EP183 · Jev 系统一模型、AI 软件工厂、工作流程资产

TypeSafe AI CEO Diogo Almeida 在 Latent.Space 访谈中，把 Jev 定义为供代码直接调用的 System One 模型。其路线强调校准决策、结构化状态和小决策分解，以提升可测与可靠性。他也将可靠性理解为相近输入获得相近结果，并主张把复杂任务拆成可分别验证的语义单元；对开发者而言，价值在于重审 AI 如何嵌入既有控制流。

Warp CEO Zach Lloyd 在 How I AI 展示的软件工厂，把 Slack 发起、Linear 跟踪、实现、PR 与计算机使用 QA 放进同一条公开流程。团队还对运行记录打分、回放任务比较成本和质量，并用观察者更新工厂定义；启发在于把 Agent 产出转成可度量、可迭代的工程系统。

UiPath CEO Daniel Dines 在 20VC 访谈中认为，企业的关键资产是记录实际流程的工作地图，而不是孤立地追逐最新模型。它把业务语境交给 Agent，并以编排与自动化轨道约束执行；这解释了为什么流程文档、上下文和治理会成为 AI 落地的长期基础。

OpenAI 基础设施工程师 Vinoth Govindarajan 借助真实的 OpenClaw 缺陷报告指出，生产级 AI 智能体需要一个控制框架——状态归属、有序变更、有界工作与限定范围的审批——因为模型负责提议，而控制框架必须负责提交并留下凭证。

文章系统拆解了 Loop engineering 这一理念，提出工程循环的六个必备动作与六大支撑组件，并给出自动化判定标准、失败模式与权限分层建议。

深演智能创始人黄晓南指出，企业级 AI 虽聪明但“涉世未深”，需 FDE 将客户痛点产品化，并强调大模型无法获取企业数据、知识和工作流是核心护城河，未来企业服务将由“Agentic Software”驱动，实现“10 个人做 100 人的增长”，关键在于甲方能否找到核心增长点并与大模型建立“垂直”关系。

阿里达摩院医疗 AI 团队十年磨一剑，从单病模型突围，经「一扫多查」策略落地多癌筛查，最新推出通用医疗影像模型 RADAR 登上 Science，实现腹部增强 CT 上 146 种病症的专家级识别与零样本诊断。

通过给智能体式 LLM 设定明确的通过/失败性能约束和防作弊护栏，Max Woolf 让它们迭代优化 Rust 代码，在机器学习和日常软件领域实现了比最先进库快 2 倍到 20 倍的速度。

美国创业公司 Harmoni 通过在旧工厂机床旁安装平板电脑，将人、机器、订单与 ERP 数据打通，在不更换设备的前提下实现工业 AI 落地。

OpenAI 呼吁美国牵头全球努力，为前沿 AI 制定国际技术标准，涵盖递归自我改进，涉及评估、人类监督和事件报告。

腾讯应用宝活动平台团队在系统重构中落地 Harness Engineering，通过知识库工程与状态文件驱动的端到端开发工程，将 AI 从对话式编码升级为覆盖需求拆解到代码提交的全流程自动化系统。

GPT-6 Astra 无需专门机器人训练即可充当机械臂「大脑」，在抓取任务中达 95% 成功率，但在精密接触任务上骤降至 10%，揭示通用大模型与物理身体之间的能力断层。

Deep Research 不是 LangChain 核心包里的固定开关，而是一类研究型 Agent 架构，核心在于动态规划、子课题隔离、证据核验与统一写作，而非简单多搜几次。

FriendliAI 创始人 Gon Chun 认为，生产级智能体应以端到端任务延迟而非单次对话请求速度为核心，并通过开放权重模型与前缀缓存、KV 缓存管理、缓存感知路由和智能体感知优化降低推理成本。

火山引擎 AI MediaKit 以多模态语义理解判断文字角色、以自研 ReFM 残差流匹配做受控生成修复，实现复杂花字、水印的精准擦除与场景固有文字的完整保留。

UIUC 与清华初创团队 Astraculum 提出 Social World Model (SWM) 框架，通过自蒸馏微调 (SDFT) 机制在预测市场数据上进行持续学习，使 7B 模型在 390 天滚动回测中击败了 GPT-5.6 和 Claude Opus 5 等前沿模型。

作者开源了一个名为 guizang-product-video-skill 的 AI Skill，能够通过读取代码库的组件、样式和品牌色，利用 React 渲染和 Python 波形合成，低成本生成与产品审美高度一致的宣传视频。

作者通过阅读资料、拆解 fast-jev-compaction 并仿写 Demo，论证 Jev 的价值不在替代大模型，而在于把 Agent 中高频、封闭、可回退的判断从生成链路里拆成独立的「快判断层」。

本文提出了一种 LLM 模块移除方法，将其重新表述为映射到伊辛玻璃的约束二元优化问题，从而实现高效、高性能的深度剪枝，并考虑了模块间的相互作用。

腾讯团队开源长期记忆系统 T-Mem，指出四代记忆架构检索配方相同、联想性召回是结构性盲区，通过写入时生成四族 trigger 补上这一半，在 LoCoMo-Plus 联想子集上大幅领先。