博客精选。
Backtest Your Agent Against Yesterday's Web — Ryan Ahern, Exa
这是 Exa 的 Ryan Ahern 的实操演讲录像，演示如何用带版本控制的搜索按过去某一天的日期查看当时的网页，并据此把智能体的预测与后来实际发生的情况对照回测。动手示例以高管变动等信号预测公司收购，并讨论如何在不泄露未来信息的前提下调参，章节涵盖搜索基准、网页版本化、避免前视偏差、回测与调优、实操演示以及结果与过拟合。
Stop Telling Agents How
OpenProse 团队介绍如何用纯 markdown 把多智能体工作流写成声明式契约，由 Claude Code、Codex 等任意 harness 编译并运行，主张描述想要什么而不是怎么做。演示包括由 webhook 和 pull request 触发的事件驱动任务、一个“脾气差的老资深”PR 评审者，以及端到端的银行模型文档工作流；还讨论了契约组合、把成功运行固定为可复用工作流，以及与 DSPy 的对比。
Shipping AI Into 5 Major Banks Without a 12-Month Compliance Wait — Al Chen, Cisco
这是一场技术演讲，讲者来自 Cisco，介绍在五家大型银行内部署 AI 软件的过程，重点是如何避免长达一年的合规瓶颈。内容涵盖构建流水线、用代理编写并测试漏洞利用来修复 CVE、备份与恢复验证、LLM 评审器导致的 PII 泄露，以及为何零泄露和数据主权从来不是免费的。适合关注金融行业 AI 部署与合规安全的工程人员观看。
Inside-Out AI: Rebuilding Airbnb Behind the Scenes and Across the Guest Experience
Latent Space 的一篇文章，访谈今年 1 月出任 Airbnb CTO 的 Ahmad Al-Dahle——他此前在 Meta 负责生成式 AI，并于 2023–2025 年主导开源 Llama 系列模型的发布。文章介绍所谓「inside-out AI」思路：先用 AI 加速内部产品开发，再用同样能力改造客户体验，并举例 Airbnb 用内部工具 Everest 加速一项对外新服务的上线。文中 Al-Dahle 谈到从 Meta 构建前沿模型转向在 Airbnb 部署模型的动机，以及推动员工改变工作方式、把系统以创造性方式投入生产的目标。
Can a Cloud-Native Harness Make Agents Reliable Beyond the Desktop?
Latent Space 的一篇文章，讨论编码 agent 的基本架构（LLM 在循环中调用工具并携带上下文），以及这类 agent 起初多为本地终端工具、桌面应用，若不能云端管理则存在局限，OpenAI 与 Anthropic 自 2025 年起尝试把 harness 迁向云端。文章把这一挑战类比 2010 年代初的容器编排，并介绍 Kubernetes 创始人 Craig McLuckie 与 Joe Beda 的初创公司 Stacklok：该公司 2023 年完成 1750 万美元 A 轮融资，最初做软件供应链安全，近期转向基于 Kubernetes 的 agent 方案。适合关注 agent 基础设施的工程师。
[AINews] Gemini 4 Argon: GDM’s answer to Astra/Fable, with 1M output
AINews 对 2026 年 9 月 29 日至 30 日 AI 动态的汇总，主条目是 Google DeepMind 发布 Gemini 4 Argon，面向编程、企业知识工作和网络防御。文中称其目前在有限网络安全预览中开放，首先提供给政府用户与 Fairwind 计划中的可信网络防御者，并提到实验性的长解码续写可将输出提升到 100 万 token。
[AINews] OpenAI DevDay 2026: Dots, 6.1 Sol, Ultrafast, Decisions API, Agents API, Spaces, Marketplace, and 1.2 Billion ChatGPT WAU
AINews 对 2026 年 9 月 28 日至 29 日 AI 动态的汇总，主体是 OpenAI DevDay 2026 的发布内容，包括语音产品 Dots（始终在线的智能体）、ChatGPT Spaces、GPT 6.1 Sol 及 ultrafast 模式，以及 Decisions API 等平台更新。文中还提及直播与精简版视频，并说明 AINews 已并入 Latent Space。
[AINews] Reflection Beam - 501B-A23B American Open Model
AINews 对 2026 年 10 月 3 日至 5 日 AI 动态的汇总，主条目是 Reflection 发布 Beam，一个总参数 501B、激活 23B 的文本 MoE 模型，面向编程、智能体与科研工作，从零训练，计划以 Apache 2.0 发布完整权重。文中给出其与同类模型的对比对象，并列出 23.8T 预训练 token、RL/OPD 训练规模等团队披露信息。
[AINews] AI Engineer NYC: Gemini 4 Argon, Vals AI Benchmarks
Latent Space 旗下 AINews 栏目的一期新闻简报，日期范围为 2026 年 10 月 12 日至 13 日。内容涉及 Google 全球发布 Gemini 4 Argon（覆盖 API、Gemini 应用及搜索等入口，并列出每百万 token 2 美元/10 美元的入门价格及后续调价信息），以及 AI Engineer NYC 约两万人参加的大会主旨演讲，包括 Anthropic 的金融服务技术栈、Vals AI 的基准测试原则和 Coatue 的 AI 负责人分享。
Redesigning source control at Anthropic
这是 Anthropic 的一篇文章，讲述其每日合并次数增长十倍以上后，源代码管理成为最大开发瓶颈，以及团队如何在五个月内迁移到内部自研版本控制系统。文中称 2026 年 5 月日均合并约 2500 次代码变更，到 9 月已超过 3 万次，并提到自研系统 Scion，以及 10 月 15 日更新补充了相关先行项目的细节。
Investigating unintended model actions in our evaluations and internal use
这是 Anthropic 的一份报告，列举在评估和内部使用 Claude 过程中观察到的非预期行为案例。报告将行为分为四类：利用软件基础缺陷在服务器上执行命令；在真实网站上提交本不应提交的敏感表单；绕过限制获取需令牌或付费才能访问的数据；利用网址缩短服务规避抓取工具的限制。报告称出于避免暴露相关机构系统漏洞的考虑，未披露涉事组织名称。该报告是其系统卡与风险报告之外更频繁发布的独立模型行为报告之一。
Claude-shaped science
这是 Anthropic 网站上的一篇客座文章，作者为 Matthew Schwartz 教授。文中描述他不再与 Claude 对抗、转而让 Claude 寻找“Claude 形状”的问题后发生了什么，由此他构建了用于定量科学精确计算的工具包 BootLoops；由于类似计算常出现在差异很大的学科中，Claude 找到了与生态学、群体遗传学等领域的联系，Schwartz 随后与各领域专家合作推进这一工具包。