Google DeepMind 发布 AlphaEvolve 一周年回顾，展示该 Gemini 驱动的编码智能体在数学、计算机科学及工业界的显著影响。在科研方面，它帮助将电网优化可行解率从 14% 提升至 88%，并在量子物理中使分子模拟误差降低 10 倍。
推荐理由：AlphaEvolve 团队回顾其作为 Gemini 驱动的编码智能体在科学发现、基础设施优化及商业应用中的具体成效，展示了算法自进化对多领域的加速作用。
在 Code with Claude 大会上，Anthropic CEO Dario Amodei 和总裁 Daniela Amodei 指出，2026 年第一季度营收和使用量年化增速达 80 倍，远超原本按 10 倍准备的算力规划，这是 Claude 持续限速的直接原因。
推荐理由：整理自官方对话，披露了算力增速与限速的因果及组织级AI趋势，为理解当前开发瓶颈提供内部视角。
Anthropic Claude Code 创建者 Boris Cherny 在 Sequoia 大会上分享观点，认为编程正从手写代码转向管理 Agent，并指出 Anthropic 内部已实现无手写代码开发。
推荐理由：文章整理了 Claude Code 创建者关于编程范式转变、SaaS 护城河重构及组织流程领先性的核心观点，为理解 AI 对软件工程的影响提供了具体视角。
Google DeepMind 宣布启动 AI co-clinician 研究计划，旨在探索 AI 如何作为协作成员增强医生专业能力并提升护理质量。该研究在盲测评估中显示，AI co-clinician 在98个初级保健查询案例中有97例未出现关键错误，且在开放式药物知识问答上超越其他前沿模型。
推荐理由：原文展示了AI在真实临床查询中零关键错误及多模态远程诊疗的模拟评估，为理解医疗AI从文本向实时交互演进提供了具体数据支撑。
Google DeepMind CEO Demis Hassabis 在 YC 访谈中指出，当前 AI 范式距离 AGI 仍有 50% 概率需要一两个关键突破，主要缺失在于持续学习、长程推理和记忆机制。
推荐理由：Google DeepMind CEO 详细拆解了 AGI 缺失的关键拼图、智能体投入产出比争议以及科学发现的本质，为理解当前 AI 瓶颈提供了权威视角。
Andrej Karpathy 在 Sequoia Capital 的 AI Ascent 访谈中提出，2025 年 12 月是其个人编程体验的转折点，AI 生成代码从“需修补”变为“直接可用”。
推荐理由：Karpathy 区分了 Vibe Coding 抬高下限与 Agentic Engineering 保住上限，并指出 LLM 能力呈锯齿状分布，为理解 AI 编程现状提供了清晰框架。
Hermes Agent 采用四层记忆架构（固化提示词、SQLite 会话搜索、技能索引、Honcho 用户建模），核心逻辑是保持系统提示词稳定以利用缓存，将繁杂信息交由工具按需检索。该设计严格限制 MEMORY.md 和 USER.md 的字符容量（合计约 1300 Token），并通过“记忆冲刷”机制在对话压缩前保存关键事实，区别于 OpenClaw 的流水账式日志存储。
Ramp 高管 Teddy Riker 撰文指出，随着 Salesforce 推出 Headless 360 等动作，软件交互正从“用户-界面”转向“用户-Agent-软件 Agent”。作者通过 Notion MCP 强制读取 Markdown 规范、Ramp 收集调用理由及 Slack 格式缺失等案例，提出为 Agent 设计产品的核心在于主动提供成功所需的上下文与反馈机制，而非仅发布接口。
Anthropic Claude Code 和 Cowork 产品负责人 Cat Wu 在 Lenny's Podcast 中透露，团队将功能交付周期从半年压缩至一天，并解释了这一速度背后的机制。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte 和 McKinsey 建立合作伙伴关系，旨在加速全球企业的 AI 转型。
文章介绍了 Claude Code 将上下文窗口升级至 100 万 Token 后的会话管理最佳实践。作者解释了上下文衰减概念，并对比了继续、回溯、清空、压缩和子智能体五种决策路径。针对何时开启新会话、如何用回溯代替纠正以及压缩翻车的原因，给出了具体的操作建议和判断标准。
宝玉分享《Why Your “AI-First” Strategy Is Probably Wrong》一文，认为 AI First 的本质是软件工程 First，人需从代码编写转向关键节点判断。
本文介绍了生成-验证者、调度-子智能体、智能体团队、消息总线和共享状态这五种多智能体协作模式。每种模式针对不同的任务结构（如质量评估、并行处理、事件驱动或高度协作）具有特定的优势与局限，例如调度模式易成信息瓶颈而共享状态需防范死循环。建议从最简单的“调度-子智能体”模式起步，根据实际瓶颈逐步演进，或在生产环境中混合使用多种模式以平衡协调成本与系统灵活性。
作者指出频繁开启新会话会触发全价上下文重建从而增加成本，建议理解提示缓存机制后优先在活跃会话中继续工作。文中详细说明了缓存前缀匹配与存活时间规则，提供了禁用 1M 上下文及设置自动压缩阈值的 JSON 配置代码。此外还列出了精简 CLAUDE.md、限制模型阅读范围及使用子智能体隔离上下文等六条操作规则以减少 Token 消耗。
推荐理由：原文基于提示缓存机制纠正了频繁开新会话的习惯，并给出了模型切换与上下文压缩的具体配置方法。
OpenAI Codex 团队产品负责人 Alexander Embiricos 和开发者体验负责人 Romain Huet 在访谈中透露，团队几乎不写产品规格文档，即使写也仅有约 10 个要点。
Sebastian Raschka 发布指南，结合其开源的 Mini Coding Agent 详细拆解了编程智能体（Coding Agent）的六大核心组件：实时代码仓库上下文、提示词形态与缓存复用、工具接入与调用、上下文瘦身、结构化会话记忆以及任务委派与受限子智能体。
OpenAI 发布 GPT-5.4 mini 和 nano，支持 400k token 上下文窗口，主打 Codex 效率但价格最高涨至 4 倍。Mistral 开源 Small 4 MoE 模型（119B 总参/6B 激活）并推出 Forge 平台。Meta Manus 上线本地 Mac 智能体，Nvidia 宣布 NeMo 沙箱运行时及 DLSS 5。
针对 Claude Code 50 多万行泄漏源码，作者提出四步学习法：先跑起来、以点带线分析功能、动手二次开发、最后从零搭建架构。强调闭源优势在于隐藏防蒸馏逻辑与 /buddy 等彩蛋，Anthropic 回应称问题源于流程而非个人。
Notion联合创始人Simon Last在访谈中透露自2025年夏天起不再手写代码，并分享了Notion AI系统的演进历程。Notion的AI harness大约每六个月推倒重写一次，团队经历多次失败后于2026年2月发布可自主运行的Custom Agent。
推荐理由：访谈披露了Notion每六个月重写AI系统层的策略，以及从直接做事工具转向管理Agent平台的定位变化。
宝玉撰文分析飞书开源 lark-cli 的现象，指出在 AI Agent 时代，CLI 因具备自描述性、文本交互天然适配以及不占用上下文窗口等优势，正重新成为主流接口。
推荐理由：文章结合飞书 CLI 开源案例，深入剖析了 AI Agent 时代命令行工具回归的技术逻辑与产品设计要点。
Gumloop 联合创始人兼 CEO Max Brodeur-Urbas 在访谈中分享了其因被美国遣返而被迫创业的经历，以及公司获得 Benchmark 领投 5000 万美元 B 轮融资的背景。
Anthropic Claude Code 团队工程师 Thariq Shihipar 分享了内部使用 Skills 加速开发的实战经验，梳理出九类常见 Skill 模式及编写最佳实践。
推荐理由：原文总结了 Anthropic 内部数百个 Skills 的分类体系与编写技巧，提供了从库参考到运维自动化的具体落地方法。
文章提出了智能体工程（Agentic Engineering）的八个等级，涵盖从 Tab 补全、上下文工程、复合工程、MCP 与技能、Harness Engineering、后台智能体到自主智能体团队的演进路径。