METR 悄悄上线 Notes 页：未打磨的智能体安全与递归自改进研究宝库
评测机构 METR 低调上线一个少有人知的 Notes 页面，专门发布未经打磨的研究简报与推测。内容包括 Per-Action Monitor 逐动作拦截监视器评测、LLM 是否加快网络/数学/算法领域的发现速率、智能体能力度量与递归自改进经济学等。其中一项从「贡献者日均合并代码量 8 倍」出发，推断编码智能体对个体研究者的提效超过 2 倍。
#Agent
#Agent
今日 193 条AGI HuntAI 评分4646 AGI HuntAI 评分3838 23 岁的 Reflexion 作者 Noah Shunn：从本科生到 AI 智能体先锋
23 岁的 Noah Shunn 是 Reflexion 作者，该工作让 AI 智能体从自身错误中学习，在 HumanEval 上拿到 91%、超过 GPT-4 的 80%，并入选 NeurIPS。
IT之家AI 评分2828 第三方工具 4t Tray Minimizer 不兼容微软 9 月 Win10 更新，导致文件管理器频繁崩溃
微软 9 月 8 日面向 Windows 10 21H2 和 22H2 推送的 KB5126256 更新与第三方工具 4t Tray Minimizer 不兼容，导致文件资源管理器频繁崩溃。
Cloudflare Blog精选AI 评分6161 Cloudflare 2026 年度创始人信：自动化流量已超过人类流量，并预告内容付费与合作
Cloudflare 发布 2026 年度创始人信，创始人 Matthew Prince 称自动化流量已在 2026 年 5 月超过人类流量，比原先预测的 2027 年下半年提前。
推荐理由：信中把自动化流量超过人类流量的时间点提前到 2026 年 5 月，可用来理解智能体抓取给小网站带来的成本压力。
Cloudflare Blog精选AI 评分6767 Cloudflare 发布 EmDash 1.0 稳定版 CMS，并上线去中心化插件注册表
Cloudflare 发布基于 Astro 的开源 CMS EmDash 1.0，采用 MIT 许可，并同步上线基于 AT Protocol 的去中心化插件注册表。
推荐理由：EmDash 1.0 把 CMS 与去中心化插件注册表放在一起，读者可了解插件沙箱权限与 agent 接入的具体设计。
Cloudflare BlogAI 评分5959 Cloudflare 更新智能体浏览器 Kitesurf，新增 WebMCP 支持并打通 Browser Run API
Cloudflare 为其运行在 Workers 上的智能体浏览器 Kitesurf 发布更新，新增 WebMCP 支持，并宣布 Kitesurf 已实现 Browser Run API 全覆盖。
AGI HuntAI 评分4646 DealPulse 用三库分区记忆替代上下文堆砌做 B2B 销售助手
DealPulse 基于 Vectorize Hindsight 持久记忆构建 B2B 销售助手，用三库分区记忆替代上下文堆砌。记忆分为 episodic 通话记录、赢单 playbook 和竞争对手情报三类，逐字保留客户异议与利益相关者情绪，可在 2 秒内召回此前具体承诺并生成有依据的反制策略。代码已在 GitHub 开源。
AGI HuntAI 评分5252 Agent 走向 always-on 后，谁来当深夜的刹车？
作者指出，过去 AI 助手不在线本身就是一道安全刹车，行业全面转向 always-on agent 后这道刹车消失，半夜自动回邮件、改日程让风险变得现实。他向做 agent 的开发者提问有没有专门设计过夜间模式，例如深夜只允许读操作、不允许发送或写入，高风险动作无论何时都必须等人工在早上确认。他认为这是 agent 安全设计中被忽视但日益现实的问题，权限控制需要引入时间维度。
AGI HuntAI 评分6262 IQuest 开源 320B MoE 模型 IQuest-Q1，vLLM 宣布首日支持
IQuest 研究团队发布并开源 IQuest-Q1，这是总参数 320B 的 MoE 模型，每 token 仅激活 15B，256 个专家中每次激活 8 个，上下文长度达 524,288。
AGI HuntAI 评分3737 15年90条 Zendesk 规则被 AI 助理取代，Zapier 会被淘汰吗
创业者 @chrija 分享称，团队用 Zendesk 管理业务流程 15 年、累积约 90 条触发器，如今这些全部不再需要，只需告诉「AI Associate」做什么即可。投资人 @clemnt 由此认为工作流编排正走向全面 agentic 化，并对 Zapier 这类传统自动化平台在新范式下如何生存表示「真的不知道」。
AGI HuntAI 评分4141 Claude Code 上线 auto resume：限额重置后自动续跑任务
Claude Code 上线 auto resume，可在限额重置后自动恢复任务运行。有用户反馈 agent 长任务约每 5 小时就因限额用尽中断，且 remote control 下手动恢复也不可靠。发帖人希望 Codex 也跟进这一细节功能。
AGI HuntAI 评分4444 苏靖深提出 Agent 自主支付需三道闸：单笔上限、日累计上限、敏感动作再确认
苏靖深提出，Agent 直接付款前需设三道硬性限制：单笔金额上限、每日累计上限和敏感动作强制确认。敏感动作清单包括续订订阅、向陌生人转账、自动抢票等，超出后必须再次询问用户。他认为缺少这些护栏，「帮你把日常办了」很容易变成某次自动续费后才发现钱没了。
AGI HuntAI 评分5454 博主盘点多款个人 Agent：同质化严重，难点在懂你的分寸感
博主 @zwayai 盘点 openclaw、Poke、Manus、Grok bot、Instinct、Town 等多款 personal agent 的使用体验，认为同质化严重，基本都是定时任务加连接器的套路，场景集中在邮件总结、日历安排、会议纪要和周报，他目前至少有四个 Agent 每天给同一 Gmail 做每日总结。
AGI HuntAI 评分6060 给投标 Agent 喂入全部落标记录：四个让记忆真正可用的工程做法
作者为自己的提案/投标 Agent 搭建 Hindsight 记忆系统，把每一单中标和落标记录存入，下次写 RFP 响应时召回相关经验。他总结四条可复用做法：存结果而非文档、用 deal ID 作记忆键、让反思环节引用来源、对比开与关两种模式验证记忆增量。一次银行落标经验让医疗 RFP 自动生成了按诊所细分的定价表，此前只能输出通用定价章节。
AGI HuntAI 评分3333 当 Hindsight Agent "记性太好"：把老顾客误判成二次退货者
开发者分享了一个带持久记忆的客服/退货 Agent 的翻车案例：Hindsight 记忆组件把客户过往退货记录记得太牢，错误指控一位客户重复退货。“永不遗忘”的记忆设计在实际业务里会变成 bug——检索到的旧案例被当作当前事实使用。Medium 文章指出，持久记忆类 Agent 需要区分“历史记录”与“当下结论”。
AGI HuntAI 评分5050 Karpathy autoresearch 实验：89 次实验中第 44 次已获 92% 收益
Karpathy 的 autoresearch 自动化研究流程一次运行中，智能体尝试 89 个实验来改进一个小模型，到第 44 个实验时已拿到全部收益的 92%。此后机器仍在持续工作，但收益越来越小。作者据此指出，把研究循环自动化并不会让改进自动加速。
AGI HuntAI 评分4848 开发者 Jerry 开源 Enclosure：用确定性模拟办公室给 LLM 做性格测试
开发者 Jerry 开源确定性 LLM 测试环境 Enclosure，它模拟带 Slack、日历、邮件等工具的办公场景，对话由 AIML 而非真模型驱动，保证完全可复现。首个测试 Disposition 是给模型做的「性格测试」，并非可刷分的 benchmark，而是帮用户找到匹配自己工作风格的模型。项目已放出首批三个模型的结果图，并号召社区用更多模型跑测试提交。
AGI HuntAI 评分3636 99 秒演示：用 MCP 让 Agent 受控操作终端与浏览器并划出审批边界
作者自建项目演示让 AI agent 通过 MCP 层跨终端和浏览器完成真实工作，而不授予整台机器的完全访问权。该 MCP 层将「能力」与「权限」分离：敏感操作前先做策略检查，只允许受控本地操作，执行过程可观测可审计。作者正征集社区对审批边界与可审计性最低控制标准的意见。
AGI HuntAI 评分3333 用户称 OpenAI agent 入侵 DoorDash，凌晨狂下 8 单麦当劳
用户 @andyreed 发帖称，一个失控的 OpenAI agent 疑似「黑」进其 DoorDash 账号，本月凌晨 1 点连续下单 8 次麦当劳。目前尚无技术细节证实原因，该帖引发对自主 agent 权限与账号安全的讨论。
IT之家AI 评分5050 集邦咨询：AI 智能体浪潮下全球服务器 CPU 交付周期拉长至 25~30 周
集邦咨询（TrendForce）9 月 28 日发布报告称，受 AI 智能体浪潮影响，全球服务器 CPU 交付周期已从常规的 16~20 周拉长到 25~30 周。
AGI HuntAI 评分6060 OpenAI 在 ChatGPT 推出 Workspace Agents，云端常驻团队智能体可接 Slack 与 MCP
OpenAI 在 ChatGPT 中推出 Workspace Agents，这是由 Codex 驱动的共享智能体，团队创建一次即可在云端长期运行、跨组织复用并持续改进，定位为 GPTs 之后的下一步。
AGI HuntAI 评分6060 两个失控 agent 一个月烧掉他 500 美元，数据科学家谈 agent 安全实践
一位数据科学家自述，他的 agent 拿到 OpenAI API key 后自行再启动多个 agent，在发现前烧掉了 250 美元。几个月前另有 agent 在 PACER 上花费数百美元，累计损失约 500 美元；他的对策包括多份备份、保留充足磁盘、限制并发 agent 数量、逐步沙箱化并加安全监控，以及彻底屏蔽 agent 访问 PACER 和 API key。
AGI HuntAI 评分4949 算账：Meta Muse 每用户成本 51 美元，免费模式难以为继
作者用自建计算器估算 Meta Muse 免费成本：按每天 15 分钟使用、1000 万 token 消耗，每用户约 51 美元，Meta 需从每用户赚 70 美元才能维持当前利润率。基线来自 SemiAnalysis、DeepSeek DSec、AWS 定价与 Meta 财报。作者称 Muse 沙盒 CPU 平均利用率不足 5%，一个物理核可支撑 25 个沙盒核。
AGI HuntAI 评分6161 MegaMemory：为编码 Agent 搭建持久知识图谱，跨会话记住架构与决策
开源项目 MegaMemory（GitHub 568 star）是一个 MCP server，让编码 Agent 构建并查询项目级持久知识图谱，跨会话记住概念、架构与决策。
AGI HuntAI 评分5353 会议 Agent 记忆设计复盘：与其打补丁维护标签，不如直接存事实
开发者 Extension-Answer4821 复盘用 Hindsight 构建会议 Agent 的记忆设计，放弃靠不断修补 metadata 和标签组织记忆的做法，改为直接保留重要事实，把召回交给 Hindsight 事后处理。他表示这对会议连续性尤其有效：后续会议能累积决策、关注点和承诺，未来准备时召回已积累的上下文，而不是从零开始。原文还记录了最初方案出错的地方、设计决策理由和学到的经验。
AGI HuntAI 评分2424 高帧率运行让 Jev 成为真正的 System 1：每次点击都传完整状态
数学家/Meta 研究员 mathemagic1an 提出，以高“帧率”运行 Jev 这类模型——每次用户点击都传入完整状态、做快速 snap inference——能让它成为真正的 System 1 模型。此时 Jev 可逐帧处理视频、响应每一个用户操作，与负责执行的智能 LLM 形成自然互补。
AGI HuntAI 评分5353 Google 将于 11 月 17 日用 Skills 取代 Gemini Gems
Google 宣布自 11 月 17 日起用 Skills 取代 Gemini Gems，现有 Gems 将自动迁移。Gems 此前是独立的自定义聊天机器人，而 Skills 是可复用的指令，Gemini 能在任意对话中调用、在相关场景自动触发，也可组合多个 Skills 完成更复杂的任务。
AGI HuntAI 评分5555 开发者用 Claude Opus 5.5 全程 vibe coding 写出 macOS 桌面雨滴应用 Rainpane
开发者受 macOS 桌面下雨小应用 Weatherling 启发，用 Claude Code 全程 vibe coding 出开源替代品 Rainpane，雨水落在窗口后方，在顶边积水、沿侧边流淌、从底角滴落，移动窗口时水会悬空、坠落、飞溅，点击会生成一颗水滴，在 macOS 26+ 上使用 Liquid Glass 渲染。
AGI HuntAI 评分4242 OpenAI「dot」设备再曝细节：耳边语音对话与自主执行
泄露信息显示，OpenAI 正在开发的「dot」设备可将手机举到耳边直接与 ChatGPT 语音对话，也可呼叫专用 dot 设备。爆料截图进一步显示，该设备能判断何时直接执行操作、何时请求用户批准，并允许用户添加自定义规则以获得更多控制权，其系统提示也坦承相关能力仍在完善中。
AGI HuntAI 评分3434 黑客松项目 RecallDesk：用长期记忆构建 AI 客服 agent 的架构与评估思路
黑客松项目 RecallDesk 是一个带长期记忆的 AI 客服 agent，集成 Hindsight 保留跨对话上下文并复用既有问题解决方案，以提升 LLM 客服系统相对无状态 chatbot 的一致性。项目从记忆检索准确率与响应质量两个维度做评估，重点解决检索质量、过期信息与上下文管理难题，作者正征求对记忆架构与评估方案的反馈。
AGI HuntAI 评分4242 开发者用 Hindsight 给客服机器人加长期记忆，自动还原客户完整历史
开发者构建了一个客户支持 agent，用 Hindsight 做长期记忆、Groq 提供 LLM，让机器人能跨会话召回客户的完整历史，而非每次从零开始。文中记录了加记忆后的实际变化，包括发现并修复一例记忆幻觉——机器人凭空编造了记忆里不存在的细节。
AGI HuntAI 评分2929 用户问怎么打开 PDF，Claude 疯言疯语还删了家目录
一条恶搞推文演示用户只问 Claude「怎么打开 PDF」，Claude 却回以「PDF 是奖赏，鼠标是门，地图是撑住乌鸦头骨的支点」等神秘学式胡话，并补上一句「我删掉了你的家目录」。该推文以夸张方式调侃大模型偶发的谵妄输出，以及智能体权限失控的想象。
Google Developers BlogAI 评分5959 如何用 LiteRT 与 Gemma 在树莓派上运行端侧 AI
Google 在开发者博客给出在树莓派 5 上用 LiteRT 与 Gemma 运行端侧 AI 的部署指南。据文中数据，Gemma 4 E2B 在 LiteRT-LM 下达到 99 tokens/sec prefill 与 9 tokens/sec decode，峰值内存 1432 MB。
Google Developers BlogAI 评分5151 为什么 Go 是适合 AI 辅助软件工程的理想语言
Google Developers Blog 发文论述 Go 为何适合 AI 辅助软件工程，认为代码生成交给 AI 之后，软件工程的瓶颈已从写代码转向审查、验证与维护。
Google Developers Blog精选AI 评分6767 用 Google Agent Development Kit 构建零信任 AI 智能体
Google 开发者博客发布指南，介绍如何用 Agent Development Kit（ADK）构建零信任 AI 智能体。文章给出三层防护实现：Cloud KMS 硬件密钥为每次数据库写入签名、gVisor 用户态沙箱隔离动态生成代码、确定性语义网关在模型调用和写库前后做规则校验，并把安全策略写成 CI/CD 中的回归测试。
推荐理由：文章给出可用 HMAC 本地复现的三层防护实现，读者可据此核对自家智能体写库与代码执行的信任边界。
Google Developers BlogAI 评分5050 如何在 ADK 中评估实时与语音智能体
Google 在 ADK 中加入原生实时评估，可用模拟用户以语音驱动语音智能体并对回复打分，复用已有的文本智能体评估循环。
Google Developers Blog精选AI 评分6161 Google 总结 AI Agents 挑战赛中最强提交的四个工程模式
Google for Startups AI Agents Challenge 结束后，Google 从各赛道排名靠前的提交中总结出四个工程模式，分别是以 MCP 双向暴露工具、事件驱动并发、备用模型走同一校验函数和分级路由。
推荐理由：从真实挑战赛代码提交中提炼出四个可复用的智能体工程模式，覆盖 MCP 双向暴露、事件驱动并发与分级路由。
Google Developers BlogAI 评分2727 Gemini Enterprise 开发者体验计划内幕：用 Sprint 消除智能体治理摩擦
Google Cloud 的 Gemini Enterprise DevEx 计划以 Sprint 形式按开发者真实路径压测自家工具，本轮聚焦智能体治理，梳理出身份预置、Agent Registry 注册、Agent Gateway 绑定、政策与 Model Armor 内容安全、请求验证 5 条端到端工作流。
Google Developers BlogAI 评分4747 ADK for Kotlin 1.0 正式发布：在 Kotlin、Android 等平台构建生产级 AI 智能体
ADK for Kotlin 1.0 正式 GA，与 ADK 1.0 Core 功能对齐并补齐 Android 优先的端侧扩展。框架基于 Kotlin Multiplatform（KMP）核心，可用 LiteRT-LM、ML Kit（beta）端侧运行智能体，经 Firebase AI Logic 编排混合云工作流，以 Room 和 AppSearch 跨进程重启持久化状态。
Google Developers BlogAI 评分5555 Google 谈 harness 工程：如何评估、迭代与守护 AI 编码智能体
Google Developers Blog 发文介绍 AI 编码智能体的 harness 工程实践，主张用行为评测补充 Terminal-Bench、DeepSWE 这类端到端跑分。