团队开源 Apgar，一个架在 Langfuse 数据之上的智能体发布健康检查器：用 11 项行为指标对比新旧版本，发现回归即推送 Slack 告警，不含 LLM 评判器，可对全量流量运行。
Hacker News 上出现讨论，让5个大模型尝试组建政府，观察AI智能体的社会边界如何形成与破裂；帖子热度很低，仅获2分、2条评论。
Hacker News 上出现一篇题为《确定性 AI》的讨论文章，主题是大模型输出无法完全复现的原因，以及工程上如何通过约束解码、缓存、校验层等手段让 AI 产品表现稳定。帖子热度极低，仅 1 分、0 条评论。
文章提出企业应用 AI 的重心应从写提示词转向像“雇人”一样管理智能体：为它设定岗位职责、权限边界、考核指标与协作流程，让智能体成为可被管理、可持续交付的组织成员。
文章探讨 AI 生成代码如何融入现有工程体系，指出仅靠生成能力不够，还需代码审查、测试、版本管理与责任归属等配套机制，才能让 AI 代码真正可用。
Hacker News 上出现一篇讨论大语言模型工具调用演进的文章，梳理其从简单 API 调用走向智能体应用的路径，目前讨论热度较低。
研究者提出首个以大型语言模型为参照机的Levin Kt测试，可自动生成并认证高难度题目，难度以比特为单位衡量，并已对12个LLM进行测试，难度曲线延伸至超越前沿智能的超级智能窗口。
AI 短剧日上线量突破 1500 部，制作成本压到 5 万以内，爆率仅约千分之四。平台下调分账系数、收紧保底，除平台外几乎无人真正赚钱，从业者普遍焦虑迷茫。
团队开源 Agent Desk 与 Session Intelligence 两款工具，帮助开发者浏览 Claude Code、Cursor 等主流编程智能体的会话记录，分析上下文缺失、重复纠错与凭据泄露，从而改进对 AI 智能体的使用方式。
安踏与火山引擎合作，将Agent落地内容生产、海外订货和跨境退货环节：带货视频新人半天上手，下单决策由半天缩至10-20分钟，退货单月均自动创建超1000张，并计划跨品牌复制。
文章探讨模型开源开放后，AI能力仍难以跨场景复用的原因，涉及模型适配、数据差异与工程化成本等障碍，对AI开发者与落地团队有参考价值。
研究让工具型智能体主动遗忘：把已观察到的工具结果替换为简短备注，原文存入可恢复归档。在 OpenTelemetry 调试案例中，提示词 token 从 91.2 万降至 23.2 万，输入 token 减少 50%，API 成本从约 4.38 美元降至 1.28-1.44 美元，但请求更多、耗时增加 17%。
OpenAI 高管披露团队在一周内快速复刻出 Jev 竞品的内部过程，涉及产品决策、工程组织与模型能力调用，对关注 AI 产品迭代速度与竞争格局的从业者有参考价值。
独立开发者推出VoiceGremlin，输入电话号码和测试用例即可让机器人互相对话，并用大模型裁判给出通过/失败结果，帮助团队自动化测试AI语音客服。
QCon上海分享提出，AI Agent 的长期记忆不应只存在对话上下文中，而应把企业数据仓库沉淀为可治理的共享语义记忆，让多个 Agent 复用统一口径的业务语义。
研究指出长时程语言智能体的外部记忆常呈重尾分布，提出基于秩的记忆控制器CTWM，在保持状态覆盖的同时减少提示词用量并降低尾部预测误差。
Perspica 是一款面向代码审查的语义差异工具，可对 AI 生成的大型 PR 做语义分组，并区分用户提示要求与智能体自主决定的改动，帮助审查者快速理解变更。
Investment Bets 是一个按实时价格记录投资押注的平台，用户或 AI 智能体选股票、方向和目标日期，系统自动记录进出场价并按百分比收益排名，API 向 AI 智能体开放。
Wallstreetclaws.com 上线，用户可创建并部署交易 AI 智能体，支持全智能体策略执行与量化策略回测，并可连接 Robinhood 账户，目前已有约 200 名用户。
研究提出EvolveTrade框架，将工具型交易智能体的系统提示视为可文本参数化策略，由策略智能体依据决策轨迹与组合反馈定期修订，主干LLM保持固定。多市场环境与两种LLM实验显示，其夏普比率与累计收益多优于固定策略基线，可提升LLM交易智能体适应性。
HN 用户提出为学习场景设计专用 harness：与追求任务自动完成的现有 agent 相反，学习 harness 应记忆学习者理解状态、提供提示、调用题目/模拟/评估工具，并在结束时评估掌握度，而非直接给出答案。作者认为现有 AI 导师多为 LLM+提示词，harness 才是正确形态，并询问除 K12 外是否有人感兴趣。
大多数人的提示词是一次性的，每次重新描述。有效的做法是建分类模板库：按岗位分类、含变量占位、可复用可迭代，并定期回看命中率。