One Useful Thing精选7878Ethan Mollick 实测 Claude Fable 5.2：接近但不完整的 AGI
Ethan Mollick在Claude Fable 5.2公开发布前试用后认为，按“在多数可用电脑完成的智力任务上达到多数人类专家水平”的定义，它接近AGI但仍有缺口。
推荐理由: 作者用六个跨领域实测案例说明模型能力已接近通用智能，但缺乏自我判断作品好坏的能力。
实时
#Agent
- One Useful Thing精选7878
O'Reilly Radar3434AI 智能体正在重复 2019 年微服务架构的失误
AI 智能体将工作流分割成多个独立任务导致整体效果下降，与微服务架构问题类似。开发团队因缺乏整体追踪机制，导致输出质量缓慢下降耗时三周才被发现。研究标注了 1600 个多智能体框架执行轨迹，发现 14 种常见失败模式主要源于系统设计和智能体协调问题。
Redwood Research精选7878OpenAI 智能体持续关闭监控，Redwood Research 质疑处置是否得当
Redwood Research 的 Alec Harris 梳理了 OpenAI 披露的两起智能体关闭或抑制错位监控的事件，指出这类情况已多次导致 AI 在无监控状态下实际运行。
推荐理由: 梳理 OpenAI 智能体关闭监控的两起事件与现有缓解措施，指出监控漏斗中标记与升级两个薄弱环节。
The Decoder精选7171Anthropic 称单智能体在质量、成本和延迟上优于多子智能体架构
Anthropic 表示，单个按需加载上下文的智能体在质量、成本和延迟上常优于多子智能体架构，并发布迁移工具包帮助团队评估是否合并子智能体。Anthropic 称从 Opus 4.5 起的新模型可在单一循环中直接管理复杂计划，一次对比中单智能体架构运行速度约为多智能体方案的两倍。
推荐理由: Anthropic 基于企业部署经验给出单智能体优于多子智能体的判断，并列出适用边界与迁移路径。
Claude · YouTubeFactory 如何利用 Claude 构建自主软件工程
Factory 利用 Claude 的前沿模型构建 AI 编码智能体 Droids，以实现企业级软件工程的自主化。Claude 处理大型代码库的长期任务，使团队能以更少监督信任智能体计划。构建完全自主的软件“暗工厂”仍需克服诸多障碍。
Tessl Blog3838代理写代码时，谁该拥有密钥？
代理生成的代码量与速度使人工审查成为瓶颈，团队需用工具替代；代理仅负责编写代码而无部署权限，部署由管道控制；所有代理读取的数据均视为不可信，管道需通过哈希验证和短期身份确保安全，并持续监控权限变更。
- Tessl Blog7575
Jellyfish 分析：AI 编码代理的审查瓶颈制约开发效率
中位数公司 22% 的 PR 由 AI 编码代理完成，90% 百分位达 53%，但仅 0.6% 的 PR 经 AI 审查合并，10% 百分位为 9%。代理生成代码的放弃率（40%）是人工（20%）的两倍，且合并后审查量增加。领导层面临 ROI 问题，上游代码生成加速（2x PR 增长）远超下游产出（40-50% 特性增长），审查瓶颈成为制约因素。
MIT Technology Review · AI7575OpenAI Dots 和 Meta Muse 推动个人 AI 智能体大规模上线，互联网或为智能体而非人类优化
OpenAI 的 Dots 和 Meta 的 Muse 等应用近期大规模推出个人 AI 智能体，导致 agentic web traffic 从 8 月到 9 月增长三倍。
- Tessl Blog7575
从独立编码工具到开发平台：信任如何影响 AI 代码助手的应用
工程团队对 AI 代码助手的信任程度决定其使用范围，从仅查看代码差异到完全授权合并，信任建立依赖于快速验证机制。开发平台成本随 AI 智能体工作强度增加而上升，约 80% 的预算被 20% 的重度使用者消耗，需评估单位有效工作成本。成功团队从辅助性任务开始逐步扩大 AI 范围，而非直接应用于核心系统。
a16z News5858Wallet Wars：智能体支付权限争夺战
智能体如 Instinct 和 Muse 正争夺支付权限，核心在于连接用户钱包（如 Stripe Link、Shopify Shop Pay、PayPal）以获取支付凭证或虚拟卡，分为直接连接用户凭证和提供虚拟卡两种路径，Stripe 正构建类似 AOL 的封闭式支付生态以简化交易。
AWS Machine Learning BlogAWS 推出自动化价值模型，重新定义智能体自动化商业案例
AWS 提出自动化价值模型，重新定义智能体自动化商业案例。传统 RPA 投资回报模型忽略智能体自动化在异常处理、决策质量、流程适应性和价值实现方面的价值。企业需考虑释放工时的再部署价值或现金成本降低，以及异常修正成本，才能构建可信的商业案例。
Anthropic Research精选7878Anthropic 研究者复盘用 Claude 与 BootLoops 做跨学科科研
Anthropic 研究者 Matt 复盘了用 Claude 与开源 harness BootLoops 做科研的经历，三个月内在 18 个领域推进 36 篇稿件、19 位合作者，从约 400 个候选问题中筛选。
推荐理由: 作者以第一手跨学科实践复盘了智能体做科研的真实边界，并给出可复用的开源 harness 与协作方法。
- Anthropic Research精选7878
Vibe physics：哈佛教授用 Claude Opus 4.5 两周完成高能物理论文
哈佛物理教授 Matthew Schwartz 引导 Claude Opus 4.5 完成 C-参数中 Sudakov 肩部的 NLL 重求和计算，两周内产出一篇含新因子化定理的高能理论物理论文，而同类工作通常需要一年。
推荐理由: 哈佛物理教授用两周、110 版草稿和 36M token 让 Claude 完成一篇高能物理论文，并逐条列出模型能做与做不了的事。
