衡量在塞拉利昂及其他地区借助 AI 学习的效果

在脚本的 shebang 行中使用 LLM

Using LLM in the shebang line of a script

这篇 TIL 记录了如何把 LLM 命令行工具写进脚本的 shebang，从而让一段英文（或其他自然语言）文本文件可以直接执行。文中给出的写法是 #!/usr/bin/env -S llm -f，保存为 pelican.sh 并用 chmod +x 赋权后即可运行；额外参数会透传给 LLM，例如用 -m 换模型，加 -x 可只提取响应中的第一个代码块；-f 必须放在最后，因为它接收脚本文件路径。文中还解释了 env 的 -S 选项的必要性，否则 env 会把整行当作一个命令名而报错。适合想把 LLM CLI 嵌入可执行脚本的人参考。

专家与 AI 协作时易被 agent 立场牵引

这是一条 X 帖子，Ethan Mollick 引述一项研究结论：与 AI agent 合作的专家会受到 AI 所持立场的影响，即使他们自认为在独立工作。他在帖中建议，如果某项任务上的独立判断很重要，就需要刻意安排在整个流程的哪个环节使用 AI。材料中未提供更多研究细节或数据。适合在研究、评估或决策流程中使用 AI 助手并关心判断独立性的人关注。

社会科学中的编码智能体

Coding agents in the social sciences

文章呈现一项于 2026 年 2 月至 3 月对 1260 名社会科学研究者开展的调查结果，内容关于 AI 与编码智能体的使用情况。文中称 81% 的受访者在研究中使用过 AI 聊天机器人，主要用于写代码和修改文字，但只有 20% 将编码智能体纳入工作，并报告了在性别署名、院校层次等方面的使用差异。材料未说明具体适合哪类读者。

梦境：让更有帮助的 ChatGPT 拥有更好的记忆

Dreaming: Better memory for a more helpful ChatGPT

OpenAI 于 2026 年 6 月 4 日发布的产品更新说明，介绍 ChatGPT 新的记忆合成系统，目标是应对记忆在面向数亿用户、跨多年时间跨度使用时出现的过时、准确性和可扩展性问题，使记忆保持新鲜、连续和相关。文中回顾了记忆功能自 2024 年 4 月推出以来的演变。该更新先向美国地区的 Plus 和 Pro 用户推出，随后数周扩展至更多国家和 Free、Go 用户。

AI 智能体如何影响专家的判断决策

How AI agents shape experts’ judgment calls

Anthropic 的一篇研究文章，报告了一项随机试验：50 名有因果推断经验的专业分析师使用 Claude Code 完成一项真实的统计分析任务。结果显示，当智能体被随机设定偏向某个选项时，分析师有 86% 的情况选择了该选项；文章据此讨论这对 AI 辅助工作中人类监督意味着什么。

在前沿工作会塑造对未来的预期

Working at the frontier shapes expectations for the future

Anthropic 分享的两份报告说明文章：第一份讲 AI 如何改变 Anthropic 内部的就业结构，第二份比较公众与 Anthropic 员工对 AI 影响工作与经济的预期差距。文章指出双方对 AI 影响就业的理论看法差别不大，差别在于对 AI 能力现状的亲身体验，而这种体验与对未来工作的判断密切相关。文中还列举数据：过去一年初级岗位招聘比例下降、技术岗位员工占比下降，AI 智能体工作时长快速上升，到 2026 年 3 月智能体工作时长已超过员工，8 月智能体数量为员工的六倍。