EP186 · Every 实验室、Elastic 原子验证、同行反馈

Every CEO Dan Shipper 把 AI 模型快速迭代带来的产品难题拆成探索与执行两种节奏：一两人的实验室团队先并行试验、内部自用，再把有持续使用和成本可行性的少数成果交给主线产品。这给产品负责人一个可操作的机制，而不只是保持敏捷的口号。

Elastic 在合并知识库文章时把生成与验证拆为两步：先生成连贯的合并稿，再将原文拆为可独立核对的原子声明，逐条标出已覆盖、被有意取代或遗漏。人工审查因此从重读整篇转为裁决缺口与冲突；这是控制 LLM 幻觉与信息丢失的可复用实践。

这篇由 Thoughtworks 作者撰写的同行反馈指南主要讨论人际协作，但明确指出：即使团队越来越常与 AI Agent 结对，人与人之间互相学习的反馈仍不可替代。文章还以让 AI 代写沟通为例，区分个人偏好与团队规范，为 AI 进入团队后的协作边界提供判断框架。

Anthropic 的现场工程师将 AI 代码现代化拆为目标、正确性证书、上线策略、环境与审批准备、Agent 工作流和小范围验证六步，提醒团队把瓶颈从写代码转向可审计的验收与推广。

阿里巴巴发布 RoboFlywheel 开放式仿真基础设施，提供超百万级刚体、铰链与柔性资产，支持机器人交互与闭环训练。

京东海博团队通过构建三层结构化 AI 知识库（项目、角色、Skill 层）并采用 OKF 规范，将业务知识从个人记忆转化为可被 AI 消费的组织资产，显著提升了研发分析效率与测试用例覆盖率。

Merve Noyan 主张开发者不应再把视觉语言模型直接当作线上端点，而是通过 Skills 工具包把精选的 Apache 2.0 视觉模型交给编码智能体调用，并用 VLM 标注加双评审的流水线，以约 3-4 美元的成本训练出 RF-DETR 这类专用模型。

Google 研究人员使用 MaxText 在 TPU 上成功复现了 OLMo 3 7B 的预训练和中训阶段，证明了该框架与原 PyTorch 实现的对等性，并提供了关于大规模训练可靠性和性能优化的详细案例研究。

腾讯混元发布图像生成模型 Hy Image3.5 preview，综合能力较上代提升约 30%，2K 出图定价 0.15 元/张，并已接入元宝、ima、WorkRally 等多款产品。

Replit CEO Amjad Masad 认为，年轻人在社会中的效用就是质疑根深蒂固的信念、去做异端；他主张大学应当包容支线任务与由 AI 驱动的项目式学习而非分数，指出想法成形前的 VC 支票是掠夺性的过早优化，并讲述自己对象棋的好奇如何引出训练 LLM 下棋、开启 Replit 的 autoresearch 方向与「自动驾驶公司」愿景。

前字节产品负责人、动念引线创始人梁琛奇复盘抖音社交与猫箱的产品经验，提出娱乐比工具更慢受推理成本、模态与用户习惯三重前置条件制约，并押注 AI 时代的「涌现式创作」与新娱乐体验。

中国电信星辰通用人工智能实验室开源 1.2B 参数文档解析模型 TeleOCR，该模型在 OmniDocBench v1.6 榜单登顶并夺得 ICDAR-2026 科学图解析挑战赛冠军，实现了数字与拍摄文档的统一结构化解析。

Perceptron AI 联合创始人 Armen Aghajanyan 主张放弃 VLM、VLA 与世界模型之间的分野，转向统一的具身基础模型：用 data-sparse MoE 路由解决视频监督稀疏与上下文膨胀，并以可用 10 倍廉价视频预训练数据替换遥操作数据的新 scaling law 作为最大研究突破。

Jerry Liu 回顾 RAG 从朴素流水线演进为智能体框架加上下文层的历程，剖析 PDF 与 Office 文档难以机器解析的技术根源，并介绍 LlamaIndex 的混合解析方案、ParseBench 企业文档基准与面向智能体循环的高速开源解析器 LightParse。

Liquid AI 发布了 LFM2.5-VL-DSpark，这是一个为 LFM2.5-VL-3B 视觉语言模型设计的实验性草稿模型，利用投机采样技术在极低内存开销下实现了高达 3.13 倍的解码速度提升。

本文深度复盘了 Meta 的 Personal Agent 产品 Muse，探讨其在长对话交互、主动能力边界、安全架构（Sentinel 机制）以及个人超级智能的「分寸感」训练方面的设计决策。

通过实测验证 openJiuwen 的 WorkSwarm Code 集群模式，展示了 AI Agent 团队如何从单句需求出发，自主完成技术选型、分工协作并交付可运行的完整项目成品。

NVIDIA 的指南展示了如何将 MuJoCo SO-101 抓取放置场景迁移到 MJWarp，从单个 CPU 世界扩展到 2,048 个并行 GPU 环境，同时保持仿真一致性。

清华大学联合无问芯穹开源具身智能云原生平台 RLark，通过自研运行时和跨集群网络技术，实现机器人设备的统一纳管与跨地域任务的高效协同。