深度

字节跳动的 TARS（原 UI-TARS-desktop）不是另一个 Claude Computer Use 克隆。33K stars、四层架构、多模型支持、完全开源——它在桌面 Agent 赛道上选了一条跟 Anthropic 完全不同的路。

Redis 创始人 antirez 用纯 C 为 DeepSeek V4 Flash 写了一个专用推理引擎 DS4，抛弃了 llama.cpp 的通用抽象层。这个项目引出一个值得认真想清楚的问题：通用推理框架的代价，究竟是多少？

前 OpenAI CTO Mira Murati 创立的 Thinking Machines Lab 发布了一种全新的「交互模型」架构——原生多模态、全双工、200ms 节拍维持在场感。这不是又一个 Agent 框架，而是对「人机该怎样协作」这件事的根本性重写。

美团技术团队在31万行代码的Agent评测系统中实践了一套「人人对齐→人机对齐」的AI Coding管理方法，不申请一天专项排期就完成了渐进式重构。

我们没有从分类理论出发，而是从创始人的切身之痛出发。一年后，我们发现：记忆基础层必须先行。

Agent 到底是怎么"记住"我和我的指令的？为什么把一个 agent 的记忆迁移到另一个 agent 比单纯复制文件要难得多？ 我经常同时使用 Claude Code 和 Codex。工作中，我用 GitHub Copilot CLI 在 Anthropic 和 OpenAI 模型之间根据任务切…

Cursor 如何像打磨软件产品一样打磨 Agent Harness——从上下文窗口管理、A/B 实验、工具可靠性，到模型定制与多智能体未来。

Astro 团队做了一个 agent 框架，叫 Flue。它不是 AI SDK，不是 LangChain 的竞品，而是一个 headless Claude Code——纯 TypeScript，不需要人坐在终端前面敲键盘。我翻了完整源码，写写实际看到的。

Scout 不是另一个 RAG agent，而是一个公司脑 runtime。它把 web、Slack、Drive、CRM、wiki 拆成 context provider，选 navigation over search，用三层 eval 锁定行为。源码证明它不是概念，是可运行的产品。

OpenCode 是 GitHub 上增长最快的 AI 编码 Agent 之一，153K stars，TypeScript 全栈，不绑定任何模型提供商。本文从产品定位、架构拆解、核心机制三个维度深度解析这个项目。

论文首次实证验证了 exploration hacking——模型策略性地压低探索来抵抗 RL 训练，在生物安全与 AI 研发任务上成功压制能力 500+ 训练步，且可通过环境信息推理执行。这对 GRPO/PPO/RLVR 等主流后训练方法提出了直接的安全警示。

Agent沙箱的checkpoint/restore面临尴尬局面：轻量恢复正确率不到10%，全量checkpoint在密集部署下慢3-4倍。香港科大Crab用eBPF追踪OS副作用，只对真正有状态变化的交互步做checkpoint，恢复正确率100%，额外延迟不到1.9%。

DeepSeek V4 价格冲击、IBM Granite 4.1 小模型反超大 MoE、Agent 框架全面爆发——本周 AI 圈围绕「模型经济学」与「Agent 基础设施」两条主线激烈交锋。

Vercel 内部 Text-to-SQL Agent d0 的重构故事：从 17 个专用工具精简到 2 个，成功率从 80% 提升到 100%，速度快了 3.5 倍。

Langfuse 是开源 LLM 工程平台，提供可观测性、指标分析、自动化评估、Prompt 管理等核心功能。本文深度分析其技术架构、商业模式、竞争格局及投资建议。

AHE 把 harness 从固定外壳推成可观测、可诊断、可自动进化的系统层：10 次迭代将 Terminal-Bench 2 从 69.7% 提到 77.0%，并证明了跨模型迁移。

Scout 不是更大的聊天机器人，而是把 web、Slack、Drive、CRM、wiki 和 MCP 拆成 context provider 的单 agent runtime。

ANP 试图把 agent 互联网做成一套完整协议栈：先用 DID/WBA 建立可信身份，再用 .well-known 和 ADP/ADSP 做发现，最后把 federated messaging 和支付一起纳入网络层。

上一自然周 HN Top 10：模型发布、硬件可维修、供应链安全与平台权力竞争同时升温。

SGLang 不是只做 LLM serving 的“另一个框架”，而是在缓存调度、结构化输出、分布式拆分和后训练 rollout 上，把推理底座做成了一整套系统。

M-flow 把图从辅助结构升级为检索评分引擎：先向量召回锚点，再按路径成本选 Episode bundle，是一个更激进的 GraphRAG 变体。

Neo4j 在企业 AI 里的核心价值不是图数据库本身，而是把关系、路径、证据和权限组织成可解释检索层。本文验证了 Walmart AdaptJobRec 等真实企业案例。

ClawSafety 证明了安全 LLM 进入 Agent 后会出现合规缺口，风险取决于 workspace、mutations 和 scorer 这套框架。

Anthropic、OpenAI、Qwen 继续占据 HN 话语中心，但这一周更值得注意的是，模型发布如何迅速外溢到开发者工作流、数据边界、供应链安全与平台治理。

Uber 的关键不是“AI 战略”，而是把 AI 做成了可复用、可治理、可自发扩散的工程技能市场。

OpenViking 不是又一个向量库，而是在把 Agent 的记忆、资源和技能统一成可递归、可观察、可分层加载的上下文数据库。

Claude Code Game Studios 不是游戏本体，而是一套把 Claude Code 组织成游戏工作室的协作模板。

一个从 CI 变慢出发、把 AI 研究循环改造成工程自治引擎的完整案例故事。

claude-mem 不是简单的“记忆插件”，而是一套围绕 Claude Code 的 capture→store→search→compress→reinject→Q&A 记忆基础设施。

Claude 的 memory 并不是“记住一切”，而是由 past chat search、memory summary、project memory 和治理控制组成的工作连续性系统。