Claude Code 团队将智能体循环定义为 agent 重复工作直到满足停止条件的过程，并划分出四种主要类型：turn-based 循环（用户提示触发，Claude 自行判断完成或需更多上下文）、goal-based 循环（通过 `/goal` 命令设定可验证完成标准与最大轮次）、time-based 循环（通过 `/loop` 按时间间隔重复执行，可用 `/schedule` 移至云端）、以及 proactive 循环（基于事件或计划自动运行，无人实时参与）。文章还介绍了如何编写 SKILL.md 文件将人工验证步骤编码，让 Claude 进行端到端自检，减少 turn-based 循环中的手动操作。
推荐理由：Anthropic把agentic loops从模糊概念变成四种可复制的模式，附带SKILL.md和命令示例，Claude Code用户读完就能设计更自主的编码流程。
OpenAI 推出 GeneBench-Pro 生物医学基准测试，包含 10 个案例研究。每个案例提供原始提示词、数据集和支持材料，覆盖体细胞肿瘤学（结构变异指导的肿瘤治疗获益-风险决策）、功能基因组学（CRISPR 靶点验证：lncRNA 转录本或基因组位点）和统计遗传学（连锁遗传位点中蛋白质药物靶点优先排序）等方向，要求模型输出 JSON 格式分析结果。
OpenAI Developers@OpenAIDevsAI 评分4545LangChain 与 Harbor 联合推出面向长时间运行、有状态 AI 智能体的统一评估栈。该方案整合了 Deep Agents 运行器、LangSmith 沙盒与可观测性工具，支持对复杂智能体行为进行端到端测试与调试。
LangChain 为 Deep Agents 设计了一种无需完整沙箱即可运行不可信代码的方案，核心采用 WASM 与 QuickJS 实现进程内隔离，并通过最小权限能力模型控制资源访问。该方案还引入基于快照的持久化暂停机制，使智能体可在暂停后恢复执行状态，兼顾安全性与运行效率。
LangChain 发文分析一种正在兴起的 wiki memory 模式：用 Agent 把原始数据压缩成持久、结构化、可检查的文件知识层，供后续 Agent 更快理解领域。文章指出其区别于 RAG 的查询时检索，并举例 DeepWiki、Karpathy 的 LLM Wiki 和 Factory 的 AutoWiki，认为文件是最简单可用的长期记忆载体，但不适合短期会话状态或用户偏好。
Thinking Machines 认为当前基于单线程大语言模型的实时对话架构存在天花板，模型只能在用户输入完成后感知，生成时感知冻结。该实验室提出“交互模型”概念，主张让模型能感知语音语调、面部表情和实时打断等连续协作信号，旨在将 AI 从“提示-等待”模式转向更接近人类间实时、可中断的协作。
Atoms 是无代码平台，支持零基础设施、多智能体架构并即时连接 GPT 与 Gemini。Sim AI 是开源可视化 AI 智能体工作流工具，提供拖拽画布、80+ 集成及 MCP 支持，可云托管或 Docker 自部署。RAGFlow 是检索增强生成引擎，支持多格式文件建立知识库，连接 LLM（API 或 Ollama），具备检索质量验证。Transformer Lab 是免费开源本地 LLM 与扩散模型工作站，支持下载、对话、图像生成、微调（含 RLHF）、RAG 及嵌入计算。LLaMA-Factory 支持 100+ 模型及 SFT、PPO、DPO、LoRA、QLoRA 等训练方法。
LangChain 发布了一份面向 AI 智能体评估的实用检查清单，涵盖错误分析、数据集构建、评分器设计、离线与在线评估以及生产就绪等环节。该清单旨在帮助开发者系统性地验证智能体在真实场景中的表现，降低部署风险。
推荐理由：如果你在做 Agent 评估，这份检查清单把评估从“随机测试”变成了结构化流程，从错误分析到生产就绪都有覆盖，可以直接对照执行。
LangChain 提出评估 AI 智能体技能的最佳实践，核心是通过定义具体任务、衡量性能指标来加速迭代。该实践依赖 LangSmith 的可观测性与评估功能，帮助开发者更高效地优化智能体行为。
LangSmith 新增 Pairwise Evaluations（成对评估）功能，允许开发者并排比较两个 LLM 输出（如不同模型或提示词版本），通过人工或自动评分选出更优结果。该功能集成在 LangSmith 评估工作流中，可帮助团队在开发阶段系统性地优化模型响应质量。
Candidly 团队在 LangChain 博客发文，介绍其 AI 财务规划师 Cait 如何用 IO-HMM 从对话轨迹逐轮推断用户参与状态，并将状态接入响应策略实现会话内干预。模型基于轨迹特征以 0.90 AUC 预测对话解决或放弃，恢复出四种参与状态，策略将 Disengaging 状态占比从 23% 降至 11%；文中还展示了该评估作为控制信号的方法如何推广到编码 Agent 等场景。
DeepSeek 的 MLA 通过只缓存低维潜向量压缩 KV Cache，但 QK-Norm 需归一化高维 Key，若缓存归一化结果则打破低维优势。文章提出数学等效变换：将 QK-Norm 中动态逆 RMS 标量和静态仿射权重合并到 Query 侧，推理时每个 token 只需额外缓存一个逆 RMS 标量，即可严格等价实现 QK-Norm，不牺牲显存效率。在 400M/1B 模型训练 100B tokens 实验中，QK-Normed MLA 相比 QK-clipping loss 更低（1B 模型 gap ~0.02），训练更稳定且收敛更快。
针对 MLA 架构与 QK-Norm 的冲突，作者提出一种数学等效变换，将 QK-Norm 的静态仿射权重融合进 Query 投影，使推理时仅需额外缓存每个 token 的 1 个逆 RMS 标量，即可实现严密的 QK-Norm 数学等价，无需缓存高维 Key。
作者分享Vibe Coding中两个关键Prompt：一是“从第一性原理出发”，强制AI跳出类比推理，从基本事实重新推导本质，曾帮作者发现AIHOT抓取海外信源的底层流量路由隐患并彻底重构；二是“对抗式审查”，让AI站在恶意用户角度攻防式审查代码，检出OOM死循环、未来时间污染等手工难发现的BUG。两个Prompt形成生成与验证闭环，使纯Vibe Coding项目AIHOT最近一周请求量超千万次。
推荐理由：这两个 Prompt 把 Vibe Coding 从碰运气变成了有方法，第一性原理堵设计漏洞，对抗式审查堵代码漏洞，卡兹克用自己项目的真实翻车案例讲透，是我读过最实用的编程 Prompt 技巧。
本教程使用Hugging Face上的Fable 5 Traces数据集，在Google Colab中搭建轻量环境并手动下载JSONL文件。流程包括预览原始agent trace示例、规范化工具调用与文本输出、审计数据结构、检测密钥模式，以及可视化输出类型、工具、源根目录和文本长度等分布。还创建了安全的no-CoT聊天/SFT导出，构建关键词搜索辅助，并训练纯Python朴素贝叶斯基线，评估trace上下文能否预测助手的输出类型与工具使用。
Tibo@thsottiauxAI 评分5555OpenAI 发布 planttalk 构建指南，让植物拥有声音。 主推文评论：和植物对话不再奇怪，只需 codex 即可。
Our plants are chatty. Yours can be too. Give your plants a voice with our build guide: https://github.com/openai/planttalk
HuggingFace Jobs 支持一条命令启动 vLLM 服务器，用于测试、评估或批量生成。使用 `hf jobs run` 命令，指定官方 `vllm/vllm-openai` 镜像、GPU flavor（如 `a10g-large`）、暴露端口 8000 并设置超时。服务器启动后可通过 OpenAI 兼容 API 访问，每次请求需携带 HF token 作为 bearer token（仅限有读权限的用户）。示例部署了 Qwen/Qwen3-4B（多 GPU 需 `--tensor-parallel-size`）。`a10g-large` 价格为 $1.50/小时，按分钟计费，可通过 `hf jobs cancel` 停止。
推荐理由：这是一条命令在HF上启动vLLM的完整教程，适合快速测试模型的开发者，但方案完全绑定Hugging Face平台，通用性有限。
jason@jxnlcoAI 评分6060jason@jxnlcoAI 评分6262两个我喜欢使用的技能 如果你使用 Codex，按下 cmd+cmd （同时按左右两个 cmd 键） 然后直接说"make these two skills"
本文介绍如何从 Hugging Face 流式加载 nvidia/Open-SWE-Traces 数据集，解析 openhands、sweagent 等智能体与 minimax_m25、qwen35_122b 模型的轨迹，标准化多轮对话，解析最终代码补丁并统计新增/删除行数、文件扩展名分布。构建分析 DataFrame 考察轨迹长度、工具调用、补丁规模、语言分布及解决结果。基于成功标签、MAX_SFT_TOKENS=32000 的 token 限制、语言过滤和补丁可用性，筛选高质量轨迹形成监督微调子集。
OpenRouter@OpenRouterAI 评分4949diff models are good at diff things, but how many of us actually compare them? you sign up for each provider separately, load creds, and run the same prompt over and over it's tedious, so 99% of the time, people just go with what others say is best there's a better way..
OpenRouter@OpenRouterAI 评分5050关于如何使用 OpenRouter MCP 构建模型理事会的示例。 针对你的代码库和用例进行了调优！
@jjacky @OpenRouter 🫡 can confirm: it rocks.
LangChain 发布 cookbook，展示用 Perplexity Agent API、LangGraph 和 LangSmith 构建一个约 90 秒、约 $0.40 API 成本生成投资备忘录初稿的研究 Agent，每个论断可溯源到一手来源。
推荐理由：原文给出可复用的并行研究 Agent 架构和供应商评测方法，读者可迁移到自己的引用溯源型工作流。
本教程在 Google Colab 中从头搭建一个轻量级个人 AI 智能体，灵感来自 Nanobot 核心架构。从 provider 抽象出发，逐步实现工具注册、会话记忆、生命周期钩子、技能以及 MCP 风格的工具服务器，全部模块均可直接运行，无需 API 密钥。教程不依赖外部 agent 框架，而是自行构建核心模块，清晰展示消息、工具、记忆与模型响应如何在实用智能体循环中协同工作。
Claude Code 内置近30个Hook事件（年初仅13个），本质是写死的规则脚本，运行时不消耗token。6个实用玩法：权限弹窗提醒、开机日程播报（问候+天气+飞书日程）、上下文预压缩时自动生成摘要卡片、结合Skill自动整理下载文件夹、启动后每小时久坐提醒、通过Bark实现手机/手表任务完成/失败推送。让AI从被动聊天框变为事件驱动的自动化系统。
推荐理由：卡兹克把Claude Code的Hook拆成6个具体玩法，从权限弹窗到自动整理文件，每个都能直接抄作业，是让Agent从对话工具变成工作系统的最实用入门。
Hyper3D 推出 Rodin Gen-2.5，最快4秒生成百万面级模型，几何加贴图最快5秒，最高档可达千万面。新增 Bang to Parts 拆件功能，能理解物体结构自动分离零件，支持框选二次细分。原生3D贴图配合PBR材质，确保360度纹理连续。提供多档位，Micro微观模式可生成12k原生贴图还原皮肤纹理。配套3D ControlNet、3D Editing及DCC插件，支持已有模型加载再编辑。
Meta 在 Privacy-Aware Infrastructure (PAI) 的资产分类中采用混合模式：先构建含代码、血缘、语义标注的上下文证据，再调用 LLM 处理歧义、冷启动和新颖资产；人工审核标签与模型推荐严格隔离。LLM 不直接做生产决策，其稳定行为被蒸馏为版本化确定性规则用于生产执行，LLM 角色随规则积累逐步缩小。核心原则：上下文比提示词更重要、解耦评估与优化、将稳定行为规则化。
ChatGPT@ChatGPTappAI 评分5555我们的植物很健谈。你的也可以。 通过我们的构建指南让你的植物发声：https://github.com/openai/planttalk
LangChain 提出一个四阶段 AI 智能体开发生命周期：构建、测试、部署与监控，帮助工程团队可靠且可重复地交付智能体。该框架涵盖评估（evals）、运行时、可观测性（observability）及规模化治理（governance）等关键环节。
ClaudeDevs@ClaudeDevsAI 评分4141
OpenRouter 的零数据留存（ZDR）保证用户提示词和模型响应不被存储，元数据一般安全。自 1 月以来新增 97 款支持 ZDR 的模型，月度 token 量增长 4.3 倍，约占全部路由流量一半。ZDR 在三个层面执行：账户级（整个供应商开启）、护栏级（按 API Key 或组织成员限定）、单次请求级（传参数仅路由至 ZDR 端点）。企业用户可灵活选择控制粒度，避免锁定单一供应商。
推荐理由：ZDR 远不止“不存数据”这么简单，提示、响应、缓存的区分很多人没搞清楚。OpenRouter 的三层执行算是把自由度给足了，做合规服务的人可以仔细看看。
本教程从零构建OpenHarness，一个可运行的Agent运行时，展示完整控制流：接收用户任务、模型决策、验证并执行工具调用、返回观察结果、循环直至任务完成。覆盖核心模块：工具使用与类型化工具架构、权限控制、生命周期钩子、记忆管理、技能、上下文压缩、重试逻辑、Token成本跟踪及多智能体协调。实现采用纯Python，无需API密钥或复杂基础设施即可实验，包含Token成本估算。
