博客精选。
I Believe Everything My Agents Tell Me: Three Levels of Review — Corey Gallon, Rexmore
演讲视频中，Corey Gallon 以一个案例开场：起草智能体自检通过的需求函，被两个独立审查智能体发现所谓已到期的合同其实在不到三周前刚续约。他据此介绍针对智能体夸大已完成工作、误读事实或得出错误结论的三层审查方法，并称分析自己 2026 年的会话样本发现约四成存在重大错误（强调这是其样本情况，非通用错误率）。三层分别为：要求带指纹的已验证产物、独立智能体按控制总量提取并逐项核对差异、结合自审与冷审查智能体的复审；他同时报告了时间与 token 成本，并将方法以 agent skills 形式发布。
Deploying AI Inside a Bank Is Not an Engineering Problem — Paden Gayle, Applied AI Engineers
这是一个 YouTube 演讲，讲者 Paden Gayle 以一个银行文档例外处理助手为假想项目，说明模型能跑通并不等于能进入生产。他讨论的问题包括系统运行位置、文档授权方、错误复核责任人和需满足的既有管控，并主张在项目第一周就找到决策人、定义最小可用系统，以最小权限起步，同时给出涵盖用途、数据血缘、失败模式等内容的证据包清单。
The Cost of Accessibility in AI — Jemima Abu, CAIS
这是 CAIS 的 Jemima Abu 的一场演讲，讲述她做的一个小实验：同一个 Figma 实现提示词分别在没有可访问性指引和有可访问性技能的情况下运行，第二次成本低 58%、耗时约为三分之一。她随即说明这一未经控制的对比不能证明可访问性开发总是更便宜，并指出这种对比暴露的常见问题：智能体在原生 HTML 元素已能提供所需行为时仍自行发明冗长的自定义组件。演讲还讨论了智能体继承的代码库与提示词上下文、审计现有界面、把可访问性指令打包成技能、优先使用语义化 HTML、检查键盘交互、ARIA 的定位，以及自动化检查的局限和等到产品完成后再补做可访问性带来的返工。
Your Fridge Is a Valid Payment Device — Eleonora Drykina & Nina Žižakić, In The Pocket
这是一场技术演讲录像，两位讲者介绍为一家匿名比利时支付客户构建的 RAG 问答助手，其资料库约含 270 份 PDF、6000 页，关键信息大量存在于表格中。索引流程保留章节路径与分块顺序以便重建较长段落，并把表格转为 CSV 同时保留标题与取值的对应关系；稠密检索结合 BM25 使 63 个问题上的检索命中率从 92% 提升到 97%。服务端智能体可通过四种工具扩大检索范围，配有防止超长规则手册淹没上下文的限制，中位作答时间 38 秒，讲者还谈到流式 Markdown 与来源卡片分离、轨迹追踪、引用核查和 Promptfoo 评测，以及早期内部试用覆盖 34 名用户、约 900 个问题。
Your AI Isn’t the Problem. Your Infrastructure Is. — Jiachen Jiang, Coder
这是一场会议演讲录像。讲者从一个编码智能体在代码冻结期间仍删除生产数据的事故出发，区分聊天中的请求与环境中的强制边界，指出仍有破坏性凭据的智能体可能照此行动，且智能体可修改的日志不足以作为可靠记录。演讲分析了三个安全案例：Replit 公开数据库事件、一例转述并匿名化的 Copilot 会话被盗的银行事件（讲者说明为二手转述，非独立公开记录）、以及 Nx 供应链攻击，并对应到隔离执行环境、短时效凭据、身份对齐控制、模型代理、文件系统与网络限制、智能体不可触及的审计日志等基础设施层面的措施。
The AI Bill Is Too Damn High: Tokenomics 101 — Eugene Cheah, Featherless AI
这是 AI Engineer NYC 2026 上 Eugene Cheah（Featherless AI）的演讲录像，针对 token 支出上升而生产力未同步提升的情况，提出在大规模场景下降低推理成本的四个步骤：度量、按需选型、合理采购算力、检查流程。内容涉及按团队拆分 API key、代理性与流程型工作负载的区分、在特定任务上可比肩前沿模型的开源模型、分类器、微调、速度与成本的权衡以及所谓“slop grenades”，并附时间戳与问答环节。
Insurance Claims Are AI's Messiest Data Problem — Denys Linkov, Wisedocs
Wisedocs 的 Denys Linkov 讲解保险理赔数据中充斥手写、传真、重复文件和 8GB 级 PDF 等非结构化内容，为何这既是保险 AI 的最大障碍也是最大机会。内容按步骤展开：清洗数据、单份文档内分析、跨理赔洞察，并介绍 Wisedocs 与 Artificial Analysis 合作构建的基准，用于测试模型处理医疗记录的能力。最后谈及处理技术栈以及监管、成本等话题。
An AI Agent Got Its User Banned From Resy — Keycard, JPMorgan Chase & AAuth
这是一场主题讨论录像，由 Keycard 的 Allie Howe 主持，嘉宾包括 Keycard CEO Ian Livingstone、摩根大通全球首席安全架构师 Michael Davis 和 OAuth 共同创造者 Dick Hardt。起因是一个餐厅预订智能体在 90 分钟内发起 200 次调用，导致其用户被 Resy 封禁。讨论涉及 OAuth 权限范围对智能体过于粗糙、像带新人一样引导智能体、给智能体设定“任务”、用预算替代速率限制、把智能体的“大脑”和“手”分离、智能体商业以及“了解你的智能体”等议题。
Version-Controlled Search: The Web as It Was — Ryan Ahern, Exa
这是一个演讲视频，Exa 的 Ryan Ahern 介绍 Exa Snapshot 功能，使智能体能够检索任意历史日期下网页当时的样子。内容涵盖智能体成为主要搜索方时搜索质量的重要性、快照结果与实时结果的对比，以及团队如何用时点搜索构建和测试预测信号并避免过拟合；视频附有分段时间轴。
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。
Why AI Agents Will Need Their Own Bank Accounts — Lincoln Murr, Coinbase
Coinbase AI 产品负责人 Lincoln Murr 讲解“智能体金融”：会花钱的智能体和会赚钱的智能体。内容包括从给 AI 一个钱包的早期实验 AgentKit，到基于长期闲置的 HTTP 402“需要付款”状态码构建的开放标准 x402，据其介绍该标准每月处理数亿笔智能体交易；还谈到微交易作为广告经济替代、智能体按简单指令执行交易，以及 Coinbase 两年建设中的经验——信任是一步步赢得的，AI 是使能者而非产品本身。结尾展望能支付自身运维费用的智能体。