ORA 像编程智能体一样工作
Hao AI Lab 的 ORA 工作方式类似编程智能体:编程智能体读取文件、运行命令并检查结果,ORA 则观察场景、调用感知或动作工具、检查反馈,再决定下一步做什么。
Hao AI Lab 的 ORA 工作方式类似编程智能体:编程智能体读取文件、运行命令并检查结果,ORA 则观察场景、调用感知或动作工具、检查反馈,再决定下一步做什么。
AI 智能体正把支付能力变成竞争焦点,Stripe Link(3 亿用户)、Shopify Shop Pay(2.5 亿用户)和 PayPal(4 亿+用户)围绕“谁能帮智能体付款”展开钱包战争。更深层的较量在于谁能以用户身份发起交易,Stripe 正用虚拟卡和封闭生态构建智能体商务的“AOL 式”围墙花园。
Grok Bot 可通过邮件实现多智能体协作,潜在用例包括调试(向 bot 发送 bug 报告)、客户支持、预订会议和活动、团购以及在 craigslist 上买卖东西。该讨论源于 Agentmail 的早期探索,并引用观点称"让你的 bot 和我的 bot 对话"将很快变得常见。
Lee Robinson 在斯坦福 CS146S 讲座最后部分梳理了 Grok Bot 类常驻个人智能体的未来走向:模型可针对 harness 本身做 SFT 与 RL 训练,形成每日内环修 harness、每月外环换新模型的双环飞轮。
Bannerbear 创始人提出传统 SaaS 公司在 AI 时代的七条竞争与转型路径,核心判断是"靠功能竞争已死"——过去卖五年的功能,如今一个开发者用 200 美元 Claude 订阅就能在周末克隆出足够可用的版本。他给出的方向包括做托管、邮件送达、支付这类运营难度而非代码难度的"不性感"基础设施,以及转向 agent-first 产品、有分发优势的领域、技术尚未渗透的传统行业和硬件。
pi 移动端上线热重载网络化插件系统,支持多用户、多终端感知与持久化,并提出「一切皆插件」口号。作者指出这一架构路径与 dsh 等项目的演化方向如出一辙。
Tessl 将一场 AI Native DevCon 演讲《Skills Everywhere》转化为智能体可用的 skill 上下文,核心主张是:企业落地智能体的瓶颈往往不是模型不够强,而是上下文工程不到位。
Mozilla.ai 在 AI Native DevCon London 上介绍了 cq 项目,其基本单元是知识单元:智能体遇到非显而易见的问题并找到解法后,将领域、洞察和采取的动作结构化提交,经审核后可被其他智能体查询复用。cq 默认本地运行,使用本地 SQLite 数据库,数据无需离开本机,也可连接远程服务器构建团队级知识库。
Tessl 博客指出,Agent Skills 一旦被智能体信任,就能影响其读取内容、调用工具与信任边界,因此应被视为供应链组件。研究扫描约 4,000 个公开技能,发现可疑下载、凭证风险、类恶意行为与安全漏洞等问题。核心风险在于私有上下文、不可信内容与外部通信三者叠加,仅靠"先读一遍"不足以构成安全模型。
自定义 AI 智能体是反模式,企业与其自建封闭 UI 的智能体,不如直接提供 MCP 让用户在自己熟悉的 ChatGPT/Claude/Codex 环境中调用。文章点名 Atlassian Rovo 和 GitLab Duo Agent 为典型反例,认为这类做法源于企业害怕失去品牌控制与数据,最终会输掉这场注定失败的仗。
开发者工具公司被分为 S 级与 F 级,区别在于是否已进入模型权重:GitHub 这类 S 级公司无需 skills 或 MCP,模型直接用 GH CLI 就能完成建仓库、提交、推送等操作。新公司应先打磨 CLI 的 --help,通过自动化循环优化措辞以减少工具调用,再发布文档做面向智能体的 ASEO,并争取让实验室把 CLI 文档纳入下一次训练。
Teambition 创始人齐俊元打造的 Personal AI 产品 Today AI 国内版于 9 月 24 日上线,已接入飞书、钉钉、腾讯文档和邮箱等国内常用应用。
AI 正在让软件逆向工程门槛归零:Crackmes.one 首届逆向工程 CTF 的冠军零经验,靠 AI 击败全部挑战,90% 的解题 writeup 也由 AI 生成。作者指出,借助 Claude Code 等终端智能体,用户可通过上下文工程绕过伦理护栏完成反编译,因为"攻击"在某种意义上已经发生。当破解只需一份 AI 订阅,DRM 与 crackme 竞赛的意义都将被重新定义。
Grok Bot 新增 X 平台搜索、阅读和监控功能,作者将其类比为豆包可以监控抖音,指出私有 API 接入是 AI 助手获取实时数据、执行复杂任务的关键优势。
文章提出智能体网络(Agentic Web)需要一套协议栈来支撑。原文未给出具体协议名称、版本或性能数据,仅从架构层面论证单一协议不足以承载智能体之间的交互,需分层设计。
Claude 访问本地文件依赖电脑保持在线,电脑关机或离线期间将无法有效工作。文章指出,一种可能的解法是引入同步机制,但同步本身也存在边缘情况需要处理。
Elvis Saravia 回应 Karpathy 关于理解 LLM 输出的讨论,称自己已实践一年多,并分享正在搭建的通用人机协作界面。该方案将高级智能体连接到类 Notion 的灵活页面,支持嵌入工件、文本、视频和可视化讲解,智能体按任务输出工件而非默认文本回复,用户通过评论和建议直接协作,覆盖代码审查、笔记、写作、研究和原型设计等场景。
GitHub Podcast 最新一期拆解了五个 AI 热门论断:AI 生成的代码仍需阅读,但审查力度应按风险分级;Skills 与 MCP 解决不同问题,MCP 提供连接工具与数据的标准,Skills 则封装团队流程与最佳实践;RAG 并未消亡,检索能为模型提供训练数据之外的相关信息,减少 token 浪费并让回答更有依据。