AI DAILY DIGEST · 时间均为北京时间

AI 要闻 · 2026-10-26

星期一 · 10-26 07:21 截稿 · 共 15 条

★今日最该知道的 3 条

NO.1
Claude · 平台文章Skills多 Agent编排

构建 Agent:何时把子 Agent 折进主循环

Anthropic Applied AI 在多起企业部署对比里发现:主循环 + 按需加载的 Skills/工具,质量常优于「一队子 Agent + 总编排」,成本与延迟也更低;子 Agent 仍适合并行、独立权限与验证。文中附迁移套件,可先在演示系统上试折进主循环。

为什么值得看:个人助理与班组类产品最容易复制组织架构做成 Frankenprompt。先问清:是缺并行/权限边界,还是只是把部门墙搬进了上下文——多数时候 Skills 渐进披露就够。
评分反馈
NO.2
Hugging Face · 10-25 报道开源权重编码 Agent33B

Nanbeige4.3-33B

BOSS 直聘旗下 Nanbeige Lab 放出 Apache-2.0 的 33B 稠密模型(另有 Base),面向 agentic coding 与办公协作,上下文约 512K;自家对比里 Terminal-Bench 2.1 到 80.9(高于 Qwen3.8-27B 的 73.0),SWE-Bench Pro 60.3 略低于对方 61.7。路线是先强教师再蒸馏到 3B。

为什么值得看:30B 档开源 coding agent 又多一个可自托管选项;若你已在跑 Qwen3.8-27B,值得用同一套终端/仓库回归看 Terminal-Bench 优势能否落到自己的工具链。
评分反馈
NO.3
arXiv · 报道 10-25prefilltoken 剪枝推理

斯坦福与伯克利推出 TokenGate:长上下文 prefill 最快可提速 11.3 倍

TokenGate 给已有 Transformer 加可学习剪枝门:只把 top-K token 送入后续层,并用 token-gated attention 训练;相对满上下文 TTFT 约 1.4–11.3×、峰值显存约 1.5–3.4×,宣称不掉点,也覆盖 Qwen3.5 等混合注意力。代码 Apache-2.0。

为什么值得看:长仓库/长会话的首 token 延迟仍是本地与私有化 serving 的痛点;这是可插拔的 prefill 侧方案,值得和已有 KV/稀疏注意力路线并列评估。
评分反馈

1专栏:端侧模型

llama.cpp 接入 DeepSeek-V4.1-Flash;其余为小构建。

GitHub · 10-25 10:15llama.cppDeepSeek端侧

b11870

预发布 b11870 合入 deepseek41:Engram 表改 BF16、压缩 KV 读层缓存一次计算,并去掉若干 host gather;方便本地跑 DeepSeek-V4.1-Flash。

为什么值得看:昨天还在等官方端侧配方的,可以直接跟 b11870 试本地 Flash;量化与速度以自己机器实测为准。
评分反馈

b11871/b11873/b11876 为 OpenCL q2_k、Vulkan tile、JSON 深度限制等日常构建,未再单列。Nemotron 3.5 Bolt E4B 源站帖在窗前(见私密)。

2专栏:Agent 记忆与协作

主循环折 Skills 见今日三条;记忆/个人助理框架与上下文取舍。

IT之家 · 10-25 18:38个人 Agent记忆千问

阿里千问蒋冠军谈个人 AI 智能体技术框架:需要模型、记忆与生态协同推进

蒋冠军在中国计算机大会回顾千问路径:对话→代理→助理;助理阶段要在任务交付之上结合个人上下文主动规划。模型侧梳理 30+ 行业、8000+ 原子能力;记忆侧强调关联而非堆对话;生态侧接知识、Skill 与第三方 Agent。

为什么值得看:和「主循环 + Skills」同向:记忆提供背景、模型规划、生态执行。做个人助理时别只堆聊天记录,先定义哪些历史真能改行动。
评分反馈
IT之家 · 10-25 16:05千问 Go应用生成Meoo

阿里 AI 智能体「千问 Go!」上线「我的应用」功能:可帮助用户搭建长期、可分享的专属应用

「我的应用」接阿里云 Meoo,可自动搭应用、配库与部署;授权后能调用淘宝/高德/大麦/夸克网盘等个人数据做个性化工具。与云端 Pro 同处邀测。

为什么值得看:个人数据闭环的消费级助理又进一步。对标时看的是授权边界与数据是否真用于「下一动作」,而不只是又一个生成页。
评分反馈

Jev-Mem / Agensh 论文与开源日期在窗前,仅作私密对照。MCP Tasks 官方帖亦在窗前。

3主流产品 Changelog 精读

窗口内只列值得注意的条目,安静的产品略过。

Qwen Code

  • Qwen Code:会话权限规则与 Auto approval
    为什么值得看:managed 模式增加会话级 permission rules 与 Auto approval;并加固 serve token 解析,防止项目环境注入。预览渠道,正式版以稳定标签为准。
    评分反馈

Gemini CLI 仅有 empty nightly diff;Claude Code / Cursor / Amp 等本窗无新的有说明条目。ChatGPT 更新日志仍 403;Grok/DeepSeek 已用 http 备用拉到正文但无窗内新条目可摘;Gemini API 仍跳转循环。

4GitHub 热门

日榜里和编码 agent / 安全 skill 相关的新面孔。

hallmark / impeccable / cindy 三日连登不重复占坑(见昨日)。cloudflare/security-audit-skill 已于 10-22 报过。TradingAgents、microduck 与本期选题关联弱未收。

5Agent 工程

上下文与 skill 同会话的取舍;官方主循环文见今日三条。

X · 10-26 01:27Skills上下文会话

@dexhorthy: 多 Skill 同会话会不会弄脏上下文

为什么值得看:直觉:五步流水线同会话通常可接受,但每多一个 skill 会分走注意力;超长流程再考虑子 Agent / 压缩 / 新会话。和今日三条的「先 Skills 再拆子 Agent」可对读。
评分反馈
X · 10-25 21:34测试上下文回归

@tison1096: 用 AI Review 测试来收敛上下文

↳ 续帖
为什么值得看:把「让模型写测试」从默认产出改成定期修剪:行为契约留下,推理期堆出来的细节约束砍掉。做 agent coding 流水线的,可以把 AI Review 测试当成上下文卫生的例行工序,而不是又多一层文档。
评分反馈

MCP Tasks/Elicitations 官方宣布在窗前;窗内中文转述见 X。Anthony Morris / Thariq 离职主帖亦在窗前或昨日已报。

6检索与基础设施

TokenGate 见今日三条;其余为安全与库侧旁线。

MarkTechPost · 10-25安全开源Mythos

Anthropic 推出免费开源漏洞扫描器 OSS Scanner

维护者交 Dockerfile 后、审计在无网 VM 跑;人工抽查 97 条危急/高危里约 88% 达披露线(wolfSSL 74 条仅 2 条无效)。10-8 上线约 11 天内模型自评危急 77、高危 803;约 650 申请收下 114 个项目,报告不经人审直达仓库方。

为什么值得看:速度换来的是维护者自己的分诊负担。给依赖树做供给链体检时,可关注哪些发现能复现、哪些只是模型误报。
评分反馈

Chroma 加入 Replit 官方博文日期 10-23(窗前);OpenAI 训练围栏/Brotli 发现亦在窗前,窗内中文长转述见私密。

7论文

窗口内无新的 HF Daily 日更;TokenGate 报道见今日三条。

今日无重要更新

HF Daily 快照仍停在 submittedOnDailyAt≤2026-10-23。TheoPhysEval(2610.16733)与 Jev-Mem(2609.23986)源日期在窗前,仅 X 传播,不进本栏。

8大厂与模型

产品界面与周报级政策/融资旁线。

IT之家 · 10-25 22:33Claude桌面设计

Claude 桌面应用推出新版界面,从草图到上线不到 3 周

Anthropic 设计工程师 Chase McCoy 称新界面由 Claude 协助设计,草图到上线不到三周;部分用户嫌信息密度低、去衬线与暖色后偏冷,接近 ChatGPT 观感,但也有新侧边栏。

为什么值得看:「用自己的模型改自己的壳」周期已经压到周级。做桌面 harness 的,可对照:速度上来后,品牌辨识度反而成了要显式守的约束。
评分反馈
TechCrunch · 10-25Grok视频后续

后续|Grok 放出其 AI 生成《奥德赛》的前七分钟

在马斯克宣称要做全长「史实」奥德赛约三个月后,xAI 放出称为系列第一集的约七分钟片段;TechCrunch 评测观感平平,并回顾其与诺兰版本的舆论对立。

为什么值得看:昨日 Imagine/Odyssey 预告后的首个成片切片。当样片而非片单:片长与「史实」承诺之间的缺口,比画质口号更值得记。
评分反馈
X · 10-25 18:42基准理论物理Agent

@rohanpaul_ai: TheoPhysEval 最强智能体解出 49/50

为什么值得看:未发表题库上拿到 49/50,比刷公开物理基准更刺:评估集污染之外,还要问「智能体是否在替研究员做可发表推理」。做科研 agent / 评测的,优先看题是否保密、过程是否可审计,而不是只报正确率。
评分反馈

人事与收购类窗前原文(Morris、Chroma×Replit、OpenAI 围栏)不进公开 top;见私密简报。

9X 精选

协议与工具

  • 思维怪怪 @0xLogicrw · 10-25 11:36 · ♥ 2 MCPClaude Code长任务
    @0xLogicrw: Claude Code 支持 MCP Tasks
    为什么值得看:官方宣布在窗前;这条是窗内完整中文转述:长任务可先回 task id、远端可断线续追,Elicitation 中途弹表单。做 MCP 插件的,把「慢工具」改成 Tasks 比空转等待更划算。
    评分反馈

工作流观察

  • Ethan Mollick @emollick · 10-25 20:54 · ♥ 123 分析 Agent工作流
    @emollick: 仪表盘思维不够大
    为什么值得看:和昨日 Sundial 被买回内部同一条线:价值不在 KPI 面板,而在主动找松线、标优先级并动手。做内部分析 agent 时,输出应是「下一步」而不是又一张图。
    评分反馈

☰往期