依意思最接近的 30 筆
OpenAI 開發者帳號披露了其廣告系統的三段執行流程：orchestrator 會探索使用者的可能需求，把一次對話拆成多個意圖。接著，系統用基於嵌入（embedding）的搜尋找出候選廣告，再通過資格與相關性檢查縮小範圍。最終由競價工具完成廣告的最終選擇與定價。帖文未提及該系統的適用範圍與上線時間。
一篇工程實踐文章總結了多智慧體系統的三種架構模式：orchestrator-worker 由編排者拆解任務並彙總工作者結果，blackboard 讓多個 agent 讀寫共享狀態，pipeline 按固定順序串聯專職 agent。作者給出的選擇標準是：拆解能提前寫成清單就用 pipeline，拆解方式已知但細節取決於輸入就用 orchestrator-worker，解法路徑要等 agent 探索後才明確才用 blackboard。
Hacker News 上一條提問帖徵集 AI agent 的使用現狀，把調查拆成五組問題：個人付費的訂閱及檔位、是否重複購買同一家帳號；訂閱之外使用哪些按量 API、OpenRouter 或本地模型；coding harness 是用預設 CLI/IDE 整合，還是改用 OpenCode、Pi、Aider、Muse Code 或自建；是否使用 agent 編排與 swarm 工具；
舊金山初創公司 Industrial Next 在 TechCrunch Disrupt 2026 上宣布與 BMW 集團技術辦公室合作，評估其 AI 靈巧操作技術用於製造。該公司由兩位前特斯拉工程師於 2021 年創立，做的是基於自研基礎模型的機器人工作站，把視覺、任務上下文與運動控制打通，用高保真模擬訓練，產線換型從數週縮短到數分鐘，無需傳統程式設計。其工作站已在某款熱門手機的生產中使用，負責柔性排線穿線、聯結器扣合等此前難以自動化的工序；
OpenAI 於 10 月 20 日宣布收購成立四年的 AI 生物科技軟體創業公司 Orchestra Bio，交易金額未披露，該公司截至 2025 年累計融資約 2000 萬美元，投資方包括 Andreessen Horowitz、Atria 和 8VC。Orchestra 的 AI agent 用於協助生物科技公司處理藥物發現中的運營瑣事，例如跟蹤財務、協調臨床試驗排期；
OpenAI 宣布收購 Orchestra Bio，這是一個幫助生物製藥團隊協調藥物研發複雜流程的平台。收購後雙方將以 OpenAI 面向生命科學研究的 Rosalind 模型與工具為基礎，簡化這些運營環節，讓新療法更快到達患者；Orchestra Bio 創始人 Ashokaraj 及團隊一同加入。
OpenAI 宣布收購 2022 年成立的 AI 生物製藥公司 Orchestra Bio，並將其團隊與技術整合進面向生命科學的 Rosalind 模型與工具。Orchestra 的平台用於協調藥物開發流程，其 CTO Andy Xu 畢業於北京大學與約翰斯·霍普金斯大學，曾在微軟工作近 19 年。同日，Anthropic 公布 Claude 在 64 小時內生成 318484 種蛋白質設計，其中 17 種達到結合蠍毒神經毒素的預設標準；
2026 年 10 月 20 日，OpenAI 宣布收購藥物研發協作平台 Orchestra Bio，其團隊與技術將併入面向生命科學研究的 Rosalind（含 GPT-Rosalind 與 Rosalind Workbench）。Orchestra 的平台讓人與 AI agent 共同推進藥物專案：例如某批生產失敗時，agent 定位受影響的試驗與時間線、彙集資訊並比較應對方案。
Anthropic 在 AI Engineer New York 2026 上介紹了上週五發布的 dynamic workflows（簡稱 flows），由 Claude 自行編排整套多智慧體拓撲。此前 Claude Managed Agents 需開發者配置協調者與子代理名冊，現在 lead agent 自己制定計劃並編寫編排程式，負責啟動代理、收集結果與管理資訊流，功能在面向 API 開發者的 Claude Console 提供，也支援傳入預配置子代理。
NVIDIA 發布 AIOps 平台 Minerva，為 AI 工廠提供端到端可觀測性。它把 GPU、網路、儲存、排程器與工作負載的遙測匯入動態知識圖譜，每小時分析數十億資料點，用於發現異常、預測故障並把告警風暴聚合為帶根因的事件；平台還內建 AI 助手，可連線外部 agentic 工具，目標是提升 GPU 正常執行時間與 AI 工廠產出。
一位工程經理轉述同事 Emily 的做法，提出與 AI 協作的 Brain Sandwich 框架：先用自己的大腦，再把實現交給 AI，最後再回到自己的大腦。開始前要自己讀懂問題、明確大致方向，否則 AI 可能把方向帶偏，甚至讓人去解決本來不存在的問題；中間階段可以毫無顧慮地完全委託給 agent。收尾時必須自己讀 diff、判斷增加的複雜度是否值得、寫好 PR 描述——如果說不清改了什麼、為什麼改，就不該交給別人審查。
Tenex 聯合創始人 Alex Lieberman 與 CJ Hess 在 AIE New York 介紹，這家按交付產出而非工時給 AI 工程師付酬的公司已擴張到 75 人，客戶覆蓋財富 2000 與中端市場企業。其內部工具 MetaHarness 把技能、專案文件與 CLI 連同計劃和決策一併提交進 Git，agent 接手任務時能讀到「為什麼這樣建」。
Omnara 發布開源、可自託管的耐久 agent API，對標 Anthropic 的 Claude Managed Agents 與 OpenAI Agents API。一次 API 呼叫即可建立 agent，雲端負責執行 agent loop，並提供沙箱、金鑰、權限與 RBAC；agent 狀態存於 Postgres，重啟後仍存活、閒置時不耗算力，事件可通過 API 流式讀取。
亞馬遜工程領導層在一份關於 AI 時代開發者角色的內部更新中提出，如果現有 AI 工具無法讓某項工作受益，這應當被看作一個發現，而非失敗。撰寫該更新的 Terk Terkowitz 建議工程師記錄下 AI 具體在哪些環節幫不上忙，與同行社群分享、同步給主管，並共同尋找解決辦法。他表示，能說清 AI 目前無法幫助自己工作的工程師，正展現了公司期望的判斷力。
因果智慧公司 Aether AI 公布機器人系統 CRIS-0 的官方 Demo，靠提取物理因果變數而非端到端擬合驅動機械臂。在咖啡製作測試中遭遇人為移位與光照突變，系統平均 2 秒內完成重規劃，10 次隨機擾動有 9 次有效恢復；客廳長程整理可連續執行數十步，20 條模糊指令完成 18 次精準抓放，危險變數出現時 0.2 秒急停。
螞蟻靈矽大模型應用平台團隊開源自動最佳化框架 AntOmniEvo，使用者只需提供可修改的檔案目錄、評估資料、打分標準和系統定義，框架就會驅動 coding agent 在「改檔案—打分」迴圈中 7×24 迭代。核心演算法 Mara Chain 讓未達標的候選帶著診斷記錄繼續修復，配合逐題 Pareto 過濾，避免過早淘汰有潛力的候選。
開源安全運營平台 Argus 發布，採用 MIT 許可、免費自託管，核心是讓 AI 代理以機器速度檢測並自動阻斷攻擊。它接入 AWS、Azure、GCP、Kubernetes、Okta、Entra、CrowdStrike 等服務，提供 27 個一鍵修復，並支援在 Slack 中一鍵批准或回滾。新版新增自主回應（未人工確認則按定時器自動回滾）、統一 AI 閘道器（用公司持有的金鑰代理 OpenAI 與 Anthropic 呼叫，含模型白名單與預算）以及影子 AI 發現。
OpenAI 企業版工作區可把成員組織成團隊，並按團隊安排定時任務。操作路徑是先在 Settings > Teams 中建立團隊、邀請同事並選擇該團隊可用的連線，再到 Scheduled > New Task 裡選中這個團隊，描述要執行的工作和執行時間。該流程由 OpenAI 開發者帳號發布，並註明需在符合條件的企業版工作區中操作。
Meta 已確認收購 AI 程式設計初創公司 Conductor，該平台可把多個 coding agent 部署到並行工作區協作開發，交易金額未披露。Conductor 的 agent 並非自研，來自 Anthropic、OpenAI 等實驗室，公司 2024 年成立、核心產品去年夏天才上線。創始人 Charlie Holtz 表示核心功能會維持到明年初，但云端服務將於 11 月 20 日關停，之後開始刪除使用者雲端資料。
OpenAI 啟動 Grid Protectors 計劃，讓未來的計算園區在電網緊張時主動降低用電需求。計劃從喬治亞州開始，規劃中的 Effingham County 園區將由 OpenAI 承擔全部基礎設施與供電成本，並與 Georgia Power 達成最高 1,000 兆瓦的柔性需求回應，相當於約 70 萬戶家庭的平均用電量。
開源專案 Jukebox-OS 發布，用 Rust 編寫的執行時為 AI agent 加上資料庫級 ACID 事務語義與確定性時間旅行回放。它把每次 LLM 請求、token 流、MCP 工具呼叫和檔案寫入經 BLAKE3 雜湊記錄到可移植的 .jbx 磁帶，副作用先暫存在 copy-on-write 的 WASI 沙箱，只有呼叫 commit 才真正落地，rollback 則不留痕跡。
Google 開源了 Harness²，這是一套雙層遞迴框架，讓 Agent 在執行時自行修改腳手架、系統提示詞、工具鏈與技能庫。它在沒有標準答案時，用 Propose–Probe–Compose 對改動做行為對比篩選，並把除錯經驗寫進經驗庫，供後續任務檢索複用。實測 GLM-5 在 OpenCode 下執行 WorkBuddy-Bench，得分從 64.2 升到 75.7（+11.5 分），反超未改腳手架的 Gemini 3.5 Flash（72.4）；
ycombinator 與 Olam Labs 的研究者把上百個 AI agent 放進 Minecraft 及其多種模式，讓它們協作或互相對抗，結果這群 agent 沒能建成「文明」，反而陷進官僚內耗。實驗基於 Mindcraft 與 Mineflayer 指令碼工具搭建，意在為近期多 agent 案例提供參照：一邊是千級 agent 群體解決數百個開放數學問題，一邊是被稱「極其危險」的 OpenAI-Hugging Face 事件。
Anthropic 於 10 月 16 日發布兩份報告：其內部 AI agent 工作時長在 2026 年 3 月已超過員工，到 8 月 agent 數量是員工的 6 倍，同期初級崗位與技術崗招聘佔比下降，人均程式碼、銷售與合同處理產出上升，瓶頸轉向人的注意力。第二份報告對比近 1.1 萬名美國成年人與 Anthropic 員工的調查：91% 的員工認為 AI 能在 2030 年前做出諾獎級發現，美國成年人中僅 39%；
Docker 發布 docker-agent，一個 Docker CLI 外掛，可用宣告式 YAML 配置建置、執行和分享 AI 智慧體，無需寫程式碼。它支援多智慧體協作、內建工具與任意 MCP server，模型側相容 OpenAI、Anthropic、Gemini、AWS Bedrock、Mistral、xAI 與 Docker Model Runner，並自帶 think、todo、memory 工具和基於 BM25、嵌入與重排序的 RAG。
OpenAI 新平台發布系列首篇隨筆《永恆的互補》，作者為 Hemanth Asirvatham 與 Elliott Mokski，文末註明觀點不代表 OpenAI。文章引用 Nick Bloom 等研究：維持摩爾定律所需研究人員數量是 1970 年代初的 18 倍以上，1930 年代以來全經濟有效研究投入增長 23 倍，而研究生產率下降 41 倍。作者據此提出「制度智慧」概念，認為前沿智慧與執行能力互為補充，超級智慧的價值可能更多體現在重複性執行工作上。
Aether AI 發布因果驅動的機器人智慧系統 CRIS-0，演示中面對人類突然移走咖啡袋、燈光干擾、往盤裡放飲料罐、關門時伸手等干擾均能即時調整，反應速度達 0.1s 級。它把機器人智慧分成兩層：因果驅動機器人 Agent 負責任務拆解、階段驗證與失敗恢復，因果世界模型預測動作帶來的物理變化。相比端到端模型，它在抗干擾、模糊指令和長程任務上更穩；團隊稱該路線還可延伸到生物製藥、新材料研發，更底層的 Causation Transformer 仍在驗證。
OpenAI CEO 奧特曼在內部員工會議上提出 AI 競賽的三種終局：建立全球監管機構、頂級實驗室合併為一，以及一家公司率先突破關鍵技術。最極端情形下，率先突破的公司甚至能讓競爭對手的 GPU 集體癱瘓，奧特曼稱這是「糟糕透頂」的結局。前兩條分別參考 IAEA 與 CERN 模式；他也承認 OpenAI 目前無法輕易放棄技術領先爭奪。
AWS 發布開發工具 TorchNeuron，用 PyTorch 寫的 AI 應用只需改一行配置即可跑在自研晶片 Trainium 上，無需重寫程式碼。AWS 稱約 85% 的 AI 應用基於 PyTorch，熟悉 PyTorch 的開發者可直接上手。亞馬遜還會把解耦 PyTorch 與特定晶片的程式碼回饋上游，推動框架硬體無關；Trainium 兼顧訓練與推理，AWS 強調價效比，語音 AI 公司 Deepgram 遷移後每美元處理音訊量提升 70%。
Ai2 把原先基於優先順序的 GPU 排程器換成了由 GPU 時間預算、層級化公平分配和時間切片契約組成的新系統。它管理數千塊 NVIDIA H100、B200、B300，叢集規模從 88 到 1024 塊 GPU，服務約 150 名內部研究者，GPU 需求長期是供給的 2 到 3 倍。舊方案導致 GPU 蹲坑佔位、優先順序通脹（最終 100% 工作負載都標為 HIGH）以及值班工程師大量時間用於協商關閉不可搶佔任務。