独立承担更长的任务,企业可把更完整的工作环节而非零散杂务交给 AI;迭代节奏加快会压缩技术选型的观望空间;发言属厂商立场,作为投入参考需与独立进展交叉核对。
    • 参考可考虑盘点内部流程中适合智能体独立完成的长任务环节,列为下一批试点候选;值得按能力迭代节奏设定选型复评周期,先算出现有方案的切换成本。
  5. 量子位35

    银河智学详解小鹿爱学,AI教育如何从通用大模型走向学习过程智能

    银河智学(字节跳动原高级副总裁陈林创办)首席科学家邓澍军,11月11日在无锡举行的第九届中国教育技术创新发展与应用成果大会上详解旗下产品小鹿爱学的双核技术架构。

    决策要点

    教育AI的分水岭正从模型通用能力转向对学习过程的理解,银河智学的路线是把大模型与教育测量引擎组合成校端整体方案。

    • 影响教育产品的评价标准从答题速度转向真实学习效果,以问答为核心的同类产品面临差异化压力;进校落地需要适配课表与教学流程,共创周期和运营投入高于单点工具。
    • 参考教育AI团队可考虑对照双核架构补齐学情诊断与路径规划能力,进校产品值得先核算课型适配和驻校共创的投入,采购方可要求厂商给出覆盖诊断到反馈的完整流程案例。
  6. 量子位34

    让AI真正懂业务:中兴通讯璇玑如何成为企业AI的语义基础设施

    中兴通讯介绍其璇玑系统,以本体语义组织企业知识并映射到数据资源,定位为企业AI基础设施中的本体语义软件平台。平台支持从自然语言问数到指标计算和规则推理的完整链路,提供质量门禁、版本比对与历史回滚等治理机制,并已通过中国信通院《本体建模能力要求》测试,覆盖五大能力域和20个能力项。本文由中兴通讯提供,量子位获授权转载。

    决策要点

    中兴通讯璇玑以本体语义连接业务语言与数据,把企业AI的落地关键从模型能力延伸到知识组织与治理。

    • 影响指标口径不清、语义分散的企业,问数和智能分析难以稳定落地;引入语义层需要持续的建模、验证和维护投入,并非一次性交付;信通院标准测试为选型和验收提供了统一尺度。
    • 参考可考虑先盘点企业内部指标口径和业务对象的分散程度,估算重复开发知识接口的成本;选型时可参照信通院本体建模测试的能力域框架设定验收标准。
  7. IT之家·人工智能55

    Omdia 预测 2026 年全球 AI 软件营收突破 2000 亿美元,较 2024 年翻一番

    市场研究机构 Omdia 发布《人工智能软件市场预测》报告,预计 2026 年全球 AI 软件市场营收将突破 2000 亿美元(约合 1.34 万亿元人民币),较 2024 年翻一番。

    决策要点

    Omdia 的判断是 AI 软件收入进入放量期,生成式与智能体 AI 的界线正在消失,未来市场可能按 AI 自主程度划分。

    • 影响企业软件预算面对的是一年翻倍的 AI 支出盘子,供应商报价与功能迭代会明显加快;智能体能力将嵌入现有业务软件,员工使用方式从写提示词转向管理自动化流程;2026 年的高增速不会持续,规模测算宜按 30% 的长期年复合增长来算。
    • 参考可考虑把 AI 软件预算拆成生成式工具与智能体能力两条线分别评估,优先试点能自动完成多步骤任务的助手场景;值得按市场翻倍与 104% 的智能体增速重算现有供应商续费报价的合理性。
  8. 36氪·AI54

    南京大学团队提出TestPrism基准,AI写测试可靠性被评测标准高估一倍

    南京大学刘佳恒团队提出测试生成基准TestPrism,从17个公开Benchmark收集任务,测试集含300个任务和3000个带标签候选实现,核心指标JSF要求测试在原始代码上失败、接受所有正确实现并拒绝所有错误实现。

    决策要点

    现有基准对AI生成测试的可靠性存在系统性高估,Agent自测通过不等于代码可靠,采信AI编程成果时应留出质量余量。

    • 影响依赖Agent自写测试做验收的团队,漏检与误伤风险会高于传统基准分数显示的水平;工具选型若只对比单一参考类成绩,容易高估真实能力;论文显示改进生成流程也能提升可靠性,不必只押注更强模型。
    • 参考可考虑在AI编程试点中要求生成的测试先经人工抽检或多实现交叉验证再作验收依据;评估编程Agent时值得把多实现联合通过率这类更严口径纳入对比清单。
  9. 人人都是产品经理49

    Codex 加 Blender 搭建可自由探索的 3D 世界

    作者用 Codex 加 Blender 和 Three.js 搭出一个可在本地浏览器自由探索的 3D 世界,建模脚本和网页代码大部分由 AI 完成,自己只负责提供参考图、提需求和检查效果。

    决策要点

    AI 编程智能体已能驱动 Blender 这类专业工具产出可交互 3D 内容,门槛正从建模技能转向提需求和验收能力。

    • 影响虚拟展厅、产品 3D 展示、互动营销这类场景的制作门槛在下降,业务团队有机会小成本试做;文中 54 张检查图和多轮返修说明验收与细节打磨仍占大量人力,排期需要预留迭代时间。
    • 参考可考虑挑一个虚拟展厅或产品 3D 展示的小需求,按文中拆分道具、分步渲染验收的流程试做一轮;值得盘点现有 3D 素材和 GLB 模型,优先复用现成资源控制成本。
  10. 36氪·AI28

    第六镜科技携工业智能体亮相ADIPEC 2026

    第六镜科技在阿布扎比ADIPEC 2026展会上展示“析弈”安全生产智能体和Prismind L系列管道内壁质量检测机器人,覆盖HSE管理与管道检测两类工业场景。

    决策要点

    第六镜科技借ADIPEC展会对接中东油气需求,产品卖点是把告警后的核实、研判与整改跟进串联起来,关键判断仍留给人。

    • 影响中东油气供应链的HSE管理和管道检测出现新的中国供应商选项,且已取得ADNOC等准入资质;对同类工业AI厂商,先入供应商体系再对接具体需求是可参照的出海顺序。
    • 参考油气、化工等企业可对照自身HSE告警处置和管道内检流程,评估这类从告警到整改的串联能力能否减少核实环节;在阿曼、伊拉克有业务的可关注其代理商招募进展。