找到 24 筆
一個不含 LLM agent 的 Jev 驅動診斷管線，在 SREGym-Lite 的 21 個故障、105 次診斷中通過 80 次（76.2%），中位診斷時間 14.6 秒。管線先用程式化收集器讀取 Kubernetes 物件、事件、近期 Pod 日誌與資源用量，按元件彙總後交給 Jev，由它在給定選項中選出可能根因、判斷元件是源頭還是下游受害者，並挑出關鍵證據，再組裝成診斷報告。Jev 全程只做選擇，不生成命令也不寫報告；
作者搭建了魔獸世界私服 jankcraft.xyz，並開發瀏覽器客戶端，PC 和手機均可免費遊玩。隨後用自訂 MCP 與 agent harness 通過 websocket 控制客戶端，讓 LLM 自動玩遊戲，agent 頁面已上線。本地模型需服務端開啟 CORS，作者自託管的幾個模型可能因用量增長下線；24GB 記憶體可跑 Qwen3.8-27B-GPTQ-W4A16，16GB 記憶體可用 vLLM 跑 Gemma4-e4b-coder。
一份面向 AI agent 的評估方法與開源工具 agent-eval 發布，主張用可重複的評估流程替代憑感覺看輸出。方法以關鍵使用者旅程（CUJ）定義成功標準，每個條件都對應一個評估點，先用模擬使用者 LLM 生成正常與邊緣場景，再在單元測試、確定性指標、LLM-as-a-judge 評分與整合測試四層做檢查。
Karpathy 稱 LLM 能力的認知差距正在擴大，從兩群人各說各話變成尖銳的漏斗。他估算約 60 億人（75%）幾乎沒接觸過 LLM，10 至 20 億人（20%）只是偶爾用免費版聊天機器人，約 2000 萬人（0.2%）在數學與程式碼上親身使用前沿模型，過去要花數週數月的專案現在一個提示就能由 agent 完成。
一款名為 KillSwitch 的深奧程式語言開源發布，專門設計成對人類可用、對 LLM 與 coding agent 儘量難以讀寫。它在語言規範裡埋入隱藏謊言，要求按識別符號字元數決定程式碼能否執行，還內建 Ignore previous instructions 等會觸發模型安全護欄的語句。
有程式設計師為程式設計寫了一份「訃告」，認為 coding agent 讓這份工作裡最有意思的部分消失了。Jeremy Scheff 的這段話說，程式設計曾是拿錢解邏輯謎題的好工作：謎題越難報酬越高，因為普通人做不了，開發者自己定策略、定時間線、定義什麼可能什麼不可能。如今 LLM 直接把這些題解掉，對只想把系統跑起來的人是持續饋贈，對以解題本身為樂趣的人則是真實的損失。
一位 Ruby gem 作者把自己所有 gem 的原始碼歸檔，明確表示不再繼續開發。他稱 Ruby 語言本身現在已大量由 LLM agent 開發，Matz 正把 Ruby 重新定位為供 LLM 生成程式碼的「AI 時代程式語言」，並認為 LLM 需要攝取更多人類寫的高品質 Ruby 程式碼；同時 Rails 由他不認同的維護者掌控。他不願再為一個被大公司免費開採、用於餵養那些反過來汙染公共程式碼庫的機器的公共資源做貢獻。
一份 50 篇材料、約 1300 題的新基準（Telegraph Test，程式碼與資料已開源）顯示，只需一句小寫指令讓模型用 1866 年跨大西洋電纜時代的電報體（cablese）撰寫壓縮記錄，輸出 token 可省 40%–49%，而下游模型讀取這些記錄的準確率不低於明文（恢復比 0.99–1.10）。GLM-5.3-Flash 自身省 48.4%，qwen3.8-27b 省 48.9%，gemma-4-31b 省 40.4%；
論文提出並研究 Plan-then-Retrieve（PtR）工具發現範式：讓 LLM 先生成抽象工具樁（Abstract Tool Stubs），即描述所需能力的假設函式簽名，再拿這些簽名到工具登錄檔中做檢索查詢。作為對照，主流的 Retrieve-then-Plan（RtP）直接用使用者查詢做嵌入，通過近似最近鄰搜尋找相似工具。問題背景是工具增強的 LLM agent 需從大型登錄檔裡發現可用 API，而有限的上下文視窗不允許把所有工具定義塞進單個 prompt。
有開發者主張，訂閱制前端自帶的用量面板不足以支撐工程決策，LLM 代理應當自己託管。自建代理可在單一端點聚合多家供應商與模型，記錄哪個金鑰在何時、用哪個客戶端呼叫了哪個模型及其狀態，並用虛擬 API key 避免主金鑰散落在各類 agent 與工具中，還能快速切換模型而不必重新配置。作者不推薦具體代理服務，只建議部署在自己可控的環境並按需改造，例如增加自訂 MCP server 端點；其代理帶 API，編碼會話中的快取未命中可在約 20 秒內手工定位，也可自動化。
研究者把 Pokémon Showdown 雙打格式封裝成多智慧體環境，讓兩個 Qwen3.8-27B 智慧體組隊：能自由對話時對最大傷害指令碼機器人勝率 64%，完全不能交流僅 42%。由單個模型同時操控兩隻寶可夢勝率 54%，每回合各發一條訊息為 52%。自由對話每場消耗約 97.8 萬 prompt token，是無對話 25.9 萬的 3.8 倍；同一隊伍對 2B、9B 模型隊伍勝率分別為 96% 和 74%。
HN 上一條提問帖討論 LLM 何時能接管軟體架構設計、不再需要人類留在設計環節。發帖者認為程式碼、數學這類有明確對錯的任務已被充分 RL，下一步就是讓 Anthropic、OpenAI 等收集好架構與壞架構的資料集做 RL；他提到 2024 年 LLM 還只是高階自動補全，如今業界已在談用 agent 搭「軟體工廠」，並判斷幾年內實際程式設計技能的需求會消失九成，產品負責人這類軟技能崗位更受青睞。帖子目前 9 分、3 條評論，屬觀點討論，沒有官方資訊。
MultiverseComputing 團隊發布論文 ProvenanceGuard，針對 MCP Agent 的跨來源混淆問題：答案中的事實雖在證據池中存在，卻被歸因到錯誤的工具來源。該方法在生成後保留來源 ID，依次做宣告拆分、來源路由、支援度打分、歸因比對與修復，並用 MiniLM、DeBERTa NLI 等本地模型離線執行。
Manus 母公司蝴蝶效應完成超 5 億美元新一輪融資，由博裕投資、IDG 資本領投，騰訊、紅杉中國、真格基金繼續加持，同時重啟北京辦公室、組建面向中國市場的 AI Agent 產品團隊。招聘官網顯示目前開放 17 個崗位（16 個全職、1 個實習），較國慶假期前的 11 個明顯擴大，含 AI Agent 產品經理、Agent Harness 工程師、Agent 評測工程師、LLM 演算法工程師等核心崗。
Shrivu Shankar 在 8 月 24 日的文章中提出，每家 SaaS 公司最終都會變成圍繞模型搭建的 harness，即包裹無狀態 LLM 的基礎設施、介面、上下文與狀態。他給出五階段演進路徑：傳統 SaaS、工程師與 agent 結對、個人執行 harness、個人編排 harness、harness 編排個人，屆時核心任務由 agent 完成，人類只負責提供品味與判斷。
Karpathy 在推文中估算，全球只有約 5000 人（約 0.00006% 人口）能直接使用最前沿的內部 AI 系統；約 2000 萬數學與程式設計專業人士在用前沿級 LLM 做專業工作，另有約 60 億人（約全球 75%）幾乎沒接觸過 LLM。他把這種分化稱為一條越來越陡的能力漏斗，成因是任務規模、能力鋸齒狀分佈（集中在可數字化、可驗證、商業價值高的領域）與存取權限分層。這些內部系統可讓成千上萬 Agent 組成叢集連續執行數週，推進大型軟體專案、發現零日漏洞。
論文提出 RISED，用評分標準（rubrics）驅動多環境 agent 訓練的 prompt 組選擇與自蒸餾。作者指出現有課程與資料選擇策略多在環境層面分配訓練，或只依賴區域性 reward 訊號，沒有顯式利用不同環境當前 rollout 之間的關係來挑選 prompt 組。同時各環境學習速度不一，同一 batch 內會並存全失敗與全成功的 rollout 組，這批資料無法獲得 group-relative 獎勵訊號。
Jump Trading 的 LLM 研發負責人 Lucas Baker 表示，引入 OpenAI GPT-6 Astra 後，可交給 agent 的量化研究工作流在規模與複雜度上大幅提升，從日常寫程式碼擴充套件到需要執行數天、跨多資料來源的完整分析。過去需要頻繁人工指導與干預，現在團隊只需定義安全、可監控的環境與明確目標，讓 agent 自行尋找路徑，並在長任務中自我評估、遞迴改進。在受監管的金融行業，agent 產出的交易訊號仍按普通訊號處理，需人工稽核並納入嚴格控制的執行環境。
web-edit 0.1a0 是一個 Python Web 應用，提供瀏覽和編輯資料夾內檔案的網頁介面，設計為通過 Tailscale 執行，讓 agent 啟動後可直接在手機上改檔案。作者的起因是在手機上用 Codex Remote 時，希望編輯 credentials 檔案而不把憑據經 LLM 傳輸，於是讓 Codex 與 GPT-6 Astra Extra High 寫出這個應用。編輯器選用 CodeMirror 6，因 Monaco 的移動端體驗仍不夠好而放棄。
Bionic 新增名為 Auto Review 的 shell 命令審批模式，先由確定性的 Shell Judge 做 AST 解析、能力提取與命令匹配，判定安全即直接執行，否則交給 Shell Reviewer 子代理結合會話記錄複核。Shell Judge 支援 sh、bash、zsh 與 PowerShell，官方稱當前版本可自動批准其代理執行命令中的 82%，且不呼叫 LLM。Bionic 預設零資料保留，範例命令來自內部測試裝置。
EinsiaAI 旗下 Navers Lab 發布 Quant Arena，讓 9 個大模型在 3042 只 A 股的真實資料上自行編寫策略、回測和迭代；結果 5 個模型虧本、無一跑贏市場基準。研究期使用 2022—2023 年行情，每個模型最多進行 5 次候選評估；策略凍結後僅在 2024 年封存資料上評估一次。收益最高的 GPT-6 Astra 年化收益率 10.7%、最大回撤 -6.8%，仍低於 17.1% 的市場基準；
10 月 20 日南京物理 AI 大會上，愛思科技展示 Agnes Harness 智慧體執行框架，配合自研 MHS 裝置接入協議，使用者一句自然語言即可讓機器狗 Go2 與小車 Car01 分工完成打招呼、播放音樂並跳舞 30 秒等任務。框架由大腦 LLM、小腦 JEV 決策模型、Workflow 與 Agent Loop 組成，並通過系統層 RSI 改策略與程式碼、模型層 TTT 更新決策引數實現雙進化；
Battle Drones 是一個幾乎全由 AI 編寫的《命令與征服》式即時戰略遊戲，作者讓 Claude Code 迭代 12 個大版本、提交 321 次程式碼，手機和桌面瀏覽器都能直接開玩。最有意思的是雙人聯機：兩臺靠近的裝置通過麥克風互發音訊來同步戰局，後續又補上了線上聯機。遊戲內含 9 種建築、7 種地面與 6 種空中單位、6 張地圖與隨機地圖生成器，另有讓兩個 LLM 互相對戰的 Agent 對戰模式和多種 AI 性格。
蒙大拿州立大學計算機教授 Carson Gross 在《Yes, and...》中回答“AI 時代還該不該學程式設計”：應該，但初級程式設計師必須親手寫程式碼。他認為 AI 能生成作業程式碼，但若因此不寫程式碼，就難以讀懂程式碼，可能造出自己無法理解和控制的系統；AI 更適合當助教，他給學生提供 AGENTS.md 來把編碼代理配置成助教。他同時判斷，未來寫程式碼本身的相對價值會下降，清晰溝通與理解業務會更重要。