it's easy to fall into the trap of micromanaging your agents instead of correcting the environment that shapes its behavior. pstack 0.15.9 now ships a new /correct skill: if you keep correcting agents for the same mistakes, it finds the pattern and fixes it with architecture, types, and checks. i like to imagine that commits rapidly flowing into the codebase are like a bonsai tree rapidly growing in whatever direction it pleases. what you want to do is not to give in to the chaos, but tame it intentionally with the right constraints 0.15.9 also has improvements to: • /architect: now includes instructions on designing agent friendly architecture • a new /benchmark-checklist skill based on @brendangregg's benchmarking checklist here's a prompt you can give to grok bot to start architecting a better codebase with pstack: /poteto-mode create a new Project agent to refactor and rearchitect my repo so that our architecture is more agent friendly. it should use both the /correct and /architect skill to look through past commits and find the most common pitfalls that agents fall into, whether its with code quality, performance, or bugs. if relevant you can also use the /recall skill to find past conversations for context. it should make a high level plan for me to review. it should also answer its own open questions by prototyping rather than defer to me. come back to me with a plan backed by real data. once i approve the plan, use either the stack or full autopilot playbook (ask me which i want) to execute
#Agent
lauren@potetoAI 评分4545引用lauren@poteto
lauren@potetoAI 评分4848引用lauren@potetoban and delete most if not all code comments! agents love copying what already exists. a seemingly harmless comment explaining some temporary workaround is one of the worst viruses you can have in your codebase. like a weed it'll spread quickly as a tool for agents to quickly get their job done. before you know it, your codebase is overrun with hacks and stale comments. just one more workaround bro you can use pstack's /no-comments skill as a weedkiller. it'll seek out useless comments while keeping the ones that actually should exist (like explaining a browser quirk), and figure out how to solve them on a first principles basis here's a prompt you can try asking @bot: create a project agent that uses /poteto-mode to spawn a /swarm to use /no-comments and identify useless code comments we can prune in my repo. come back with a high level plan of which of these workarounds would be best solved by refactoring and which we can straight up delete https://x.ai/bot/plugin/9717366
Prime IntellectAI 评分5959 Prime Intellect 与 NVIDIA 后训练 Nemotron 3.5 Super VL,AutomationBench-AA 提升 23.7 分
Prime Intellect 与 NVIDIA 构建 2,500 个经验证的企业任务,用 GRPO 在 128 块 GB200 GPU 上训练约 11 小时,将 Nemotron 3.5 Super VL 在 AutomationBench-AA 公开分割上的得分从 34.0% 提升到 57.7%,相对提升 70%。
IT之家·人工智能AI 评分6767 英伟达发布 1200 亿参数开源多模态模型 Nemotron 3.5 Super VL,单 GPU 智能体任务吞吐量最高提升 5 倍
英伟达发布开放多模态模型 Nemotron 3.5 Super VL,采用 MoE 架构,总参数 1200 亿、激活 120 亿,将推理、工具调用与文本、图像、文档及视频理解整合,官方称单 GPU 智能体任务吞吐量最高达同规模开放模型的 5 倍。
OpenHands 官方博客AI 评分4040 OpenHands 与 NVIDIA 合作,将 Nemotron 3.5 Super VL 多模态模型引入软件工程智能体
作为 NVIDIA 发布合作伙伴,OpenHands 将开源多模态模型 Nemotron 3.5 Super VL 引入常驻软件工程智能体工作流。该模型基于 120B 参数 MoE 架构、12B 激活参数,支持文本、图像、文档和视频输入并输出文本,将多模态理解与智能体推理和工具调用结合。
OpenRouter@OpenRouterAI 评分6161vLLM 官方博客AI 评分5555 NVIDIA Nemotron 3.5 Super VL 发布,vLLM 提供首发支持
NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL,vLLM 提供 Day 0 支持。模型基于 120B 总参数、12B 激活的 MoE 架构,结合推理、工具调用与文档、图像、视频理解,采用混合 Mamba-Transformer 架构、多 token 预测和 NVFP4 量化。
TechCrunch:AIAI 评分4040 Rivian 将引入 Anthropic 等外部 AI 智能体
Rivian CEO RJ Scaringe 在 TechCrunch Disrupt 上表示,未来 Rivian 汽车将能运行 Anthropic 等外部公司开发的 AI 智能体,但未给出时间表,公司称将在 12 月的“AI & Autonomy Day”活动上披露更多细节。
Manus@ManusAIAI 评分4141现在你可以用 Manus 让重复性工作自动运行! 你只需要告诉 Manus 工作何时开始,以及最终成果是什么样的。

Google Developers Blog精选AI 评分6363 Google 工程师讲解如何系统评测 AI 智能体,告别 vibe check
Google Developers Blog 发布智能体评测实践指南,指出仅靠终端跑几个提示词的 vibe check 无法发现智能体重试循环、工具参数幻觉等隐性失败。
推荐理由:原文给出从 CUJ 定义到 CI/CD 门禁的完整智能体评测流程,可用 agent-eval 工具包直接复现,避开四个常见评测陷阱。
StepFun@StepFun_ai精选AI 评分6666引用NVIDIA AI@NVIDIAAI恭喜 StepFun 发布 Step 5 Preview 🙌 这是他们规模最大的开放权重发布。 这个 600B MoE 模型专为处理长达 24 小时的 agent 任务而构建。 该模型在 NVIDIA GB300 上使用 NVFP4,运行速度接近 8K tokens/sec/GPU。 NVP4 checkpoint:https://huggingface.co/stepfun-ai/Step-5-Preview-NVFP4 使用 @SGL_project 部署 - https://docs.sglang.io/cookbook/autoregressive/StepFun/Step-5-Preview 或 @vLLM_project - https://recipes.vllm.ai/stepfun-ai/Step-5-Preview 使用 NeMo Automodel 进行后训练:https://github.com/NVIDIA-NeMo/Automodel/blob/main/docs/model-coverage/llm/stepfun-ai/step-5-preview.mdx 使用 NVIDIA NIM 通过单条命令运行它:https://catalog.ngc.nvidia.com/orgs/nim/nvidia/containers/vllm-model-free-nim-experimental/-
推荐理由:原文补充了 Step 5 Preview 在 NVIDIA GB300 上的推理表现和 NVFP4 权重入口,可帮助开发者评估部署选择。
a16z:NewsAI 评分5959 Wallet Wars:智能体支付正在展开的四场争夺
Terry Angelos 分析智能体购物要真正完成任务需要获得付款授权,由此展开钱包之战。文章指出 Stripe Link(3 亿用户)、Shop Pay(2.5 亿用户)、PayPal(4 亿以上用户)竞相接入 Muse 和 Instinct 等智能体,但 Stripe 用一次性虚拟卡代为付款会切断用户与商户的关系,丢失积分和权益。
卡尔的AI沃茨@aiwartsAI 评分7171作者@aiwarts 分享一个自制的三色进度提示语,在每轮 Agent 对话结尾用 🟢🟡🔴 状态行区分任务是否完成,解决 Agent 刹不住车、被优化建议拉着无限跑浪费 token 的问题。
StepFun@StepFun_ai精选AI 评分7777阶跃星辰(StepFun)宣布 Step 5 Preview 开放权重,BF16 和 FP8 权重已上线 Hugging Face 和 ModelScope,并附技术博客。
推荐理由:官方公告直接给出权重规格和下载入口,需要开源 MoE 权重的读者可据此评估是否纳入自己的工作流。
StepFun@StepFun_aiAI 评分5656Tessl:产品与工程博客精选AI 评分6363 Tessl Verifiers 正式发布,用仓库内纯文本规则检查每次 Agent 代码变更
Tessl 发布 Verifiers,规则以 JSON 文件形式存放在仓库中,每次代码变更时由 LLM judge 逐条给出 pass 或 fail,可像 lint 或测试一样在本地、pre-commit 或 CI 中使用。
推荐理由:官方详细介绍 Verifiers 的机制、配置与接入方式,读者可据此把它当作 lint 或测试之外的确定性检查接入现有工作流。
Ant Ling@AntLingAGIAI 评分5454引用DeepInfra@DeepInfraDay-zero drop: Ling-3.1-flash from @AntLingAGI is now live on DeepInfra ⚡ Built for long-horizon coding, multi-step analysis, and tool-using agents with 560B total parameters and 25B active per token. Per 1M tokens: $0.30 input · $0.90 output · $0.06 cached. Try it, compare it, and tell us what you build.
O'Reilly RadarAI 评分5656 Addy Osmani 谈 Agentic 代码质量:用约束和质量门管住智能体写码
Addy Osmani 在 O'Reilly Radar 发文指出,智能体生成的代码量已超出人工逐行评审的可扩展范围,软件质量应转向依赖围绕智能体设置的约束和质量门,包括单元测试、变异测试、复杂度指标和架构规则等。文章讨论了自主性和信任两大问题,主张把人类注意力集中在最需要判断的细微问题上,并给出扩展验证循环的三种方式:扩容验证系统、降低智能体变更速率或调整质量标准。文中含 Sonar 赞助内容。
公众号:小红书技术AI 评分4848 小红书 AllSpark 提出 CompoWorld:用组合式环境扩展通用 Agent 训练
小红书 AllSpark 团队提出 CompoWorld,通过组合可复用服务来扩展通用 Agent 的训练环境与任务空间,构建了 448 个服务、10,130 个工具。团队用 3K 条 SFT 轨迹和 1K 个 RL 任务训练 Qwen3.6-35B-A3B,在八项 Agent 基准上平均提升 9.17 分,AutomationBench 成功率从 10.33% 升至 32.33%。
indigo@indigoxAI 评分5555引用indigo@indigox让不同平台的个人 agent 相互通讯的极简方法:电子邮件!Grok Bot 先行一步,你可以给自己的 Bot 配置一个邮箱 xxx@mail.grokbot.com 这种,例如我现在要让我的 Grok Bot 和我的 Muse Agent 之间相互发指令,可以拿 Gmail 当中介,设置一个 Gmail 的别名(xxx+muse@gmail.com)给 Muse 使用,然后通过邮箱和签名来验证,最后让你的 agent 信任这个邮件地址,发消息不需要通过你确认就可以了。 现在 Gmail 就是没法 push 消息,需要每 15 分钟检查一遍新邮件,所以说消息没法即时,其它都很方便!如果想用更强大即时的方案,可以用 @turingou 同学做的服务 http://yobiru.com 👀
IT之家·人工智能AI 评分6161 金融稳定理事会发布 AI 风险管理最终版指引,要求银行加强对 AI 智能体的人工监督
据路透社 10 月 15 日报道,全球金融监管标准制定机构金融稳定理事会发布 AI 风险管理最终版指引,要求银行及企业加强对 AI 智能体的人工监督。指引明确高风险 AI 应用必须加强人工监督,企业应规定 AI 智能体在何种情况下须先获得人工批准才能执行任务,并删除了原先将 AI 视为虚拟员工的建议,强调 AI 智能体可能以意想不到的方式理解预设目标。
IT之家·人工智能AI 评分4141 微软 Copilot 智能体技术突破:不换模型响应提速 400%,词元消耗减 30%
微软为 Copilot 等 AI 智能体推出基于 SharePoint 的 Work IQ 知识编译引擎,在不升级底层大模型的前提下,将跨组织散落信息转化为结构化知识库,使响应速度提升至原来的 4 倍,词元消耗减少约 30%。该功能已向 Frontier Preview 租户推出,目前仅对启用按使用量计费的用户开放,微软还计划扩展至 Copilot Studio 自定义智能体。
Elon Musk@elonmuskAI 评分4444只需让 Grok @Bot 去别处帮你买想要的东西,就能拿到更好的价格。 可购物的网站远不止 Amazon 一家!
引用Nic Cruz Patane@niccruzpataneThis happened when I tried to get my Grok Bot to order stuff for me on Amazon. “Continued access by an unauthorized AI agent violates Amazon's Conditions of Use, to which our customers have agreed.” My bots can no longer access Amazon for orders or anything.
Elon Musk@elonmuskAI 评分4141这很好用。如果 Grok @Bot 在购买时出错或泄露了你的卡信息(目前从未发生过),SpaceX 会全额赔付你。
引用X Freeze@XFreezeGrok @bot booked a flight for me today the entire process was really really easy…..I send a photo of my credit card and it did the entire process…. Tbh, last time I booked, the website was way too confusing…. It’s not an easy website, and Grok Bot did perfectly well and booked a flight for me…. And I got a message for a booking confirmation….going to board it soon
公众号:面壁智能精选AI 评分6767 面壁智能等联合开源 PilotDeck 2.0,主打办公全流程交付与长任务稳定运行
10 月 15 日,清华大学 THUNLP、面壁智能、OpenBMB 与 AI9Stars 联合开发的 AI Agent 工作台 PilotDeck 2.0 正式开源。
推荐理由:官方开源的 Agent 工作台,给出办公 Skills、长任务续跑与智能路由的实测数据,轻量模型框架选型可参考。
TechCrunch:AIAI 评分5858 Figma 发布 Figma Specs 等新功能,定义智能体在平台上的设计规则
Figma 在印度首届 Config 活动上发布基于 Markdown 的编辑器 Figma Specs,让用户定义设计语言并引入设计与代码库,作为团队和自家及第三方智能体遵循品牌设计规则的参考。
IT之家·人工智能AI 评分4141 瑞典综艺《The Challenge Sverige》整季剪辑文件疑被 AI 智能体删除,TV4 称因技术故障推迟至明年首播
瑞典《晚报》披露,一款 AI 智能体在 Mastiff 允许其接入服务器后,删除了真人竞技节目《The Challenge Sverige》即将播出的整季剪辑文件,且文件无法恢复,团队只能从头重剪。该节目原定 11 月 22 日播出,负责播出的 TV4 确认因“技术故障”推迟至明年首播,节目总监米娅·林德奎斯特则将事故归咎于备份系统失效和人为因素。
数字生命卡兹克@Khazix0918精选AI 评分7575推荐理由:作者实测开源Skill Anatomy并给出成本、耗时和适用模型的数字,可帮读者判断是否值得装来生成科普视频。
公众号:阶跃星辰同事件AI 评分8282 阶跃星辰开放 Step 5 Preview 权重并发布技术博客
阶跃星辰正式开放 Step 5 Preview 模型权重,提供 BF16 与 FP8 版本,已上线 Hugging Face 和 ModelScope。
同一件事,精选收录的是《阶跃星辰开放 Step 5 Preview 权重》
IT之家·人工智能AI 评分7070 阶跃星辰开放 Step 5 Preview 权重,支持 100 万 token 上下文窗口
阶跃星辰开放 Step 5 Preview 模型权重,含 BF16 与 FP8 权重、技术博客和开源开发工具,已上线 Hugging Face 和 ModelScope。
Artificial Analysis@ArtificialAnlysAI 评分4141
公众号:数字生命卡兹克精选AI 评分7777 自媒体作者实测开源 Skill Anatomy:一句话让 AI 生成原理科普动画和讲解视频
作者数字生命卡兹克分享开源 Skill Anatomy,其理念是"物体本身,就是解释",可将抽象原理做成可交互的机械模型动画,还能在其上生成带讲解配音的科普视频。
推荐理由:作者实测了开源 Anatomy Skill 生成原理科普视频的效果,还给出额度消耗、耗时和模型配置等一手数据,方便读者评估是否上手。
LangChain:BlogAI 评分5656 LangChain 详解 agent 评估常见问题:从数据集搭建到 Harbor 基准
LangChain 基于 LangSmith 团队的实践经验,回答 agent 评估最常见的入门与进阶问题:agent 输出多样、路径不唯一,传统单元测试难以覆盖,需要从 trace 中抽取 10–20 个示例建数据集、跑基线并持续把线上失败加入数据集形成改进循环。
公众号:昆仑万维精选AI 评分7070 昆仑万维发布并开源单张 RTX 5090 实时运行的视频大模型游戏 Matrix-Game 4.0
昆仑万维于2026年10月15日发布 Matrix-Game 4.0,称其为第一款运行在单张消费级显卡上的视频大模型游戏,并同步开源。
推荐理由:原文给出具体硬指标与三模块架构,还对比了同类方案的延迟和算力门槛,读者可据此评估这条实时世界模型路线的落地价值。
AI at Meta@AIatMetaAI 评分5050
IT之家·人工智能AI 评分5454 麦肯锡今秋试点 AI 虚拟客户面试,考察初级候选人临场应变
据华尔街日报报道,麦肯锡今年秋季将在北美部分办公室为申请商业分析师岗位的本科生新增约十分钟的 AI 客户模拟面试环节,预计数百名候选人参与。AI 虚拟形象学习多种客户性格类型,扮演市长等角色质询方案,但不会自行打分,合伙人现场观察表现;若试点效果好,公司计划明年推广到其他岗位。