头条精讲
淘宝 AI 购物助手在线评测落地实践（在新标签页打开）
推荐理由线上通过率下跌，究竟是助手变差了，还是评测看错了？淘宝从脏数据、业务标准到定点修复的复盘，帮助团队建立可追溯的质量观测。重点看如何排除缺证据的样本、隔离跨轮信息，并把评测异常分解为数据、提示词、规则或业务故障，避免修错地方。
淘天团队分享了 LLM-as-a-Judge 在日均海量会话、多域异构的电商 AI 购物助手场景中的日级在线工业化评测体系与归因闭环实践。
让大脑与双手解耦：Claude Managed Agents（第 1 部分）｜Anthropic（在新标签页打开）
推荐理由长任务的沙箱坏了，已经完成的工作能否保住？Anthropic 平台建设者回顾把会话日志、智能体循环和执行环境拆开的过程，让开发者看清恢复、上下文压缩与凭证隔离为何需要不同的系统边界。读完可以检查自己的架构是否允许模型和执行环境分别演进。
Anthropic 工程师解释 Claude Managed Agents 为何把会话历史、智能体循环和执行环境拆开，以改善恢复能力、安全性与架构弹性。
将机会性 AI 推理能力转化为更好的广告推荐（在新标签页打开）
推荐理由AI 算力总量紧张，局部却可能闲置。Meta 把这些随时会被收回的资源变成广告推荐的额外收益，为架构团队提供两种不同资源配比下的调度思路。重点理解增加候选与使用更强模型如何互补，以及容量突然消失时怎样保住基础服务。
Meta 开发了一套系统，利用空闲推理能力通过两个弹性杠杆：排序更多广告（RMA）和提供更优模型（SBM）来优化广告推荐。
今日精华
让金融规划师亲手编写 Agent：Range 的五步方法（在新标签页打开）
推荐理由业务专家怎样把经验交给智能体，又保留交付责任？Range 的方法适合正在向非工程团队推广 AI 的负责人，用真实案例、维护者和独立审核者建立采用路径。
Range 的金融规划师把专业判断写成 24 项可复用的 Agent 技能，同时保留每条客户建议都由规划师审核的责任边界。
爬坡式优化 Skill：Browserbase 教智能体积累浏览器操作经验（在新标签页打开）
推荐理由重复跑同类浏览器任务时，怎样让失败经验留下来？这套执行、教学和重放验证流程，适合把临时操作策略整理成可维护技能的开发者。
Browserbase 的 Shubhankar Srivastava 展示如何让执行者与教师组成循环，把浏览器任务中可验证的失败和站点技巧沉淀为可复用 skill。
AWS 沙箱测试：让 Agent 运行1000项任务，暴露代码执行中的问题（在新标签页打开）
推荐理由本地跑通的智能体到了云端为何失效？AWS 的故障案例帮助开发者区分工具接口与沙箱约束，并用真实远端环境补足测试覆盖。
AWS AgentCore 工程师分享约 1000 项由 Agent 驱动的沙箱任务如何暴露接口编码、文件持久化和资源限制问题，并说明为何需要在远端开展模糊测试。
EMNLP 2026 Oral｜HOMURA：面向时间受限场景的 LLM 翻译强化学习优化（在新标签页打开）
推荐理由译文准确却放不进视频时长，该怎样优化？这项研究适合做字幕、配音与多语言产品的团队，理解音节预算如何进入训练目标，以及压缩与语义保留的取舍。
针对大模型机器翻译中普遍存在的冗长偏差，哔哩哔哩团队提出 HOMURA 强化学习框架，通过动态音节比例奖励与 GRPO 优化，在保留核心语义的同时实现了严苛的时间预算与长度控制。
超越 RAG：Unblocked 如何构建节省 token 的关系型上下文引擎（在新标签页打开）
推荐理由企业提问涉及日期、数量与关系时，检索到相似文本还不够。开发者可以借这次实操理解结构化查询如何与 RAG 配合，同时校验权限与查询安全。
Unblocked 的 Peter 认为，智能体既需要语义检索，也需要受约束的结构化查询，并现场搭建了包含 schema 发现、身份映射、查询校验、重试和全文检索的文档查询引擎。
Stripe 数据揭示 AI 经济：增长、全球销售、定价与获客如何变化（在新标签页打开）
推荐理由产品做出来之后，收费方式和全球销售也需要同步设计。Stripe 的观察适合 AI 创业者比较订阅、用量和额度组合，并思考智能体成为买家后该开放什么接口。
Stripe 产品负责人结合平台数据，解释 AI 公司如何更快获得付费客户、从成立之初面向全球销售、采用混合用量定价，并调整市场进入方式。
Agent、MCP、Skill、Cli 一次讲透：老系统接入 AI 的地图与三条路径（在新标签页打开）
推荐理由手里有跑了多年的业务系统，应该从哪里接入 AI？这份决策树帮助企业团队按现有接口、文档和鉴权条件选择改造路径，再用真实车企案例判断封装深度。
本文介绍了 Agent、MCP、Skill、CLI 和 Model 的概念关系，并为企业老系统接入 AI 提供了 API 封装、CLI 包装及 RPA 三种落地路径。
补充阅读
自主计算机：面向计算机操作智能体的基础设施｜Simular 创始人 Ang Li（在新标签页打开）
推荐理由计算机操作反复推理既慢又不稳，成功轨迹怎样变成下一次可复用的技能？适合评估桌面智能体的团队，理解视觉、无障碍快照和符号步骤的分工。
Simular 创始人 Ang Li 介绍让智能体拥有独立桌面的构想，并通过现场工作流说明视觉交互、代码复用、结果验证与操作防护如何配合。
Flywire 如何用 Orbit 构建可控的 Agent 工作流：Eduardo Simon 与 Javier Casal 分享（在新标签页打开）
推荐理由支付业务怎样把智能体纳入已有工程治理？Orbit 的设计适合需要审计和控制权限的团队，借代码评审、确定性步骤和追踪明确自动化责任。
Flywire 介绍 Orbit 如何把零散的 Agent 实验变成经过评审、权限受控的工作流，在受监管的工程环境中保证可靠性，只让模型处理需要推理的步骤。
让 AI 组队干活，最强模型也只完成约一半任务：AgentWorld 如何评测 Agent 协作能力？（在新标签页打开）
推荐理由增加智能体和通信量是否真的帮助任务完成？这项基准给多智能体团队提供协作贡献的分析视角，帮助区分有效分工、重复劳动和信息误传。
研究团队推出面向多智能体长时程协作的评测基准 AgentWorld，发现即使顶尖大模型在沙盒任务中的最高协作成功率也仅约 52%，并提出了因果协作有效性（CCE）指标以衡量跨角色行动贡献。
同样的模型，不同的速度：为什么推理供应商至关重要 — FriendliAI（在新标签页打开）
推荐理由选好模型后还要怎样选择推理供应商？缓存、路由和解码机制帮助开发者设计真实负载测试，判断延迟与可靠性如何影响长任务成本。
FriendliAI 创始工程师 Yun Mo 论证 GLM 5.2 等开源权重模型已追平闭源模型质量且成本低得多，并解释前缀缓存、亲和路由、KV 缓存分层与混合投机解码如何让推理供应商而不仅是模型本身决定生产环境的速度与可靠性。
即时本体：廉价智能如何改变数据转换｜Hrishi Olickel，Southbridge AI（在新标签页打开）
推荐理由一个客户概念能否通用于所有业务部门？这次数据转换实践适合构建企业数据助手的人，理解为何定义要跟随决策任务，并保留来源供独立核验。
模型判断让数据转换更灵活，但可靠答案仍依赖面向具体决策的定义、独立校验和有边界的优化。
Agent 的致命三角：如何用任务级授权限制越权操作｜Kim Maida（在新标签页打开）
推荐理由智能体持有长期密钥后，如何限制每一步权限？值班场景的对照演示帮助安全团队理解短期凭证、身份传播与下游策略校验如何配合。
Kim Maida 演示值班 Agent 如何滥用长期有效的凭证，并提出按任务签发短期令牌、逐次校验工具调用的授权方式。
让智能体从生产故障中学习：Fuad Ali 演示轨迹分析与修复验证闭环（在新标签页打开）
推荐理由生产失败轨迹如何回到代码修复与发布验证？购物预算案例适合建立智能体运维闭环的团队，把问题聚类、定位、重放和质量比较连接起来。
Fuad Ali 以玩具商店智能体的价格约束故障为例，演示如何从生产轨迹发现问题、结合代码定位原因、提出修复，并在发布前回放真实案例。
和 ColaOS 橘子聊个人 Agent 这半年：时代追上了他，他却打了转向灯（在新标签页打开）
推荐理由个人智能体的真实需求在哪里？一线创业者的转向经验帮助产品团队辨认上下文输入和任务委派的障碍，重新评估付费需求与生存节奏。
任鑫、徐文浩与 ColaOS 橘子探讨个人 Agent 赛道现状：虽然廉价模型让免费互联网打法重现，但大众缺乏日程管理习惯与支使能力，创业者唯有避开大厂内卷办公场景、熬到盈亏平衡并依托线下人际信任资产才能突围。
别再做粗糙的一次生成 SaaS 替代品｜Railway 的产品打磨经验（在新标签页打开）
推荐理由AI 生成的软件离日常可用还差哪些细节？这份内部工具实践适合产品开发者，用自动保存、撤销和运行环境操作检查补齐构建成功后的体验。
Railway 的内部工具实践表明，要让编码 Agent 做出日常可用的软件，需要稳固的代码结构、明确的交互要求和真实环境验证。
Gemini 实时语音智能体如何工作：Thor Schaeff 演示 Live API 与多模态应用（在新标签页打开）
推荐理由想做可打断的语音或实时翻译应用，先理解怎样维持一段连续会话。这些现场案例帮助开发者辨认原生音频、工具调用与有状态接口的分工。
Google DeepMind 的 Thor Schaeff 通过故事插画、实时翻译和 AI 广播 DJ 演示 Gemini 的实时语音与多模态 API，并解释其有状态交互和原生音频流机制。
