MiniMax 开源了“用 MiniMax Code 写 MiniMax Code 的全套工作流”

strands-labs/strands-decider

这是 Strands Labs 的一个开源项目，提供一个用于智能体工作流的小型快速决策模型（“系统 1”模型）。它可在选项之间做选择或在量表上打分，速度比 LLM 更快，并为每个决策给出经过校准的置信度。项目以 Python 编写，主页为 strandsagents.com 的 labs 文档。

不存在的模型，只好自己做出来

The model that didn't exist, so you made it yourself

这篇 Hugging Face 博客文章讲述作者借助 HuggingChat 中开启的 ML-intern，按需求自动规划、训练、评测并发布模型的过程。文中以把 Qwen-Image 2.1 的 9B 提示词改写模型蒸馏成 0.8B 可 CPU 运行版本为例，称其有效输出率 99.7%，整个项目（含 8,797 条示例标注）算力成本约 16 美元，并提到随后用同样方式又做了五个模型。

同样的任务，多 Agent 架构慢了一倍

一条微博帖子，转述 Anthropic 工程师关于搭建企业级 AI Agent 的文章。内容列举多 Agent 架构的问题（子 Agent 结果传给主 Agent 时信息衰减、Agent 数量泛滥、提示词规则互相冲突的“Frankenprompt”、实测同任务耗时翻倍），说明单 Agent 加“渐进式披露”往往足够，并给出多 Agent 仍合适的三种情况（任务过长、可并行、工具过多），最后介绍从多 Agent 迁回单 Agent 的步骤：先搭评测基准，再逐个把子 Agent 折进主 Agent 并复跑评测。适合正在设计或重构 AI Agent 系统架构的开发者阅读。

stablyai/orca

一个用于管理多个智能体（如 Grok Bot、Claude Code）协同工作的平台，可使用自己的订阅运行各类编码智能体，提供桌面端、移动端和远程运行时。项目采用 MIT 许可，标签涵盖 agent-ide、编排、worktrees、终端等，主页为 orca.dev。

代理提示人：用代理处理长周期金融工作

Agents Prompt People: Using Agents for Long-Horizon Financial Work

Latent Space 在 AI Engineer New York 期间对财富管理公司 Arca 首席 AI 工程师 Aman Singh 的访谈。文中称代理承担公司大部分后台工作，但由人类顾问做最终决策，即“代理提示人多于人提示代理”；代理任务可能持续长达十天，过程断续且涉及多方交接，因此 Arca 建了按客户持久保存的内部记忆系统，用于跟踪已发生事项、近期待办与长期跟进。模型主要使用 Anthropic 的 Claude，并自建了 harness。适合关注代理在受监管金融业务中落地方式的人阅读。

Impeccable —— 面向 AI 编程智能体的前端设计词汇表与规则检测器

一条微博帖子，介绍 Paul Bakaus 开源的项目 Impeccable（github.com/pbakaus/impeccable），通过标准化指令体系和静态检测规则把前端设计规范注入 AI 编程工作流。材料称项目包含一套初始化规范、24 个设计动作指令（如 polish、critique、audit、distill、harden）和 62 条确定性检测规则；/impeccable init 命令会梳理项目受众、目标、运行环境与约束并写入 PRODUCT.md，与记录视觉系统的 DESIGN.md 分开。适合用 AI 编程智能体做前端开发、希望约束界面输出风格的人了解。