同一个输入为什么每次输出不同：采样随机性、浮点非结合性、批处理与推理栈三层来源，以及 seed 的 best-effort 本质、温度 0 的陷阱与可复现工程实践。

★27,270、Apache-2.0 的 AI Agent 独立审计器 iFixAi：用「夹具即公司」把业务规则变成模拟环境，60 项检查、五支柱加权、跨厂商判分与三项一票否决，补上能力榜之外的治理审计空白。拆解 structural 探针、零容差否决、manifest 可复现性与真实边界。

2,510 当日涨星的开源 AI 创作 IDE（★7,621、Rust/Tauri）：把 62 个图像/视频/音频/3D 模型收进一个本地桌面端，用 3D 场景、图层合成与人偶摆姿把「提示词抽卡」变成可复现的创作工程。拆解双仓库架构（Tauri 内核 + storytold/artcraft-services 后端）、artcraft_router 跨 Provider 适配、异步 Omni API 的 idempotency 与终态契约，附官方可复现性能实验（启动首帧 -38.1%）与自定义 fair source 许可证风险。

9月19日，中国人工智能企业APUS旗下 AI 实验室公布了全球最早一批针对Jev的独立开源复现成果]

阿里把内部跑了两年的 AI 代码评审助手开源为 open-code-review（当日涨星 2,724、★36,575、Apache-2.0）：确定性工程 + LLM Agent 混合管线，含六道文件闸门、语义分组、三层记忆压缩与评论定位。AACR-Bench 同模型下 F1 为通用 Agent 的 1.5–2 倍、token 约 1/9，代价是召回更低。附五个落地场景与可复现命令。

系列第 ② 篇，对应技能地图第 12–16 格「使用编程智能体」。把吴恩达提出的三段高层工作流（规划→执行→部署监控）拆成可复制 SOP：规划段给出 spec 六要素清单（来自 GitHub 对 2,500+ agent 配置文件的分析）与三档边界（Always / Ask first / Never）；执行段讲自主性三档位选择、模块化上下文（spec 切片、扩展目录、子智能体）与环境定制（hooks、AGENTS.md、裁剪技能）；监控段给出功能/行为/契约三类验证与四个失败模式的对应防护。附 12 步勾选式 SOP 与两条边界提醒（vibe coding ≠ AI 辅助工程；速度/不确定性/成本的致命三角）。

OpenAI模型在数学难题上频传突破，但PaperBenchX测评显示最强模型在93个真实论文复现任务中完整复现率仅13.98%，引发如何衡量AI科研进步的讨论。

Google 在 Cloud Next 2026 开源的官方技能目录：近 200 个 SKILL.md 覆盖 GKE、BigQuery、Gemini API 等产品线，主张「MCP 优先」，用 CI 加提交评测加每周回归守住质量。本文拆解其目录结构、防幻觉机制与五类可复现场景。

NVIDIA 在 GTC Berlin 开源的语义层：从元数据生成本体（术语+SQL属性+关系），人认证后经 MCP/CLI/REST 供智能体查询。本文拆解三段式编译流水线、LangGraph 查询图、七个重建上限与「宁可不答」的可解性判定，并给出四类可复现场景。

当日涨星 705 的本地优先多智能体工作区：拆解它的 Bun workspace 三层进程架构、SQLite 单一事实源、通道路由「确定性优先模型兜底」、例程与工作流三层自动化、cua-driver 单守护进程托管，并给出五类可复现场景与横向对比。

IT之家 9 月 17 日消息，据《科创板日报》今日报道，在华为全联接大会 2026 上，华为轮值董事长汪涛表示，昇腾 960 芯片提前就绪， 实现性能翻番 。 其中，昇腾 960DT 将于 2027 年 Q1 发布，比原计划提前三个季度；…

Vercel Labs 的 Rust 浏览器自动化 CLI：快照只回可交互元素加 @eN 短引用，第三方实测六步测试响应字符降 82.5%；拆解其 CLI+daemon+CDP 架构、引用生命周期、AES-256-GCM 凭据库与白名单的取舍，附五类可复现场景与横向对比。

当日涨星 1118 的 MIT 开源桌面工作台：拆解它的消息总线准入规则、dispatch_to/hand_off_to/run_worker 三件套、从单一容量推导全部阈值的上下文预算、反射调度器与技能结晶，给出五类可复现场景与横向对比，并如实标注不做 worktree 隔离、打包版需登录、效果数字多为自述等边界。

五款闭源「个人 Agent 舰队」产品七周内扎堆发布之后，开源阵营的对应物 OpenMausBot 单日涨星 1190。本文拆解它的双进程架构、驱动 SPI、审批分级与 Jev 决策模型，并给出四个可复现场景与同类横向对比。

paperclipai 开源的智能体编排控制平面 Paperclip（当日涨星 +2,589、★87,097、MIT）：把 Claude Code、Codex、Cursor 等 agent 变成有职位、汇报线、预算与审批的「公司员工」。拆解心跳执行模型、单指派原子 checkout、MCP 工具网关与任务看门狗，附五个落地场景与可复现命令。

YC 背景团队开源的计算机使用代理基础设施 Cua（当日涨星 1,112、★24,318、MIT）：Driver 提供带 7 类 oracle 证据链的 GUI 工具面，Sandbox/Fleet 提供可复现的隔离电脑，Cua-Bench 提供评测与轨迹，2.8 MB 的 CUA-S1 打分器替代部分大模型调用。含五个落地场景与可复现命令。

当日涨星 803、总星 4.7 万的纯 C MoE 推理引擎：拆解其 VRAM/内存/NVMe 三层专家放置、五步流水线、71.6% 路由前瞻与「只损失速度不改变语义」的取舍，并给出四类可复现场景与横向对比。

263k 星的「agent harness 操作系统」ECC（当日涨星 837、MIT）：68 子代理/292 技能/94 命令 + instinct 置信度学习 + 跨 harness 适配 + AgentShield 配置安全扫描。拆解五层架构、instinct 闭环与上下文预算取舍，含五个落地场景与可复现命令。

当日涨星 920 的开源编码智能体控制面：拆解它「执行留在环境侧」的三层架构、SQLite 事件溯源与意图/副作用分离、跨 provider 的 delta handoff 图模型、五类可复现场景与横向对比，并如实标注默认 Full access 权限、只到 worktree 的隔离与 0.1.x 早期风险。

2025 年 3 月 14 日，蜜雪冰城上市第 11 天，湖北经视曝光宜昌门店使用隔夜柠檬切片并关闭 AI 巡检规避监管，门店随即被立案调查。按惯例这是舆情危机的开端，却出现罕见的舆论反转：消费者集体「护短」，「是我来晚了，不是他不新鲜」刷屏，而蜜雪冰城到 3 月底都没有发布官方致歉。本文复盘这场「价格锚定型宽容舆情」：宽容从哪里来（低价、雪王叙事隔离、身份认同）、为什么不可复制、以及为什么宽容是负债不是资产——人民日报与解放日报同时发声警示「不能迷失于选择性宽容」。

AlphaFold 3 把结构预测扩展到蛋白质、核酸与配体的全分子交互，但发布时的封闭访问引发争议。两年过去，DiffDock、Boltz、Protenix 等开源阵营追到了哪一步？AF3 又有哪些被实测证实的失败模式？本文梳理截至 2026 年 10 月的格局。

复利的力量不在收益率多高，而在时间够不够长。本文用可复算的表格拆解单利与复利、72 法则、现值与折现，并用巴菲特 61 年 19.7% 年化的官方账本说明「早开始」的严格版本——以及负债端同样真实的复利。

一周涨星 2,968 的编码智能体上下文网关：沙箱执行只回流 stdout、SQLite FTS5 零 LLM 检索、压缩快照防失忆，官方基准整会话 315 KB→5.4 KB。本文并排展示第三方保留意见——98% 未经独立复现、有损摘要会破坏指纹契约，以及它真正暴露的 17 平台 hook 能力差异。

2021 年 6 月 30 日，滴滴以不办敲钟仪式的方式低调登陆纽交所；48 小时后被启动网络安全审查，4 天内 App 全线下架，市值从 670 亿美元跌到退市时的约 110 亿美元，一年后被罚 80.26 亿元——官方通报罕见写明「阳奉阴违、恶意逃避监管」。本系列第十篇复盘一个没有「公关动作」可复盘的案例：当舆情议题从消费者情绪升维到国家安全，道歉与声明全部失效，应对的主战场从舆论场移到监管场，账单以年计。

「三岁看大」被过度解读成了倒计时炸弹。可塑性分两种，语言有敏感期，大多数能力没有——把关键期讲清楚，焦虑就少一半。

当程序员还在群聊里讨论 Bug 怎么修时，AI 可能已经默默完成了问题复现，甚至把修复代码提交到了 GitHub。 就在刚刚，DeepSeek Harness 团队发表技术文章《Super-agent 设计探索：迈向更自主的 Agent 系…

棉花糖实验曾让一代家长相信「忍住不吃糖的孩子更有出息」。2018 年 918 人大样本复现发现，控制家庭背景后效应大幅缩水；2024 年追踪到 26 岁的研究几乎归零。本文梳理翻案证据与机制重估：孩子能不能等，很大程度取决于环境可不可靠、大人守不守信。

红队测试是大模型发布前发现弱点的核心工程手段：自动化攻击把已知模式跑成规模，人工探索发现未知失败，度量与修复闭环决定真实成效。本文梳理与传统渗透测试的异同、危害分类、自动化方法谱系、指标口径与最小可行起步清单。

下单之前必须知道的三笔账：交易规则的账（T+1、涨跌停与各板块门槛）、费用的账（一次来回 7 元，每天来回一年磨掉本金 17%）、行为的账（上交所 5300 万账户研究：10 万元以下散户年均亏 2457 元）。本文用现行规则与可复算的数字，把 A 股开户到下单之间的常识一次讲清。

TypeSafe AI 的 Jev 全面开放，注册即得 5 美元额度（约 1.2 亿输入 Token），输出 Token 永久免费。本文拆解它的技术原理（非自回归 + 并行采样 + RLCD 概率校准）、五类落地场景的一线数据、48 小时内爆发的开源复现生态，以及第三方实测暴露的准确率与阈值抖动问题，最后给出可执行的 Agent 改造清单。

IT之家 9 月 9 日消息，科技媒体 torrentfreak 昨日（9 月 8 日）发布博文，报道称多名图书作者本周向纽约联邦法院提交简易判决动议，要求法官认定 OpenAI 未经许可复制作品，且相关行为不构成合理使用。 这起诉讼可以追…

智能体的非确定性和多步执行让传统调试手段失效，本文梳理 tracing 标准化、主流观测工具生态、生产监控的关键指标体系，以及从坏 case 到回归评测集的闭环实践。

UCLA/MIT 背景团队开源的多智能体投研框架：四个分析师并行取证、多空研究员结构化辩论、三档风控独立审议、组合经理五档评级拍板，并用已实现收益结算决策记忆。本文拆解其状态机与评级解析机制、五类落地场景，并如实标注论文仅三个月窗口、夏普比率超经验范围等边界。

当日涨星 582 的港大 HKUDS 项目：不做 GUI Agent 的截屏点击，而是把 GIMP、Blender、LibreOffice 等真实软件「提升」成有状态、可检查、可验证的 CLI 契约——79 个本地 CLI、24 个公共 CLI、5 个能力矩阵，CLI-Hub 实测 87.8% 调用来自智能体。

GNoME 一次「发现」38 万个稳定晶体，A-Lab 宣称机器人 17 天合成 41 种新材料——随后被质疑、更正为 36 种。预测模型狂飙突进，实验验证却成了瓶颈。截至 2026 年 10 月，从预测到合成的闭环真正打通了吗？

2024 年 9 月 o1 用「先想一会儿」在 AIME 上打出 83% 对 13%，2025 年 1 月 DeepSeek-R1 把整套方法开源复现，到 2026 年 10 月，推理档位已成各大模型 API 的标准旋钮。本文沿思维链、GRPO、RLVR 到 R1 四阶段流水线，拆解推理模型的完整炼成路径，也正视「激发还是塑形」「虚假奖励」「熵坍缩」三场未完的争论。

下篇把前两篇的结论落到可操作层面：先与站内"算子篇"做视角分工对照（工程师证词 vs 厂商证词，共同指向"方案/目标/边界的敲定权"这一尚未自动化的一格）；再划出五条不该被叙事盖住的线——判断侧仍空着、能力与风险同源、内部口径的自我循环、成本曲线自主但供应链集中、叙事与资本的相互强化；随后给出三份清单：给 Infra 工程师的 7 条稠密反馈可复用做法、给技术管理者的 5 个评审问题、给投资者与产品经理的 4 个可跟踪指标。附录含完整时间线、术语表、分级来源清单与核查记录。

从控制流与上下文的所有权出发，给出四条可执行的 Agent 工程原则：一切外部接入以工具体系形式接入且不注入系统提示词；逐级披露贯穿技能、工具发现、工具执行与记忆四个环节；Workflow / Agent / Agentic Workflow / Graph 各有场景、不是替代关系；并逐层拆解四者的技术原理——DAG 与状态机、ReAct 循环、宏观图加微观循环的混合架构，以及 State/Node/Edge、超步执行、reducer 合并语义、checkpointer 恢复、interrupt 人审与递归上限。

从「AI 辅助科研」到「AI 自主科研」：Sakana 的 AI Scientist 尝试让模型独立完成从想法、实验、写作到评审的完整闭环。本篇拆解自动化研究智能体的架构（想法生成—代码实验—论文写作—自动评审）、闭环里每个环节的真实成色、AI co-scientist 等后续进展，以及「机器发现」离真正的科学贡献还有多远。

「换了 reranker 感觉好了一些」「调大 chunk 之后好像更准了」——没有评测集，一切调优都是感觉。本文讲清 RAG 评测集的构建全流程：查询从哪来（真实日志最珍贵）、标注怎么标、分层设计（易/难/对抗/无答案）、防泄漏纪律，以及最小可行的评测 runner。

K-Dense 开源的科研智能体技能库：177 个覆盖基因组、药物发现、临床证据等领域的 SKILL.md，遵循 Agent Skills 开放标准，Claude Code、Cursor、Codex、Gemini CLI 都能直接安装。本文拆解它的渐进加载架构、上下文成本账本、分发与安全流水线，并给出五类落地场景与真实评测数字。

Astral（Ruff 团队）用 Rust 写的 uv，一个二进制替代 pip、venv、pyenv、Poetry、pipx 等一串工具：官方基准快 10 到 100 倍、通用锁文件、Cargo 式工作区。本文讲清它的快从哪来、锁文件与工作区机制、2026 年的采用现状，以及迁移时真正会踩的坑。

模型每步输出的不是「下一个字」而是一张概率表，Temperature 与 Top-p 决定怎么从表里抽签。本文讲清温度如何改变分布锐度、Top-p 如何动态截断候选、重复惩罚如何抑制复读，并给出代码、问答、写作、Agent 四类场景的参数对照表。

Browser Use 开源的会话式视频剪辑技能包 video-use（当日涨星 +745、★26,450、MIT）：不让模型看像素，只让它读 12KB 词级转写文本 + 按需抽查画面，配合 12 条硬规则与 EDL 驱动的 ffmpeg 确定性渲染管线。拆解两条读入通道、六步流水线与自评回路，附五个落地场景与成本口径。

把 2026 年可核查的公开证据整理成一张六层能力路线图——预训练、后训练 RL、推理时计算、上下文与记忆、智能体与 Harness、世界模型。含 Meta ScaleRL 40 万 GPU 小时实验结论、RL 预算占比 10%–30% 口径、Chinchilla 对比、Meta-Harness 6x 差距等数据锚点，并给出优先级表与算法工程师/产品经理的行动建议。

量子位的朋友们* 2026-09-24 16:20:12 来源：量子位 人类演示一次，机器人即可实现跨场景任务复用 一直以来，要让机器人学会一项新任务，往往需要重新采集数据、编写固定流程，或进行针对性训练。这类方式可以解决确定性较高的任务…

一个介于智能体与模型 API 之间的上下文压缩代理：注入 compress/decompress 工具让模型自己决定何时压缩什么，摘要按 tier-1/2/3 层层折叠且逐块可恢复，前缀缓存永不失效。4.5 个月生产数据累计 187 亿 token、204,800 窗口零越界，第三方评测拿下 ContextBench 第一。截至 2026-11-09 当日 GitHub 涨星 460。

从 FunSearch 把 cap set 下界从 496 推到 512，到 AlphaEvolve 五十六年来首次改进 4×4 矩阵乘法，再到陶哲轩带着 AlphaEvolve 一次测了 67 个问题——AI 正在从「解出已知的题」走向「产出人类未知的新构造」。本文梳理这条机器发现路线的方法演进与代表结果，也整理 METR 与陶哲轩本人最直接的质疑：这到底是数学发现，还是高级暴力搜索。

76k 星开源项目 Impeccable（当日涨星 +1,171、Apache-2.0）：jQuery UI 作者 Paul Bakaus 给 AI 编程智能体的设计技能层。核心判断是「禁止清单只会迁移模型」，改用 61 条确定性检测规则 + 双盲评审子代理 + 跨会话记忆 + 编辑时钩子。拆解多宿主编译架构、反吸引子机制、8 道 gate 与 Live Mode 的取舍边界。

安全评测通常测「模型会不会做坏事」（拒答、越狱），危险能力评估测的是另一件事：「模型有没有能力做坏事」（生化辅助、网络攻击、自主行动）。前者是行为测试，后者是能力上限测试——前沿模型部署前的必答题。