EP134 · 长时 Agent、富足叙事、具身编排 · 07-31 早报

Jeff Dean 从 TPU 的餐巾纸估算讲到长时 Agent：先识别系统瓶颈，再用 Skill、评测和多 Agent 搜索约束执行路径。他给创业者的 1% 法则很具体：寻找通用模型目前几乎做不到、而非已经能完成 20% 的领域，并持续检验能力边界是否会快速推进。

这场《经济学人》访谈把马斯克的 AI 富足叙事放进了追问中：他预计数字智能与机器人会把商品和服务推向极大供给，同时仍给出 10%–20% 的毁灭风险判断。编辑扎妮持续追问分配、权力集中与监管，让乐观预测、商业利益和社会代价可以被并置检视。

Gemini Robotics ER 2 把具身模型定位为高层编排器：持续观看视频判断进度，再把动作交给 VLA 模型或机器人 API。原文给出进度分类 57.4%、关键时刻识别 91.3% 和 0.96 秒平均误差；真正的变化是任务自纠错、低延迟执行与多机器人协作开始进入同一套运行闭环。

本文详述腾讯 QQ 浏览器团队如何通过主题分组、Review/Dedup/Merge 三层治理链路，将 AI Coding 会话中的零散经验沉淀为可复用的团队知识系统。

LangChain 宣布 LangSmith LLM Gateway 公开测试版上线，这是一个集中式治理层，可在多个模型提供商之间为生产级 AI 智能体提供运行时控制，包括支出上限、速率限制、模型回退和 PII 脱敏。

本文介绍了阿里技术团队在前端开发中通过构建前端 Skill 实现团队级 AI 编程实践，从个人提效到整体赋能的过程，包括五维结构设计、落地案例及后续规划。

本文基于 Utterback 三阶段模型与 Klepper 产业人口动态两个经典框架，判断当前 AI 大模型及其应用处于「分化带」（晚期流动期向早期过渡期移动），并推演 2026-2035 年的分层时间坐标。

本文通过深度访谈，揭示 AI 应用公司 Evoken 在模型不断吞噬应用价值的时代，如何以激进竞争、快速迭代和多产品布局生存，以及创始人陈冕面临的争议、组织困境与焦虑。

Nubank 的安全负责人介绍如何把 AI 技能视为软件供应链依赖，并通过本地检查、CI 审查和可信内部市场建立准入机制。

本文深度访谈词元无限创始团队，揭示其放弃ToC、All in B端AI Coding的创业逻辑、FDE交付模式、商业化进展及对行业终局的判断。