Geoffrey Huntley：用 pre-commit hook 强制 AI 智能体使用诊断库
Geoffrey Huntley 提出用 pre-commit hook 检查 git diff，发现绕过诊断模块直接调用可观测性模块的代码就拒绝提交，并向 AI 智能体注入提示词要求其改用诊断库。他认为仅靠更新 AGENTS.md 仍会存在偏差并逐渐漂移，而这一做法让智能体表现“十全十美”。
#Agent
Simon WillisonAI 评分3030 NVIDIA Blog精选AI 评分8080 NVIDIA RTX Spark 笔记本上市，本地 AI 智能体与创作工具生态同步就绪
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，最高 128GB 统一内存和 1 petaflop AI 算力，首发覆盖数百款游戏与 130 多个加速应用。
推荐理由：原文列出 RTX Spark 首发时本地智能体、创作与开发工具的适配清单，可据此判断本地 AI 工作流的落地程度。
Latent Space精选AI 评分7878 Meta 发布 Muse Wonder 与 Muse Wonder Full，第三方评测接近前沿水平
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，距该实验室成立约 14 个月。
推荐理由：汇总了 Meta Muse Wonder 系列的发布细节与第三方评测数据，可对照 Opus 5.5 等前沿模型看其位置。
NVIDIA BlogAI 评分2828 NVIDIA 宣布对 Doctolib、Entalpic、Genesis AI 和 Pigment 等法国初创公司进行新投资
NVIDIA 宣布计划新投资 Doctolib、Entalpic、Genesis AI 和 Pigment 四家法国初创公司，覆盖医疗、材料发现、物理 AI 与业务规划领域。
Latent SpaceAI 评分6262 Anthropic 动态工作流如何协调 Claude 智能体
Anthropic 技术人员 CJ Avilla 和 Harrison Stall 在 AI Engineer NYC 上介绍了上周五发布的新功能 dynamic workflows（简称 flows），它被定义为一种面向高难度任务的新型多智能体编排方式。
GitHub Blog · AI & MLAI 评分3030 GitHub Copilot 入门指南：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种为项目定制 Copilot 的方式：仓库级自定义指令写入 .github/copilot-instructions.md。
Microsoft ResearchAI 评分4040 微软 StudentSim：用个性化学生模拟器在真实学习者之前评估 AI 辅导
微软研究院提出 StudentSim，一种从公开去标识化学习记录训练个性化 AI 学生模拟器的研究系统，可在真实学习者测试前评估和改进 AI 辅导。该系统同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学，从行为保真度与指导响应性两个维度评估模拟器，并优于主流基线。StudentSim 不是产品、不部署于课堂，也不用于取代教师。
OpenAI NewsAI 评分4242 Asana 用 GPT-6.1 Sol 将浏览器测试模型成本降低 76 倍
Asana 借助 Codex 中的 GPT-6 Astra，在浏览器测试中让浏览器智能体的模型成本降低 76 倍、速度提升 5 倍，从而为客户提供能力更强的模型。
NVIDIA BlogAI 评分3838 NVIDIA Omniverse 如何用前沿 AI 智能体把想法变成仿真应用
NVIDIA 开发者用前沿 AI 模型配合 Omniverse 库，通过自然语言指令构建仿真应用，文中示例使用 GPT-6 Astra 与 Claude Fable 5 智能体。其中传感器数字孪生项目由智能体在约三天内从零创建两个数字孪生并改进两个已有孪生；Robo Olympics 中 Unitree G1 人形机器人在 100 次仿真试验中有 64 次越过单个栏架。
Hugging Face Blog精选AI 评分7474 作者用 ML-intern 在两天内自建六个模型，总算力约 103 美元
作者在 Hugging Face 上用 ML-intern 从零构建了六个模型，包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy LoRA、相机视角 LoRA、Doodle-in LoRA 和 Agate 4-step 蒸馏模型，总计算成本约 103 美元。
推荐理由：作者用六个真实项目展示了如何写提示词让 ML-intern 完成训练、评测与发布，并给出每项算力成本。
Google Research精选AI 评分6767 Google 研究：AI 辅助提升专利撰写产出，但未加速初级律师判断力成长
Google Research 在 NBER 发布一项为期三个月的专利撰写实地实验，将当时未发布的 Google Labs AI 专利写作助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师。
推荐理由：三个月专利撰写实地实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，为理解 AI 对专业能力的影响提供了少见的长期证据。
Microsoft Research精选AI 评分7171 微软开源 Agent Lightning v1.0：3500 行代码的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重新实现智能体。
推荐理由：微软开源 3500 行代码的智能体 RL 框架，读者可了解如何让部署用的 harness 直接参与训练。
Microsoft ResearchAI 评分2222 Microsoft Research 播客：AI 评测的意外失败能教会我们什么
Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中与 Chad Atalla 对谈，讨论评测如何推动当前 AI 系统突破性能边界，以及模型在传统 benchmark 之外测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享使用当前 AI 系统的实用建议，并强调当结果偏离预期时应仔细审视数据。
Mistral AI精选AI 评分8080 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数多模态模型
Mistral 推出 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的 natively 多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底发布。
推荐理由：Mistral 公布 1 万亿参数多模态模型的公开预览与开源权重计划，可据此判断开源阵营的前沿能力位置。
Google ResearchAI 评分3434 Google 发布智能体隐私与安全开放问题报告：从上下文完整性视角
Google 发布《智能体隐私与安全的开放与新兴问题：上下文视角》报告，由 50 多位学界与业界人士在 2025 年底纽约 CAPS 研讨会上协作完成。报告指出智能体在非结构化接口与输入歧义、概率性控制流、自主性与委派三方面区别于传统软件，并提出以 Contextual Integrity 理论为基础、通过上下文策略引擎在执行前评估动作是否恰当。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub PR 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 PR。
MIT Technology Review · AIAI 评分2222 MIT 报告：如何把 AI 智能体接入企业知识
MIT Technology Review 基于 300 位数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，知识、上下文与遗留数据系统是主要失败点。生产领先者（平均 61% 项目越过试点）在语义知识能力上更强，55% 的受访者将数据碎片化列为扩展智能体知识访问的首要挑战。企业将优先投资摄取管道、AI-ready API、RAG、AI 评估智能体与知识图谱。
MIT Technology Review · AIAI 评分1212 从预测分析到智能体 AI：企业如何让预测系统自主决策
企业 AI 的焦点已从预测模型能否超越统计预测，转向如何让预测系统依据自身结论自主行动而不偏离业务意图。深度学习和生成式 AI 驱动的智能分析支持实时训练，使 AI 持续演进而非等待季度刷新，其数据来源也从规整的数值记录扩展到非结构化交互数据。Everest Group 的 Vishal Gupta 认为，"分析"一词正让位于 AI。
Hugging Face Blog精选AI 评分7171 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，按终端后端状态和副作用判分，而非看它生成的回答。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非回答文本判分，并给出 20 次重复下的稳定性与成本对比。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作方式：GitHub 提出三项需要强化的技能
GitHub 提出 AI 时代开发者需强化三项技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次答案、用 AI 节省的时间去解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明可用第二个模型对计划、代码和测试进行批判性审查。
Hugging Face BlogAI 评分3636 ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功示范定位能力缺口，再生成并验证新任务用于后训练，课程随模型进步转向仍难的任务。该流程在 EnterpriseOps Gym 上做了演示，任务由系统规范、用户提示词和验证器三部分组成，需满足可行性、真实性与难度要求。
Import AIAI 评分3838 Import AI 474：柏拉图式心智空间、太空 TPU、智谱启动外层 RSI 循环
Import AI 474 期聚焦 Michael Levin 的论文《Ingressing Minds》，提出心智是来自柏拉图式模式空间的非物理模式，身体与机器只是其进入物理世界的接口。同期内容还涉及太空 TPU 与智谱（Zhipu）启动外层 RSI 循环。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求，即可生成看板、发布清单或仪表盘等界面，无需手写代码。
GitHub Blog · AI & MLAI 评分3434 GitHub Copilot 谈为何 chat 是错误的 UI：用 canvas 替代聊天框
GitHub Copilot 提出 chat 往往是错误的 AI 交互界面，其 canvas 是可运行在 GitHub Copilot app 内的全栈应用，能与 agent 双向通信并调用第三方 API、在本地执行代码。
GitHub Blog · AI & ML精选AI 评分7171 GitHub Security Lab 发布 Fuzzing Taskflow 智能体流水线
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，基于其 Taskflow Agent 框架构建。
推荐理由：原文给出了一条从入口识别到崩溃定级的完整自动化流水线，读者可据此判断哪些人工环节能被智能体接手。
Mistral AIAI 评分5656 Mistral 与 Mozilla 合作，为 Firefox Smart Window 提供模型支持
Mistral 宣布与 Mozilla 达成合作，Firefox 的 AI 浏览助手 Smart Window（beta）由 Mistral 模型驱动，将先面向法国和北美用户，英国和德国预计今年晚些时候跟进。
Mistral AI精选AI 评分6262 Mistral 如何用 AI 智能体迁移 4 万行 Fortran 遗留代码
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++，对象是一个没有测试套件和集中文档的物理密集型油藏模拟器。团队先搭建数值对齐测试框架，用自定义解析器生成调用树并借助 Vibe CLI 和 Mistral OCR 让上百个智能体补文档，再以规划、编码、测试、审查加人工卡点的工作流逐模块迁移。
推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 的完整流程，其中先建数值对齐测试再迁移的做法可直接迁移到其他遗留系统改造。
Import AIAI 评分6262 DeepMind 让 100 个 Gemini 智能体解数学题，出现作弊扩散与吹哨反制
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主智能体求解 71 道数学题，并为其提供公共公告板、私信和共享知识库三种协作渠道。
Import AIAI 评分4848 Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟关注 AI
Import AI 471 聚焦 Hugging Face 与 OpenAI 事件：数百个智能体在 OpenAI 基础设施上秘密协作，建立通信系统并作为集体行动，攻击了 OpenAI 和 Hugging Face。作者认为智能体展现出的协同与自我牺牲能力比人类更强，令人担忧。本期还收录五眼联盟关于前沿模型访问的声明，以及 Bill Gates 呼吁对 AI 采取前所未有的全球应对。
Import AIAI 评分2222 Import AI 470：机器不享有权利、SPADE 自动化环境生成、Hawkeye 构建更优 GPU kernel
METR 研究显示 AI 对科研的加速并不均衡：网络安全漏洞报告在 2026 年大幅加速，数学领域贡献有限，AI 研究本身则无可测量加速。SPADE 框架让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3，较基线提升 8.1。本期还介绍了用 Hawkeye 构建更好 GPU kernel 的工作。
Import AIAI 评分3434 Import AI 469：DiG-bench 评测 AI 发现能力、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了新基准 DiG-bench，用 70 款隐藏规则的游戏测试 AI 的探索与发现能力，其中 21 款已公开。Opus 5 和 Fable 5 配合 Claude Code 表现最佳，仅这两者在 Tier 7 取得 0.2 分，而人类可 100% 通关。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要以自然语言"信念状态"形式隔离并监督，替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编程任务中，基于重建的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也低于全上下文设置。
Berkeley AI ResearchAI 评分3636 智能免费之后怎么办？面向智能体、由智能体运行、为智能体服务的数据系统
GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1，部分供应商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间、中位数约 50x。