OpenAI dots 实测：云端智能体开始交付文件
判断一款 Agent 是否真的能干活，我现在只看一件事：它能不能在对话结束后继续推进任务，并把文件、链接或可运行结果交回来。能回答问题已经很常见，能接管一台持续在线的云电脑，同时调用工作软件、开发工具和外部服务，才接近“数字同事”的形态。 ...
AI 情报局
AI 大模型
大模型、AI Agent、模型评测与产业动态。
本栏重点
正在发生
Jev 客服实测：5 种语言跑通，附 Python 接入代码
Jev 最近很受关注，但它和常见聊天模型的工作方式不一样。它不负责写一段客服回复，而是把一条非结构化消息转换成程序可以直接使用的判断：语言、分类、分数、概率。 我用同一套请求测试了中文、英文、德语、法语和西班牙语客服消息。五条请求全部返回成...
Anthropic GTG 案例怎么查？我把 44 个案例按场景排好了
研究 AI 的真实使用边界时，单看“能做什么”不够。更有用的问题是：案例发生在什么场景，使用了哪些步骤，报告对归因和置信度写到了什么程度。 我把 Anthropic《Detecting and Countering Misuse of AI...
AGI 可能先以系统的形态出现
最近，科技公司 CEO 又开始说 AGI 已经到来，或者只差临门一脚。麻烦在于，大家嘴里的 AGI 并非同一个东西。有人盯着模型参数，有人看它能完成多少任务，还有人把工具、记忆和执行环境也算进去。 Caleb Writes Code 的视频...
大模型周报第44周：旗舰周更、蒸馏开战、价格再下探
大模型周刊第44期：核验Astra、Gemini 3.8 Flash、Anthropic蒸馏报告与DeepSeek价格，梳理旗舰周更、蒸馏争议和价格再下探三条主线。
模型变强以后，AI 工作流更需要边界
我花了五分钟浏览 Twitter。时间不长，只能算一次信息切片，却足以看到两种完全不同的情绪。一边在庆祝新模型更快、更强，另一边已经开始讨论旧指令、验收标准和代理越界。 我比较在意后一种声音。模型能力像发动机，AGENTS.md、Skill...
大模型周报第43周：3条主线看懂旗舰换代与商业化
观察区间：2026.08.29-09.04。系列内部编号为第43期；该日期跨 ISO 第35与第36周，所以标题直接使用日期口径。 这一周的信息很多，真正值得记住的只有三条线：旗舰模型开始围绕长任务和电脑操作换代；网络安全能力从评测项目变成...
看见 AI 没说出口的想法之后
大模型回答问题之前，内部可能已经完成了一轮判断，只是没有把过程说出来。J-Space 等研究让人看见局部内部表示，也提醒我们：能解释一点，离完整理解和可靠控制还很远。
大模型周报第42周：Agent走出聊天框，国产开源打穿流量
> 大模型周刊｜2026.08.16–08.28 过去两周的主线很清楚：安全事故被写进技术报告，Agent 开始进入浏览器、硬件和课堂；国产开源模型用“匿名测、正式认、权重放”拿下流量。闭源厂商忙着补可控性，开源阵营在补生态与成本。榜单仍然...
DeepSeek Harness vs LangGraph: 数字分身 Runtime 怎么选
DeepSeek Harness 的竞争对象不是某个聊天界面，而是承担状态、工具、执行与恢复的 Agent Runtime。选型时如果只比功能清单，很容易把框架的演示能力当成生产能力。本文把 DSH 与 LangGraph、Microsof...
AI Agent 入门课: 用 DeepSeek Harness 学五层工程能力
Agent 入门课程如果只教模型调用和 Prompt，学生做出来的通常仍是 Chatbot。真正能行动的 Agent 还需要工具契约、状态、权限、执行循环和评测。下面五课用 DeepSeek Harness 作为观察样本，但课程目标是建立可...
DeepSeek Harness 学习路线: 30 天做出只读数字分身
学习一个 Agent Runtime 最容易走偏的方式，是平均阅读所有文档，然后做一堆彼此无关的 demo。更有效的路线是围绕一个可验收产品逐层补能力：先让分身只读地认识你，再加入记忆、动作、权限和评测。下面的 30/90 天计划以这一顺序...
DeepSeek Harness 做数字分身: Runtime 与长期记忆分层
把 DeepSeek Harness 用于数字分身，真正困难的不是把人格提示词塞进系统消息，而是决定哪些状态属于人、哪些状态只属于一次 Agent 执行。这个边界一旦画错，后续每次框架升级都会牵动身份、记忆和授权数据。本文给出一套可替换 R...
DeepSeek Harness 架构: Cordis 与插件运行时
要理解 DeepSeek Harness，最短路径不是先学界面和命令，而是看它怎样把模型、工具、会话、循环、沙箱和 UI 组合成一个运行时。Cordis 是这套组合模型的底层，它决定了插件怎样挂载、依赖怎样替换，以及卸载后副作用怎样被撤销。...
DeepSeek Harness 首周观察: 热度、版本与生产风险
DeepSeek Harness 首周最值得看的不是星标增速，而是发布节奏暴露出的工程现实：插件能力扩张很快，存储、包管理和安全边界也仍在变化。本文把截至 2026 年 8 月 24 日的公开信号放在同一条时间线上，给出原型、试点与生产三种...
大模型周报第41周：Agent开始进生产线，开源模型继续压成本
> 大模型周刊｜2026.08.15–08.21 本周大模型行业有一条清晰主线：模型厂商开始把竞争重点推向真实工作流。OpenAI补青少年安全与教育产品，Anthropic把 Computer Use、Skills API 和 Files ...
杀死代码评审：AI 写代码、AI 审代码之后，人剩下的是对齐
本文整理自 AI Engineer 大会上 Aviator 联合创始人 Ankit Jain 的演讲《How to Kill the Code Review》。他几个月前写过一套「杀死代码评审」的五层信任模型，这次上台主要做自我修正：评审从...
ChatGPT Go、Plus、Pro 和 Claude 怎么选？按周看懂 7 款套餐
AI 个人订阅只需要看两组对标：**ChatGPT Plus 对 Claude Pro，ChatGPT Pro 对 Claude Max 5× / Max 20×**。放在一张总表里，价格和额度关系会清楚很多。 月金额按一年 52 周折算：...
我把 Codex 上的几十个 Skill 迁移到了 DeepSeek Harness，全程可用
AI 竞争已经打到了第三层。第一层拼基础模型——GPT、Claude、Gemini 谁更强；第二层拼 Agent——Codex、Claude Code、Trae 谁更好用。DeepSeek 上周扔出一件新东西，直接把战场拉到了第三层：Har...