Agent 开始动真实世界了：离开沙箱前，它必须拿到三把钥匙
8 月最后一周 AI 信号：Anthropic 模型硬件标准、Pasqal 量子 Vibe Coding（仿真→真机）、OpenAI 常驻 Agent 与失控事故、具身智能标尺切换。Agent 的下一关不是更聪明，是敢不敢动真实世界——取决于接口标准、验证闸门、可信边界三把钥匙。
分类: 人工智能
共 148 篇文章
文章列表
RRL 入门：让大模型不再忘记好点子
RRL（Retrospective Replay-based RL）通过价值模型识别、重放缓冲区和周期性重放，把在线强化学习训练中被遗忘的高质量探索样本重新利用，解决模型训练后期探索退化的难题。
可插拔、有身份、能交付：这一周，Agent 长成了基础设施
8 月 17–27 日 AI 信号汇总：Agent Plugins 1.0 跨厂商可移植、MCP 给 agent 发身份证、成都贡嘎一号无遥控全自主长时序、Orchard 开源环境层。Agent 正从一次性聪明脚本进化为可插拔、有身份、能交付的公用设施。
后训练入门：让大模型从「懂语言」到「会干活」
后训练（Post-training）入门教程：预训练 vs 后训练的区别、SFT/RLHF/DPO 三种主流方法、什么场景适合做后训练（配 6 个真实案例）、什么场景不该做、工具推荐与最小可跑案例，面向工程师的速查指南。
跑赢博尔特，37 队弃赛：这一天全行业在重写记分牌
8 月 26 日 AI 三战场同现反差：人形机器人百米 9.32 秒超博尔特却仅 26% 完赛，Claude-opus-5 仓库迁移 47/100 但全阶段通过仅 5.4%，99% 企业计划部署 Agent 仅 9–14% 投产。行业正在从比峰值转向比完成率，重写记分牌。
AI 不再只是聊天：8 月，一场关于「闭环」的战争已经打响
2026 年 8 月，AI coding 自主交付（Copilot Autopilot GA，PR 周期 -40%）、开源 Agent 成公用设施（Qwen3.8 Max 登顶 BenchLM 79.91）、具身智能真实落地（世界机器人大会 + 人形机器人运动会，中国出货占全球 97%）。竞争焦点正从「谁的模型更聪明」转向「谁的闭环更完整」。
英伟达 DGX Station 深度评测：748GB 统一内存，带宽到底是多少？
英伟达 DGX Station 深度拆解：748GB 统一内存的带宽不是一个数——HBM3e 7.1 TB/s、LPDDR5X 396 GB/s、NVLink-C2C 900 GB/s 三档分层，附产品评价与购买建议。
稀缺的不是智能，是诚实的反馈：环境侧脚手架、具身评测竞技场、80% 的上瘾率
EnvHarness 把环境从数据重构成可编程系统（ALFWorld 70.4 vs 60.7，SWE-bench 步数减 9.8%），具身智能造 RoboColiseum 影子世界，80% 开发者被 AI 编程上瘾——稀缺的不是智能，是诚实的反馈。
Agent 拿到了钱包和写权限：2026 下半年的真战场是「授权」
AWS AgentCore Payments 转 GA、Cloudflare WriteGuard 私测、人形机器人全自主竞技——本周 AI Agent 同时拿到经济自治与写权限，爆炸半径三变量被同时推高。确定性围栏定律、授权阶梯框架与独立分析。
Agent 的胜负手，已经不在模型里
72 小时内 5 条新闻、3 个战场，2026 的工程共识：Agent = Model + Harness。从 Slack Code、Qwen-UI-Agent、Pelican-Unify 到腾讯降本 50%-65%，看 Harness 怎么成了 AI 真正的胜负手。
成为 Agent 工程师，需要哪些技能？
347 份 Agent 岗位 JD 拆解出的六块硬核能力，以及有工程背景的转岗者最短的 4 周落地路线。
拆开 Codex Harness：模型之外，Agent 如何把活干完
从 Codex CLI 的 run_turn、上下文管理、工具路由、审批沙箱和压缩源码出发，解释 Codex Harness 与 Codex 的关系，并与 DeepSeek Harness 的插件化运行时逐层比较。
手机上的开源 Agent：对标 Pi 的 6 个原生 App 实战
对标 Pi 装完即跑、不要 Termux——把这条硬约束丢进 2026 年移动端 Agent 生态，能跑出来的项目只有 6 个。Aether / OpenDroid / PokeClaw / Operit / Gotcha / OpenMinis 真实 GitHub 数据横评 + 工程师选型建议。
Operit 深度拆解：手机里的开源 AI 操作系统
GitHub 7,140★ 的 Operit 是当前移动端原生 AI Agent 中功能最稠密、迭代最稳的开源项目。本文做一次全维度深拆：架构、技术栈、历史、热度、活跃度、质量、先进性、功能、用法、桌面版、性能，以及 9 个我未想到的判断。
Asana 用 Codex 两周清完五年工程量：$12K vs $6M 的 Agent 经济学拆解
Asana 用 OpenAI Codex 两个日历周移除年久失修的 Enzyme 测试框架：模型与基础设施成本约 $12K，原人力估算约 $6M。拆解为什么这笔账算得过来、Agent 如何并行干活，以及哪些可复制、哪些要谨慎解读。
模型评测实战：从 Bench 概念、主流产品到自建评测集
这篇实战指南从 benchmark 基本概念讲起，盘点主流评测框架与排行榜，再到如何自建评测集、如何更科学地评测模型，并给出真实可抄的评测思路与例子。
OpenRouter 加入 Stripe：多模型网关的中立性，能被「并入」保住吗？
OpenRouter 官宣加入 Stripe：日处理 10+ 万亿 tokens、接入 400+ 模型、服务 1000 万+ 开发者。一个以「中立」立身的多模型网关被支付巨头收编，中立性能保住吗？拆解事件、商业模式与独立分析。
Cerebras CS-4：号称推理比 GPU 快 30 倍的「最快 AI 加速器」
Cerebras CS-4 用三颗 WSE-3 Turbo 晶圆级芯片挑战 GPU 推理霸权：30 倍单用户 token 速度、10 倍能效、2 微秒晶圆互联。但「最快」是真实突破还是营销口径？我们拆解数字背后的架构与约束。