#agent
共 14 篇
工业机器人教 AI 的事：先可靠，再聪明
一家美国工业机器人公司的做法：模型只管找零件，运动交给传统编程，推理放在本地，靠现场纠正修边缘情况。这套思路可以原样搬到软件 agent 上。
每秒 100 万 token 的公告，正文只有两句话
一条百万 token 的纪录传了半个月，官方页面却只有一句自我介绍和一句玩笑。这篇讲清数字的量纲、为什么不能进选型表，以及该拿什么指标替代。
Amp：20 人公司，部分用户每周烧百亿 token
OpenAI 的 Amp 案例（厂商口径）里，最值钱的不是模型清单，是一个 20 人团队怎么把没人负责的活交给常驻智能体，以及它为什么同时接好几个模型。
先让市场投票，再决定要不要生产
三个商家案例拆成一套可照做的顺序：数字样品先测点击、报表改定时、素材用调度批量出。也写明哪些环节 AI 仍然替不了人，顺序比工具更重要。
把四小时敲代码换成写提示后，他的手腕不疼了
一位开发者自述九年重复性劳损如何在 2026 年明显缓解，关键不在治疗，而在击键结构的变化。文章拆出可复用的观察方法，也标出他本人保留的部分。
agent 的长期决策「没品味」
微软和香港城市大学做了 Taste-Bench，专测 agent 在长任务中途选哪条路。14 个模型里最好的 59.7%，纯猜是 25%。
AI 时代，编程语言该改哪里
Elixir 作者 José Valim 认为，为 agent 设计语言如果只改语法，是在围绕今天的模型缺陷做设计。真正该加的是更强的保证、可查询的程序数据库和运行时可观测性。
在潜空间里想，用文字动手
一篇新论文让 agent 在连续向量里推理、在文字里调工具，用一层转换器来回切换。平均准确率提升 10.4%，token 少三成半到五成半，但"可检查"仍待验证。
Windows 给 agent 发了张工牌
微软给 Windows 加的不是一个新助手，是 agent 的身份、注册表、隔离容器和本地模型运行时。这篇讲清这套设计，以及它为什么绕开了内核。
微软把 Copilot 收回到工作流里
微软把消费版和工作版 Copilot 合成一个产品，重心转向文档、编码和常驻 agent。这篇讲清它放弃了什么、留下了什么，以及企业采购要重新问哪几个问题。
Stripe 造了个知识助手，83% 员工每周用
Stripe 内部平台 Kai 的完整拆解：为什么放弃四千个小 agent、为什么权限要按任务而不是按账号、一千多个技能怎么选，以及 83% 周活背后的真实用法。
Anthropic 泄露文档：Agent 五年前就写好了
一份只有三四页的 2021 年内部研究路线图，因为版权官司被公开。里面写着长上下文、工具调用、代码助手和沙箱安全。这篇讲清它到底写了什么、哪些兑现了、哪些是我们事后脑补的。
提示词注入：为什么不能让 AI 随便读网页
你在网页里藏一句话，AI 就会照做。这不是理论攻击，是现在就能发生的日常风险。
Agent（智能体）：能自己动手的 AI，和它的三个软肋
它的能力是"能自己决定下一步"，它的问题是"决定错了也会往下走"。