Signal #17：Agent 开始进入组织系统
Agent 正在从工具入口，变成组织系统里的行动者。
当 Agent 只是帮开发者补一段代码、解释一个问题时，它更像一个助手。但当它开始访问 GitHub、Slack、Linear、云端环境和企业知识库，开始提交 PR、触发流程、调用工具、消耗预算、留下产物时，它就不能再只是一个 prompt 驱动的工具。
这周多个产品变化都指向同一个方向：Agent 开始进入组织已有的权限、凭证、审批、日志、成本和责任体系。它以谁的身份访问系统？能拿到什么凭证？哪些动作需要人确认？执行过程如何记录？产物最后算谁的？运行成本归到哪里？
这些问题听起来不像模型能力，但会决定 Agent 能不能真正进入真实研发组织。
过去一段时间，AI Coding 的重点是让 Agent 能完成任务；接下来，更关键的是让 Agent 能被组织稳定地使用和管理。Agent 越能行动，越需要边界。AI Coding 的下一阶段，不只是更强的 Agent，而是能被授权、被审计、被归因、被纳入工作流的 Agent。
AI 时代，实时入湖正在告别 ETL：从 Kafka 到 Iceberg 的架构减法
阿里云分享Kafka×Table Bucket零ETL入湖架构方案
文章围绕AI时代流数据入湖架构减法展开。AI时代企业需兼具实时消费、历史沉淀与多引擎复用的数据底座，Kafka、Iceberg与对象存储组合成重要方向，但传统ETL方式有链路长等问题。实时入湖呈现开放格式优先、零ETL诉求等趋势，Kafka入湖分原生集成、Connector/ETL、生态平台三大阵营。‘零ETL’减掉额外数据搬运链路等，Kafka×Table Bucket零ETL入湖路径分三层，消息入湖经记录转换、Schema感知与演进、Iceberg写入与事务提交三阶段，具备稳定性、一致性与可治理性等关键能力。该架构融合协议与格式，成本低、稳定性强、场景覆盖能力完整。实时日志分析、数据库变更实时入湖等四类场景优先受益。‘零ETL’收敛通用入湖能力，减少系统复杂性，未来将朝三方向演进，阿里云ApsaraMQ for Kafka×OSS Tables已实现该能力并开启邀测。
更可靠的主播助理：淘宝主播Agent的Harness工程实战
淘宝分享主播Agent的Harness工程实战经验
本文围绕淘宝主播Agent的Harness工程实战展开。首先阐述主播Agent需Harness的原因，因其应用场景比多数公开实践更苛刻。接着介绍Harness建设思想，包括基础定义、分层结构和工程载体，分层结构使业务方和框架层责任清晰，工程载体采用逻辑统一、物理分治模式。然后介绍八项实战，如上下文工程通过分层压缩、Reducer模式更新和大上下文卸载解决上下文问题；工具调用从能力边界、约束和错误恢复三方面强化；生命周期Hook在关键时机插入规则；沙箱执行防护隔离不可信代码；五层安全防护体系构建纵深防御；还有异常处理、DAG全局规划和评测体系。最后介绍Harness记忆，从与通用系统差异、三层记忆模型、记忆对账与信任度进化、多因子遗忘等方面提升主播记忆可靠性。
AI 不缺智商缺纪律：我的 Harness 工程化实践
作者分享Harness工程化实践及AI Coding流程框架
作者分享Harness工程化实践，指出AI Coding瓶颈从“模型能力”转向“流程工程”。harness是把“AI该怎么干活”固化的工程框架，能解决工序随机、上下文污染、坑反复踩等痛点。其采用三层加载模型，各层有不同作用和代价，贯穿19节点链、G1 - G8门禁和意图×风险动态裁剪。演进历经四个阶段，从拿来开源规范，到自建重prompt约束，再到减负分层加载，最终实现Agent调度编排。还构建了评测平台，从7个维度给harness执行打分，推动自进化闭环。最后作者坦诚系统存在不足，如产物质量判不了深度等，并提及业界前沿方向，强调该模式适用于过程可观测的AI工作流。
Spec 也会骗人：AI Coding 为什么一进真实仓库就翻车
文章借论文探讨AI Coding工程化进入真实仓库的难点与解决思路
文章借论文《Spec Kit Agents: Context-Grounded Agentic Workflows》探讨AI Coding工程化难点。AI Coding进入真实仓库易“上下文失明”，如引用不存在API、错判仓库结构等。“先明确规格，再推进实现”工作流虽重要，但Spec本身可能有误。AI Coding失败常因读错仓库，错误会被流程放大。Spec-Driven Development有价值，但需验证。论文提出在各阶段前后进行只读探测和验证，将AI Coding推进到生成能被仓库承认的方案。未来AI Coding竞争关键在于恢复真实仓库上下文、绑定需求等到仓库事实、阶段发现偏差。AI研发自动化要将隐性判断环节显性化，AI Coding需打通需求、方案、任务、代码和验证闭环。
AI Agent 为什么看起来很忙，却做不好真实工作
上海交通大学等机构论文揭示AI Agent难胜任真实工作原因
文章围绕AI Agent在真实工作场景的表现展开。指出很多AI Agent虽忙碌，但难做好真实工作，因其难以理解工作空间。真实工作非单文件问答，是上下文恢复，核心是关系判断。上海交通大学等机构论文《Workspace - Bench 1.0》将Agent置于接近真实工作的环境评测，结果显示Agent在复杂任务等方面表现不佳。完成任务关键是理解文件关系，更多工具调用不代表可靠。对研发组织，真实上下文不止代码仓库。RAG正从检索片段向理解关系进化。AI Agent进入工作，需读懂工作空间。
端到端研发自动化，为什么不能只靠 Workflow 或 SDD
文章阐述端到端研发自动化不能仅依赖 Workflow 或 SDD
文章指出端到端研发自动化不能只靠 Workflow 或 SDD。AI Coding 正从单点生成走向系统化执行，有以规格为中心的工具链出现和 Coding Agent 长时运行两类信号。Workflow 让流程可见，SDD 让任务可表达，但二者只解决局部问题，无法形成完整闭环。端到端研发自动化还需研发运行承载能力，包括输入组织、任务表示、Agent 执行等六方面。落地可从把真实交付项做成可回放样本开始，形成最小闭环。Workflow 和 SDD 应融入更大运行系统，端到端研发自动化核心是面向真实研发现场的运行承载能力。
用 AI Skills 打通中间件迁移：定位服务从 Android 到鸿蒙的完整实践
淘天集团团队提出“AI+Skills”解决代码迁移问题
本文以 Android 到鸿蒙的定位服务迁移为案例，剖析 AI 辅助开发中通用智能与领域知识断层的矛盾，提出“AI+Skills”方案。该方案把隐性知识转化为 AI 可读的 Skills 文档，明确分工模型。实践表明，相比纯 AI 翻译和人工查源码，此模式将单服务迁移时间缩至 30 分钟且零编译错误，154 个服务迁移节省 25 小时。该模式适用于需领域知识的 AI 辅助开发场景，未来有望向知识图谱、主动建议、动态生成及组织级知识平台发展。
ICASSP 2026｜Sparse-Up：高精三维几何生成技术与应用前沿
京东XR团队提出三维几何生成算法并在“妙搭”落地
AI生成技术向3D领域渗透，催生AI3D革命，市场发展迅猛。京东零售产研中心XR产品研发团队提出基于稀疏体素的高精度三维几何生成算法。当前AI3D生成技术有基于体素表征和基于点云和3DShape2VecSet两条路线。团队论文Sparse - Up被ICASSP 2026接收，提出表面锚定上采样和视域分区渲染优化。实验表明该方法提升纹理重建质量、生成效果佳、降低显存消耗。新算法在商品几何重建上性能跃升，已在京东“妙搭”产品落地，未来将持续创新提升AI3D生成精度。
Vibe Coding 很爽，但你的应用安全吗？
WeaveFox推出OAuth2服务解决Vibe Coding应用安全问题
Vibe Coding（氛围编程）爆火，歌手胡彦斌用其做出粉丝应用“彦火”，但该应用被爆存在严重安全漏洞，尤其登录与认证环节。AI 写登录逻辑易因只求“能跑通”、难搞定加密与校验、维护成本高而翻车。WeaveFox 提供 OAuth2 用户认证授权服务，可一键安全接入，实现“一次接入，无限升级”，还能数据脱敏。用户只需给 AI 发送“帮我加上 WeaveFox OAuth2 登录”提示词，就能自动接入认证体系体验一键安全登录。
从研发到数据复盘，AI正在改写游戏公司
游族网络引入AI Agent，全面推进业务流程智能化转型
文章以游族网络为例，介绍AI改写游戏公司的情况。游族为提升出海效率，自2023年起引入AI工具，2026年初全员使用Agent，成本公司买单，目前渗透率超75%。Agent在游族业务中应用于三场景：资讯上自动获取、汇总、分析信息；广告素材方面压缩创意到初稿周期，但投放仍需人工判断；运营数据复盘可让业务人员按需查数据。此外，游族将经验封装成Skill，腾讯云沉淀最佳实践进专家团。不过，Agent使用仍需人工验收，其价值在于进入公司高频耗时流程，改写工作方式。
制造业AI落地，海尔智家先做了一个企业Agent OS
海尔智家推出企业Agent OS，与腾讯云合作推动制造业AI落地
海尔智家以智小能为企业Agent OS，打通研产供销服，推动全员自建Agent。腾讯云提供模型、算力等支撑。制造业面临产品难契合用户需求问题，AI需嵌入业务流程。智小能让员工通过一个入口调用智能体，在多业务场景应用，提升研发、采购等环节效率。海尔智家推出“全民开发者”，员工可自建智能体和轻应用。腾讯云与海尔智家共创保障Agent安全运行，海尔智家还将AI能力向上下游开放，推动行业发展。
ICLR'26 Oral | 当 LLM Agent 在多轮推理中迷失时：T3 如何让强化学习重新学会主动推理
港中大等团队提出T3方法解决LLM agent推理训练问题
随着大语言模型走向真实环境交互，LLM agent需具备主动推理能力，但用强化学习训练时，随交互轮次增加，模型易偏离正确判断。香港中文大学等研究者提出论文，从belief tracking角度分析训练失败机制，提出T3方法。T3通过截断belief-trapped轨迹尾部，避免低信息量尾部污染前缀动作的advantage estimation。论文在多个主动推理任务上评测T3，结果显示其稳定提升性能、减少无效token，对不同RL算法有效，在OOD场景也表现良好，且较强模型收益更显著。该工作为多轮主动推理问题提供理论刻画，T3解决思路轻量，有较强可集成性。
飞连智能体：用 Agent 实现 Agent 办公安全
字节跳动飞连智能体助力企业办公安全运营
随着办公环境复杂化，企业面临 Agent 新风险与传统账号、权限风险。飞连办公安全智能体借助 AI 赋能，适配新办公安全环境。文章通过三个场景展示其作用：一是应对 Agent 使用恶意 Skill 致数据泄露风险，能快速判断、解释和推动处置；二是处理合法账号异常使用问题，从身份认证到可信分析，识别异常行为；三是解决权限长期累积的隐性越权风险，从访问控制升级到持续治理。多个飞连子智能体协同形成办公安全闭环，沉淀安全专家经验，助力企业高效应对风险。
一文搞懂Token经济学：同样额度多干3倍活，只需理解消耗机制
文章介绍AI编程Token经济学及成本降低策略
文章围绕Token经济学展开，旨在帮助读者理解Token消耗机制以降低成本。首先介绍Token概念及API调用结构，指出用户输入仅占小部分。接着阐述缓存机制，无缓存成本呈指数增长，KV缓存可节省成本且能覆盖更多对话，不过缓存只能从头匹配。还讲述四类配置加载机制，不同配置适合不同内容。Sub-Agent虽不能省Token，但可防主上下文膨胀。最后提出优化策略，配置侧要精简，对话侧要保护缓存减少无效Token，并纠正了常见误区。
B站特征选择算法LeAP：模型的“精准瘦身”实践
B站搜索团队发布特征选择算法LeAP实现降本增效
文章介绍B站搜索团队的特征选择算法LeAP。先指出现有特征选择方法在工业场景面临维度异构、稀疏特征、算力、掩码门控及超参调节等挑战。LeAP将特征打散做成端到端可学，采用自适应梯度去偏的正则稀疏。在模型特征拼接层后插入轻量级门控模块，通过算法在batch内对特征洗牌生成噪声，与原始特征融合，加入正则项约束。还提出基于特征打散差异的自适应正则化，解决异构与稀疏难题，使特征重要性两极分化。在公开数据集上表现达SOTA水平，已在B站多核心业务场景落地，能识别冗余特征，实现推理提效、降本增效，加速特征迭代。
面向Skills编程-淘宝企业购端对端研发提效实践
淘宝企业购团队实践“面向Skills编程”提效研发
文章围绕淘宝企业购端对端研发提效实践展开。提出“面向Skills编程”范式，将领域知识等封装为Skills单元，让AI写代码。核心理念是从“配置化编程”升级，解决传统范式重复编码问题。以企业购客户对接为实战，该业务面临对接高频、需求碎片化等痛点。团队历经五阶段探索：从对话驱动到Prompt模板，再到SDD、Skill沉淀，最终迈向云端集成。通过分层架构设计，将系统拆分为三层，减少适配层代码量。构建垂直领域Skill，解决接口提取、逻辑输出等问题，代码生成成功率从50%提至90%。还建设知识库，实现知识管理和分发。当前虽验证了链路，但仍有提升空间，未来将推进端到端研发闭环，重构研发范式。
小红书数据平台部 ICDE 2026 新成果：RedParrot 以语义缓存加速企业级自然语言数据分析
小红书数据平台部联合浙大发布RedParrot加速数据分析
小红书数据平台部联合浙江大学在ICDE 2026发表论文，提出面向企业级商业分析的RedParrot框架。该框架针对传统NL - to - DSL长链路工作流的问题，构建查询语义缓存，将其压缩为短链路生成流程。其核心贡献包括提出查询语义缓存框架、混合式查询骨架构建与实体无关表示学习方法、多源异构RAG增强的DSL生成机制。实验表明，在小红书真实业务数据集上，RedParrot平均实现3.6x推理加速，执行准确率提升8.26%；在开放NL - to - DSL基准上，整体准确率显著提升。此外，文章还介绍了框架各模块的设计与实验效果，以及小红书企业智能部的岗位招聘信息。
21年老牌企服公司的AI实验：让Agent跑一遍流程
司盟企服将 AI 应用写进规划并落地多流程提效
司盟企服是中港星集团旗下综合企服平台，2018 年起做数字化转型。2026 财年，司盟将 AI 应用写进年度规划，目标是各岗位在 AI 加持下增强、用 Agent 代理工作流程、改造现有流程。司盟总结出让 Agent 发挥作用的标准，即流程清晰、环节标准，据此找到了邮件分类、审计、全球公司注册审核等场景应用 Agent，效率大幅提升。袁林认为企业应用 AI 最大的坑是浅尝辄止，应持续使用，让 Agent 更贴合业务需求。司盟员工深度使用 AI，AI 未替代员工，而是让他们处理更需经验和判断的事。
当 Agent 自己做 SRE：详解 ArkClaw 自动化可观测体系的工程实践
火山引擎ArkClaw实践自动化可观测体系工程
文章介绍火山引擎ArkClaw自动化可观测体系工程实践。当前可观测体系缺工程化主线，存在观测对象不完整等五类问题。ArkClaw将体系划分为8个核心Skill模块，包括SLI建模、架构链路建模等。各模块有明确输入输出和规范，如SLI建模从多来源生成结构化SLI Spec，架构链路建模输出三类链路。文章还给出各模块实跑案例，最后阐述其核心价值，能跨语义对齐、跨系统编排、跨时间演进和跨组织复用，是稳定性工程智能化关键一步。
从埋点需求到规则资产：Hermes Agent 重构得物数仓工作流
得物用Hermes Agent重构数仓工作流并强调证据口径
文章介绍Hermes Agent重构得物数仓工作流。因埋点和指标需求分散信息拼接难，选择Hermes Agent，因其有分层持久记忆、技能自动沉淀等能力。它让流程可控，承担判断前工程化准备，把需求拆成可检查追踪之事。采用单Agent串流程、多能力模块沉淀复用能力，固化流程契约，模块可迁移到更多数据研发场景。总体工作流从对话变为可回放链路，将需求各环节串联。能力底座把规则、上下文和命令资产化，实现协作可见、明确事实源等。风险治理强调上线前需三类硬证据，过三道门。最后指出应跑实证据口径，为扩大使用打基础。
初探 AI-Infra 下的服务器固件安全实践
火山云与字节跳动团队分享AI服务器固件安全实践
随着AI - Infra升温，服务器固件安全问题严峻。文章先分析服务器业务特点，从整机视角进行威胁建模，指出需整机视角、重视BMC和BIOS边界、缩小信任锚点。火山引擎给出服务器安全最佳实践，包括构建安全架构（签名与密钥管理、安全启动、可信度量）和进行全生命周期管理（需求、设计、开发、测试、部署、漏洞管理）。以BMC固件漏洞修复为例，介绍修复难点、流程及成果，还提及短期演进（服务器BOM与资产监控、BMC固件Nday扫描工具BoardSentinel）和中长期目标，即形成体系化架构，实现默认安全能力。
提示词工程已死，Loop Engineering来了！
谷歌云AI总监提出Loop Engineering新协作模式
谷歌云AI总监Addy Osmani称Loop Engineering比写提示词难。Loop Engineering是将‘发现问题、执行、检查、记录、继续下一步’做成自动运转小系统，重点在‘闭环’。一个完整的loop要回答六个问题，包括启动、并行、知识、资料、验收、记忆方面。同时需注意其成本和边界，如token消耗大、不能担责等。代码是其最先爆发的领域，也适用于内容选题等重复、流程稳定且结果可检查的工作。未来人和AI协作会升级成闭环模式。
记录一次完整的vibe coding项目，花费8小时和30块钱的西瓜
作者用AI 8小时和124.8元完成研发排期工具开发
文章以研发排期工具开发为例，展现AI对软件工程的变革。作者用8小时和124.8元完成工具开发，具备智能排期等核心功能。对比传统开发，AI极大降低成本。同时分享用AI开发踩的坑，如单文件过大和登录无反应问题。最后指出AI使软件工程稀缺资源转变，未来管理重结果验收等，产品经理和开发者边界消失，应向‘问题解决者’方向发展。
GraphRAG还在持续进化，FlowRAG让证据链自己流起来
上海AI Lab与华东师大提出FlowRAG优化RAG检索
上海AI Lab和华东师大论文提出FlowRAG，是GraphRAG变体。传统RAG在多跳推理易出错，存在entity sparsity和noise propagation问题。FlowRAG核心设计分三步：建四层图，做双粒度实体激活，做频率感知加权流，旨在让证据连成可解释路径。实验显示，FlowRAG在四个数据集平均GPT - Acc达58.89%，平均Recall达92.90%，但平均Relevance为69.82%。其在效率上表现较好，消融实验表明两模块各解决不同问题，不过在专业领域使用需谨慎设计。
仿照大脑记忆机制，给 AI 装了一个海马体，拿到了 SOTA
支付宝体验技术部开源智能体记忆项目 Hebb Mind
支付宝体验技术部开源智能体记忆项目 Hebb Mind，它将大脑完整记忆环路引入工程。当前 AI 记忆常见做法有借助文件和 grep 检索、向量库 + 语义检索，但都缺乏大脑记忆的巩固、激活、遗忘环节。Hebb Mind 参考大脑记忆机制，实现编码、巩固、激活、遗忘四步。编码时新记忆存入工作记忆缓冲区；巩固通过后台任务重放记录给大模型；激活时三路同时召回；遗忘由使用频率等动态决定。其在 LongMemEval 和 LoCoMo 数据集表现出色，与其他记忆框架相比，本地优先、多智能体兼容。安装简单，可本地运行，还能接入 Claude Code 和 Codex，提供 WEB 控制台方便管理。
看完快手这场沙龙，我对生成式推荐的判断变了
快手在生成式推荐领域体系化演进并开放挑战赛
作者参加快手技术沙龙，其已走向“生成式推荐系统专场”。快手在生成式推荐领域体系化演进，从 OneRec 到 OneReason，从 OneSearch 到 OneSearch V2，还有 GR4AD、Pool - Rec 等。OneReason 让模型学会思考，解决传统推荐系统边界问题，在实验中效果良好；Pool - Rec 解决生成式推荐算力利用问题；OneSearch V2 用于搜索，GR4AD 针对广告，二者使生成式推荐进入业务主流程；LLM - Rec 挑战赛开放资源。快手在生成式推荐上形成持续演化路径。
Google I/O 2026：Android 17 MemoryLimiter 来了，你的 Bitmap 优化做好了吗？
Google I/O 2026介绍Android 17 MemoryLimiter及Bitmap优化策略
文章围绕Android 17的MemoryLimiter展开。它基于设备总RAM限制应用内存，超上限会静默终止进程，目的是防止内存泄漏影响多任务体验。Bitmap是内存占用大户，易触发限制。文中给出Bitmap优化策略，如缩放、裁剪、选择像素格式、用矢量图替代、复用等。还介绍Android Studio新工具，可检测重复Bitmap、集成LeakCanary排查泄漏、用ProfilingManager捕获线上事件。此外，提出onTrimMemory主动释放内存、R8优化字节码等策略，并给出行动清单。
Huolala Figma MCP 原理与实践
货拉拉发布Huolala Figma MCP服务转换设计稿为UI代码
文章介绍货拉拉自研的Huolala Figma MCP服务，可将Figma设计稿自动转为高还原度UI代码。先阐述背景，指出UI编程痛点及AI技术发展促使变革；分析现有方案不足，明确产品定位。接着说明原理，含MCP整体架构、功能、产物及Skills机制，还解析AI算法服务重点算法。实践部分对比同类方案，展示业务应用案例及多语言转码效果。最后总结成果，指出经验与不足并给出后续优化方向，如自动分析工程组件、界面自动定位等。
Android 17 正式版发布，全新 AI 和各种破坏性更新
Google发布Android 17正式版，带来多项更新及适配要求
Android 17正式版发布，是首个AI升级且隐私收紧的版本。对开发者而言，有App被AI Agent调用等诸多行为变化。更新重点是向“智能系统”转变，支持AppFunctions。官方明确adaptive - first开发标准，App要适配大屏。新增多任务形态，修改Activity处理配置变化方式，有Continue On跨设备任务接续功能。官方强调Compose - first。性能上，有内存限制、GC改进等变化；隐私安全方面，权限更细化；本地网络访问、SMS OTP保护等有新限制；还加入PQC能力，扩展动态代码保护等。官方提醒开发者尽快适配。
一句话搞定数据可视化，你需要这个 AntV 新成员
AntV 发布数据可视化创作平台 Sive
文章介绍了 AntV 出品的 AI Native 数据可视化创作平台 Sive。它能解决数据可视化的难题，面向不同用户有不同功能。对开发者，可答疑并生成可预览图表代码；对业务创作者，能一句话出应用；对数据分析用户，可解析数据结构并持续建设进阶分析能力。Sive 内置 10+ 公开数据源 Skill，支持联网搜索和自定义数据源；支持多种数据格式上传，采用严格私有数据隔离机制；内置 50+ 设计风格 Skill，可复刻网站视觉语言；沉淀多种社区可视化 Skills；还能一键复刻精品应用。未来，Sive 将持续迭代，如接入更多资源、深化 AI 分析能力、探索新调用形式等。
Kotlin 跨平台（KMP）在 iOS 端的实践与挑战
Kotlin跨平台KMP在iOS端实践遇挑战但仍适合生产
文章围绕Kotlin跨平台（KMP）在iOS端的实践与挑战展开。先介绍KMP已投入生产，其能降低开发成本，有质量提升、技术栈统一等优势，在安卓团队接受度高，近半数用户代码复用率超50%，99%用户对性能等方面满意。但iOS端使用KMP面临诸多难题，如调试难、Objective - C互操作性限制、部分iOS API不支持、原生依赖支持有限、并发模型复杂等。最后指出KMP适合投入生产，但使用时要谨慎，可先小模块试点、从共享组件入手，并关注版本兼容性。
KMP / CMP 鸿蒙版本 Beta 发布，他有什么特别之处？
华为发布 KMP/CMP 鸿蒙版本 Beta 适配有亮点
华为官方发布 KMP/CMP 鸿蒙适配版本 Beta。适配门槛高，需将鸿蒙作为 Kotlin/Native 新 Target 实现，代码核心实现和 UI 统一渲染分别来自腾讯 KuiklyBase 和 ovCompose。KMP 适配鸿蒙要在 KonanTarget.kt 新增 OHOS 平台，让 LLVM 后端产出二进制，工具链接通后有多种产物，还支持缓存和 DFX。CMP 在鸿蒙上有自渲染和统一渲染两条 Skia 绘制路线。目前鸿蒙社区版本继承了 KuiklyBase 和 ovCompose 实现，已合入 JetBrains 上游版本，也有算法调整。未来 KMP 和 CMP 在鸿蒙可能多分叉，开发者选择待明确。
一行代码没改，Xcode 27 帮你省掉了 ViewModel 的重复初始化开销
Xcode 27 改进 @State 底层，省掉 ViewModel 重复初始化开销
Xcode 27 beta 中，@State 从 property wrapper 变为 Swift macro，解决了 @Observable 用户的性能问题。以前父 View 重新evaluate，CounterView 的struct重建会让 CounterViewModel() 初始化逻辑多次运行，存在开销。Xcode 27 后，初始值表达式只在 View 首次插入 hierarchy 时求值一次，后续 View struct 重建不再触发 init()。不过，@State 的懒加载只对属性默认值生效，在 init() 里赋值不受影响，若 ViewModel 依赖父 View 参数，用 init() 赋值会有更新问题，应把初始化放属性默认值里，用 task(id:) 响应变化。
Android CLI 1.0 稳定版现已推出｜随时随地实现高质量的 Android 开发
Google 推出 Android CLI 1.0 稳定版助力 Android 开发
本文介绍 Android CLI 1.0 稳定版推出。开发者选开发工具自由度高，Google 使命是确保高质量 Android 开发。在 2026 Google I/O 大会展示其新功能，已发布稳定版。Antigravity 可安装 Android 资源包获开发能力。新版引入 android studio 命令，智能体可利用 Android Studio 功能，还介绍相关命令。可通过多种包管理器安装，更新了安装路径。支持 Journeys，智能体可用其测试应用。还扩展 Android Skills 库，推出新 Skills，可通过命令添加到工作流。最后邀请开发者体验，关注相关资讯。
Kotlin inline：你以为它只是个性能优化？
文章系统介绍Kotlin inline关键字的特性及使用场景
文章围绕Kotlin的inline关键字展开。它用于优化接受lambda参数的高阶函数，减少运行时开销。编译器会将内联函数体替换到调用处，消除对象分配和虚方法调用。其好处有提升性能、支持非局部返回、保留运行时泛型类型信息。但它也有局限，如代码体积膨胀、不适合大型函数等。此外，还介绍了inline属性，可内联getter/setter，减少方法调用开销，适合简单逻辑属性。标准库中的repeat()等inline函数能接受挂起lambda，让挂起调用在协程中正常执行。
突破云原生网关局限：面向海量 AI 沙箱的 Web VNC 动态路由与会话保持深度实践
团队构建AI沙箱可观测基础设施，解决动态路由难题
文章围绕海量AI沙箱的Web VNC动态路由与会话保持展开。AI发展到自主智能体阶段，运行安全和可观测性成挑战。为解决运行安全问题，采用隔离沙箱；为实现可观测性，选用Web VNC技术。但系统规模扩大后，动态路由难题凸显。传统云原生网关处理复合会话有短板，如静态Upstream配置失效、基于源IP的会话保持脆弱、现代API网关插件有上下文缺失问题。团队重新设计架构，控制面由Sandbox Manager负责拓扑同步，数据面通过自研Lua脚本实现“首包驱动 + 状态寄存”决策树。在工程落地中，解决了阻塞、内存、连接池等问题。生产部署时遭遇多种故障并解决，还进行了生产级调优和安全防御，最终利用HTTP Cookie寄存会话状态，构建了支撑AI Agent观测需求的基础设施。
鸿蒙生态下广告统一跳转能力的探索与工程实践
团队完成鸿蒙生态下广告统一跳转能力三阶段实践
文章围绕鸿蒙生态下广告 SDK 统一跳转能力展开三阶段实践。因鸿蒙与 iOS/Android 架构差异，传统广告跳转方案无法复用。第一阶段基于 @ohos.router 实现 H5 落地页基础跳转，完成路由组件封装与 Web 页面权限适配，但面临 DeepLink 未支持和接口废弃风险；第二阶段因 @ohos.router 接口废弃，重构为 HMRouter 组件实现无界面依赖的页面跳转，保障了落地页跳转稳定性；第三阶段适配 DeepLink 直呼能力，通过 openLink 接口、页内拦截、白名单机制实现应用间安全跳转。最终形成标准化、可扩展方案，实现架构统一、能力闭环和可扩展性，提升了广告点击转化率，后续将拓展生态能力和优化用户体验。
Node.js Plus 来了！
colinhacks开发Nub为Node.js提供增强开发体验
尽管Bun和Deno发展良好，但多数团队因Node.js生态等因素难以更换。新开源工具Nub由colinhacks开发，定位是增强版Node.js，将分散工具能力整合。它不修改Node源码，在启动前布置运行环境，处理开发细节，提升工具链速度，最高快24倍。还收紧安全策略，与现有包管理器共存，为依赖Node的项目提供现实升级路线。
如何搭建一个端到端业务需求专家 Agent
作者分享搭建端到端业务需求专家 Agent 的实践经验
文章分享搭建端到端业务需求专家 Agent 的经验。指出代码外串联成本是瓶颈，要解决上下文组织、工具串联、反馈复利三个工程化问题。系统分四层架构，从输入到反馈形成闭环。纵向流程含需求进入、澄清、方案、实现、协同、验收、发布、结项等阶段，各阶段按需调用架构能力。当前存在接入成本高、缺度量体系等问题，后续规划从单 Agent 扩展到 Agent Team，共享长期 wiki 并各自维护视角。
装在内核里的透视镜：云监控 2.0不改一行代码实现全栈可观测
云监控2.0的OBI利用eBPF技术实现全栈可观测
文章介绍云监控2.0的OpenTelemetry eBPF Instrumentation（OBI）。云原生和微服务架构下，传统可观测性方案成本高，AI场景也需零代码方案。OBI利用Linux内核eBPF技术，不修改应用代码，自动拦截分析网络流量和GPU操作，生成标准遥测数据。其核心能力围绕应用、网络监控和日志增强三大支柱，支持多种协议。它有语言无关的网络级追踪和运行时特定的深度集成，能解决Go、Python等语言的调用关联问题，跨进程传播对非Go语言在内核态统一完成。OBI用户态是有向图，包括独立Agent、编排框架、节点通信队列等。还能追踪GPU操作，提供网络层观测和日志增强功能。通过云监控2.0可一键接入OBI，后续将补充更多能力。
后 Fable 5 时代，微软 CEO 抛“Token 资本论”：AI 越乱，你越贵！
微软CEO纳德拉针对Fable 5断供提出企业AI发展战略
Anthropic发布的前沿模型Fable 5因地缘政治出口管制全球断供，暴露企业依赖单一外部模型的风险。微软CEO萨蒂亚·纳德拉发表评论，指出企业应构建“解耦式”智能系统，打造人力资本与Token资本。他认为企业未来需构建两种核心资产，构建学习闭环，将业务流程等转化为AI系统，打造“前沿生态”，避免少数模型垄断红利，让价值回流到各企业和行业。
Prompt该退环境了，未来属于Loop Engineering。
OpenClaw、Claude Code等推动Loop Engineering概念诞生
本文介绍AI领域新出现的Loop Engineering概念。6月7日OpenClaw创始人Peter、Claude Code创始人Boris提出相关观点，后Google的Addy Osmani梳理出该概念。Loop Engineering是在Harness Engineering基础上的进化，能实现自动化流程。一个完整的loop由定时任务、工作树隔离、项目知识体系、连接器、子Agent五个组件构成。其核心是定义目标的能力，目标定义好坏影响工具使用效果。同时指出管理AI Agent和管人逻辑相似，但对管理能力要求更高，还存在古德哈特定律陷阱，需结合Harness Engineering。最后给出目标定义框架，并回顾从Prompt到Loop的四次跃迁。
终于吃上了国产模型的细粮，最新 glm 5.2 成国区 Opus
作者用智谱GLM 5.2实现CatReader移动版并优化
作者分享生活时提到GLM 5.2发布。作者此前用GLM 5.1写东西，认为购买原厂纯血订阅计划最合适，GLM 5.1国内订阅被黄牛抢，作者选海外版。GLM 5.2面向“复杂系统工程”和“长周期智能体”，实现1M超长上下文。作者用其两小时实现CatReader移动微信版，完成后做验证并提交到生产环境。周日重度使用发现问题，与GLM 5.2优化，遇bug切到Codex协助解决。GLM 5.2全面支持1M Tokens上下文，思维链设计更贴合软件工程需求。海外版在国内使用畅通，智谱5.2发布后股价回升。
RenalCLIP：从“通用”转向“专病”，让医疗 AI 更懂肾癌诊疗
微软亚洲研究院等团队发布肾癌诊疗模型RenalCLIP
微软亚洲研究院联合多团队开展多中心研究，在Nature Communications发表多模态基础模型RenalCLIP。该模型聚焦肾癌精准诊疗，基于4家医疗中心6867名患者的CT影像及报告预训练，采用两阶段预训练策略，学会识别与肿瘤性质等相关特征。在系统评估中，它展现卓越临床价值，跨中心泛化能力强，还能预测生存期。此外，RenalCLIP仅用少量微调数据就达通用全量数据训练效果，有较强零样本泛化能力。其成功表明医疗基础模型正从‘更大更广’走向‘更深更专’。
进球、切片、全网爆：如何打造一座跑赢热搜的赛事“AI 短视频工厂”？
火山引擎推出赛事AI短视频工厂及实战指南
赛事流量争夺不仅在直播间，赛后短视频分发也关键。传统人工剪辑难跑赢热搜，易漏‘次高光’。火山引擎AI MediaKit将发现高光、快速切片、批量生成融入直播流实时处理链路。它综合多模态模型能力，支持90+语种，准召率超80%，支持直播和点播处理，其高光片段提取工具能输出结构化数据。火山引擎视频云将多能力串联成自动化生产线，还推出《大型赛事直播与互动实战指南》助赛事运营方抢占流量。
6 倍速！Kimi K2.7 Code 高速版已上线
Kimi发布K2.7 Code高速版，提升编程体验并开展充赠活动
Kimi K2.7 Code高速版已上线，输出速度约为普通版5 - 6倍，常规编程场景下输出约180 Token/s，短上下文场景可达260 Token/s。其API定价为普通版2倍，企业和开发者可通过Kimi API开放平台调用。Kimi Code Plan同步上线，用户可加入「抢先体验计划」体验。预计7月起陆续开放给Allegretto及以上会员，高速版在Kimi Code Plan中用量消耗是普通版3倍。使用须打开思考模式。为庆祝模型发布，API开放平台开启三周充赠活动。相比K2.6，K2.7 Code在长上下文编程场景等方面性能提升，基准测试表现更好，普通版定价与K2.6基本一致，非编程任务推荐K2.6。
Gemma 4 12B 开发者指南｜借助无编码器架构轻松构建本地多模态智能体
谷歌推出Gemma 4 12B多模态模型及开发集成方案
谷歌推出Gemma 4 12B多模态模型，采用无编码器架构，降低多模态交互延迟。它是首款支持音频输入的中型模型，体量轻巧，可在笔记本本地运行。架构上，用单一Decoder - only Transformer架构，含视觉嵌入器和音频波形投影，且统一微调优势明显。该模型能力优异，如构建本地图像处理应用、处理含音频视频。还推出由LiteRT - LM驱动的设备端开发者集成方案，包括MacOS应用和本地API服务器。用户可通过多种方式体验，如在相关应用中尝试、下载模型权重等。
我们开源了 MiniMax M3
MiniMax 开源 MiniMax M3 模型权重并发布 MSA 论文
上周五，MiniMax 开源了 MiniMax M3 模型权重并发布 MSA 技术论文。M3 是原生多模态旗舰模型，总参数 428B，激活参数 23B，从 Step 0 开始做多模态混合训练，训练时融合不同模态语义空间。发布两周，M3 在综合智能指数排行榜获全球开源模型最高排名，收到大量实测反馈，获多位行业人士积极评价。针对访问量激增问题，M3 输出速度已提升，Token Plan 后台上线调用量看板。后续迭代将坚守普惠初心，更加开放、加速进步。文章还给出开源地址和 MSA 论文地址。
读完Agent Loop工程手册，我有8个还没想明白的问题
作者读Agent Loop手册后提出8个待解问题并分享SELF方案
文章围绕Agent Loop工程手册展开，先介绍其核心主张，将使用AI从手动挡升级为自动驾驶，拆解成Automations等零件，还阐述4个设计法。作者读完手册后，从心态、失败处理等4方面改变工作方式，重新定位了手上的SELF Protocol。接着提出8个未解决的问题，如软目标停止条件、子代理验收、护栏分层等。最后介绍SELF Protocol细节，包括设计目标、模块、数据和安全承诺，目的是征集这8个问题的解决方案。
对话 MiniMax 闫俊杰：M3、10X 计划、10T 模型、和智能的终局
MiniMax团队在Dev Meetup探讨模型发展及AI应用方向
本文是MiniMax Dev Meetup圆桌讨论实录。MiniMax创始人闫俊杰表示活动要持续开展，传播AI Coding火种。从M1到M3，模型通用消耗量进步大，但能力上多模态等未达预期。Multica张佳圆提出聚合不同模型解决单一模型缺陷；DeerFlow何涛介绍开源项目，其已成社区；金融公司虞扬称AI应降低专业理解门槛。闫俊杰认为模型与Agent相互拉动，训练10T模型需时间和积累，数据是挑战。在AI Coding方面，要明确不做什么，回归工程底线。MiniMax启动“10x”项目，与专家合作。嘉宾还分享2026下半年关注方向，如陪伴价值、利用AI改善生活等。最后回应观众关于M3优化、模型计划等问题。
Sam Altman斯坦福最新对话：深度展望AGI和未来的一切
Sam Altman在斯坦福访谈展望AGI和未来发展
本文是Sam Altman在斯坦福大学的访谈内容。他结合OpenAI成长历程，探讨AI时代初创公司逻辑变化。指出廉价token取代人力成核心生产力，创业者应找自动化前不可能的机会。规模会带来涌现效应，如Y Combinator扩大资助产生网络效应。揭秘ChatGPT从研究演示成爆款产品的过程。他还提出智能将成公用事业，商业重心转向推理服务。面对AI对教育冲击，强调培养‘如何思考’的元技能。最后描绘未来十年分歧，包括技术权力走向民主化还是垄断，以及计算资源分配正义问题。
Redis 作者反驳「中国模型之所以强，是因为通过 API 蒸馏了美国模型」
Redis作者反驳中国模型靠API蒸馏美国模型说法
Redis作者antirez反驳‘中国模型强是因API蒸馏美国模型’言论。他指出，API白盒蒸馏在机器学习原理上不成立，因商业API仅返回最终文本，无法获取内部信息；黑盒蒸馏虽可行，但作用有限，难以创造强大通用能力。他认为中国模型落后主因是算力获取限制，而非技术抄袭或蒸馏。此外，文中介绍了硬蒸馏和软蒸馏的区别，指出大众常混淆二者，而中国模型进步源于自身算力投入、数据工程和研究工作。
APMPlus・看得见的 Agent（二） | 从养虾到赛马：Agent 到底在偷偷干什么？
APMPlus发布Hermes Plugin助力Hermes Agent可观测
文章围绕APMPlus Hermes Plugin展开，将OpenClaw比作“养虾”，Hermes比作“赛马”，该插件能让Hermes Agent执行不再是黑盒。它把对话、调用等接入APMPlus，可观测相关指标，还提供预置报警规则。接入后能组合Trace、Metrics等能力，解决常见排障问题，如判断慢的原因、定位Token消耗问题等。最后介绍了一键接入步骤，强调可观测性对AI Agent在生产环境是刚需，后续APMPlus会持续拓展。
OpenRouter Fusion：从模型路由到复合智能栈
OpenRouter 发布 Fusion 开启多模型编排的复合智能时代
文章介绍 OpenRouter Fusion，它是多模型合议 API 原语，标志 LLM 应用架构进入复合推理编排阶段。其核心价值是以推理时计算换取高质量、高覆盖率和强分歧诊断能力，适合高价值、低频、容错成本高的任务。Fusion 工作流按需触发，有工程级容错。官方 DRACO 评分显示多模型面板表现优，但结果需理性看待。其成本高、延迟高，思想源于 MoA 且更克制。Fusion 的 judge 需约束，还存在数据治理问题。它适合开放式、跨领域任务，不适合简单问答等。未来复合智能栈将从固定面板走向动态面板等五个方向演进，AI 竞争将转向智能系统工程能力竞争。
速递｜600亿美元全股票交易！马斯克刚刚把Cursor收入囊中
马斯克旗下SpaceX 600亿美元全股票收购Cursor
2026年6月16日，SpaceX向美国SEC提交文件，确认与Cursor开发商Anysphere签署合并协议，以600亿美元全股票交易收购，预计三季度完成。此前Cursor已与SpaceX合作训练模型，SpaceX早有收购选择权。收购Cursor对马斯克意义重大，xAI有模型和算力，Cursor掌握开发者入口和企业软件工作流，三者结合可切入代码生产场景。拿下Cursor让马斯克获得企业AI市场入场券，未来Cursor或集成xAI模型能力。交易待监管审批，马斯克不断寻找变革性技术入口，Cursor可能不是最后一个目标。
AI音乐混战，谁能成为“中国版Suno”？
国内多玩家入局AI音乐混战，与Suno仍有差距
2026年6月初，Suno完成4亿美元D轮融资，虽深陷版权诉讼，但资本市场看好AI音乐赛道。国内字节跳动、腾讯音乐等纷纷入场，形成三类玩家格局。第一类背靠大厂，将AI音乐作为引流产品；第二类大模型厂商，将其作为商业化手段；第三类垂直创业公司，押注差异化路线。测评显示，国产产品各有优劣，但与Suno有差距。国内AI音乐平台面临版权、付费、出海三道坎，中国音乐市场特殊性或改变其发展形态。
Tuanjie AI Day-0 接入 GLM-5.2 Max
Tuanjie AI Day - 0接入GLM - 5.2 Max并开启公测
Tuanjie AI自Day - 0全面接入GLM - 5.2 Max。它面向Unity/团结引擎，能在真实游戏工程中完成代码理解等工作，目前公测已开启，公测期有免费额度。GLM一直是Tuanjie AI主力Coding模型，此次接入延续‘发布即接入’节奏，让开发者能及时体验GLM - 5.2 Max更强能力，该模型在Code Arena评估平台成绩优异。还介绍了在游戏工程中使用GLM - 5.2 Max的三步方法，鼓励开发者下载试用并反馈建议。
从神经元到大语言模型，回顾机器学习发展史
文章回顾从神经元到大语言模型的机器学习发展史
文章回顾机器学习发展史。先介绍人工智能定义、流派，引出机器学习。理论萌芽期（1943 - 1969），提出M - P神经元、图灵测试，举办达特茅斯会议定义人工智能，出现首个可学习神经网络模型，机器学习成独立领域。寒冬与破冰期（1969 - 1986），因单层感知机局限致神经网络寒冬，后反向传播算法终结寒冬。深度化积累期（1986 - 2011），卷积、强化学习等算法及深度学习概念出现。深度学习爆发期（2012 - 2020），AlexNet、GAN、Transformer等模型推动深度学习发展。大模型时代（2021 - 今），OpenAI等推出大模型，全球竞争格局形成，大模型轻量化受关注。总结指出其发展是循环演进史，需多方面协同，兼顾伦理安全。
20年架构老兵的AI探索，让WorkBuddy帮你超越身边的人
20年架构老兵李伟山分享玩转WorkBuddy的经验
本文围绕20年架构老兵李伟山使用WorkBuddy的经验展开。2026年AI重塑架构师工作，信息整理等重复性工作成难题。李伟山用WorkBuddy10分钟产出17500字《Codex从入门到精通》教程，内容全面且有深度。还创建自动化任务，每日早8点自动推送AI早报，规则细致，质量稳定。他分享用好WorkBuddy的三条原则：知识库先行、用好专家模块、给AI立规矩。此外，他还重度使用Codex和Claude Code写代码，认为WorkBuddy能放大能力，助其成为「一人AI培训部门」。
Liblib 的 3 亿美元融资：是一次 PMF、两次 PMF、三次 PMF
演语科技获近3亿美元B+轮融资，验证商业能力
过去两年AI应用层爆款频出，但单一产品成功难证公司商业能力。演语科技连续推出LiblibAI、星流、LibTV，展示了持续造血能力。其获近3亿美元B+轮融资，投后估值超20亿美元。截至2026年5月，ARR达3亿美元，较融资完成时增长近3倍。AI应用成功关键在于切中硬场景，演语科技各产品围绕AI创意生产，从吸引核心用户，到推进设计流程，再到切入视频生产，完成了产品成功的复制，此次融资是对其AI创意生产闭环的认可。
万字追问：AI 的尽头是神经科学？我们为什么要教人工智能学会“长大”？
安东尼·扎多尔教授与保罗探讨NeuroAI发展及相关问题
文章围绕NeuroAI展开探讨，对比大脑与人工智能，指出人工智能缺乏大脑的适应性。冷泉港实验室的安东尼·扎多尔教授与卡内基梅隆大学的保罗·米德布鲁克斯对话，分享对NeuroAI的看法。他起初对该术语不感兴趣，后因认识到神经回路功能的复杂性而转变。信息理论方法为理解神经回路提供框架，但传统麻醉动物实验有局限。现代深度学习和NeuroAI可能存在模型与现实混淆问题，人工智能应研究人类完成任务的方式。在目标函数对齐上，动物能平衡多重目标，而人工系统尚难实现。发育过程值得研究，基因压缩表示可提高迁移学习效果。机器人技术面临“模拟到现实”问题，课程学习或能提供方向。最后指出神经科学虽有局限，但可激发对智能的思考。
美团海报生成 AIGC 技术创新与实践
美团智能创作团队发布海报生成AIGC技术体系并开源
美团智能创作团队构建了覆盖“能生成、能编辑、能评判”的完整海报生成技术体系。百万商家面临设计资源匮乏、时效性要求苛刻等困境，AIGC虽提供新思路，但高质量海报生成面临精准文字渲染等技术挑战。团队推出PosterCraft，摒弃模块化流水线，端到端统一优化文字、视觉与版式；PosterOmni单一模型覆盖六类设计任务；PosterReward是首个面向海报质量评估的奖励模型。三者形成技术闭环，相互支撑、持续进化，已全部开源并在多个业务场景落地。未来团队将探索更强可控性、更广场景覆盖等。
设计进入 Agent 时代：交付物不再是设计稿，而是产品原型
天工上线设计智能体，可将想法转化为可交互页面
文章指出未来设计交付物或变为产品原型。今年Anthropic发布Claude Design引发关注，Google Stitch也做了大版本更新。国内天工上线“天工设计智能体”，可将想法转化为可交互页面。“十字路口”团队测试发现，它适合从零搭建APP UI原型或从PRD生成网站页面。通过两个案例展示其能力，如生成“AI怪谈时报”APP UI原型和“苹果神奇麦克风”网站。当前Claude Design等产品缩短想法到产品的距离，改变产品创造方式，设计稿渐成中间产物，产品原型成交付物。专业价值在于降低做原型成本、遵循设计规范，关键是提升判断力，不过专业技能仍需把关。
Claude Design 用不了的那几个月，有人把这套能力悄悄搬到了国内，还更强了
天工上线设计智能体，对标海外产品并具多项优势
6月15日，天工设计智能体在tiangong.cn全面上线，对标海外Claude Design，将想法变原型能力引入国内，并结合中文内容等。它并非单纯AI作图工具，而是工作区，面向有想法但缺技术的人群，解决从想法到原型的难题。其优势在于可长期维护项目，能一套生成多页面，共享设计规范，还能将文字资产转UI项目。此外，它支持多风格切换、深度编辑、添加动效，可截图标注学习设计语言，打通天工原有能力，实现从想法到落地的完整链路，拉近文字与产品距离，让更多人参与审美判断。
深度｜ChatGPT份额跌破50%：AI助手行业进入“后独占”时代
2026年ChatGPT份额跌破50%，AI助手行业竞争加剧
截至2026年5月，ChatGPT全球市场份额跌至46.4%，首次跌破50%。如今AI助手成互联网基础设施，用户迁移意愿变强，如写代码用Claude、查资料用Gemini等。Gemini靠生态碾压，Claude靠口碑积累。2026年上半年全球AI应用下载量接近23亿次，应用内支出超42亿美元，增速放缓，厂商需将流量变现。美国用户愿为高级功能付费，ChatGPT开始用广告变现。用户与AI交互从工具使用过渡到关系建立，品牌信任成竞争关键，用户对AI评判标准升级。AI行业愈发成熟，后来者机会在分散场景。
Gemma 4 QAT 模型现已推出: 支持日常端侧设备与消费级 GPU 本地流畅运行
Google DeepMind发布Gemma 4 QAT模型支持本地流畅运行
Google DeepMind发布经量化感知训练（QAT）优化的Gemma 4 QAT模型。此前已引入多Token预测加速推理，发布Gemma 4 12B模型。QAT在训练中模拟量化，减少模型压缩时精度和质量损失，此次发布包含主流Q4_0量化格式及移动端定制格式，将Gemma 4 E2B内存占用降至1GB。还为移动端设计定制量化方案，包括静态激活、逐通道量化等。用户可在Hugging Face获取模型权重，通过多种工具在桌面端、设备端运行，还能按需部署模态优化内存。
Kimi Work 上新：目标模式、插件中心和 6 月限时福利
Kimi Work升级推目标模式和插件中心，6月享5折福利
6月3日上线的Kimi Work（Beta版）保持高速迭代，提升用户体验。此次Kimi电脑客户端升级，带来两个新特性。一是“目标模式”，有循环机制，人类设定目标后，Agent自主推进，人可随时干预，适合长任务，如整理论文成知识库；二是“插件中心”，除内置专业数据库插件，还可选用办公协作、设计、笔记等类插件，操控常用办公软件。同时，6月有专属福利，Kimi电脑客户端Work模式任务额度消耗打“5折”，规则见指定链接。用户可访问指定网址下载安装，支持Mac和Windows电脑。
实测GLM-5.2 ：你别说，他还真能跟Claude干一下
文章实测GLM - 5.2并与Claude Opus 4.8对比表现
6月中旬上线并开源的GLM-5.2口碑好、抢用资格难。文章对其进行测试，先开展基础能力测试，GLM 5.2基本能完成2048、PVZ等小游戏开发，开发网页版Excel功能完成度高，但耗时久。接着在近生产环境的LuckySheet中对比Claude Opus 4.8和GLM 5.2表现，在加工作表防删除、扩展工作簿统一权限管理、增加工作簿权限定义等方面两者各有优劣，在实现“用户 - 角色 - 权限”体系时，Claude Opus 4.8在业务理解和逻辑处理上更胜一筹。Token用量上，GLM - 5.2比Claude Opus 4.8少。总体而言，GLM - 5.2工程实现能力强，有大型代码库理解和一次性开发成功率优势，作为开源模型有高使用价值，但存在耗时问题，若解决算力问题竞争力将提升。
速递｜Transformer 之父出走谷歌，Gemini 联席负责人正式加盟 OpenAI
Transformer之父Noam Shazeer离开谷歌加盟OpenAI
2026年6月18日，Transformer之父Noam Shazeer离开谷歌加盟OpenAI。他是奠定大模型底层架构论文的核心作者之一，谷歌曾花27亿美元请他联合执掌Gemini技术路线。此次跳槽带来三个信号：一是后Transformer架构竞争加速，他将开发OpenAI下一代AI架构；二是开启“反向挖角”时代，大巨头间开始互相挖人；三是加剧谷歌与OpenAI军备竞赛，他的离开对Gemini打击大，也动摇谷歌人才吸引逻辑。架构革命不会一夜之间发生，他更可能是“架构探索加速器”。
GLM-5.2 + Claude Code实测！1M 上下文用法来了
作者分享GLM - 5.2 1M上下文用法及长程任务实测
智谱上线并开源GLM - 5.2，主打Coding和长程任务，官方数据亮眼。作者分享使用GLM - 5.2 1M上下文的方法：先在Claude Code里花两分钟开启1M上下文模式，配置时后缀[1m]要注意；实测有三条经验，包括给模型固定锚点、按需开启1M、将长任务分段设检查点。还展示两个长程任务实测，小任务给学习库补资料，大任务重排知识库，GLM - 5.2表现出色。官方案例显示其能力边界宽，但也有短板，如超长任务比Opus 4.8低13%。GLM - 5.2全量开放、MIT开源，文末有教程。
关于中国 AI 蒸馏问题，前 GitHub 国际化负责人走访中国 AI 实验室
前GitHub负责人走访中国AI实验室解读蒸馏问题
前GitHub国际化负责人Kevin发长文讨论AI“蒸馏”问题，他带队走访国内多家AI实验室后解读：蒸馏本质是“数据策略”，目的是获取高质量后训练数据。国内AI实验室分独立和大厂系，前者缺数据依赖蒸馏，后者依赖度低。很多人认为人口多就有数据优势是误解，国内缺成熟商业数据产业。封锁政策效果有限，无法阻挡国内AI进展。“黑盒蒸馏”是高效知识转移方式。他还发现国内实验室核心力量多是年轻实习生，美国限制难改中国AI长期发展势头。
图灵奖得主押上 10 亿美元的「世界模型」，是AI 的下一个十年？（下）
图灵奖得主 LeCun 押注 10 亿美元探索 JEPA 世界模型
本文围绕图灵奖得主 Yann LeCun 押注 10 亿美元的世界模型展开。LeCun 认为 VLA 必死，JEPA 路线会超越它。节目先探讨了 VLA 模型，其虽能打造惊艳机器人，但 LeCun 指出它有行为克隆难扩展、缺乏明确规划的问题。接着分析了 JEPA 替代技术栈：在视觉编码器层，对比 CLIP 和 V - JEPA 2，V - JEPA 2 不依赖语言，在视频理解基准达 SOTA；VL - JEPA 把 VLM 改造成 JEPA 架构，学习效率更高；在机器人层面，VLA 靠行为克隆，泛化能力有限且规划不明确，而 LeCun 用 JEPA 搭建世界模型，在 push - T 任务中可显式规划动作，但目前性能落后于 VLA。LeCun 提出用分层模型解决短板，未来 AMI Labs 想控制复杂系统积累经验，目标成为智能系统主要供应商。
刚刚，Codex负责人官方发声：Codex原生支持其他模型！
OpenAI Codex负责人官宣支持搭配开源模型并给出接入教程
OpenAI Codex负责人Tibo称，Codex App、CLI和SDK从2026年2月起可搭配任何支持OpenAI Responses API的开源模型。阶跃星辰平台上线该API支持，step-3.7-flash为首个接入模型。文章介绍接入步骤：先在~/.codex/目录下找到配置文件，将阶跃API Key写入auth.json，配置config.toml，验证接入。还给出用Codex review代码的实战案例，如使用codex review --uncommitted等命令。
跟大家说下我最近在用的 10 个 Codex 小技巧
cxuan 分享 10 个 Codex 使用技巧以减少返工
作者 cxuan 分享 10 个使用 Codex 的技巧以减少返工。计划方面，用 /plan 用于跨文件或需求不明场景，明确修改范围、验证方法等； /goal 用于长任务，设定完成标准并定期复盘。权限方面，按任务切权限，通过 AGENTS.md 写规则，hooks 做校验。审查方面，用 /diff 检查改动方向，/review 结合行内评论审查真实风险。前端任务使用 in - app browser 明确验收对象。拆分会话用 worktrees 和 subagents 避免会话上下文过载。重复动作通过 Skills 解决流程重复，MCP 解决外部上下文问题。强调把 Codex 当脑机接口，明确标准让其更好执行。
