EP166 · AI 原生 SDLC、淘宝数据 Agent、物理 AI · 09-05 早报

当 Agent 写代码快过人工审查，交付瓶颈会转向规划、测试与部署。作者把 AI 原生研发拆成 Plan、Design、Build、Test、Deploy、Maintain 六阶段，并为 Claude Code、Codex 与 Gemini CLI 提供对应工件、权限和 CI 工作流。它值得借鉴之处，是把单点编码提效变成可审计、能从生产反馈重新进入规划的团队闭环。

淘宝百亿补贴团队没有让模型直接猜 SQL，而是以 MDL 语义层约束表、字段和指标口径，再由多 Agent、血缘解析、规则库与校验门完成取数和波动归因。文章还展示知识如何经人工审核后沉淀复用。对企业读者而言，关键启发是先治理确定性知识与评测链路，再让 Agent 承担复杂分析。

Chelsea Finn 将机器人真正可用的条件归纳为可靠性、记忆和无需逐任务微调的通用模型。Physical Intelligence 通过自动迭代与通用价值函数提高长期运行表现，用多时间尺度记忆支持连续任务，并展示 π0.7 在多种任务上追平或超过专用模型。读者可由此从单次演示转向考察自主时长、组合泛化与真实部署。

LangChain 更新了其对 MCP 的支持以适配全新的无状态协议，引入了客户端缓存和通过中断进行信息追问等功能，全部基于 FastMCP 客户端构建，以提升扩展性与可靠性。

Ollama CEO Jeffrey Morgan 认为，更低成本的开源模型、编程智能体与混合路由，正推动企业 AI 从稀缺 Token 的争夺走向可靠系统的运营与编排。

基础模型研究所（IFM）发布了 K2 Horizon，这是一个完全开源的 AI 模型族，包含 6 个参数量从 0.9B 到 375B 的模型，并共享了完整的训练生命周期、数据配方以及 MoVA（Mixture-of-Value-Attention）和 Uno Diffusion 等关键架构创新。

数美万物创始人卷卷回顾抖音从0到1的孵化历程，并深入阐述其如何从互联网产品专家跨界打造AI 3D大模型，以「制造业OS」愿景连接普通人创造欲与实体生产管线。

GitHub 推出 Project HydraFusion，这是一项研究预览，通过编排多个 AI 模型来提供前沿级别的编码质量，同时显著降低成本，如在 TerminalBench 2.1 上展示的 4.9% 质量提升和 67% 成本降低。

Anthropic 研究人员利用 Claude 实现了费马大定理的自主形式化，在 Lean 中完成了证明，仅用 11 天，且几乎无需人工干预，展示了 AI 加速数学验证的潜力。

Portola AI 联合创始人 AJ Mehta 分享了 AI 陪伴应用 Tolan 如何在 TikTok 时代通过个性化与情感陪伴突围，实现快速增长并融资 1000 万美元的经历。