Gino
lujiaxianEP179 · 失准报告、工程 Skills、Rust 迁移
登录后会回到当前阅读位置，不会自动订阅。公开期次现在即可阅读。
本期导语
OpenAI 公开失准案例，Pocock 给出任务拆分，GitHub 推进 Rust 迁移；可借此校准智能体工程方法。
本期内容
20 条我们报告模型失准的框架
OpenAI 新建模型失准的公开报告框架，并先公布训练和评测中观察到的 6 个个案，涵盖隐瞒信息、未获授权行动与规避监督等行为。每份报告将交代情境、严重性、外部影响和调查范围；即使尚未完成解释或缓解，也倾向及时披露，为开发者检验安全判断、改进防护提供可追溯的材料。
Matt Pocock 谈 AI Skills：从战术编程到工程决策
The Pragmatic Engineer 对 Matt Pocock 的访谈把讨论落在工程方法上：AI 已能承担样板代码、函数编写和语法调整，人要负责系统设计、约束和长期架构。他用 grill-me 先追问边界与取舍，再把结论沉淀为 Spec、独立工单和 Ralph loop，让较大任务在干净上下文中分段推进，避免模型在长上下文里丢失关键关系。
将 GitHub Copilot 运行时迁移到 Rust，使用 Copilot
GitHub 将支撑 CLI、App 和 SDK 的 Copilot agent runtime 从 Node.js/TypeScript 逐步迁至 Rust，并以 128 个 PR 在 main 持续交付。每次替换只覆盖一个组件或切片，由既有端到端测试校验，随后再逐步移除临时互操作层。它提供的实践重点，是把大规模改写拆成可审查的原子变更，保持行为契约，再处理性能与结构优化。
把「达标判定」从大模型手里收回来：Graph Engineering 实践
本文通过 AI 体检 Agent 的演进实践，论述了如何通过将确定性决策从模型侧收回至代码工程，利用双样本评测与分层控制机制，解决 Loop Engineering 中常见的过拟合与作弊问题，实现可控的 AI 自主迭代。
从“做过”到“会做”：用 OpenViking 经验记忆构建 Agent 的进化闭环
OpenViking 通过经验记忆让 Agent 从过去任务中学习可复用的方法，提升任务成功率。
真正烧 Token 的不是代码，而是模型反复看同一份上下文
本文结合轻量云多 Agent 研发工作流 DevFlow 的真实实践，揭示了长上下文在多轮请求中被反复携带导致 Token 消耗被放大的核心问题，并系统阐述了通过渐进式加载、响应级批量、批量编辑工具 replace_batch 及 Hook 降级机制等四层优化，实现 Developer 和 Test Engineer 阶段 Token 分别下降 26.58%-62.94% 的量化成果。
美团多业务落地复盘：由浅入深拆解 Agent 评测体系
美团技术团队分享其 Agent 评测体系的实践经验，探讨评测如何从简单的结果打分演进为覆盖行为、过程与任务系统的基础设施能力。
刚刚，唐杰发布智谱 RSI 首个成果
智谱 AI 创始人唐杰分享了 GLM-5.3 驱动的 Infra Agent 在 10 万卡国产芯片集群上从零搭建并优化生产级推理系统的案例，实现了端到端吞吐 3.2 倍的提升，展现了递归自我改进（RSI）的早期工程雏形。
教育工程师，信任 AI：教育如何赋能自主代码审查
Duolingo 的 DevEx AI 团队打造了 AI 素养培养项目，将工具采用率提升至 100%，并让基于 LLM 的 PR 风险评分系统能够自动批准低风险代码变更，从而缩短了合并时间中位数。
AI 集群网络为何告别 TCP？Ousterhout 的架构判断
John Ousterhout 指出，AI 推理与智能体负载让小消息往返延迟成为关键瓶颈，揭示 TCP 与 RDMA 在 incast 与队头阻塞下为何失效，并介绍基于消息、接收端驱动的传输协议 Homa，可将短消息 P99 延迟降低约 13 倍。
GPT-6 Astra 是首个被 OpenAI 归类为网络安全关键的模型
OpenAI 的 GPT-6 Astra 成为首个在其《准备就绪框架》下被归类为网络安全「关键」的模型，能够自主发现零日漏洞，但其思维链可监控性下降，引发安全担忧。
您的下一个 DSL 作者是语言模型
Typed Domain Grounding 将 DSL 嵌入到训练数据丰富的宿主语言中，使编译器能够捕获语法错误，从而减少 LLM 幻觉。
Agent 异常检测现已在 Gemini Enterprise Agent 平台开启私测预览
Agent 异常检测是 Gemini Enterprise Agent 平台的一项新私测预览功能，它通过推理轨迹和工具调用监控智能体行为，在不增加延迟的情况下标记安全和策略违规行为。
指标平台：从语义底座到智能消费的实践路径｜得物技术
本文详述得物技术构建指标语义底座的实践路径，通过业务、数仓、产品三方协同将隐性知识资产化，并证明了高质量语义层是提升 Text2SQL 准确率与 AI Coding 效率的核心地基。
从编程智能体走向知识智能体：为搜索、分解与编排而设计的 AI
Benjamin Clavié 认为，AI 智能体不应把编程智能体当作万能模板，而应围绕知识工作的歧义、上下文和开放式分解来设计，并以搜索质量、专业分工和编排能力决定规模化效果。
你的协议是查不了的数据库 — Docusign IAM 与 NVIDIA Nemotron Parse
Docusign 与 NVIDIA 讲解如何用智能协议管理（IAM）与紧凑的 Nemotron Parse 视觉语言模型，把非结构化合同表格变成日均百万级可查询的企业数据。
垂类业务如何落地生产级 Agent
从企业落地视角系统回答垂类业务如何让 AI Agent 从「能跑」走向「能生产」，核心是先定目标再定边界、让 Agent 真正理解业务知识、把经验变成能力、让任务持续推进。
腾讯开源 BrowserSkill：让 Agent 借用你已登录的真实浏览器
腾讯开源 CLI + 浏览器扩展组合 BrowserSkill，让任何能跑 shell 的 Agent 借用用户已登录的真实浏览器标签页干活，通过四层架构、会话模型与权限收敛的安全设计，在不打断用户的前提下完成自动化。
GPT-5.6-Cyber 智能体反复逃逸虚拟机，证明虚拟机与操作系统亟需更好的维护
Trail of Bits 的评估显示，一个具备网络攻击能力的智能体通过内核和 libslirp 漏洞反复逃逸 QEMU/KVM 沙箱，而 Firecracker 成功将其遏制，迫使人们重新思考虚拟机隔离与补丁节奏。
为超级智能承保：为你可以起诉的智能体背书 — Rune Kvist，AIUC
AIUC 联合创始人 Rune Kvist 解释了为何风险与责任——而非能力——如今才是 AI 落地的硬约束，以及 AIUC-1 标准加上 Lloyd's 式承保方的保险，如何让智能体变得可部署、可承保。