Addy Osmani 谈 Agent 时代如何保持批判性思维
查看原文 →Addy Osmani 发文探讨在大量使用 Agent 工作流后如何保持批判性思维。他提出认知卸载、拖延、认知投降三段光谱,认为模型越强、输出越流畅,人越容易在不知不觉中放弃独立判断;并给出具体做法,包括提问前先写假设、把验证标准前置为可执行测试、要求 Agent 列出它替你做的决策与假设、用测验收尾而不是读摘要,以及定期手写代码做校准练习。他强调可以卸载工作和审计,但不能卸载责任。
AI HOT
精选 AI 行业动态与资讯
Addy Osmani 发文探讨在大量使用 Agent 工作流后如何保持批判性思维。他提出认知卸载、拖延、认知投降三段光谱,认为模型越强、输出越流畅,人越容易在不知不觉中放弃独立判断;并给出具体做法,包括提问前先写假设、把验证标准前置为可执行测试、要求 Agent 列出它替你做的决策与假设、用测验收尾而不是读摘要,以及定期手写代码做校准练习。他强调可以卸载工作和审计,但不能卸载责任。
数字生命卡兹克发布一篇 DeepSeek Harness 养鱼教程,讲解如何在 QQ、微信、飞书接入大肥鱼,并让它去 B 站刷视频、在抖音发视频和直播。
Anthropic 在更新的 IPO 文件中首次披露第三季度业绩,算力与基础设施合同承诺总额约 $895.4B,其中 $447.5B 须在 2031 年前支付,仅 $213.8B 可取消或附带条件。
OpenAI 自 GPT-5.6 起在其最强模型的内部和外部流量上部署激活分类器(probes),利用模型内部激活逐 token 实时评分,可在生成中途阻断违规回复和工具调用并交由推理模型复审。实验显示 probes 比更大的文本分类器对测试的越狱攻击更鲁棒,准确率随模型能力提升,且在后训练各检查点间迁移良好,但需为新基础模型重新训练,且只能检测可显式训练的已知违规类型。
据 Bloomberg 与 The Information,Anthropic 该季度营收近 170 亿美元,为一年前的十二倍,但运营成本达 175 亿美元,季度净亏损 233 亿美元,高于去年同期的 121 亿美元。
OpenAI 推出 Grid Protectors 计划,与电力公司、监管机构和政策制定者合作,让未来算力校园在电网紧张时降低用电需求,首站为 Effingham County 校园。
腾讯混元发布 Hyra 2.0,将自动化科研重点从直接解题转向由 agent 研发和升级科学模型、工作流与软件工具。系统采用 Overall、Mission、Worker 三层分工,接入企业微信、计算平台和代码仓库的实际研发环境,成果已公开在 GitHub 仓库。
自媒体作者卡兹克分享自己搭建近一年的Agent自动化系统,核心是把任务起点从人身上移开,由事件触发Agent工作。系统分为自动化中台、Agent执行、CI中台和飞书决策四层:中台用rules.json统一管理事件触发和Agent调度,本地MacMini跑Agent任务,自建CI中台完成审查、检查、合并、发布、核实五步,只在删数据、花钱、改方向等关键决策时通过飞书卡片找作者拍板。
Anthropic 在 Claude Platform 推出 message threads 公测,智能体每轮只需发送新增消息而无需重发全部对话历史,从而缩短首 token 时间。
OpenAI 宣布任命 Dan Driscoll 为新设的国家安全现代化高级顾问,就先进 AI 如何加强国家与网络安全提供建议,重点与美国盟友合作推动民主 AI 的负责任使用。
Gemini 2.5 Pro 与 Gemini 2.5 Flash 已弃用,无法再在 Google AI Studio 中选择。
Addy Osmani 分享 Claude Code 技巧:当任务比预期更难时,在 Claude 工作期间输入 ultrathink,可提升该回合剩余部分的推理努力,该功能适用于最新版本的终端。他引用 @dmwlff 的帖子,其中提到 ultrathink 已回归 Claude Code CLI,此前因显得怪异且可能令人困惑曾被关闭。
作者引述OpenAI凌晨更新的帮助文档称,从12月开始Plus和Pro用户的ChatGPT聊天与Codex用量将合并为同一Token额度,仅Instant聊天不受影响。作者回顾此前按条数计费的历史、一个月内Codex Pro额度先降后恢复的运营反复,以及社区在GitHub上提issue抗议的反应,认为合并与IPO预期下的算力成本压力有关。
OpenRouter 发布教程,介绍一个 233 行、仅用标准库的 review.py,通过 Responses API 组合 Files API、Shell 沙箱工具和 Apply Patch 工具,把变更文件上传到托管 Linux 沙箱,让模型实际运行检查确认 bug 并返回 V4A 补丁。
美国白宫科学与技术顾问会议主席戴维·萨克斯在 All-In 播客分析 Anthropic 的 S-1 文件,称其很可能成为资本主义历史上最伟大企业,也可能是回报最高的风险投资项目。
据彭博社10月31日报道,Alphabet、Meta、微软、亚马逊和甲骨文五大巨头承诺未来数年在数据中心等领域投入超过3万亿美元(约20.01万亿元人民币)。其中谷歌支出承诺超1万亿美元、接近一年前的八倍,Meta超8,000亿美元且近半用于最长分30年支付的租约;甲骨文是首家因投资AI数据中心而自由现金流转负的大型科技公司,预计到2028年恢复正自由现金流。
Anthropic 近日提交 IPO 招股文件,彭博社报道其计划未来在服务器、建筑和电力等领域投入近 9,000 亿美元债务。该公司资产负债表显示 1,175 亿美元负债和 1,120 亿美元现金,而租赁合同及数据中心、电力和 GPU 采购协议等表外义务未直接体现;Anthropic 计划通过增加收入和筹集资金支付这些负债。
据 The Information 报道、Bloomberg 佐证,Nvidia 正洽谈为 Nscale 在西弗吉尼亚为 Anthropic 建设的数据中心担保数十亿美元债务融资,Anthropic 已就首栋建筑签署 446 亿美元合同。
Figma 宣布 Figma Weave,一个面向持续产出需求的创意团队平台,并把 Weave 创作工作流与 Figma 画框连接起来。Weave 用连接的节点承载图像和视频的生成与编辑,支持分支探索、多模型对比、色彩校正、合成、裁剪、Painter 等编辑节点;工作流可打包成 Weave tool 让团队成员一键运行,社区工具发布已上线。
10月31日阿里巴巴宣布与Apple合作,将千问集成至Apple智能,中国用户可在Siri、写作工具及视觉智能中调用千问的文本与图像理解、内容生成能力。功能11月4日起随iOS开发者Beta开放测试,12月iOS 27.3正式发布时推出;用户可自主选择开通,请求与回复不用于模型训练。
OpenRouter 发布教程,演示用 @openrouter/agent 0.11.0 在 TypeScript 中搭建定时运行的常驻 AI Agent,监控 Hacker News 并生成摘要。
Wiz 研究团队梳理 10 月内至少九个 AI 开发者平台披露的安全事件,包括 Fireworks AI、Lightning AI、Railway、Warp、OpenCode 等,多起报告指向凭据窃取、agent swarm 攻击和以“蒸馏”为目的的窃取。
Alphabet、Amazon、Meta、Microsoft 今年计划资本开支合计超 7400 亿美元,投资者情绪从奖励大额投入转向担忧负自由现金流、债务攀升与回报不确定。
Philipp Schmid 转引 Sundar Pichai 的消息:Google Project Suncatcher 在数周前发射原型卫星后,成功向轨道发送指令、启动 TPU、运行提示词,并在地面收到了首个完整回应(一首 haiku),作者称 Gemma 4 成为首个在太空运行的大语言模型。
Anthropic 将 Claude 订阅套餐更名:Max 5x 改为 Max,Max 20x 改为 Ultra,价格不变(Max 100 美元/月、Ultra 200 美元/月)。即日起多数老订阅者的认证 Ultra 账号取消 5 小时限制,新账号保留临时限制以防欺诈滥用,周限额不变。
Reddit CEO Steve Huffman 表示 10 月 Reddit 每周流失超过 100 万来自 Google 搜索的访问,股价在业绩强劲的情况下仍下跌超 25%。他称 AI Mode 不会带来流量,Reddit 正在美国以外测试登录墙以遏制抓取,并与 AI 提供商继续数据授权谈判。
BBC 报道称,因担忧企业对 AI 的巨额投资回报,美股科技股连续第二日大跌。
The Verge 分析 Anthropic 提交的 335 页 S-1 招股书,其中创始人信以带来奇迹时代为愿景,同时用 94 页风险因素警告模型可能对人类构成灾难性甚至生存风险。
Sierra 宣布本周 ARR 突破 4 亿美元,Q3 单季新增超 1.5 亿美元,从 2 亿到 4 亿仅用五个月,快于此前六个月的翻倍节奏。
Epoch AI 实验发现,Z.ai 八月发布的开源权重模型 GLM 5.3 能利用 Mozilla 已发布但未推送给用户的安全补丁(patch gap),自主构建网页攻击,仅访问页面即可读取访客电脑文件,攻破 9 月 17 日至 10 月 26 日发布的全部六个 Firefox 版本。
月之暗面(Kimi)发布官方教程,详解 Kimi K3.1 Pro 的 3D 创作工作流程,说明参数化建模与网格化建模两种方式及对应工具选择。文章分享了 4 个案例的具体操作,包括在 Unreal Engine 中构建东方天宫、制作可 3D 打印的台灯、纯代码调用 Blender 生成建筑、用 Tripo 和 Blender 搭建微缩城市,并给出图胜于言、先搭灰模再细化等 5 个使用技巧。
Casey Newton 分析 Google 与 Reddit 同日遭遇的股市重挫:Alphabet 股价跌 12.6%,蒸发约 $5000 亿市值,为史上第二大单日市值缩水;高管承认 AI Mode 变现能力低于传统搜索,尽管 AI Mode 月用户约 10 亿、搜索收入仍增长 12% 至 $633.5 亿。
Google 于 10 月 30 日宣布 Gemini API 的 Computer Use 工具正式可用(GA),覆盖 Interactions 和 GenerateContent 两套 API。
OpenAI 整理了在《纽约时报》诉讼中提交给法院的多份支持合理使用的法庭之友意见摘要,作者包括图书馆协会、法律学者、独立创作者和美国政府等。各意见书主张 AI 训练具有转换性、不构成版权法认可的市场损害,并警告限缩合理使用将阻碍科研进展与美国经济繁荣;完整文件可在法院公开卷宗查阅。
OpenRouter 实测 Claude Opus 5.5、Sonnet 5.5 与 Haiku 5.5 三档模型,建议默认用 Sonnet 5.5,高频与子智能体任务用 Haiku 5.5,长且容错成本高的任务用 Opus 5.5。
Amazon CEO Andy Jassy 在周四的季度财报电话会议上表示,AWS 未来五到十年内可以成为年营收万亿美元的业务,2026 年现金 capex 预计约 2200 亿美元,大部分投向 AWS,2027 年还将大幅增加。
Alphabet 因 AI 搜索概要影响广告收入,单日市值从 3.97 万亿跌至 3.46 万亿美元,缩水超 5000 亿美元。该季度总营收增 25% 至 1276 亿美元,云业务营收增 103% 至近 310 亿美元,但利润下降 25%,自由现金流为负超 90 亿美元。
Figma 介绍其为 agent 自研 Figma 编辑模型的训练方法,先用超过 25 万条合成样本做 SFT,让早期 Llama 3.3 70B 在编辑任务上接近当时顶级模型,后转向 RL 并结合确定性校验器与视觉评委做评测。
Pika Labs 在 MiniMax H3 上做后训练,推出并开源 Pika H3 Flex,采样步数从 50 步压缩到 6 步,生成时间大幅降低且质量有所提升。
作者通读 Anthropic 公开版 S-1 文件,认为公司财务状况好于预期:2026 年第二季度收入从一季度的 47 亿美元增至 116 亿美元,并录得首个运营利润,截至 6 月底现金储备仅次于 Google 和 Berkshire Hathaway。
腾讯混元发布 Hy-Nomas 开源交互式视频世界模型的技术报告(arXiv:2610.36729),并开源 Hy-Nomas-Bench 数据集用于可复现研究。官方还用 Hy-Nomas 重现 Genie 4 示例并放出对比视频,演示无需排队即可试用,地址为 https://hy-nomas.hy.tencent.com/。
OpenAI 更新其公开的 Model Spec,将指导原则重组为五项核心价值观:忠实于人类意图、最小化伤害、诚实透明、促进人类自主和关怀。更新新增了关于上下文理解、监督和自主性的指导,调整了部分行为默认值,退出了大部分详细风格指南,并将模型称呼从 the assistant 改为 GPT。
Tibo 宣布即日起将 Pro 100/200/500 档位与 Business Premium 的所有用量上限翻倍。Pro 200 的上限不会下调,Work 与 Codex 用量保持不变;dots 的扩展用量上限继续提供,且仍与默认用量分开计算,后续还会通过更好的模型和效率改进提升实际可用量。
Google Gemini 宣布可直接在应用内生成、预览和编辑文档、PDF、演示文稿、表格等多种文件。支持把手写笔记转成 PDF 学习指南、手动调整内容、高亮部分让 Gemini 修改文字或视觉元素,并可继续追问。
OpenAI 在 Alignment 博客介绍其针对前沿模型(如 GPT-6 Astra)的多层失对齐监控系统,覆盖训练、评估、内部使用和部分外部部署。
Wiz 基于自身事件响应与公开披露案例,分析 AI 智能体参与真实入侵的现状与趋势,涉及 ARTEX、Hermes 等框架及韩国金融机构(约 67,000 人信息外泄)、泰国财政部、ConnectWise 供应链(尝试攻击超 2,250 个租户)等案例。
Unsloth 发布 Mistral Le Chonk(Mistral Large 4,1T 参数 MoE,52B 激活)的 Dynamic 1-bit GGUF,可在 Mac Studio 上本地运行,保留 91% top-1 准确率,体积约 233GB(较 1.1TB FP8 小 80%)。图为各量化档位给出硬件需求,1-bit 需 256-270GB 内存,最小 UD-IQ1_S 约占 233GB 磁盘,并支持文本与图像输入、1M 上下文和 160+ 语言。GGUF 与指南见 huggingface.co/unsloth/Mistral-Large-4-1T-A52B-GGUF 和 unsloth.ai/docs/models/mistral-large-4。
The Verge Decoder 节目邀请 SemiAnalysis 分析师 Joey Brookhart 解读 Anthropic 提交的 S-1 招股书,公司拟在纳斯达克上市,估值区间 1.5 万亿至 2 万亿美元。
据《纽约时报》报道,美国情报机构认为英伟达 CEO 黄仁勋身边一名高管为中国提供情报,此人是新加坡数据中心运营商 Megaspeed 的 Alice Huang(黄乐)。
The Verge 作者分析 Anthropic S-1,认为其商业模式依赖高速增长:2026 上半年营收同比增长 14 倍至 $16.3 billion,净收入留存率 900%,但不可撤销采购承诺合计 $265.6 billion,加上未开始的租赁协议 $321.4 billion 及其他协议,未来 20 年承诺至少约 $850 billion。
Cursor 通报其 VS Code 扩展市场出现恶意修改的 Anthropic.claude-code 2.1.313 版本,非 Anthropic 官方开发,最多影响 4100 名用户。
Google 三季度搜索收入增长约 12%,低于分析师预期的 15%,市值一度缩水最多 10%。高管 Philipp Schindler 承认 AI mode 查询的强劲增长因变现率较低产生了影响,同时公司称搜索查询年增速达五年来最高,并计划在美国及国际市场扩大聊天机器人广告项目。
Addy Osmani 撰文称新版 Claude 模型所需提示词比多数人习惯的更少,针对 Opus 5.5 建议用单一明确目标加验证条件让 Claude 自主工作,从 /effort medium 起步按需调整。
vLLM 团队宣布对 Mistral 新旗舰模型 Mistral Large 4 提供 Day 0 支持,该模型为 1T 参数、每 token 激活 49B 的原生多模态 MoE 模型,采用 MLA 稀疏注意力加 DSA top-k 索引器、跨层 KV 共享、NoPE、SSMax 和 LeRoPE 等新架构,并内置 DSpark 推测解码草稿器与 Pixtral 视觉编码器。
Hugging Face 发布 Mistral Large 4(Le Chonk)的上线博客,模型为多模态多语言 MoE 架构,总参数约 1T、激活 49B、上下文窗口 1M token。
OpenRouter 发布教程,讲解如何把 PDF 以文件形式连同严格 JSON schema 发给能读文件的模型,让表格以带类型的行返回,括号亏损、千分位和脚注标记等清理都写进字段描述。
Factory 发布 Droid 1.0,一个模型无关的 agent harness,主打程序化工具调用(PTC),模型通过编写 JavaScript 程序在沙箱中一次执行数百个工具调用。
Anthropic 于 10 月 27 日发布研究报告,称一个未公开的内部 Claude 研究模型在 Chrome、Safari、Android、Windows 和 Linux 中发现漏洞,串联出 5 条可实际运行的攻击链,相关漏洞已按协调披露流程报告并修复。
Sundar Pichai 发布 Alphabet Q3 业绩:年化收入 run rate 达 5000 亿美元,总收入同比增长 25%。Google Cloud 收入增长 103%,1P 模型 API 每分钟处理近 32B tokens(环比增 40%);Search 查询同比增速为五年来最高,并提到 Argon、Carbon 领跑前沿及最新世界模型 Genie 4。
Ed Zitron 撰文批评 Anthropic 的 S-1 招股书,指其仅披露 Q2 盈利数据、省略 Q3 现金状况和付款明细,是在公司基本面变化前误导投资者。