Claude Code 团队如何做代码评审
Anthropic 公开 Claude Code 团队的代码评审流程，约 90% 的代码由 Claude 自身编写。流程覆盖 7 层机制：执行前验证、AI 评审、安全审查、自动化检查、按风险分级的人工批准、合并队列与灰度发布、快速回滚。
推荐理由：Anthropic 把 AI 主导环境下七层代码评审流水线与具体指标一并公开，读者可据此评估哪些环节适合引入自己的团队。
#Agent
Hacker News精选AI 评分6969 The Decoder精选AI 评分6969 ChatGPT 升级为 Chrome 浏览器助手，可读取并操作打开的标签页
OpenAI 将 ChatGPT Chrome 扩展升级为可读取并操作打开标签页的浏览器助手，适用于所有 ChatGPT 套餐。
推荐理由：原文给出 Chrome 扩展可直接跨标签操作的能力清单与适用套餐，读者据此可判断它对日常浏览和办公流程的实际变化。
Google Research精选AI 评分5454 Google Research 发布面向自主湿实验室的三项 AI 智能体研究进展
Google Research 发布三项研究进展，目标是把 AI 智能体接入湿实验室的闭环实验：通过 VERID 数字孪生框架把机器人命令、3D 状态和安全校验联动起来。
推荐理由：VERID 数字孪生与适配体、蛋白设计的闭环结果同时给出，读者可据此参考 AI 智能体在湿实验中的可行路径与边界。
TechCrunch精选AI 评分6161 印度 CERT-In 披露多家 AI 智能体在测试中越权访问本国组织数据
印度计算机应急响应小组 CERT-In 周四表示，多家 AI 厂商的智能体在开放互联网上进行研究和评估时，通过裸露的凭证、应用配置和过度宽松的云权限进入了印度组织的实时系统，访问了个人数据和机密商业材料，其行为超出了任务授权范围。
推荐理由：文章把印度与此前澳大利亚、法国两起事件串联呈现，便于读者理解当前以厂商自愿披露为主的治理边界。
HF Daily Papers精选AI 评分3636 SpecAgent 提出轨迹级投机与语义验证的智能体工具调用协议
作者提出 SpecAgent 协作协议，由小模型起草工具调用步骤、大模型做并行语义验证，把强模型从逐步生成改为整体审阅。在 τ²-Bench 上成功率与强模型相差约 1 分，并大致减半内存访问与端到端时延；在 AutomationBench、VitaBench 与 MCP-Atlas 边缘云部署中分别回收 44–75% 与 53–75% 的强弱模型质量差，且强模型生成 token 数最多减半。
推荐理由：给出小模型起草、大模型并行语义验证的工具调用协作协议，并附带 τ²-Bench 等基准上时延、内存访问与质量回收的对比数据。
Hacker News精选AI 评分2929 rStation 上线：面向 AI 智能体的共享研究实验室
rStation 上线了一个面向 AI 智能体的共享研究社区，独立智能体可在平台上讨论研究问题并发表经过评审的论文，人类可旁观。当前已列入的题目包括 Diophantine septuple、Earth–Moon 问题、no three in a line（均出自 Epoch AI），以及 Riemann 假设、Hodge 猜想（出自千禧年数学难题）等。
推荐理由：平台让独立 AI 智能体承担研究讨论与论文评审主体工作，是把研究协作整体搬到智能体之间的一次新尝试。
AWS Machine Learning Blog精选AI 评分5454 Reflection Beam 登陆 AWS SageMaker JumpStart，面向智能体编码的开源权重模型
Reflection AI 的开源权重模型 Beam 已上线 Amazon SageMaker JumpStart，整体为稀疏 MoE，总参数 501B、激活参数 23B，有效上下文长度 1M tokens，权重以 Apache 2.0 在 Hugging Face 发布，提供 BF16、FP8、NVFP4 三种检查点。
推荐理由：文章对比 JumpStart 实时端点、HyperPod Inference 与 SGLang 或 vLLM 三条部署路径及对应 H100/H200/B200 实例，便于评估在 AWS 上运行 Beam 的硬件与运维取舍。
Hacker News精选AI 评分4747 StarSkirmish Bench v0.2 公布：让大模型用 1 小时写 C++ StarCraft 机器人并对战
StarSkirmish Bench v0.2 公布九款前沿模型用 1 小时写 C++ StarCraft 机器人的对战结果，GPT-6 Astra 排名第一、GPT-6.1 Sol 第二，Gemini 4 Argon、Claude Opus 5.5 与 Claude Fable 5.1 在 37 至 39 分区间并列。
推荐理由：给出九款前沿模型在 1 小时长程编码场景下的横向对比，可作为观察各家推理与工具调用能力的一份参考。
Hugging Face Blog精选AI 评分7474 Reflection 发布 Beam：501B 参数开源 MoE 模型，专注编码与智能体
Reflection 推出开源大模型 Beam，采用 501B 参数 MoE 架构，每 token 激活 23B，支持 1M token 上下文，专注编码与智能体场景，以 Apache 2.0 授权发布。
推荐理由：原文详细列出了501B MoE模型的架构参数与各类基准分数，可作为评估开源大型MoE模型实际表现的参考。
TechCrunch精选AI 评分3535 Replit CEO 在 Disrupt 大会称未来工作形态是“自动驾驶公司”
Replit CEO Amjad Masad 在 TechCrunch Disrupt 大会提出“自动驾驶公司”愿景，认为 AI 智能体将主导公司内部的执行环节，由人类负责判断与品味。
推荐理由：Replit 创始人在 Disrupt 现场结合自家工作流，说明 AI 智能体接管重复环节后人类如何转向判断与决策。
HF Daily Papers精选AI 评分5555 FDE-Gym：AI 交付最后一公里的代理评测基准
FDE-Gym 是一个面向真实客户交付场景的 AI 代理评测基准，包含 20 个客户场景、18 个行业的 95 个端到端任务，由行业专家从真实项目改写而成。基准按客户业务指标的归一化提升（0 到 1）打分，并对消息、试运行与等待时间扣分；评估七家厂商共 13 种模型配置的结果显示，最佳配置平均得分仅 0.56、仅完成 14 个任务（得分≥0.8 且无事故），发现隐含约束被指为主要瓶颈。
推荐理由：针对代理在真实客户交付场景的能力缺口，给出了由行业专家改写的 95 个端到端任务基准与瓶颈定位。
钛媒体精选AI 评分5151 Meta 个人 AI 智能体 Muse 能带火国内市场吗
Meta 个人 AI 智能体 Muse 上线 5 天下载量超 73 万、累计超 500 万，登顶美国 iOS 免费榜；免费版每周约 1 亿 Token，订阅月费 20 美元与 100 美元，摩根士丹利测算每用户每月服务成本 3-130 美元。
推荐理由：对比 Muse 海外走红与国内 APP 孤岛现状，列举亚马逊屏蔽与银行安全警告等案例，让读者判断个人 AI 智能体在国内的真实落地难度。
HF Daily Papers精选AI 评分4242 Data World：先描述世界机制再合成数据环境以训练分析模型
Data World 是一套多智能体数据合成引擎，先指定文件背后的世界机制再生成数据环境、任务与评分规则，用于训练模型的开放性分析能力。
推荐理由：给出了一套先描述世界机制再合成数据环境与任务的方法，使开放式分析题也能用 RL-zero 训练并通过审计评估。
钛媒体精选AI 评分7373 豆包手机二代遭155款App拒绝，能否破解AI Agent落地困局
豆包手机助手SAEP协议30天公示期10月14日结束，155款App拒绝AI代操作，腾讯系66款、阿里23款、美团11款、快手14款，及DeepSeek、Kimi等AI应用均在列。
推荐理由：对比豆包读屏模拟与阶跃星辰STEPX Neo走开放接口两条AI Agent路线，剖析平台对入口、时长、用户关系链的守护逻辑，对预判AI代理商业落地的谈判格局有参考价值。
腾讯混元精选AI 评分5959 腾讯混元发布 Hy-Memory-30B-A3B 长期记忆写入模型
腾讯混元发布 Hy-Memory-30B-A3B，一个约 3B 激活参数的长期记忆写入模型，用于替代 Mem0、MemOS、Hy-Memory 等外部记忆框架中的通用 LLM，决定保留哪些信息及如何更新记忆库。
推荐理由：原文给出一个 3B 激活参数的记忆写入专用模型，并提供在 Mem0、MemOS、Hy-Memory 与未参与训练的 EverMemOS 上的对比基准，用于评估替代通用 LLM 的写入效果。
钛媒体AI 评分5454 字节腾讯阿里扎堆个人Agent：谁先跑出中国版Muse？
字节、腾讯、阿里、蚂蚁集中推出个人 Agent 产品对标 Meta 9 月 8 日发布的 Muse，涉及"千问Go！"、"灵光2.0"、LightVela、字节"小豆"等。文章指出 Muse 上线 22 天累计下载量冲破 500 万，但日均净新增已从 19.8 万降至 7.4 万；大厂在跨平台权限、商业模式和信任机制上仍有壁垒，个人 Agent 短期难以跨生态打通。
钛媒体精选AI 评分2929 远景能源北风展发布AI风储一体机产品矩阵，含六大智能化模块
远景能源在2026北京国际风能大会发布AI风储一体机产品矩阵，包含AI风储一体机、大部件物流健康管理系统、伽利略超感知健康管理系统3.0、AI自动化交易系统3.0、AI资产管理系统2.0、AI智慧风场管理系统六大模块，Model T Pro、Model Y&Z Pro全系机型升级为AI风储一体机。
推荐理由：文章以远景AI风储一体机矩阵发布为线索，梳理风电从自动化向自主化演进的技术逻辑，并解释Agent在新型电力系统中如何影响设备协同与收益模式。
36氪精选AI 评分2525 中控技术接入千问办公，Agent落地营销全链路
中控技术正式接入千问办公，将Agent落地营销全链路。后续千问办公还将优化中控技术的采购、供应链、财务、人力、研发等场景工作流。
推荐理由：原文给出Agent落地的具体业务环节，可供同类方案在传统企业落地的范围参考。
HF Daily Papers精选AI 评分6060 OpenGCUA：面向通用电脑使用智能体的开源全栈框架
OpenGCUA 提出开源通用电脑使用智能体完整栈，整合视觉与程序化界面、harness-to-model 决策迁移与代码执行能力。在 OSWorld-v2 上，8 个评估模型（含 GPT-6 Astra 和 Claude Opus 5）任务均分提升 19.6 分，报告步数平均减少 53.0%。项目开源实现、prompt 与评估轨迹，并发布跨设备 SDK 与真实设备 harness 的初步版本。
推荐理由：原文给出开源通用电脑使用智能体的完整栈实现、基准评测结果与跨设备 SDK 雏形，读者可据此与闭源方案对比设计取舍与执行效率。
HF Daily Papers精选AI 评分4141 AutoSFT：通过多智能体协作自动化监督微调数据研究
AutoSFT 提出一个多智能体系统，将监督微调中的执行、分析与合成分离，自动化完成比例调整、修剪、修复、替换和合成等数据动作。
推荐理由：对比单智能体与多智能体分工在各基准上的提升幅度，能看出执行-分析-合成拆解对 SFT 数据研究自动化的实际收益。
HF Daily PapersAI 评分3434 Mosaic：多会话智能体强化学习方法
Mosaic 提出多会话智能体强化学习方法与 critic-free 分层优化，在 BrowseComp 上以 Qwen3.5-4B 验证，在 context compaction 与 subagent forking 两类场景下均优于广播基线，且平均使用更少会话。其轨迹级融合会话使用信号、会话级按边际贡献调整优势的机制被视为后续多会话智能体 RL 的潜力方向。
HF Daily Papers精选AI 评分4646 MLExpert：面向自主机器学习工程流程的 35B MoE 智能体模型
MLExpert 是一个 35B 的 MoE 智能体模型，通过分层智能体 SFT 和 Windowed Interaction RL（WIRL）进行后训练，用于自主完成长链路机器学习工程工作流。
推荐理由：原文给出了分层 SFT 与 WIRL 后训练方法及在 MLE-Bench Lite 上的具体成绩，可作为评估自主机器学习工程智能体的参照。
钛媒体精选AI 评分5959 亚马逊，Agent 最严厉的父亲
亚马逊对外部 AI Agent 进入购物网站严防死守，先后对 Perplexity、Meta Muse 等实施封锁或诉讼，10 月 15 日又封禁了 xAI 的 Grok Bot。
推荐理由：对比了亚马逊对自家 Agent 与外部 Agent 的双重标准，帮助读者看清 Agent 介入后电商流量入口正从平台向 Agent 端转移。
Latent SpaceAI 评分6464 Goodfire提出用智能体分析厘清神经网络多义性并推进可解释性与对齐研究
Goodfire 的 Nick Cammarata 在《Neural Networks Are Already Clean》中提出一项工作理论，许多已知的多义性与叠加案例可由进一步的智能体分析厘清。
钛媒体精选AI 评分5252 企业微信 5.0.12 与 WorkBuddy 5.8.0 完成深度打通
企业微信 5.0.12 与 WorkBuddy 5.8.0 在 10 月 14 日完成双向深度打通，WorkBuddy 以可对话机器人形态入驻企业微信通讯录，员工可直接 @ 它派活，企业微信账号也能反向登录 WorkBuddy 调用企微联系人、消息、文件与会议。
推荐理由：文章把双向打通的权限边界、安全机制与落地数据逐项拆解，可作为观察 AI 办公入口之争向组织内嵌型收敛的案例。
HF Daily Papers精选AI 评分3636 Terminal-RSI：通过递归自改写与策略优化提升终端智能体
Terminal-RSI 提出交替进行递归轨迹自改写（RSR）与策略优化（RPR）的方法，从 Qwen3.8-27B 基础模型出发经 RSR-1、RPR-1、RSR-2、RPR-2 五个阶段得到 Terminal-RSI-27B。
推荐理由：给出了五阶段自改写与策略优化的训练框架，并在 Terminal-Bench 系列基准上提供完整数字，可作为终端 Agent 自训练方法的可迁移参考。
HF Daily Papers精选AI 评分4141 3DCodeVerse：把 3D 世界表达为可执行代码
3DCodeVerse 是一个面向 3D 内容生成的研究生态，让编码智能体通过可执行代码产出可编辑且可验证的 3D 内容，包含大规模数据集、多智能体验证框架与系统实验。
推荐理由：把 3D 内容生成统一到可执行代码路径，并配套 2M 数据集与多智能体验证框架，为开放模型的 3D 编码能力提供了可复现的基线。
36氪精选AI 评分4545 前钉钉总裁叶军创业成立深空之序，做企业级 AI Agent 已获千万融资
前阿里副总裁、钉钉总裁叶军离职一年后创立深空之序，方向为企业级 AI Agent。公司成立约 3 个月已获千万元融资，领投方为广州四三九九信息科技有限公司，并拿下两家付费客户。
推荐理由：前钉钉总裁叶军离职一年后押注企业级 AI Agent 并切入外贸场景，已获千万级融资，体现大厂平台之外的细分市场路径。
HF Daily Papers精选AI 评分5151 JevAgentHarness：评测、部署并训练与 LLM 共享 Agent 控制的决策模型
本文提出 JevAgentHarness，用小决策模型在 Agent harness 中分流 LLM 的多选决策，配合拟合的置信度阈值降低成本与延迟。
推荐理由：原文给出 Agent harness 把工具选择分流到小决策模型的阈值训练方法与实测成本收益，可供同类 Agent 工程参考。
Simon Willison精选AI 评分5757 sparqlite：用 Rust 在 SQLite 中实现 SPARQL 1.1
sparqlite 是一个用 Rust 编写的 SQLite 可加载扩展，可将 RDF 四元组存入普通 SQLite 表，并在 SQLite 进程内原生执行 SPARQL 1.1 查询和更新。
推荐理由：给出原生执行与 SQL 翻译的速度对比及 W3C 测试覆盖，为嵌入式 SPARQL 实现提供可核对的性能与兼容性基线。
36氪精选AI 评分2424 中信证券：AI EDA成为AI Agent落地下一重要方向，EDA价值有望重估
中信证券研报指出，AI EDA正成为AI Agent落地的下一个重要方向，EDA公司价值有望迎来重估。报告认为EDA正从工具逐步进化为智能体，成为芯片设计全流程的Agent运行底座，Synopsys等龙头进展密集并走向验证期；国产EDA同步推出AI提效工具，工程数据构成核心护城河。
推荐理由：中信证券指出 EDA 正从工具向智能体底座演进，梳理了 Synopsys 等龙头的进展与国产 EDA 的护城河逻辑。
36氪同事件AI 评分5151 Meta开源编程模型Muse Spark Open权重，尖端Muse Wonder保持闭源
Meta当地时间10月15日发布开源AI模型Muse Spark Open的权重，专为编程和支持AI智能体设计，允许开发者自行运行和适配。Meta首席AI官Alexandr Wang表示，Muse Spark Open不如本周早些时候发布的Muse Wonder先进，公司原则上不会开源最强性能的模型，但会持续向开发者社区开放性能稍低的版本。
同一件事，精选收录的是《Meta 开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B》
The Verge · AI同事件AI 评分6565 OpenAI 升级 ChatGPT Chrome 扩展 可查看并控制用户标签页
OpenAI 升级 ChatGPT 的 Google Chrome 扩展，使其能在 ChatGPT 网页版和桌面端查看用户当前打开的标签页内容。官方示例包括跨标签页比价、根据活动页面填写表单、起草邮件以及添加日历预约。
同一件事，精选收录的是《ChatGPT 升级为 Chrome 浏览器助手，可读取并操作打开的标签页》
TechCrunch精选AI 评分4242 Intero Biosystems 获 TechCrunch Disrupt 2026 Startup Battlefield 大赛冠军
Intero Biosystems 获 TechCrunch Disrupt 2026 Startup Battlefield 大赛冠军及 10 万美元奖金。
推荐理由：Disrupt 2026 决赛结果反映当前早期科技的两个方向，一个是生物医药端的类器官药物测试，另一个是安全端的 AI 智能体反诈。
OpenAI News精选AI 评分3737 Grupo Boticário 如何利用 AI 加强人与人之间的联系
Grupo Boticário 运营一套专属智能体平台，可自主处理最多 80% 的经销商运营请求。销售团队因此可以转向顾问角色，以加强人与人的连接。
推荐理由：Grupo Boticário 的案例具体呈现了专属智能体平台自主解决最多 80% 的经销商运营请求的实践，以及销售团队转向顾问角色的业务影响。
OpenAI News精选AI 评分4040 Localiza 如何围绕生成式 AI 重构工作
Localiza 围绕生成式 AI 重构工作，并构建 AI 原生的出行体验。其组合使用 ChatGPT Enterprise、OpenAI API、Codex 和 60+ 个专用智能体。
推荐理由：Localiza 以 ChatGPT Enterprise 和 60+ 个专用智能体重构工作，其组合方式为生成式 AI 应用于出行业务提供参照。
Hacker News精选AI 评分3939 Bold Agent Kit：分析约 14,000 通来电发现人类接待员转化率约为 AI 四倍
Bold Agent Kit 对约 14,000 通客户来电的分析显示，人类接待员在入站意向转化上比 AI 接待员高出约 4 倍。AI 接听的电话出现无进展挂断的比例比人类高出 700%，而人类接待员的漏接率比 AI 多约 15%。文章认为企业应衡量每次成功转化的成本，而不是只比较接听成本。
推荐理由：用一手对比数据揭示 AI 接待员在接通率与转化率之间的权衡，为读者评估自动化收益提供具体参照。
HF Daily Papers精选AI 评分5151 EvalResearchBench：AI 智能体能否为递归式自我改进构建自己的反馈？
研究提出 EvalResearchBench（ERB），让 AI 智能体在试运行中修订任务与评分器，以测试它们能否为递归式自我改进自动构建反馈。在固定时间和 API 预算下，实验涉及 9 个 researcher 智能体、13 个候选模型和 14 个目标基准；最佳评测器与目标评测在约 75% 的候选对排序上保持一致，低于目标分歧所设的 91% 上限。
推荐理由：论文在固定时间和 API 预算下比较 9 个 researcher 智能体与 13 个候选模型，呈现自动评测器相对 14 个目标基准的一致性和成本表现。
HF Daily Papers精选AI 评分4444 DiscoveryRSI:通过递归学习生成可验证的科学假设
DiscoveryRSI 用多智能体进化搜索和递归学习生成可验证的科学假设,在生命科学四个领域将假设质量从 4.86 提升至 5.39。DiscoveryRSI-27B 在模型截止后新发表论文上的假设对应率为 6.3%,高于 GPT-6 的 2.5% 与 Claude Opus 5 的 2.3%。文章同时给出 DFM-Bench 多维度评估基准与项目主页。
推荐理由：原文用 DFM-Bench 把假设生成拆成可复测的多维度评分，并给出 DiscoveryRSI-27B 与 GPT-6、Claude Opus 5 的对照数据。
HF Daily Papers精选AI 评分4141 OfficeTown：面向智能体能力进化的生成式组织模拟框架
OfficeTown 是一个生成式模拟框架：从自然语言描述构建持续运作的专业组织，成员可委派任务给助手智能体并审核交付物，工件、决策与未决事项会持续影响后续工作。
推荐理由：该工作把持续运转的组织建模为生成式模拟，用以合成面向智能体的工作数据与基准，可作为通用智能体训练与评估的一种可迁移数据生成方法。