EP114 · 代理长程验证、工程训练车间、产品判断力 · 07-11 早报

Cognition 用自建 Frontier Code 与工程师日常试用判断模型，而非只看通用基准。其团队称 Claude Fable 5 能在杂乱日志中定位根因、说明未知项，并可连续工作约八小时仍推进任务。文章提供的价值不在分数，而在考察长程编码代理是否值得托付的具体标准：能否守住约束、验证结果并在不确定时停下。

快手把代码智能体的训练重点从单文件补全转向可运行的真实仓库：AutoBuilder 在隔离环境中生成配置、验证测试并迭代修复，使环境构建成功率提升至57.2%，覆盖12种语言和超过10万个仓库。再结合多框架训练、分层奖励与失败轨迹回收，文章给出了一套针对长程工程任务的训练管线及其指标。

Adam Mosseri 在访谈中把 AI 工具普及后的产品工作拆成两个问题：执行成本下降时，团队仍需用有争议、可被反驳的策略判断决定做什么；推荐系统则可借助 LLM 把难以解释的向量偏好转成用户可理解、可调整的兴趣概念。对产品和内容团队而言，这是一份关于人类品味、身份标识与推荐透明度的观察。

蚂蚁灵波发布全球首个具身原生预训练VA基座模型LingBot-VA 2.0，通过预判物理世界变化实现机器人高效闭环控制。

本文从产品视角完整拆解 WorkBuddy 如何通过 Context Engineering、Memory 系统、Harness Engineering 等机制，将 LLM 模型能力转化为稳定可用的 Agent 产品，而非仅依赖模型或提示词。

本文详细介绍了一个迭代流程，使用 NVIDIA NeMo Data Designer、Curator 和 Nemotron 模型生成跨越 13 个类别的 500k 条多样化金融新闻标题。

本文以 FDE 公司调研实践为例，提出通过「意识层」（AGENTS.md / MEMORY.md / USER.md）实现 Agent Loop 跨会话自进化的方法论，并详细阐述三层对齐、手动阀门保留及搭建步骤。

本文详细介绍了腾讯基于 Multica 构建 AI Agent 协作平台的实践，从工作流设计到多 Agent 接力，探讨如何让 AI 真正学会“工作”并形成超级组织雏形。

本文以 Dropbox 为案例，深入分析其从云盘先驱到增长停滞的根本原因——将自己定位为消费者工具而非企业生产力工具，并汇总本周科技动态、工具、AI 相关及资源。

本文通过五维成本模型和真实案例，首次系统推导出 AI 推理自建 vs API 的盈亏平衡利用率临界点为 52%，并揭示 API 厂商利用客户认知不对称的定价策略。