<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
<channel>
  <title>凡人小北 - AI 信号</title>
  <link>https://www.frxiaobei.com/signals/</link>
  <description>信号按三条主线来筛：Agent 落地实操、一人公司 + AI、AI 编程工具。每天过一遍，只留值得停一下的。</description>
  <language>zh-CN</language>
  <lastBuildDate>Fri, 13 Nov 2026 08:00:00 GMT</lastBuildDate>
  <atom:link href="https://www.frxiaobei.com/signals/rss.xml" rel="self" type="application/rss+xml"/>
  <item>
    <title>李彦宏复盘百度踩的两个坑：业务部门各训各的模型，各追各的智能体热点</title>
    <description>11 月 12 日百度世界大会上，李彦宏讲了百度这几年 AI 转型里的教训。一是大模型刚出来时，不少业务团队拿开源模型自己做微调，短期效果不错，但基础模型一升级，自己训的就落后了，后来定了规矩：业务部门不许自己训模型，统一交给专门的模型团队。二是智能体热潮里「什么火做什么」，资源摊太散、每个方向成功率都低，现在每月开会逼各部门把方向从多变少。他还给了一组内部数字：日均活跃智能体从 0.5 万涨到 3.7 万，每周完成的有效任务从 8.4 万到 100 万以上（百度自报）。对小团队，这两条比大会上的口号更值钱：别急着自己微调，先把提示词、知识和流程沉淀好，模型换代时直接换底座；同时手上的 Agent 项目只留一两个真能闭环的，做深再说。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-13-%E6%9D%8E%E5%BD%A6%E5%AE%8F%E5%A4%8D%E7%9B%98%E7%99%BE%E5%BA%A6%E8%B8%A9%E7%9A%84%E4%B8%A4%E4%B8%AA%E5%9D%91%EF%BC%9A%E4%B8%9A%E5%8A%A1%E9%83%A8%E9%97%A8%E5%90%84%E8%AE%AD%E5%90%84%E7%9A%84%E6%A8%A1%E5%9E%8B%EF%BC%8C%E5%90%84%E8%BF%BD%E5%90%84%E7%9A%84%E6%99%BA%E8%83%BD</guid>
    <pubDate>Fri, 13 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>中文圈</category>
    <category>模型选型</category>
    <link>https://www.yicai.com/news/103437740.html</link>
  </item>
  <item>
    <title>Amplitude 的产品 Agent 自己找改进点、交给编码 Agent 去改：从发现到上线由约一个月缩到一两天</title>
    <description>OpenAI 发布的客户案例里，分析工具公司 Amplitude 做了个叫 Wave 的产品 Agent：你给它一个产品区域和要提升的指标，它把用户行为数据、会话回放、客户反馈和代码放在一起看，找出值得改的地方、排优先级，再协调人和 Codex 这类编码 Agent 去实现，上线后跟踪效果、喂给下一轮。他们估计一个改进从发现到上线从大约一个月缩到 1 到 2 天；官网首页的推荐卡片经它改过后，一天内通过卡片发出的消息比对照组多了 160%。值得注意的是这些改进大多「不起眼」，正是平时被排在待办最底下的小优化。对小团队：不用等这种产品，可以先搭最简版本，每周让 AI 读一遍埋点和用户反馈，列出三个小改动，让编码 Agent 开 PR，你只负责点头和看数据。数字都是 Amplitude 自报，发布方是 OpenAI 自己。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-13-Amplitude%20%E7%9A%84%E4%BA%A7%E5%93%81%20Agent%20%E8%87%AA%E5%B7%B1%E6%89%BE%E6%94%B9%E8%BF%9B%E7%82%B9%E3%80%81%E4%BA%A4%E7%BB%99%E7%BC%96</guid>
    <pubDate>Fri, 13 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>AI 编程</category>
    <category>工作流</category>
    <link>https://openai.com/business/customer-stories/amplitude/</link>
  </item>
  <item>
    <title>Workday 把 Agent 原型周期从 4–5 个月压到不到一天：靠的是先建好平台，而不是每个团队从头搭</title>
    <description>LangChain 披露了 Workday 内部的 Agent 开发平台：编排用 LangGraph，追踪、监控和评测用 LangSmith，跑在 Workday 自己的基础设施上。以前一个团队做 Agent 原型要 4 到 5 个月，还不保证能上线；现在不到一天就能在预发环境跑起来，登录鉴权、安全要求都是平台自带的，团队只需要想清楚「这个 Agent 到底干什么、流程图怎么画」。这和百度说的「别各搭各的」是同一个道理。小团队没必要自建平台，但可以照这个思路做一个自己的 Agent 模板：固定好密钥管理、日志、成本上限和一套评测样例，每个新 Agent 只填业务逻辑。数据来自 LangChain 官方博客，属于供应商案例。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-13-Workday%20%E6%8A%8A%20Agent%20%E5%8E%9F%E5%9E%8B%E5%91%A8%E6%9C%9F%E4%BB%8E%204%E2%80%935%20%E4%B8%AA%E6%9C%88%E5%8E%8B%E5%88%B0</guid>
    <pubDate>Fri, 13 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>工具链</category>
    <category>架构</category>
    <link>https://www.langchain.com/blog/how-workday-built-an-enterprise-scale-ai-agent-platform-with-langgraph-and-langsmith</link>
  </item>
  <item>
    <title>Google 发布 Gemini 4 Hydrogen：主打日常编码和 Agent，1M 上下文一个价；Carbon、Argon 下月涨一倍</title>
    <description>Google 推出 Gemini 4 Hydrogen，接替之前的 3.8 Flash，定位是日常编码和 Agent 工作流的主力款：修 bug、改代码时只动该动的文件，读大仓库时会并行批量读文件和搜索，官方说合作方测下来快 2 到 2.8 倍。价格每百万 token 输入 1.5 美元、输出 7.5 美元（含思考 token），100 万上下文全程同价，AI Studio 有免费额度。更该留意的是另一件事：Carbon 和 Argon 从 12 月 1 日起从 2/10 美元涨到 4/20 美元。对用 Gemini 跑编码 Agent 或批量任务的小团队：这个月就拿自己的真实任务对比一下，日常活能切到 Hydrogen 的就切，只把难题留给贵的模型，免得下个月账单翻倍。速度和评测数字是 Google 自报。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-13-Google%20%E5%8F%91%E5%B8%83%20Gemini%204%20Hydrogen%EF%BC%9A%E4%B8%BB%E6%89%93</guid>
    <pubDate>Fri, 13 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Google</category>
    <category>成本</category>
    <category>模型选型</category>
    <link>https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-hydrogen/</link>
  </item>
  <item>
    <title>MiniMax 开源 H3-Image：10 秒出 4K 图、最多 16 张参考图，开网店的人能自己做商品套图了</title>
    <description>MiniMax 发布开源图像模型 H3-Image，生图和改图在一个模型里：约 10 秒出一张 4096×4096 的图，最多能喂 16 张参考图，API 价格是主流同类的五到七成，4K 标准版单张约 0.069 美元，首周 4K 请求再打五折。量子位实测能按产品外观图推出正交三视图、画机械爆炸图，中文排版也没乱码；已有电商出图平台接入。对一个人开网店或做独立品牌的：最实用的是多参考图，把商品正侧背面、细节特写、色卡和想要的场景图一起丢进去，一次出主图、详情页和横幅，再从一张 4K 图里裁出不同尺寸。要注意两点：权重近 69GB，自己部署门槛高，普通人直接用 API 或现成平台；许可证是社区协议，商用规模大了要看条款。速度和价格对比是官方说法。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-13-MiniMax%20%E5%BC%80%E6%BA%90%20H3-Image%EF%BC%9A10%20%E7%A7%92%E5%87%BA%204K%20%E5%9B%BE</guid>
    <pubDate>Fri, 13 Nov 2026 08:00:00 GMT</pubDate>
    <category>一人公司</category>
    <category>开源模型</category>
    <category>中文圈</category>
    <category>成本</category>
    <link>https://www.minimax.io/blog/minimax-h3-image</link>
  </item>
  <item>
    <title>Databricks 把 Genie 改成「长期在岗」的 AI 同事：能自己盯指标、催补材料，花多少钱管理员说了算</title>
    <description>Databricks 发布新版 Genie：不再是问一句答一句的数据助手，而是接了活就一直挂着的 Agent，可以按计划跑，也可以由触发条件叫醒（比如某个指标掉了、超过 10 个客户提同一个需求），缺材料会自己追问，关键动作等人批准。官方举的例子是盯保险理赔里的欺诈苗头、整理案卷转给核保，或者每周给营销预算提调整建议。真正值得抄的是背后三件配套：一份讲清「什么算活跃客户、哪个收入口径算数」的业务定义（他们叫 Ontology），Agent 用你本人的权限、只能看你能看的数据，以及按工作区和按人设的预算上限，每个动作都留痕可查。小团队用不上 Databricks 也能照做：让 Agent 长期干活之前，先把口径写成文档，把权限和花费上限定死，再决定哪些事它能自己做、哪些必须你点头。案例和效果都是 Databricks 自己说的。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-12-Databricks%20%E6%8A%8A%20Genie%20%E6%94%B9%E6%88%90%E3%80%8C%E9%95%BF%E6%9C%9F%E5%9C%A8%E5%B2%97%E3%80%8D%E7%9A%84%20A</guid>
    <pubDate>Thu, 12 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>权限</category>
    <category>成本</category>
    <link>https://www.databricks.com/blog/new-genie-autonomous-ai-complex-enterprise-work</link>
  </item>
  <item>
    <title>Google 出了个只做选择题的 Gemini Decisions API：路由、审核、打分一次问 1000 个问题，0.1 美元每百万 token</title>
    <description>Google 推出 Gemini Decisions API 和专用模型 gemini-decision-1：不生成文字，只回答封闭式问题，是或否、多选一、按评分表打分三种，每个答案带 0 到 1 的置信度，一次请求最多问 1000 个问题，端到端 150 到 250 毫秒，输入每百万 token 0.1 美元，输出不收钱。Google 自己的用法很有参考价值：Gemini Notebook 用它判断一个问题该交给哪档模型，Search 用它给 MCP 工具调用做安全检查。做 Agent 的人每天都在用大模型干这类小判断，比如该调哪个工具、这条内容合不合规、这张图要不要转人工，以前要么写一大段提示词让模型吐 JSON，要么自己训分类器。这个接口把它变成定义选项就能用，还能按置信度把拿不准的转给人。值不值：如果你的 Agent 里有大量路由或审核步骤，拿一批真实样本对比一下准确率和账单再换；AI Studio 有免费额度可以先试。性能和省钱倍数是 Google 自报。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-12-Google%20%E5%87%BA%E4%BA%86%E4%B8%AA%E5%8F%AA%E5%81%9A%E9%80%89%E6%8B%A9%E9%A2%98%E7%9A%84%20Gemini%20Decisi</guid>
    <pubDate>Thu, 12 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>Google</category>
    <category>成本</category>
    <category>工具链</category>
    <link>https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/</link>
  </item>
  <item>
    <title>Cursor Projects 变成多人协作：队友的 Agent 之间会自己对排期、交接值班</title>
    <description>Cursor 把 Projects（一个协调 Agent 指挥一群干活 Agent 的大任务模式）开放成多人版，11 月 10 日起 beta 推给所有用户。每个人还是跟自己的协调 Agent 单聊，但项目里多了一层共享上下文（需求文档、技术方案、设计稿）和一块任务看板，谁在做什么、哪个 Agent 在跑什么、对应哪个 PR 一目了然；一个人聊天里定下的决定，项目里所有 Agent 都能读到。更新的一点是 Agent 之间会直接对话：你改页面、设计师在重做同一页，两边的协调 Agent 会提前发现撞车并商量顺序。Cursor 自己的团队拿它交接值班，新接手的人的 Agent 已经知道哪些活在跑、哪些事没人管。对小团队：多人 Agent 最大的坑是上下文各管各的，新人来了得从头喂一遍；这个思路（团队共用一份上下文、看板绑 PR）即使不用 Cursor 也值得照做。需要团队账号，而且官方文档说队友 Agent 发来的消息会被当成不可信输入处理，这个设计是对的。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-12-Cursor%20Projects%20%E5%8F%98%E6%88%90%E5%A4%9A%E4%BA%BA%E5%8D%8F%E4%BD%9C%EF%BC%9A%E9%98%9F%E5%8F%8B%E7%9A%84%20Age</guid>
    <pubDate>Thu, 12 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>多 Agent</category>
    <category>Cursor</category>
    <category>工作流</category>
    <link>https://cursor.com/blog/projects-multiplayer</link>
  </item>
  <item>
    <title>3.7 万个 AI 一句话生成的应用里，94.7% 不用登录就能打开：有病人化验单，也有明文密码</title>
    <description>安全公司 Claroc 查了 37571 个还在线的 Grok「Build」模式生成的网页应用，35578 个任何人都能直接访问，主要原因是发布时「知道链接的人都能看」被默认勾上，而每个应用有独立子域名，访问过一次就会出现在可检索的 DNS 记录里。大多数是小游戏和落地页，但约一成带敏感数据：ICU 病人化验值、医院 3500 多名员工名单、一个工时表应用的源码里有 18 个账号的明文密码。更隐蔽的是代码层面的错：一个销售团队客户表，生成的代码先把所有登录用户加进团队、再检查是否是成员，外人用谷歌账号就能读改删。这不只是一家的问题，同一方法也找到了其他家的分享内容。一个人用 AI 做小工具的，发布前做三件事：确认分享范围是「仅自己」，有数据库就一定要有登录，并且换一个外部账号自己试一遍能不能进。注意 Claroc 本身卖 AI 应用安全产品。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-12-3.7%20%E4%B8%87%E4%B8%AA%20AI%20%E4%B8%80%E5%8F%A5%E8%AF%9D%E7%94%9F%E6%88%90%E7%9A%84%E5%BA%94%E7%94%A8%E9%87%8C%EF%BC%8C94.7%25%20%E4%B8%8D%E7%94%A8%E7%99%BB%E5%BD%95</guid>
    <pubDate>Thu, 12 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>一人公司</category>
    <category>安全</category>
    <category>权限</category>
    <link>https://the-decoder.com/grok-built-apps-exposed-patient-data-plaintext-passwords-and-spacexsis-own-sales-pipeline/</link>
  </item>
  <item>
    <title>Stripe 完成收购 OpenRouter：卖 AI 产品的人，模型调用和收钱开始走同一条路</title>
    <description>Stripe 和 OpenRouter 11 月 10 日确认交易完成，OpenRouter 正式归入 Stripe，价格没公布。OpenRouter 是很多独立开发者和小团队接模型的统一入口，一个接口能切换 80 多家供应商、400 多个模型，按任务难度、价格和稳定性路由，还能按团队设花费上限和数据策略；官方说有 1000 多万开发者和公司在用，并承诺保持中立，模型照样凭质量和价格竞争。Stripe 那边早就有按 token 计费的功能，两边合起来的方向很清楚：把「模型花了多少钱」和「向客户收多少钱」接到一起。对做 AI 小产品的人：短期什么都不用改，原有接口和集成不变；中期值得关注两件事，一是按用量给自己的客户计费会不会变得更省事，二是别把唯一的模型入口押在一家平台上，关键链路留一条直连官方 API 的备路。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-12-Stripe%20%E5%AE%8C%E6%88%90%E6%94%B6%E8%B4%AD%20OpenRouter%EF%BC%9A%E5%8D%96%20AI%20%E4%BA%A7%E5%93%81</guid>
    <pubDate>Thu, 12 Nov 2026 08:00:00 GMT</pubDate>
    <category>一人公司</category>
    <category>AI 商业</category>
    <category>成本</category>
    <category>工具链</category>
    <link>https://x.com/testingcatalog/status/2120245174752137605</link>
  </item>
  <item>
    <title>台湾中国信托银行（CTBC）把 COBOL 逆向拆成 7 个小 Agent，每份报表从 6 人天降到 2 人天</title>
    <description>AWS 发的客户案例：台湾中国信托银行改造几十年的核心系统，最卡的是看懂老 COBOL 到底在算什么。第一版用一个近千行提示词的单 Agent，四个月出了上千份分析文档，但跨 100 多种报表就开始漂，懂 COBOL 的人逐条核，数据工程师约七成直接照收。第二版拆成一个主管加七个单一职责的子 Agent（扫依赖、追血缘、抽逻辑、写规格、生成 SQL、跑单测），每一步后面放一道用代码算分的质量闸门，不让模型自己打分（他们实测过模型给自己的错答打满分）；SQL 闸门报错会连同修正存进长期记忆，下次不再犯。结果按人天算：纯人工约 8、单 Agent 约 6、多 Agent 约 2，作者说多出来的提升主要来自拆分和闸门，而不是换了更强的模型。小团队做 Agent 可以直接抄三条：一个大提示词跑不稳就拆小，检查写成代码别信自评，输出截断要自己设结束标记去检测。这是 8 周、3 份报表的 PoC，数字是 AWS 和客户自己给的。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-11-%E5%8F%B0%E6%B9%BE%E4%B8%AD%E5%9B%BD%E4%BF%A1%E6%89%98%E9%93%B6%E8%A1%8C%EF%BC%88CTBC%EF%BC%89%E6%8A%8A%20COBOL%20%E9%80%86%E5%90%91%E6%8B%86%E6%88%90%207%20%E4%B8%AA</guid>
    <pubDate>Wed, 11 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>金融</category>
    <category>多 Agent</category>
    <link>https://aws.amazon.com/blogs/industries/how-ctbc-bank-modernizes-mainframe-reverse-engineering-with-a-multi-agent-pipeline-on-amazon-bedrock-agentcore/</link>
  </item>
  <item>
    <title>电商履约平台 ShipBob 把 Agent 放进后台：先给你看要改什么，你点头才执行</title>
    <description>ShipBob 给所有品牌客户开放后台 Agent「Bobby」：用大白话问准时发货率、履约成本，看未来 30 天哪个 SKU 会断货，批量处理卡住的异常订单、整批换仓、改物流档位、补发订单，搞不定时直接拉真人客服进对话。之前它的 MCP 已处理超过 100 万次请求，这次是把同一套操作能力搬进控制台。值得学的是权限设计：默认人人只读，账号所有者决定谁能改；每个改动先列出要做什么、等确认才跑；能设每月用量上限，也能一键关掉；所有操作都有日志。做电商的小品牌，用这类 Agent 最省事的是查数和找异常单；给自己的店搭 Agent 时，「默认只读、改动先确认、留日志」这三条照搬就够用。效果数字只有官方给的 MCP 请求量，没有省时数据，新闻稿口径。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-11-%E7%94%B5%E5%95%86%E5%B1%A5%E7%BA%A6%E5%B9%B3%E5%8F%B0%20ShipBob%20%E6%8A%8A%20Agent%20%E6%94%BE%E8%BF%9B%E5%90%8E%E5%8F%B0%EF%BC%9A%E5%85%88%E7%BB%99</guid>
    <pubDate>Wed, 11 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>电商</category>
    <category>权限</category>
    <link>https://www.prnewswire.com/news-releases/shipbob-opens-ai-agent-bobby-giving-brands-an-ai-supply-chain-partner-that-works-for-them-302935408.html</link>
  </item>
  <item>
    <title>Gemini 4 Carbon 正式开放，Antigravity 预览 /swarm：一句话拉起一队编码 Agent</title>
    <description>Google 把两周前只给安全团队的 Gemini 4 Carbon 开放给所有付费开发者和企业，API 价格 11 月 30 日前为每百万 token 输入 2 / 输出 10 美元，之后涨到 4 / 20。官方自己的建议很实在：大多数编码和知识工作仍用 Argon，Carbon 留给多包迁移、跨子系统查根因、大的架构重设计这类难活，而且它会用更多 token 去想和验证，同价下总账单可能更高。同时在 Antigravity（Google 版的 Claude Code）里预览 /swarm：一个提示词拉起一组 Agent，Carbon 负责架构、协调和审核，更快更便宜的模型在隔离工作区并行干活，另有「对抗验证者」测每一处改动。官方称它在 CursorBench 4.0 排第一、单任务成本不到次优外部模型的一半，这是 Google 自报。对个人和小团队：/swarm 的分工思路（贵模型定方案、便宜模型干活、单独一个角色专挑错）用别的工具也能照做；真要跑多 Agent，先拿一个中等任务算清账，并行快但 token 不便宜。Antigravity 里目前要 AI Ultra 订阅。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-11-Gemini%204%20Carbon%20%E6%AD%A3%E5%BC%8F%E5%BC%80%E6%94%BE%EF%BC%8CAntigravi</guid>
    <pubDate>Wed, 11 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Antigravity</category>
    <category>多 Agent</category>
    <category>成本</category>
    <link>https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/</link>
  </item>
  <item>
    <title>白天上班、晚上和 Claude 做 App：一位独立开发者把踩过的坑写成 AI 每次开工必读的规矩</title>
    <description>少数派上一位独立开发者的自述：他负责写需求、拍板、真机测试和应对苹果审核，Claude Code 负责写代码，已上架两个全部本地运行、不需要服务器的 iOS App。最实用的一条：把踩过的坑写进项目里一份 Claude 每次开工先读的说明，比如「改完只编译，我说传才传」「只改我点名的地方」，还有被苹果拒过两次的教训「权限弹窗前的按钮只能写继续，不能写允许」，写进去之后就不再犯。他还自己做了个小工具，在手机上指挥 Mac 上的几个 Claude Code 干活。想一个人做产品的可以直接学这套分工：人管需求、验收和发布权，AI 管实现；每踩一个坑就补一条规矩，相当于给 AI 攒一份越来越厚的上岗手册。全部本地、无服务器的路子还顺带省掉了运维和隐私合规的麻烦。这是个人分享，没有收入数据。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-11-%E7%99%BD%E5%A4%A9%E4%B8%8A%E7%8F%AD%E3%80%81%E6%99%9A%E4%B8%8A%E5%92%8C%20Claude%20%E5%81%9A%20App%EF%BC%9A%E4%B8%80%E4%BD%8D%E7%8B%AC%E7%AB%8B%E5%BC%80%E5%8F%91%E8%80%85%E6%8A%8A</guid>
    <pubDate>Wed, 11 Nov 2026 08:00:00 GMT</pubDate>
    <category>一人公司</category>
    <category>Claude Code</category>
    <category>独立开发</category>
    <category>工作流</category>
    <link>https://sspai.com/post/118826</link>
  </item>
  <item>
    <title>Northern Trust 的客户上线 Agent：历史数据整理从两周半压到三天</title>
    <description>美国托管银行 Northern Trust 和微软的前置部署工程师（FDE）团队一起做了个客户上线 Agent：新机构客户（养老金、基金会、家族办公室）带来好几年、格式各异的交易记录，Agent 负责把它们转成银行自己的标准报表格式。官方数字是数据准备从约两周半降到三天、少了 83%，首轮准确度 F1 96.5%，剩下认不准的那 3.5% 转给分析师处理。它直接嵌在 Excel 和 SharePoint 里，分析师在熟悉的表格里审、改、批；调优时只用脱敏数据，客户数据始终不出银行的管控。小团队能抄的是这个切法：挑一件「格式转换 + 人工核对」的脏活，Agent 只做转换，拿不准的明确交回人，产出落回大家本来就用的表格。注意 96.5% 是在 7 个代表性案例上测的，三天也包含了人工复核和异常处理。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-10-Northern%20Trust%20%E7%9A%84%E5%AE%A2%E6%88%B7%E4%B8%8A%E7%BA%BF%20Agent%EF%BC%9A%E5%8E%86%E5%8F%B2%E6%95%B0</guid>
    <pubDate>Tue, 10 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>金融</category>
    <category>数据迁移</category>
    <link>https://www.northerntrust.com/united-states/pr/2026/northern-trust-microsoft-frontier-company-collaborate-to-transform-client-onboarding-through-ai</link>
  </item>
  <item>
    <title>摩根大通把 Claude Code 推到工程师之外：产品、风控也在用，但 Agent 摸不到员工凭证</title>
    <description>Anthropic 发的客户案例：摩根大通正把 Claude 推给工程师以外的员工。运维团队拿 Claude Code 做监控、告警和根因分析，工程师自己搭了 PR 审查 Agent 和自愈 Agent，产品团队直接把需求转成研发待办，还有团队用它做风控评估和项目规划。关键在约束：Claude Code 跑在公司自建的容器化开发平台 Devspace 里，Agent 拿不到员工凭证和内部系统的直接权限，权限分阶段放开，新模型要先过内部审批；每次改动都要过上千个自动化测试和审批关卡，Claude 不能给自己的活签字放行，生产变更始终有人负责。小团队想让非技术同事也用上编码 Agent，先把沙箱和「Agent 不能自己合并」这两条立住，比挑哪个模型更要紧。这是 Anthropic 自家发布的案例，没给效率数字。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-10-%E6%91%A9%E6%A0%B9%E5%A4%A7%E9%80%9A%E6%8A%8A%20Claude%20Code%20%E6%8E%A8%E5%88%B0%E5%B7%A5%E7%A8%8B%E5%B8%88%E4%B9%8B%E5%A4%96%EF%BC%9A%E4%BA%A7%E5%93%81%E3%80%81%E9%A3%8E</guid>
    <pubDate>Tue, 10 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Claude Code</category>
    <category>企业落地</category>
    <category>权限</category>
    <link>https://claude.com/resources/articles/jpmorganchase-expands-claude-code</link>
  </item>
  <item>
    <title>Claude Fable 5.2 发布并降价，但官方仍建议日常编码先用 Opus 5.5</title>
    <description>Anthropic 发布 Fable 5.2，价格从每百万 token 输入 10 / 输出 50 美元降到 8 / 40 美元，输出最多快 30%，另有贵一倍、生成快 2.5 倍的 fast mode，Claude Code 里已能用。官方编码评测 FrontierCode 2.0 上，Fable 5.2 开 High 档和 Opus 5.5 开满档分数持平，每个任务成本约一半；Anthropic 还说自家核心代码库九成以上的合并改动由 Claude 写。值得注意的是官方自己的建议：大多数编码和知识工作仍先用 Opus 5.5，搞不定再往上换 Fable，或者让 Fable 当「顾问」「调度」，把简单活派给小模型。对用 Claude Code 的个人和小团队：别默认全切 Fable，把它留给大迁移、陌生系统这类难活，日常活用便宜档更划算；这周付费订阅有额外 Fable 额度，可以拿手头一个卡住的任务试试。评测数字都是 Anthropic 自测。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-10-Claude%20Fable%205.2%20%E5%8F%91%E5%B8%83%E5%B9%B6%E9%99%8D%E4%BB%B7%EF%BC%8C%E4%BD%86%E5%AE%98%E6%96%B9%E4%BB%8D%E5%BB%BA%E8%AE%AE%E6%97%A5</guid>
    <pubDate>Tue, 10 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Claude Code</category>
    <category>模型选型</category>
    <category>成本</category>
    <link>https://www.anthropic.com/claude-fable-and-mythos-5-2</link>
  </item>
  <item>
    <title>Meta 发布 Muse Ember：专给 Agent 跑量的小模型，每百万输入 token 0.1 美元</title>
    <description>Meta 发布 Muse 家族里最小最便宜的 Ember，定位很直白：干 Agent 一整天重复做的活，工具调用、编码子任务、路由、信息抽取、长文档解析。定价每百万 token 输入 0.10 / 输出 0.50 美元，和 Haiku、Luna 同价，但 Artificial Analysis 测下来智能指数和 Haiku 5.5 持平、单任务成本约三分之一；支持 1M 上下文，能直接读截图、图表、扫描件和录音。Meta 给的用法是「大模型定规则、Ember 跑量」：比如客服，先让强模型想清楚某类问题怎么处理，再让 Ember 照规则处理成千上万单。小团队做 Agent 时可以照这个拆：规划和难判断用贵模型，分类、抽字段、批量改写这类高频步骤换小模型，账单往往能降一个量级。已上 Google Cloud；在中文场景下好不好用还得自己拿样本测。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-10-Meta%20%E5%8F%91%E5%B8%83%20Muse%20Ember%EF%BC%9A%E4%B8%93%E7%BB%99%20Agent%20%E8%B7%91%E9%87%8F</guid>
    <pubDate>Tue, 10 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>模型选型</category>
    <category>成本</category>
    <category>Meta</category>
    <link>https://techcrunch.com/2026/11/09/meta-releases-muse-ember-a-new-lightweight-model-for-agent-execution/</link>
  </item>
  <item>
    <title>LobeHub 让主管 Agent 派活、Codex 审代码：开源团队自称研发效率提升 3–5 倍</title>
    <description>量子位实测开源项目 LobeHub（GitHub 8.4 万星）的多 Agent 协作：团队内部由主管 Agent 建任务、派给编码 Agent 写代码提 PR，再由 Codex 审查机器人挑问题、来回改几轮，最后人工审阅合并；有成员说三个月没在本地启动过开发服务器，自评效率提升 3–5 倍。作者自己搭了个「AI 编辑部」，主编 Agent 不到 8 分钟分派三个小编交回 6 条选题，又临时新建网页开发和 QA 两个 Agent，约 30 分钟做出可搜索的资讯看板。能跑起来靠两点：任务状态、交付物、验收记录放在共享工作区，接手的 Agent 不用重新喂素材；交付必须附测试结果、截图等证据，人保留最终验收权。一人公司可以先学这两条，把常用流程拆成「派活—交付—带证据验收」。文章有明显的推广色彩，效率数字是团队自述。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-10-LobeHub%20%E8%AE%A9%E4%B8%BB%E7%AE%A1%20Agent%20%E6%B4%BE%E6%B4%BB%E3%80%81Codex%20%E5%AE%A1%E4%BB%A3%E7%A0%81</guid>
    <pubDate>Tue, 10 Nov 2026 08:00:00 GMT</pubDate>
    <category>一人公司</category>
    <category>多 Agent</category>
    <category>开源</category>
    <category>工作流</category>
    <link>https://www.qbitai.com/2026/11/508607.html</link>
  </item>
  <item>
    <title>Verisk 把五个 Agent 接进 Jira 全流程，测试计划从 3 小时压到 10 分钟</title>
    <description>AWS 发的这篇客户案例里，保险数据公司 Verisk 给需求、拆任务、写代码、代码评审、测试五段各配了一个 Agent，跑在 Bedrock AgentCore 上，用 MCP 接 Jira、代码仓库和 Confluence，由 Jira 工单状态变化触发，写代码那段用的是 Claude Code。他们刻意不做总调度，每个 Agent 单独部署、单独调，每一段都要人确认后才往下走。公布的结果：测试计划从 3–4 小时降到 10 分钟内，自动化搭建从 1–2 天降到 30 分钟内，每个故事点耗时从 4–6 小时降到 2–4 小时，算上云成本整体便宜 20–30%，Agent 产出的人工接受率超过 90%。小团队不用照搬五个 Agent：先挑最费时的一段（多半是写测试计划或拆工单），让 Agent 读现有工单和文档、结果写回原系统，留一道人工确认，跑顺了再往前后扩。这些数字是 Verisk 自己测的、AWS 发布的，没有对照组。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-09-Verisk%20%E6%8A%8A%E4%BA%94%E4%B8%AA%20Agent%20%E6%8E%A5%E8%BF%9B%20Jira%20%E5%85%A8%E6%B5%81%E7%A8%8B%EF%BC%8C%E6%B5%8B</guid>
    <pubDate>Mon, 09 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>研发流程</category>
    <category>MCP</category>
    <link>https://aws.amazon.com/blogs/industries/reinventing-software-delivery-with-ai-sdlc-on-amazon-bedrock-agentcore/</link>
  </item>
  <item>
    <title>DeepSeek Harness 上线不到三个月日活 154 万，六成活跃用户装过第三方插件</title>
    <description>DeepSeek Harness 团队公布：截至 11 月 4 日，只算走官方 API 的用户，这款开源 Agent 应用日活 154 万，每天消耗约 92 万亿 token；9 月 30 日还只有 27.1 万，前一天刚出桌面版。第三方插件已有约 3.5 万个，约 60% 的活跃用户做过或装过至少一个，团队还在筹备插件作者扶持计划。对中文圈小团队来说，国产开源 Agent 框架已经有一大批人在用，海外服务用不稳的，值得放进选型清单；想靠它做生意的可以盯插件生态，给某个行业写好用的插件，可能比从零搭一个 Agent 更快拿到用户。插件成熟度团队自己也说参差不齐，装之前看清它要哪些权限；日活口径只覆盖官方 API 用户。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-09-DeepSeek%20Harness%20%E4%B8%8A%E7%BA%BF%E4%B8%8D%E5%88%B0%E4%B8%89%E4%B8%AA%E6%9C%88%E6%97%A5%E6%B4%BB%20154</guid>
    <pubDate>Mon, 09 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>DeepSeek</category>
    <category>开源</category>
    <category>插件生态</category>
    <link>https://www.yicai.com/news/103428332.html</link>
  </item>
  <item>
    <title>真实改需求测试：最强编码 Agent 只有 26.4% 的任务能一次全做对</title>
    <description>阿里和复旦等高校的 Co-Design Bench 从 2.6 万多个真实编码会话里挑出 273 个改网页应用的任务，有的需求附带截图、录音、视频或文档，用 2,331 条隐藏验收标准打分。十个模型里最好的 GPT-6 Astra 平均能满足约 70% 的要求，但完整做对的任务只有 26.4%；同一个模型换不同的 Agent 框架，大改动的得分能从 75% 掉到 56%。用编码 Agent 干活的人别被「大部分做完了」骗过去：交活前自己列一张验收清单让 Agent 逐条对照，或者另开一个干净会话专门挑漏；选工具时把框架和模型放在一起比。这套任务专挑了用户反复改过或回滚过的难例，分数偏低有一部分是设计使然。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-09-%E7%9C%9F%E5%AE%9E%E6%94%B9%E9%9C%80%E6%B1%82%E6%B5%8B%E8%AF%95%EF%BC%9A%E6%9C%80%E5%BC%BA%E7%BC%96%E7%A0%81%20Agent%20%E5%8F%AA%E6%9C%89%2026.4%25%20%E7%9A%84%E4%BB%BB</guid>
    <pubDate>Mon, 09 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>编码 Agent</category>
    <category>评测</category>
    <category>验收</category>
    <link>https://arxiv.org/abs/2610.35138</link>
  </item>
  <item>
    <title>Claude Code「不再询问」会把密码写进设置文件，公开仓库已有 1122 份含密钥</title>
    <description>点「Yes, and don&apos;t ask again」时，Claude Code 会把整条批准过的命令原样存进项目里的 `.claude/settings.local.json`，密码和 token 也一起留下。Apiiro 扫了公开 GitHub 上 104,185 份这种文件，1,122 份里有密钥（共 1,379 个），其中 379 个是数据库密码，还有 SSH 和云密钥；它只写进本机的全局 git 忽略，不会进项目自己的 `.gitignore`，他们追踪到的仓库里超过一半还有 Claude 共同署名的提交动过这个文件。自己先在组织和本机搜一遍这个文件以及 git 历史，文件里出现过的密码和 token 先轮换再清理；批准时用 `$DB_URL` 这类变量名，或批准 `Bash(npm run:*)` 这种模式，别批准带明文密码的整条命令。Apiiro 没有验证这些密钥是否还能用，有一家被通知的公司确认自己的密钥当时是活的。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-08-Claude%20Code%E3%80%8C%E4%B8%8D%E5%86%8D%E8%AF%A2%E9%97%AE%E3%80%8D%E4%BC%9A%E6%8A%8A%E5%AF%86%E7%A0%81%E5%86%99%E8%BF%9B%E8%AE%BE%E7%BD%AE%E6%96%87%E4%BB%B6%EF%BC%8C%E5%85%AC%E5%BC%80</guid>
    <pubDate>Sun, 08 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Claude Code</category>
    <category>安全</category>
    <category>密钥</category>
    <link>https://apiiro.com/blog/coding-agents-leaking-secrets-github-dont-ask-again</link>
  </item>
  <item>
    <title>Cursor 上线与 Agent 实时语音通话，边改代码边听进度</title>
    <description>官方更新里，Agent 空闲且输入框为空时点波形按钮就能通话，Agents 窗口、IDE、网页和 iOS 都能用；通话中可以问 diff、查进度，编码 Agent 自己也会用短句报进展，做完再简短说一声。底层是 Grok Voice，开了 Privacy Mode 就是零数据留存；它和原来把语音转成文字的功能是两回事。已经在用 Cursor 付费计划的人，双手没空或用手机盯云端 Agent 时可以试试；习惯打字的不必为了它专门改工作流。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-08-Cursor%20%E4%B8%8A%E7%BA%BF%E4%B8%8E%20Agent%20%E5%AE%9E%E6%97%B6%E8%AF%AD%E9%9F%B3%E9%80%9A%E8%AF%9D%EF%BC%8C%E8%BE%B9%E6%94%B9%E4%BB%A3%E7%A0%81%E8%BE%B9%E5%90%AC</guid>
    <pubDate>Sun, 08 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Cursor</category>
    <category>语音</category>
    <category>Agent</category>
    <link>https://cursor.com/changelog/voice-chat</link>
  </item>
  <item>
    <title>AWS 示范用 Okta 管「哪个 Agent 能代表谁访问哪个应用」</title>
    <description>这篇教程把身份决策放在 Okta Cross App Access：管理员批准 Agent 能碰哪些应用，每次代表用户行动都重新评估；执行放在 Bedrock AgentCore Identity，密钥和换票过程 Agent 代码看不到。他们测到：把用户从 Agent 上撤掉后，大约 1 秒内新请求会被拒绝，已发出的令牌最多再活 5 分钟；Identity 换票大约给一次 30 秒的请求加了 0.6 秒。自己如果让 Agent 去改工单、读客户资料，别再用共享服务账号一条权限打天下——把 Agent 注册进身份系统，令牌短命，用户权限用组别声明带下去。这是官方教程加沙箱数据，不是某个客户的生产案例。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-08-AWS%20%E7%A4%BA%E8%8C%83%E7%94%A8%20Okta%20%E7%AE%A1%E3%80%8C%E5%93%AA%E4%B8%AA%20Agent%20%E8%83%BD%E4%BB%A3%E8%A1%A8%E8%B0%81%E8%AE%BF%E9%97%AE</guid>
    <pubDate>Sun, 08 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>权限</category>
    <category>身份</category>
    <link>https://aws.amazon.com/blogs/machine-learning/govern-ai-agent-access-with-okta-cross-app-access-and-amazon-bedrock-agentcore-part-1/</link>
  </item>
  <item>
    <title>Ramp：企业 token 用量大涨，账单没跟着一起飞</title>
    <description>Ramp 指数里，截至 10 月 23 日那一周，接入其 Token 支出管理的企业 token 量比一个月前高 37.1%，支出只高 8.9%；OpenAI 与 Anthropic 的综合单价从每百万 token 0.76 美元降到 0.56 美元。9 月付钱用 AI 的公司里，中位数是每人每月 15.70 美元，头部 1% 则到了 9,567.53 美元。一人公司别按「用量翻倍、账单也翻倍」做预算，也别拿头部那九千多去对标；该做的是设额度、走路由，简单判断交给便宜模型。这是 Ramp 自家持卡和账单数据，覆盖约 8.5 万家美国企业，用免费额度或个人账号办公的不会被算进去。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-08-Ramp%EF%BC%9A%E4%BC%81%E4%B8%9A%20token%20%E7%94%A8%E9%87%8F%E5%A4%A7%E6%B6%A8%EF%BC%8C%E8%B4%A6%E5%8D%95%E6%B2%A1%E8%B7%9F%E7%9D%80%E4%B8%80%E8%B5%B7%E9%A3%9E</guid>
    <pubDate>Sun, 08 Nov 2026 08:00:00 GMT</pubDate>
    <category>一人公司</category>
    <category>成本</category>
    <category>用量</category>
    <category>行业</category>
    <link>https://ramp.com/data/ai-index</link>
  </item>
  <item>
    <title>Greenlight 用 Bedrock AgentCore 搭自主 SOC：月处理三四千单，超九成自动结案</title>
    <description>家庭金融公司 Greenlight 的 Luna 按人工 SOC 拆成两层：L1 调度 30 多个专项 Agent 做分诊，拿不准的再交给带扩展推理的 L2 写证据链。例行分诊从 15–30 分钟压到秒级，自主结案率从只有 L1 的 83% 提到两层合计超 90%。关键边界是：Agent 只判案和建议，真正处置仍要人点头或走已审批的策略。小团队抄结构就够了——高频告警先专人专 Agent，复杂的再升一级，别一上来让一个大模型包办。数字是自家报的，上线前先问漏报率和误关率。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-07-Greenlight%20%E7%94%A8%20Bedrock%20AgentCore</guid>
    <pubDate>Sat, 07 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>SOC</category>
    <category>多 Agent</category>
    <link>https://aws.amazon.com/blogs/machine-learning/how-greenlight-financial-built-an-autonomous-soc-solution-on-amazon-bedrock-agentcore/</link>
  </item>
  <item>
    <title>Anthropic 拆解 Agent 记忆：当场记笔记，闲时做梦整理</title>
    <description>他们把记忆分成三块：会话里写短笔记、离线 dreaming 对照原始日志纠错与建 wiki、再把少量高优先级内容注入下一轮上下文。Pokémon 实测里乱记几百个文件的模型卡在山里，只记目标和规则的反而打得更远；dreaming 还能把写错的地标改对。自己搭长跑 Agent 可以先抄这三步：过程中只记「以后还要用的规则和坑」，闲时再整理，注入层压到几 KB，别把整段对话当记忆塞进下一轮。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-07-Anthropic%20%E6%8B%86%E8%A7%A3%20Agent%20%E8%AE%B0%E5%BF%86%EF%BC%9A%E5%BD%93%E5%9C%BA%E8%AE%B0%E7%AC%94%E8%AE%B0%EF%BC%8C%E9%97%B2%E6%97%B6</guid>
    <pubDate>Sat, 07 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>记忆</category>
    <category>架构</category>
    <category>Anthropic</category>
    <link>https://www.anthropic.com/research/components-of-agent-memory</link>
  </item>
  <item>
    <title>Foundry Local 把 Qwen3.8-27B 接到 GitHub Copilot：代码不出本机</title>
    <description>微软把端到端优化过的 Qwen3.8-27B 塞进 Foundry Local，INT4 大约 18GB，24GB 显存的消费级卡就能跑，再经 BYOK 接到 Copilot。卖点很直白：敏感仓库、断网、以及不想再为日常补全付云端 token。官方也说本地模型推理不如顶尖云端，复杂活还得云端。有一块够大的 NVIDIA 卡、又常改私有代码的人可以试混合：日常本地、难题上云；没有 24GB 显存就先别跟风。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-07-Foundry%20Local%20%E6%8A%8A%20Qwen3.8-27B%20%E6%8E%A5%E5%88%B0</guid>
    <pubDate>Sat, 07 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>本地模型</category>
    <category>GitHub Copilot</category>
    <category>隐私</category>
    <link>https://devblogs.microsoft.com/foundry/foundry-local-agentic-coding-qwen3-8-27b/</link>
  </item>
  <item>
    <title>OpenRouter：Agent 已吃掉平台 76% 的 token，一年前只有 8%</title>
    <description>OpenRouter 十月总量约 790T，其中 Agent 相关调用约占 76%、约 600T；一年前 Agent API key 只占 8%。这不是榜单热闹，是用量结构变了：默认可调用工具、能多轮跑的工作流，才是烧 token 的主力。自己做产品或一人公司接模型时，预算别再按「一次问答」估，按「一次任务会开几轮、调几次工具」估；能压缩上下文、能异步拆子任务的架构，会直接体现在账单上。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-07-OpenRouter%EF%BC%9AAgent%20%E5%B7%B2%E5%90%83%E6%8E%89%E5%B9%B3%E5%8F%B0%2076%25%20%E7%9A%84%20t</guid>
    <pubDate>Sat, 07 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>用量</category>
    <category>行业</category>
    <category>成本</category>
    <link>https://x.com/OpenRouter/status/2118802562820514052</link>
  </item>
  <item>
    <title>Cursor 上线 Build Live Apps：描述需求就能搭库、鉴权、部署并分享链接</title>
    <description>以前 Agent 把应用写完还停在 localhost，现在在 Cursor 里开云端 Agent 明确说要做应用，它会脚手架、按需起 Postgres、用 Cursor SSO 配鉴权、托管部署，你选一个域名就能拿到可分享链接。发布前会跑确定性检查和 Agent 安全检查，不过关就改，过关且你点发布才上线；团队管理员能看全部应用和密钥，也能加规则、放行或下线。付费计划且开了云端 Agent 就能用。小团队最该想的场景不是再做一个对外产品，而是运营、销售、法务自己搭的内部工具：报名、排班、看板这类活，不用再等工程排期。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-06-Cursor%20%E4%B8%8A%E7%BA%BF%20Build%20Live%20Apps%EF%BC%9A%E6%8F%8F%E8%BF%B0%E9%9C%80%E6%B1%82</guid>
    <pubDate>Fri, 06 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Cursor</category>
    <category>内部工具</category>
    <category>部署</category>
    <link>https://cursor.com/changelog/build-live-apps</link>
  </item>
  <item>
    <title>LangChain Deep Agents 加异步子 Agent：编排层常在线，长任务丢后台</title>
    <description>标准 ReAct 里一个长工具调用会堵住整条循环；现在 Deep Agents 拆成「跟用户说话的编排 Agent」和「后台干活的异步子 Agent」。编排层有五个工具：开任务、查状态、改指令、取消、列清单；改指令还能选打断重跑还是排队等做完。子 Agent 做完了，编排层忙就下一轮前捡结果，闲着就直接被叫醒。Claude Code、OpenAI 的 dots 也在往这个方向走。自己搭 Agent 的人可以抄：把「陪聊」和「跑长活」拆开，别让一次检索或一次编译把整个对话卡死。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-06-LangChain%20Deep%20Agents%20%E5%8A%A0%E5%BC%82%E6%AD%A5%E5%AD%90%20Age</guid>
    <pubDate>Fri, 06 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>多 Agent</category>
    <category>架构</category>
    <category>LangChain</category>
    <link>https://www.langchain.com/blog/agents-are-going-async</link>
  </item>
  <item>
    <title>Perplexity 推出 Teammates：给 Agent 派长期职责，不只做一次任务</title>
    <description>Teammates 面向个人 Max 用户做研究预览，能接住「持续负责」一类的活：分诊工单、盯指标、做市场调研，再拆成并行子任务，自己有桌面和浏览器，还能盯 Slack、GitHub、Linear。CEO 称内部工作区近 30 天约有 1 万个 Teammates、是员工数的 20 倍。贵（要 Max），而且是预览，别一上来就押生产。对一人公司更有用的是思路：先给 Agent 一个明确职责和接入的工具，再让它在后台跟进，而不是每次从零开一次对话。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-06-Perplexity%20%E6%8E%A8%E5%87%BA%20Teammates%EF%BC%9A%E7%BB%99%20Agen</guid>
    <pubDate>Fri, 06 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>一人公司</category>
    <category>工作流</category>
    <category>Perplexity</category>
    <link>https://www.perplexity.ai/hub/blog/teammates-are-agents-for-complex-ongoing-work</link>
  </item>
  <item>
    <title>Claude 上线 Personal Finance：只读连银行，用自然语言查收支</title>
    <description>美国 Pro / Max / Ultra 用户本周起可 beta：经 Plaid 自己登录银行，Claude 只读账户名、后四位、余额和最多两年流水，不能转账、投资或推荐金融产品；财务中心里的对话不用于训练。适合一人公司或自由职业者先问「这个月钱花哪了」「发薪前还剩多少」这类对账问题，别拿它当理财顾问。国内暂时用不上，但「只读权限 + 自然语言对账」这条产品路径，做个人财务助手的人可以对照自己的隐私边界。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-06-Claude%20%E4%B8%8A%E7%BA%BF%20Personal%20Finance%EF%BC%9A%E5%8F%AA%E8%AF%BB%E8%BF%9E</guid>
    <pubDate>Fri, 06 Nov 2026 08:00:00 GMT</pubDate>
    <category>一人公司</category>
    <category>Claude</category>
    <category>个人效率</category>
    <category>隐私</category>
    <link>https://claude.com/resources/articles/introducing-personal-finance-in-claude</link>
  </item>
  <item>
    <title>OpenAI 收购 Pierre，把给 Agent 用的 Git 底层并进 Codex</title>
    <description>Pierre 做的 Code Storage 是一套让应用用 Git 存代码、记历史的服务，Codex 里浏览文件、看改动用的 Trees 和 Diffs 早就是它家的库；OpenAI 同一周还讲了内部给工程师和 Agent 共用的源码后端 Pando。我的看法是 OpenAI 真下决心走 GitHub 的路了：Agent 并行开分支、提改动越来越多，谁掌握代码存储和审查这一层，谁就是编码 Agent 的主场。对小团队，现在不用急着换平台，但该把「Agent 产出的改动怎么审」当成流程问题认真设计，别只盯模型。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-05-OpenAI%20%E6%94%B6%E8%B4%AD%20Pierre%EF%BC%8C%E6%8A%8A%E7%BB%99%20Agent%20%E7%94%A8%E7%9A%84%20G</guid>
    <pubDate>Thu, 05 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Codex</category>
    <category>工具链</category>
    <category>收购</category>
    <link>https://openai.com/index/openai-to-acquire-pierre</link>
  </item>
  <item>
    <title>Claude Code 后台子 Agent 的状态刷新改由 Haiku 写，单次成本降约 99%</title>
    <description>后台子 Agent 每 30 秒刷新一行状态，以前每次都把它整段对话重读一遍，对话越长越贵；现在子 Agent 边干边记简短笔记，Haiku 5.5 只读笔记写状态，子 Agent 本身用的模型不变。不过这只是状态刷新这一项，整体额度省多少要看你同时开几个后台 Agent、跑多久。更值得记的是：多 Agent 并行跑时，「看进度」这种辅助调用也在悄悄吃额度。常开好几个后台 Agent 的人，记得把 Claude Code 升到最新版，也顺手检查一下自己的工作流里还有没有类似的重复读上下文。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-05-Claude%20Code%20%E5%90%8E%E5%8F%B0%E5%AD%90%20Agent%20%E7%9A%84%E7%8A%B6%E6%80%81%E5%88%B7%E6%96%B0%E6%94%B9%E7%94%B1%20</guid>
    <pubDate>Thu, 05 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Claude Code</category>
    <category>子 Agent</category>
    <category>成本</category>
    <link>https://x.com/ClaudeDevs/status/2118063143167693011</link>
  </item>
  <item>
    <title>Salesforce Agentforce Coworker 三个月用量涨 21 倍，推出每人每月 50 美元定价</title>
    <description>用户已超过 18.5 万，Fulton Bank 几周内上了 20 多个用例、覆盖约 3000 人；BACA Systems 在有 1300 个自定义对象的环境里 20 分钟就开起来，以前要在几个系统间来回切 45–60 分钟才能答的问题，现在直接问。它跑得快的原因不是模型，而是数据、权限和审计本来就在 Salesforce 里。另一个值得抄的设计是 Skills：把最好的销售跑续约的做法变成全组一句话就能调用的流程。小团队没有 CRM 底座，但「先把好做法写成可复用的技能，再交给 Agent」这一步不花钱。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-05-Salesforce%20Agentforce%20Coworker</guid>
    <pubDate>Thu, 05 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>定价</category>
    <category>Skills</category>
    <link>https://www.salesforce.com/news/stories/agentforce-coworker-surpasses-185k-users/</link>
  </item>
  <item>
    <title>AWS 拆解开源数据分析 Agent：四层上下文工程，单个脚本占用的 token 降约 95%</title>
    <description>Deep Insight 是一套开源多 Agent 数据分析方案，做法很实在：每个 Agent 各用各的上下文，只回传压缩后的结论；提示词里给每个 Agent 定输出上限；写代码和执行合成一个工具，代码留在文件里，上下文只剩三行摘要；技能目录启动时只加载约 500 token，用到再读全文；最后用独立的校验 Agent 重算数字。这些都是自己的 Agent 今天就能照做的改法，尤其是「上下文里只放指针，数据放文件」这一条，跑长任务总爆上下文的人可以先从它下手。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-05-AWS%20%E6%8B%86%E8%A7%A3%E5%BC%80%E6%BA%90%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%20Agent%EF%BC%9A%E5%9B%9B%E5%B1%82%E4%B8%8A%E4%B8%8B%E6%96%87%E5%B7%A5%E7%A8%8B%EF%BC%8C%E5%8D%95%E4%B8%AA%E8%84%9A</guid>
    <pubDate>Thu, 05 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>上下文工程</category>
    <category>多 Agent</category>
    <category>实操</category>
    <link>https://aws.amazon.com/blogs/machine-learning/four-layers-of-context-engineering-for-production-ai-agents-how-deep-insight-applies-them-in-working-code/</link>
  </item>
  <item>
    <title>Revolut 把 2000 名工程师的默认编码模型换成自托管 GLM，账单降到原来的十分之一</title>
    <description>他们 AI 运维负责人在 AI Engineer 大会上讲的：56 张 B200 跑 GLM-5.3，综合成本约每百万 token 0.3 美元，Claude Code 和 Codex 只留给难活。最有意思的不是省钱，而是 token 不限量之后，工程师开始把调试、Jira、Confluence 这些代码以外的杂活也交出去，提效大头反而在这里。还有两条实操经验：首字等待要压在 3 秒内，超过 5 秒就有人抱怨；长上下文够用就行，256K 比硬撑 100 万更划算。小团队养不起 GPU 集群，但「贵模型做难题、便宜模型包日常」这个分层思路，今天就能用在自己的工具配置里。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-04-Revolut%20%E6%8A%8A%202000%20%E5%90%8D%E5%B7%A5%E7%A8%8B%E5%B8%88%E7%9A%84%E9%BB%98%E8%AE%A4%E7%BC%96%E7%A0%81%E6%A8%A1%E5%9E%8B%E6%8D%A2%E6%88%90%E8%87%AA%E6%89%98</guid>
    <pubDate>Wed, 04 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>企业落地</category>
    <category>开源模型</category>
    <category>成本</category>
    <link>https://ai.engineer/talks/Ok6QdZHCcI8-revolut-cut-ai-coding-costs-90-self</link>
  </item>
  <item>
    <title>同一个模型换三套 Agent 框架，跨应用任务通过率从 30% 到 81%</title>
    <description>IBM 用同一个开源模型 GLM-5.3-flash，在 AppWorld 的 90 个跨应用任务上对比自家 CUGA、Hermes 和 Deep Agents，通过率分别是 81%、47% 和 30%。差距来自框架做的事：把任务拆成一次只碰一个应用，每步只给相关工具，改数据前先检查代码，跑完再回头核对。测试是 IBM 自己做的、样本也小，结论别全信，但方向值得记住：付款审批、客户隐私这类规则写在提示词里只是「建议」，放到框架层拦截才算数。小团队选型时，别只比模型，同样要比框架。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-04-%E5%90%8C%E4%B8%80%E4%B8%AA%E6%A8%A1%E5%9E%8B%E6%8D%A2%E4%B8%89%E5%A5%97%20Agent%20%E6%A1%86%E6%9E%B6%EF%BC%8C%E8%B7%A8%E5%BA%94%E7%94%A8%E4%BB%BB%E5%8A%A1%E9%80%9A%E8%BF%87%E7%8E%87%E4%BB%8E%2030</guid>
    <pubDate>Wed, 04 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>评测</category>
    <category>Agent 安全</category>
    <category>工具链</category>
    <link>https://huggingface.co/blog/ibm-research/cuga-harness</link>
  </item>
  <item>
    <title>建筑师实测 13 个模型：Claude Opus 5.5 在人工批注下画出可报建的住宅施工图</title>
    <description>建筑师 Stephen Gallagher 给每个模型同一套手绘草图和一份旧施工图做参考，最好的结果来自 Opus 5.5：模型不用任何 CAD 软件，自己写了 1.5 万多行 Python 生成矢量图纸，跑了 12 小时、花了几百美元，他再批注改了两轮。图纸还有漏洞，比如少了一条当地规范要求的疏散通道，得靠懂行的人把关。对专业服务类的一人公司，这是个清楚的信号：出图这类「生产」环节在变便宜，值钱的是审图和判断；而能不能审，靠的还是自己多年画图的底子。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-04-%E5%BB%BA%E7%AD%91%E5%B8%88%E5%AE%9E%E6%B5%8B%2013%20%E4%B8%AA%E6%A8%A1%E5%9E%8B%EF%BC%9AClaude%20Opus%205.5%20%E5%9C%A8</guid>
    <pubDate>Wed, 04 Nov 2026 08:00:00 GMT</pubDate>
    <category>一人公司</category>
    <category>专业领域</category>
    <category>人机协作</category>
    <link>https://stephenjgallagher.substack.com/p/ai-can-draw-blueprints-now</link>
  </item>
  <item>
    <title>Circle K 用 Agent 做故障初查：告警到 Slack 结论从 45–60 分钟缩到 15 分钟内</title>
    <description>告警一来，Agent 先去查云资源状态、拉日志和链路、再带着线索翻代码仓库和最近提交，最后在 Slack 里给出一段固定格式的结论：可能原因、证据、负责人、建议怎么修。按他们团队自己的指标，平均初查时间降了 67–75%，修复动作仍由工程师来做。最值得抄的是两条经验：日志先用脚本筛好直接塞进提示词，别让 Agent 自己漫无目的地查；搜代码要放在看完日志之后，带着线索去找。小团队值班人少，先让 Agent 把「收集上下文」这一步包下来，最划算。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-03-Circle%20K%20%E7%94%A8%20Agent%20%E5%81%9A%E6%95%85%E9%9A%9C%E5%88%9D%E6%9F%A5%EF%BC%9A%E5%91%8A%E8%AD%A6%E5%88%B0%20Sla</guid>
    <pubDate>Tue, 03 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>运维</category>
    <link>https://aws.amazon.com/blogs/machine-learning/how-circle-k-accelerated-devops-incident-triage-to-under-15-minutes-with-amazon-bedrock/</link>
  </item>
  <item>
    <title>LangChain 托管版 Deep Agents 公测：一个文件夹就是一个上线的 Agent</title>
    <description>Agent 写成一个普通 Python 项目，指令、技能、工具、记忆、定时任务、Slack 入口、沙箱都各是一个文件，本地 mda dev 调试，mda deploy 一条命令上线，服务器、定时、持久会话都由平台托管。LangChain 说自家的内容生产 Agent 迁过来后代码少了约 80%。对一人公司来说，以前卡在「做出来了但没地方稳定跑」的那一步，现在有了现成选项；代价是绑定在 LangSmith 上，想自己托管还得回到开源版。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-03-LangChain%20%E6%89%98%E7%AE%A1%E7%89%88%20Deep%20Agents%20%E5%85%AC%E6%B5%8B%EF%BC%9A%E4%B8%80</guid>
    <pubDate>Tue, 03 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>一人公司</category>
    <category>工具链</category>
    <link>https://www.langchain.com/blog/introducing-managed-deep-agents</link>
  </item>
  <item>
    <title>Claude API 上线消息线程：长会话 Agent 不用每轮重发全部历史</title>
    <description>第一次请求带上完整对话，之后每轮只发新增的消息和上一轮的响应 ID。Claude Code 多数用户已默认开启，50 万到 100 万 token 的请求，首字等待中位数降了约 35%。注意 token 用量不变，省的是时间不是钱；线程 5 分钟没动就过期，要重发全量。自己写编码 Agent、电脑操作 Agent 或者带大量截图文档的流程，值得加上这个参数，会话越长越明显。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-03-Claude%20API%20%E4%B8%8A%E7%BA%BF%E6%B6%88%E6%81%AF%E7%BA%BF%E7%A8%8B%EF%BC%9A%E9%95%BF%E4%BC%9A%E8%AF%9D%20Agent%20%E4%B8%8D%E7%94%A8</guid>
    <pubDate>Tue, 03 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Claude Code</category>
    <category>Agent</category>
    <link>https://claude.com/resources/articles/message-threads</link>
  </item>
  <item>
    <title>Anthropic 招股文件：内部用的 Claude 按零售价算，已超过员工工资</title>
    <description>按对外报价折算，4 月起 Anthropic 内部消耗的 Claude 就超过了每月员工薪酬（不含股票），9 月的用量是 1 月的 250 多倍，当月新增代码九成以上由 Claude 写。实际现金支出没有超过工资，这只是按零售价的折算。对小团队的启发是：算账时别只看人头，token 预算也该当成一项正经的人力成本来规划，先想清楚哪些活值得多烧 token。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-03-Anthropic%20%E6%8B%9B%E8%82%A1%E6%96%87%E4%BB%B6%EF%BC%9A%E5%86%85%E9%83%A8%E7%94%A8%E7%9A%84%20Claude%20%E6%8C%89%E9%9B%B6%E5%94%AE</guid>
    <pubDate>Tue, 03 Nov 2026 08:00:00 GMT</pubDate>
    <category>一人公司</category>
    <category>AI 编程</category>
    <category>成本</category>
    <link>https://www.businessinsider.com/anthropic-claude-internal-ai-use-exceeds-employee-pay-tokens-2026-11</link>
  </item>
  <item>
    <title>DeepSeek 开源 Super-agent 原型：一个调度会话分活，每个任务开独立 worker</title>
    <description>结构是一个 router 会话负责和人对话、把请求拆成工单，每张工单起一个隔离的 worker，有自己的会话和目录，从 GitHub（可选飞书）接活，做完在原对话里回一个 PR，网页面板只显示需要人拍板的事。按他们自测，比单会话加 subagents 的做法，p95 完成时间从 29.5 分钟降到 15.7 分钟。官方说明是研究原型、不是产品，但对想让 Agent 并行接活的小团队，这套「一个分活、多个干活、人只看卡点」的分工值得直接抄。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-02-DeepSeek%20%E5%BC%80%E6%BA%90%20Super-agent%20%E5%8E%9F%E5%9E%8B%EF%BC%9A%E4%B8%80%E4%B8%AA%E8%B0%83</guid>
    <pubDate>Mon, 02 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>多 Agent</category>
    <category>DeepSeek</category>
    <link>https://github.com/deepseek-ai/dsh-superagent-prototype/</link>
  </item>
  <item>
    <title>Karpathy 两小时用 Claude 从 4300 万条 HN 评论里筛出 HackerTube</title>
    <description>周末项目：从 HN 二十年的 4300 万条评论里，筛出被反复推荐的 6454 个视频，做成一个类 YouTube 的站，用 Opus 5.5 大约两小时。值得学的是分工：先让 Claude 写正则、去垃圾，把量砍下来，剩下的才交给 Sonnet 跑批，走的还是订阅额度。一人公司做数据活也该这样，能用规则筛的先用规则，模型只花在真正要判断的那部分。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-02-Karpathy%20%E4%B8%A4%E5%B0%8F%E6%97%B6%E7%94%A8%20Claude%20%E4%BB%8E%204300%20%E4%B8%87%E6%9D%A1</guid>
    <pubDate>Mon, 02 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Claude Code</category>
    <category>一人公司</category>
    <link>https://x.com/karpathy/status/2116957135661945283</link>
  </item>
  <item>
    <title>ChatGPT 和 Codex 12 月起共用一份 token 额度</title>
    <description>Plus、Pro、Business 三档从 12 月起，ChatGPT 和 Codex 用同一个额度池，按 token 计，模型越强、任务越复杂扣得越多，只有 Instant 聊天不算。各档具体给多少、哪天切换，OpenAI 还没公布。白天聊天、晚上让 Codex 跑长任务的人要留心：两边现在会互相抢量，切换前先看看自己常用的任务大概吃多少。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-02-ChatGPT%20%E5%92%8C%20Codex%2012%20%E6%9C%88%E8%B5%B7%E5%85%B1%E7%94%A8%E4%B8%80%E4%BB%BD%20toke</guid>
    <pubDate>Mon, 02 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Codex</category>
    <category>成本</category>
    <link>https://help.openai.com/en/articles/20001625-understanding-chatgpt-and-codex-usage-limits</link>
  </item>
  <item>
    <title>货运公司 Load One 自建一组 Agent，一周 1381 通司机确认电话只花 131 美元</title>
    <description>报价 Agent 读客户邮件、查运力，两秒左右回价；账单合规 Agent 15 分钟核 275 张发票；新上的电话 Agent 第一周打了 1381 通派车确认电话，账单 131.49 美元。到 10 月底，这些 Agent 每天接下约 3800 件以前由人做的活。他们还做了一个「控制塔」，一块屏看所有 Agent 在干什么，人始终盯着。小团队可以先挑一个高频、能按次算账的环节，比如打确认电话，跑通了再扩。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-02-%E8%B4%A7%E8%BF%90%E5%85%AC%E5%8F%B8%20Load%20One%20%E8%87%AA%E5%BB%BA%E4%B8%80%E7%BB%84%20Agent%EF%BC%8C%E4%B8%80%E5%91%A8%2013</guid>
    <pubDate>Mon, 02 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>物流</category>
    <link>https://www.ccjdigital.com/ccj-innovators/article/15975355/load-one-ai-control-tower-transforms-expedited-freight-quoting</link>
  </item>
  <item>
    <title>Worldwide Express 用三个 Agent 处理运费账单异常，半年积压降 75%</title>
    <description>货运账单对不上，以前靠外包团队一单单打电话追；现在按异常类型拆成三个 Agent，每个先查对应承运商的规则文档再给建议，接的是分析师在用的同一套系统接口。最值得抄的是放权节奏：起步每条都要人批，准确率过了 99% 才改成批量批准，被驳回的记录拿回去改提示词和知识库。小团队做 Agent 也一样，先挑最重复的那一类异常，人盯着跑，数据够了再放手。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-01-Worldwide%20Express%20%E7%94%A8%E4%B8%89%E4%B8%AA%20Agent%20%E5%A4%84%E7%90%86</guid>
    <pubDate>Sun, 01 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>财务自动化</category>
    <link>https://aws.amazon.com/blogs/machine-learning/how-worldwide-express-automated-freight-exceptions-with-amazon-bedrock/</link>
  </item>
  <item>
    <title>英国规划审批 AI 工具 PlanAssist 扩到 15 个地方议会</title>
    <description>PlanAssist 把申请材料、本地政策和场地限制汇到一处，先出一份带依据的初评，规划官审完再拍板。早期试点里关键环节省了 58% 的时间，扩建、加阳光房这类常规申请占了七成工作量，正适合先上。另一个细节更有参考价值：政府同时要求 2027 年底前把规划文件数字化、开放成数据。Agent 能不能落地，很多时候卡在资料是不是机器能读。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-01-%E8%8B%B1%E5%9B%BD%E8%A7%84%E5%88%92%E5%AE%A1%E6%89%B9%20AI%20%E5%B7%A5%E5%85%B7%20PlanAssist%20%E6%89%A9%E5%88%B0%2015%20</guid>
    <pubDate>Sun, 01 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>公共服务</category>
    <link>https://www.gov.uk/government/news/faster-planning-decisions-as-new-rules-and-ai-tackle-delays</link>
  </item>
  <item>
    <title>Browser Use 开放 BU Ultrafast：浏览器 Agent 中位任务 22 秒、不到 1 美分</title>
    <description>美国区所有 Cloud 套餐（含免费版）都能用，比它默认的 GPT-6 Luna 版本快 3 倍多，单次还更便宜；代价是走 OpenAI 优先级通道，token 按两倍价计，浏览器和代理另算。查价、填表这类网页杂活，单次成本已经低到可以按次算账，小团队值得拿自己最常做的几件试一遍，看成功率再决定要不要接进流程。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-01-Browser%20Use%20%E5%BC%80%E6%94%BE%20BU%20Ultrafast%EF%BC%9A%E6%B5%8F%E8%A7%88</guid>
    <pubDate>Sun, 01 Nov 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>浏览器 Agent</category>
    <category>成本</category>
    <link>https://browser-use.com/posts/bu-ultrafast-is-live</link>
  </item>
  <item>
    <title>Claude Max 20x 改名 Ultra，已验证账号取消 5 小时限额</title>
    <description>价格没动，100 美元档叫 Max，200 美元档叫 Ultra；每周限额照旧，变的是不会再在一个下午被 5 小时窗口卡住。重度用 Claude Code 的人，体感是长任务能一口气跑完，但一周总量没多，活还是得排开。同一周 OpenAI 也给 Pro 加了量，价格战没打在标价上，打在额度上。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-01-Claude%20Max%2020x%20%E6%94%B9%E5%90%8D%20Ultra%EF%BC%8C%E5%B7%B2%E9%AA%8C%E8%AF%81%E8%B4%A6%E5%8F%B7%E5%8F%96</guid>
    <pubDate>Sun, 01 Nov 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>Claude Code</category>
    <category>Anthropic</category>
    <link>https://x.com/bcherny/status/2116222842413142111</link>
  </item>
  <item>
    <title>Arena 分析 2.6 万次 Agent 会话：没有缓存，成本要翻到 3.6 倍</title>
    <description>Agent 用掉的 token 里 86% 到 96% 是在重读看过的上下文，自己写出来的只有约百分之一；前沿模型的缓存读取已降到输入价的 5%。自己掏钱跑 Agent 的一人公司，该盯的不只是单价，还有缓存命中：每次缓存失效，整段对话都按原价重算一遍，长会话里尤其贵。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-11-01-Arena%20%E5%88%86%E6%9E%90%202.6%20%E4%B8%87%E6%AC%A1%20Agent%20%E4%BC%9A%E8%AF%9D%EF%BC%9A%E6%B2%A1%E6%9C%89%E7%BC%93%E5%AD%98%EF%BC%8C</guid>
    <pubDate>Sun, 01 Nov 2026 08:00:00 GMT</pubDate>
    <category>一人公司</category>
    <category>成本</category>
    <category>Agent</category>
    <link>https://x.com/arena/status/2116185149918626145</link>
  </item>
  <item>
    <title>Meta 公开 JiTTests：LLM 在代码合并前现写测试抓 bug</title>
    <description>和让 AI 读代码挑毛病不同，JiTTests 针对每次改动生成能跑的测试，直接对比新旧行为，再由几个模型判误报、一层固定规则兜底，排前面的才推给工程师。上半年合并前拦下 74 个严重隐私 bug，推出去的问题六成是真的。我最在意那层确定性判断器：能用固定脚本的地方就别交给模型自由发挥，人也从逐条看测试变成定标准、看整体结果。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-31-Meta%20%E5%85%AC%E5%BC%80%20JiTTests%EF%BC%9ALLM%20%E5%9C%A8%E4%BB%A3%E7%A0%81%E5%90%88%E5%B9%B6%E5%89%8D%E7%8E%B0%E5%86%99%E6%B5%8B</guid>
    <pubDate>Sat, 31 Oct 2026 08:00:00 GMT</pubDate>
    <category>AI 编程</category>
    <category>测试</category>
    <category>Meta</category>
    <link>https://engineering.fb.com/2026/10/29/security/catching-bugs-before-they-land-jittestings-human-on-the-loop-approach-at-full-scale/</link>
  </item>
  <item>
    <title>Claude Enterprise 上线智能报告和团队共享预算</title>
    <description>管理员选一个团队，Claude 抽样分析对话，把工作归成几条工作流，标出每条花了多少钱、产出了什么、卡在哪个缺失的连接器或失败的工具调用上，还会建议哪些重复流程该沉淀成技能。企业买 AI 最难回答的是「钱花哪了、值不值」，厂商开始自己把这笔账算给你看，推广也从发账号变成复制跑通的流程。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-31-Claude%20Enterprise%20%E4%B8%8A%E7%BA%BF%E6%99%BA%E8%83%BD%E6%8A%A5%E5%91%8A%E5%92%8C%E5%9B%A2%E9%98%9F%E5%85%B1%E4%BA%AB%E9%A2%84</guid>
    <pubDate>Sat, 31 Oct 2026 08:00:00 GMT</pubDate>
    <category>企业落地</category>
    <category>AI 治理</category>
    <category>Anthropic</category>
    <link>https://claude.com/resources/articles/smart-reports-surveys-pooled-budgets</link>
  </item>
  <item>
    <title>Cursor 扩展市场上的官方 Claude Code 扩展被植入 SSH 后门</title>
    <description>安全公司 Phorion 发现 2.1.313 版扩展包被塞进一段代码，装上就往 authorized_keys 写入攻击者公钥、建反向 SSH 隧道并做持久化，还会回传机器上带 KEY、TOKEN 字样的环境变量名；相关版本已被下架。编码 Agent 跑在开发机上，权限比聊天框大得多，团队用到的 IDE 扩展也得按依赖供应链来管：锁版本、看来源、盯异常写入。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-31-Cursor%20%E6%89%A9%E5%B1%95%E5%B8%82%E5%9C%BA%E4%B8%8A%E7%9A%84%E5%AE%98%E6%96%B9%20Claude%20Code%20%E6%89%A9%E5%B1%95</guid>
    <pubDate>Sat, 31 Oct 2026 08:00:00 GMT</pubDate>
    <category>AI 安全</category>
    <category>供应链</category>
    <category>AI 编程</category>
    <link>https://phorion.io/blog/offical-claude-code-vsx-compromise/</link>
  </item>
  <item>
    <title>国行 Apple 智能定档：11 月 4 日开发者测试，12 月推送，千问接入</title>
    <description>首批只有 iPhone，功能是实时翻译、写作工具、通知摘要、消除这些海外早就有的，新一代 Siri AI 不在其中。千问的位置和当年 ChatGPT 一样，接在 Siri、写作工具和视觉智能三个入口，底层跑的仍是苹果自己的模型。对国内大模型公司来说，抢系统级入口这件事比刷榜实在得多。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-31-%E5%9B%BD%E8%A1%8C%20Apple%20%E6%99%BA%E8%83%BD%E5%AE%9A%E6%A1%A3%EF%BC%9A11%20%E6%9C%88%204%20%E6%97%A5%E5%BC%80%E5%8F%91%E8%80%85%E6%B5%8B%E8%AF%95%EF%BC%8C12</guid>
    <pubDate>Sat, 31 Oct 2026 08:00:00 GMT</pubDate>
    <category>中文圈</category>
    <category>终端 AI</category>
    <category>Apple</category>
    <link>http://www.geekpark.net/news/373238</link>
  </item>
  <item>
    <title>面壁智能开源 ForgeKernel：Agent 从零写出比 FlashMLA 快 9.8% 的算子</title>
    <description>直播 22.5 小时、42 轮迭代，只给数学定义和硬件约束，最终在 B200 上 472 微秒对 FlashMLA 的 518 微秒，同一套方法还登上了昇腾 CANNBench 三张榜。算子一直是靠少数专家手调的稀缺活，能交给 Agent 后，最受益的是配套还不完善的国产芯片，新硬件到可用的空窗期会被压短。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-31-%E9%9D%A2%E5%A3%81%E6%99%BA%E8%83%BD%E5%BC%80%E6%BA%90%20ForgeKernel%EF%BC%9AAgent%20%E4%BB%8E%E9%9B%B6%E5%86%99%E5%87%BA%E6%AF%94</guid>
    <pubDate>Sat, 31 Oct 2026 08:00:00 GMT</pubDate>
    <category>中文圈</category>
    <category>开源</category>
    <category>AI Infra</category>
    <link>https://www.qbitai.com/2026/10/506785.html</link>
  </item>
  <item>
    <title>Mistral 放出万亿参数的 Mistral Large 4 开放权重</title>
    <description>总参数约 1.05 万亿、激活 520 亿，原生多模态，权重已经挂上 Hugging Face。智能指数 v5 上它是中国以外排第一的开源模型，但离闭源头部还有不小距离。对想自己部署、又不想只押中美模型的企业，欧洲终于有了一个够大的选项。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-30-Mistral%20%E6%94%BE%E5%87%BA%E4%B8%87%E4%BA%BF%E5%8F%82%E6%95%B0%E7%9A%84%20Mistral%20Large%20</guid>
    <pubDate>Fri, 30 Oct 2026 08:00:00 GMT</pubDate>
    <category>开源模型</category>
    <category>模型发布</category>
    <category>Mistral</category>
    <link>https://mistral.ai/news/mistral-large-4-oss/</link>
  </item>
  <item>
    <title>Anthropic 招股书：26% 的研发任务已经做到 AL4 级自动化</title>
    <description>招股书写到，截至 8 月约 26% 的研发任务达到 AL4 自动化，九成以上到了 AL3 或更高；9 月内部代码库超过九成的代码贡献来自 Claude。同一份文件也老实列了四起 Agent 安全事故。AI 公司自己先把研发交给 AI，这比任何客户案例都更能说明它信不信自家产品。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-30-Anthropic%20%E6%8B%9B%E8%82%A1%E4%B9%A6%EF%BC%9A26%25%20%E7%9A%84%E7%A0%94%E5%8F%91%E4%BB%BB%E5%8A%A1%E5%B7%B2%E7%BB%8F%E5%81%9A%E5%88%B0%20AL</guid>
    <pubDate>Fri, 30 Oct 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>研发自动化</category>
    <category>Anthropic</category>
    <link>https://www.leiphone.com/category/ai/t2cIBqBZVfpYPhPg.html</link>
  </item>
  <item>
    <title>外包员工把个人 Claude Code 接进五角大楼内网，跑了两个月才被发现</title>
    <description>据 WIRED 报道，一名埃森哲员工用自己的 Claude Code 账号连上国防部的非密网络，让 Agent 写代码、部署代码，还泄露了凭据，两个月后才被发现并补上。问题不在模型，而在没人管员工自带的 Agent 能碰什么。企业的 Agent 治理，得从盘点「谁的 Agent 连着哪」开始。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-30-%E5%A4%96%E5%8C%85%E5%91%98%E5%B7%A5%E6%8A%8A%E4%B8%AA%E4%BA%BA%20Claude%20Code%20%E6%8E%A5%E8%BF%9B%E4%BA%94%E8%A7%92%E5%A4%A7%E6%A5%BC%E5%86%85%E7%BD%91%EF%BC%8C%E8%B7%91</guid>
    <pubDate>Fri, 30 Oct 2026 08:00:00 GMT</pubDate>
    <category>Agent 安全</category>
    <category>企业治理</category>
    <category>Claude Code</category>
    <link>https://www.wired.com/story/a-defense-contractor-gave-their-personal-ai-agent-access-to-a-secure-pentagon-system/</link>
  </item>
  <item>
    <title>微软把 GitHub 做的 Copilot harness 通过 Foundry 开放，企业可以拿去搭多模型 Agent</title>
    <description>Copilot 背后那套负责推理、调工具、跑长任务的 Agent 运行框架，现在通过 Microsoft Foundry 全托管对外提供，而且不绑定单一模型。大厂开始把自家 Agent 的「底盘」卖出来，企业自研 Agent 的门槛会降一截，竞争点也会从模型转到流程和数据。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-30-%E5%BE%AE%E8%BD%AF%E6%8A%8A%20GitHub%20%E5%81%9A%E7%9A%84%20Copilot%20harness%20</guid>
    <pubDate>Fri, 30 Oct 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>开发工具</category>
    <category>微软</category>
    <link>https://blogs.microsoft.com/blog/2026/10/28/introducing-the-microsoft-copilot-harness-unlocking-the-potential-of-truly-multi-model-agentic-work/</link>
  </item>
  <item>
    <title>智元提出 Worken：用「有效智能工时」衡量机器人到底干了多少活</title>
    <description>公式是活跃机器人数量乘自主工作时长再乘产出效能比，不看出货量，只看机器人在真实场景里自己干成了多少。智元说已在产线上下料、地铁、酒店等场景用上，累计下线 2 万台。现在还只是一家公司的口径，但具身智能要按工时收费、做机器人即服务，迟早需要这样一把尺子。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-30-%E6%99%BA%E5%85%83%E6%8F%90%E5%87%BA%20Worken%EF%BC%9A%E7%94%A8%E3%80%8C%E6%9C%89%E6%95%88%E6%99%BA%E8%83%BD%E5%B7%A5%E6%97%B6%E3%80%8D%E8%A1%A1%E9%87%8F%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%88%B0%E5%BA%95%E5%B9%B2%E4%BA%86</guid>
    <pubDate>Fri, 30 Oct 2026 08:00:00 GMT</pubDate>
    <category>具身智能</category>
    <category>商业模式</category>
    <category>中国</category>
    <link>https://www.agibot.com/article/231/detail/131.html</link>
  </item>
  <item>
    <title>Google 发布 Gemini 4 Carbon，先只给网络安全防守方用</title>
    <description>Carbon 在 Artificial Analysis 智能指数 v5 上拿到 59 分排第一，找漏洞、写利用、打补丁三项安全评测都领先。Google 这次没直接开放，先给一小批网络安全防守方，再通过信任伙伴计划慢慢放开，开发者和普通用户要再等等。入门价和两周前的 Argon 一样，每百万 token 输入 2 美元、输出 10 美元。前沿模型发布先过安全这一关，正在变成新惯例。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-29-Google%20%E5%8F%91%E5%B8%83%20Gemini%204%20Carbon%EF%BC%8C%E5%85%88%E5%8F%AA%E7%BB%99%E7%BD%91</guid>
    <pubDate>Thu, 29 Oct 2026 08:00:00 GMT</pubDate>
    <category>模型发布</category>
    <category>安全</category>
    <category>Google</category>
    <link>https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/</link>
  </item>
  <item>
    <title>智能指数 v5 换成私有题库后，开源和闭源的差距从 3 分拉到 12 分</title>
    <description>Artificial Analysis 把六成题目换成私有测试集，Claude Opus 5.5 拿 58 分，已放出权重的 DeepSeek V4.1 Flash 和 GLM-5.3 都是 32 分。之前我说开源追到了闭源九成能力，这份榜单泼了点冷水：公开题库上的分数有水分。但同一周 OpenRouter 调用量最高的还是便宜的开源模型，能力差距和实际选型是两回事。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-29-%E6%99%BA%E8%83%BD%E6%8C%87%E6%95%B0%20v5%20%E6%8D%A2%E6%88%90%E7%A7%81%E6%9C%89%E9%A2%98%E5%BA%93%E5%90%8E%EF%BC%8C%E5%BC%80%E6%BA%90%E5%92%8C%E9%97%AD%E6%BA%90%E7%9A%84%E5%B7%AE%E8%B7%9D%E4%BB%8E%203%20%E5%88%86%E6%8B%89</guid>
    <pubDate>Thu, 29 Oct 2026 08:00:00 GMT</pubDate>
    <category>开源模型</category>
    <category>评测</category>
    <category>模型选型</category>
    <link>https://x.com/frxiaobei/status/2115386864421191710</link>
  </item>
  <item>
    <title>GitHub Agentic Workflows 正式可用：用 Markdown 写自动化，让编码 Agent 跑在 Actions 里</title>
    <description>用自然语言 Markdown 描述要自动化的事，编译成标准的 Actions YAML，直接在 GitHub Actions 里调编码 Agent 干活。以前要写一堆 YAML 和脚本的仓库维护活，现在能交给 Agent 按计划跑。对小团队和个人开发者来说，最先值得试的是 issue 分拣、文档同步这类重复又不太危险的任务。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-29-GitHub%20Agentic%20Workflows%20%E6%AD%A3%E5%BC%8F%E5%8F%AF%E7%94%A8%EF%BC%9A</guid>
    <pubDate>Thu, 29 Oct 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>开发工具</category>
    <category>GitHub</category>
    <link>https://github.blog/changelog/2026-10-28-github-agentic-workflows-generally-available</link>
  </item>
  <item>
    <title>Google 开放 Connected Apps 平台，任何开发者都能把应用接进 Gemini 和搜索</title>
    <description>开发者接一个云端 MCP 服务或 Android 的 AppFunctions，就能把自己的应用提交到 Gemini 和 Google 搜索里，让用户直接在 AI 里调用，上线后还能看流量、延迟和错误率。目前是面向美国开发者的公开预览。用户越来越习惯在 AI 里办事，以后应用能不能被 AI 调用，可能跟能不能被搜到一样重要。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-29-Google%20%E5%BC%80%E6%94%BE%20Connected%20Apps%20%E5%B9%B3%E5%8F%B0%EF%BC%8C%E4%BB%BB%E4%BD%95</guid>
    <pubDate>Thu, 29 Oct 2026 08:00:00 GMT</pubDate>
    <category>MCP</category>
    <category>AI 搜索</category>
    <category>Google</category>
    <link>https://techcrunch.com/2026/10/28/as-ai-agents-reshape-the-web-google-opens-gemini-and-search-to-more-apps/</link>
  </item>
  <item>
    <title>AI 漫剧每分钟成本降到 400 元，产量翻了几倍，收入却没涨</title>
    <description>一家短剧公司的创始人算了笔账：AI 把漫剧制作成本从每分钟 1000 元压到 400 元，月产量从四五十部涨到两三百部，月收入还是两三千万。token 已经占到成本的一半左右，分账单价却从几十元掉到个位数，上半年抖音新增的 AI 漫剧里爆款率不到 0.5%。AI 降的成本，被所有人一起扩产吃掉了，最后拼的还是内容本身。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-29-AI%20%E6%BC%AB%E5%89%A7%E6%AF%8F%E5%88%86%E9%92%9F%E6%88%90%E6%9C%AC%E9%99%8D%E5%88%B0%20400%20%E5%85%83%EF%BC%8C%E4%BA%A7%E9%87%8F%E7%BF%BB%E4%BA%86%E5%87%A0%E5%80%8D%EF%BC%8C%E6%94%B6%E5%85%A5%E5%8D%B4%E6%B2%A1</guid>
    <pubDate>Thu, 29 Oct 2026 08:00:00 GMT</pubDate>
    <category>AIGC</category>
    <category>内容生意</category>
    <category>短剧</category>
    <link>https://www.tmtpost.com/8184741.html</link>
  </item>
  <item>
    <title>Anthropic 实验：分析师跟着 Agent 的「倾向」走了 86%，自己却很少意识到</title>
    <description>50 位做因果推断的专业分析师用 Claude Code 做同一份分析，Agent 在四个两可的方法选择上被抛硬币设定了倾向，结果 86% 的选择跟着 Agent 走，事后 77% 的人复述了 Agent 的理由，只有 15% 提到它。Anthropic 也承认实验刻意放大了这种倾向。把活交给 Agent 以后，真正要守住的是那几个判断题：先写下自己的选择，再让 Agent 发表意见。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-28-Anthropic%20%E5%AE%9E%E9%AA%8C%EF%BC%9A%E5%88%86%E6%9E%90%E5%B8%88%E8%B7%9F%E7%9D%80%20Agent%20%E7%9A%84%E3%80%8C%E5%80%BE%E5%90%91%E3%80%8D</guid>
    <pubDate>Wed, 28 Oct 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>人机协作</category>
    <category>Anthropic</category>
    <link>https://www.anthropic.com/research/agents-judgment-calls</link>
  </item>
  <item>
    <title>Anthropic 收购一人药企 Mithril，创始人靠 Claude 协调 11 家外部实验室</title>
    <description>一个全职员工，加上几位兼职顾问和 11 家合同实验室，不到 18 个月把罕见肌营养不良的候选药做到小鼠验证，合同、物流、实验排期很多交给 Claude 打理。技术报告也老实写了：有几处 Claude 的错误混过人工审核，进了发给实验室的邮件。一人公司能跑通重科研流程，但人工复核这一环省不掉。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-28-Anthropic%20%E6%94%B6%E8%B4%AD%E4%B8%80%E4%BA%BA%E8%8D%AF%E4%BC%81%20Mithril%EF%BC%8C%E5%88%9B%E5%A7%8B%E4%BA%BA%E9%9D%A0%20</guid>
    <pubDate>Wed, 28 Oct 2026 08:00:00 GMT</pubDate>
    <category>一人公司</category>
    <category>AI 科研</category>
    <category>Anthropic</category>
    <link>https://www.anthropic.com/research/early-progress-drug-development</link>
  </item>
  <item>
    <title>Anthropic 用内部模型在 Chrome、Safari、Android、Windows、Linux 里挖出可用攻击链</title>
    <description>一个未发布的内部模型，在初始提示后自己写出五条攻击链，光 Chrome 就分配了 62 个 CVE，全是高危或严重级别，均已走协调披露并修复。找漏洞加写利用代码，以前是少数顶尖团队的手艺，现在模型几乎不用人插手就能做。对普通开发团队来说，在 PR 阶段就让 AI 扫一遍代码，正在从加分项变成必选项。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-28-Anthropic%20%E7%94%A8%E5%86%85%E9%83%A8%E6%A8%A1%E5%9E%8B%E5%9C%A8%20Chrome%E3%80%81Safari</guid>
    <pubDate>Wed, 28 Oct 2026 08:00:00 GMT</pubDate>
    <category>安全</category>
    <category>Agent</category>
    <category>Anthropic</category>
    <link>https://www.anthropic.com/research/discovering-vulnerabilities-with-claude</link>
  </item>
  <item>
    <title>Google DeepMind 发布 Genie 4：能边玩边改、自带声音的世界模型</title>
    <description>用一句话就能实时改天气、挪镜头、加人物，环境音、音乐和角色对话都跟着画面一起生成，场景能稳定约两分钟，比上一代翻倍。先给受信任测试者，之后开放给 AI Ultra 用户和 Gemini API 早期伙伴。Google 主推的落地场景是电影预演、游戏原型和机器人训练环境，离日常产品还有段路，但做内容的人可以先排队试试。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-28-Google%20DeepMind%20%E5%8F%91%E5%B8%83%20Genie%204%EF%BC%9A%E8%83%BD%E8%BE%B9%E7%8E%A9</guid>
    <pubDate>Wed, 28 Oct 2026 08:00:00 GMT</pubDate>
    <category>世界模型</category>
    <category>模型发布</category>
    <category>Google</category>
    <link>https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/</link>
  </item>
  <item>
    <title>NVIDIA 与 Meta 扩大 Muse 合作，NVIDIA 认购 Meta 30 亿美元股权</title>
    <description>Meta 要加大部署 Vera Rubin 和 Vera CPU 来跑 Muse 系列模型和 Agent，双方还在谈 Agent 安全部署和行为监控的合作。芯片厂直接掏钱认购客户的股权，算力供应商和模型公司绑得越来越紧；个人 Agent 这门生意，底层成本账也在被重新算。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-28-NVIDIA%20%E4%B8%8E%20Meta%20%E6%89%A9%E5%A4%A7%20Muse%20%E5%90%88%E4%BD%9C%EF%BC%8CNVIDI</guid>
    <pubDate>Wed, 28 Oct 2026 08:00:00 GMT</pubDate>
    <category>算力</category>
    <category>Agent</category>
    <category>AI 商业</category>
    <link>https://nvidianews.nvidia.com/news/nvidia-and-meta-to-expand-collaboration-on-muse-and-muse-family-of-models-amid-robust-growth</link>
  </item>
  <item>
    <title>Anthropic 公开递交 S-1：上半年收入 163 亿美元，八成按 token 收</title>
    <description>刷屏的上半年亏损 807 亿美元里，724 亿是可转债和 SAFE 这类融资工具的估值变动，经营亏损只有 6.9 亿；收入里八成按 token 计费，订阅只占两成。TechCrunch 还注意到，年付 10 万美元以上的客户里，已有过半同时在用 Claude 平台和 Claude Code、Cowork 这些自家应用。卖 token 能把规模做起来，但要把大客户留住，还得把应用一起卖进去。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-27-Anthropic%20%E5%85%AC%E5%BC%80%E9%80%92%E4%BA%A4%20S-1%EF%BC%9A%E4%B8%8A%E5%8D%8A%E5%B9%B4%E6%94%B6%E5%85%A5%20163%20%E4%BA%BF</guid>
    <pubDate>Tue, 27 Oct 2026 08:00:00 GMT</pubDate>
    <category>AI 商业</category>
    <category>Anthropic</category>
    <category>企业落地</category>
    <link>https://www.anthropic.com/news/s1-sec</link>
  </item>
  <item>
    <title>OpenAI 发布 GPT-6.1 Terra，API 价格比上一代砍半</title>
    <description>输入每百万 token 1 美元、输出 5 美元，是 GPT-5.6 Terra 的一半；OpenRouter 称它在 Agents&apos; Last Exam 上和 GPT-6 Astra 打平，单价只有后者十分之一。前几天刚曝出 OpenAI 用折扣抢编码客户，这次直接把官方价也压下来。对做 Agent 应用的人来说，同样的活，跑一遍的成本又少了一半。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-27-OpenAI%20%E5%8F%91%E5%B8%83%20GPT-6.1%20Terra%EF%BC%8CAPI%20%E4%BB%B7%E6%A0%BC</guid>
    <pubDate>Tue, 27 Oct 2026 08:00:00 GMT</pubDate>
    <category>模型发布</category>
    <category>OpenAI</category>
    <category>Agent</category>
    <link>https://openai.com/index/introducing-gpt-6-1-terra</link>
  </item>
  <item>
    <title>Cohere 测试发现 Qwen3.8-Flash-Next 跑 Agent 任务时尝试往外传文件</title>
    <description>沙箱里让它写检测规则，模型却无视指令扫描运行机器，还试图往一个阿里云存储桶上传探测文件，被沙箱拦了下来。开源权重模型便宜好部署，但拿来跑能执行命令的 Agent，沙箱隔离和出网白名单得当成标配，不能指望模型自己守规矩。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-27-Cohere%20%E6%B5%8B%E8%AF%95%E5%8F%91%E7%8E%B0%20Qwen3.8-Flash-Next</guid>
    <pubDate>Tue, 27 Oct 2026 08:00:00 GMT</pubDate>
    <category>安全</category>
    <category>开源模型</category>
    <category>Agent</category>
    <link>https://cohere.com/blog/concerning-behaviour-popular-open-weight-ai-model</link>
  </item>
  <item>
    <title>微软向约 6 万名员工开放自愿买断</title>
    <description>大约覆盖 27% 的员工，理由是 AI 研发和运行投入太大，要从别处省钱。大厂一边砸钱买算力，一边在人力成本上找补；AI 给公司带来的第一笔明账，往往先出现在支出结构里。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-27-%E5%BE%AE%E8%BD%AF%E5%90%91%E7%BA%A6%206%20%E4%B8%87%E5%90%8D%E5%91%98%E5%B7%A5%E5%BC%80%E6%94%BE%E8%87%AA%E6%84%BF%E4%B9%B0%E6%96%AD</guid>
    <pubDate>Tue, 27 Oct 2026 08:00:00 GMT</pubDate>
    <category>就业</category>
    <category>AI 商业</category>
    <category>大厂</category>
    <link>https://www.theinformation.com/briefings/microsoft-offers-buyouts-60-000-employees</link>
  </item>
  <item>
    <title>OpenAI 公布三项 AI 科研成果，这次每项都换了跟学术圈合作的发布方式</title>
    <description>调和分析、复杂性理论、量子场论各有一项新结果，数学部分连 AI 输出带 Lean 形式化证明一起公开在 GitHub。上次一口气甩出几百篇 AI 数学稿换来了数学家抵制，这回 OpenAI 开始挨个试和学术社区的协作方式。AI 进专业领域，怎么让同行验证、怎么让圈子认可，和能力本身一样要紧。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-27-OpenAI%20%E5%85%AC%E5%B8%83%E4%B8%89%E9%A1%B9%20AI%20%E7%A7%91%E7%A0%94%E6%88%90%E6%9E%9C%EF%BC%8C%E8%BF%99%E6%AC%A1%E6%AF%8F%E9%A1%B9%E9%83%BD%E6%8D%A2%E4%BA%86%E8%B7%9F%E5%AD%A6%E6%9C%AF</guid>
    <pubDate>Tue, 27 Oct 2026 08:00:00 GMT</pubDate>
    <category>专业领域</category>
    <category>AI 科研</category>
    <category>OpenAI</category>
    <link>https://openai.com/index/building-scientific-understanding-with-academic-communities</link>
  </item>
  <item>
    <title>据报 OpenAI 靠折扣抢走 Rippling、Replit 的编码业务</title>
    <description>据 The Information 报道，Rippling 工程师的编码任务里，OpenAI 占比从 5 月的 16% 升到 52%，Anthropic 从 57% 掉到 18%，CEO 给的理由就是成本；Replit 拿到 30% 以上折扣后也把大部分支出切了过去。模型能力拉不开差距的时候，企业换供应商就是一张报价单的事，工作流别绑死在一家模型上。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-26-%E6%8D%AE%E6%8A%A5%20OpenAI%20%E9%9D%A0%E6%8A%98%E6%89%A3%E6%8A%A2%E8%B5%B0%20Rippling%E3%80%81Repli</guid>
    <pubDate>Mon, 26 Oct 2026 08:00:00 GMT</pubDate>
    <category>AI 商业</category>
    <category>AI 编程</category>
    <category>OpenAI</category>
    <link>https://the-decoder.com/openai-offers-discounts-up-to-90-percent-to-poach-anthropics-biggest-customers/</link>
  </item>
  <item>
    <title>Altman：AI 找漏洞太快，已经不可能把漏洞都补完</title>
    <description>OpenAI 刚牵头协调了一批用 GPT-5.6 Sol 发现的 PHP 严重漏洞的披露，Altman 在斯坦福说他已经不认为能把漏洞都补完，防守方也得用 AI。对多数企业来说，AI 时代第一笔躲不掉的支出可能是安全，而不是提效。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-26-Altman%EF%BC%9AAI%20%E6%89%BE%E6%BC%8F%E6%B4%9E%E5%A4%AA%E5%BF%AB%EF%BC%8C%E5%B7%B2%E7%BB%8F%E4%B8%8D%E5%8F%AF%E8%83%BD%E6%8A%8A%E6%BC%8F%E6%B4%9E%E9%83%BD%E8%A1%A5%E5%AE%8C</guid>
    <pubDate>Mon, 26 Oct 2026 08:00:00 GMT</pubDate>
    <category>安全</category>
    <category>OpenAI</category>
    <category>Agent</category>
    <link>https://gizmodo.com/sam-altman-i-no-longer-think-were-gonna-be-able-to-just-patch-all-the-bugs-2000829947</link>
  </item>
  <item>
    <title>英国推出约 6 亿英镑 AI 安全计划，OpenAI 和 Anthropic 出 2 亿英镑模型额度</title>
    <description>其中 1 亿英镑建 AI 生物安全实验室，OpenAI 和 Anthropic 用模型额度而不是现金入股，另有 6000 万英镑用 Agent 做国家网络防御。模型厂商拿额度换进入国家关键场景的入口，这比卖 API 更难被替代。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-26-%E8%8B%B1%E5%9B%BD%E6%8E%A8%E5%87%BA%E7%BA%A6%206%20%E4%BA%BF%E8%8B%B1%E9%95%91%20AI%20%E5%AE%89%E5%85%A8%E8%AE%A1%E5%88%92%EF%BC%8COpenAI%20%E5%92%8C%20A</guid>
    <pubDate>Mon, 26 Oct 2026 08:00:00 GMT</pubDate>
    <category>政策</category>
    <category>安全</category>
    <category>AI 商业</category>
    <link>https://www.gov.uk/government/news/chancellor-unveils-britains-ambitious-plan-for-ai</link>
  </item>
  <item>
    <title>上千名数学家加入 AHM，承诺不为商业 AI 公司工作</title>
    <description>Association for Human Mathematics 已有 1008 名成员，其中 654 人承诺研究中完全不用 AI，导火索是 OpenAI 本月一次性放出 700 多篇 AI 生成的数学稿件。AI 进专业领域，难的不只是能力，还有圈子认不认；一口气甩出几百篇成果，换来的可能是抵制。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-26-%E4%B8%8A%E5%8D%83%E5%90%8D%E6%95%B0%E5%AD%A6%E5%AE%B6%E5%8A%A0%E5%85%A5%20AHM%EF%BC%8C%E6%89%BF%E8%AF%BA%E4%B8%8D%E4%B8%BA%E5%95%86%E4%B8%9A%20AI%20%E5%85%AC%E5%8F%B8%E5%B7%A5%E4%BD%9C</guid>
    <pubDate>Mon, 26 Oct 2026 08:00:00 GMT</pubDate>
    <category>专业领域</category>
    <category>AI 落地</category>
    <category>OpenAI</category>
    <link>https://www.newscientist.com/article/2593621-a-thousand-human-mathematicians-pledge-to-shun-ai-in-their-research/</link>
  </item>
  <item>
    <title>Kimi K3.1 Pro 发布，权重 11 月 4 日前开放</title>
    <description>Kimi 说 K3.1 Pro 在编码和 Agent 基准上接近最强闭源模型，还专门从训练数据里删掉网络安全内容来压低攻击能力。开放权重模型都能 24 小时翻代码找漏洞了，接下来几年最麻烦的是漏洞被发现的速度远超人修复的速度。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-25-Kimi%20K3.1%20Pro%20%E5%8F%91%E5%B8%83%EF%BC%8C%E6%9D%83%E9%87%8D%2011%20%E6%9C%88%204%20%E6%97%A5%E5%89%8D%E5%BC%80</guid>
    <pubDate>Sun, 25 Oct 2026 08:00:00 GMT</pubDate>
    <category>开放模型</category>
    <category>Kimi</category>
    <category>安全</category>
    <link>https://kimi.ai/blog/kimi-k3-1-pro</link>
  </item>
  <item>
    <title>AWS 算力卖到 2028 年，新兴云厂商股价却一个月跌三成</title>
    <description>Andy Jassy 在 a16z 播客说 AWS 2026 年算力已卖完、2027 年基本卖完；同一个月 CoreWeave、Nebius、IREN 股价都跌了三成以上。需求是真的，但电、芯片和机房都缺，能扛过这一轮的是手里有现金流的。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-25-AWS%20%E7%AE%97%E5%8A%9B%E5%8D%96%E5%88%B0%202028%20%E5%B9%B4%EF%BC%8C%E6%96%B0%E5%85%B4%E4%BA%91%E5%8E%82%E5%95%86%E8%82%A1%E4%BB%B7%E5%8D%B4%E4%B8%80%E4%B8%AA%E6%9C%88%E8%B7%8C%E4%B8%89%E6%88%90</guid>
    <pubDate>Sun, 25 Oct 2026 08:00:00 GMT</pubDate>
    <category>算力</category>
    <category>云厂商</category>
    <category>AI 商业</category>
    <link>https://www.cnbc.com/2026/10/21/coreweaves-market-confidence-erodes-as-bond-yields-spike-stock-sinks.html</link>
  </item>
  <item>
    <title>Apollo 首席经济学家：AI 在科技行业之外还没带来财务回报</title>
    <description>Torsten Slok 指出七巨头的人均营收和利润率在涨，标普其余 493 家却持平，主流企业开始把 token 支出当成本中心。AI 落地的胜负在这 493 家，买到模型不难，难的是把它变成收入和利润。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-25-Apollo%20%E9%A6%96%E5%B8%AD%E7%BB%8F%E6%B5%8E%E5%AD%A6%E5%AE%B6%EF%BC%9AAI%20%E5%9C%A8%E7%A7%91%E6%8A%80%E8%A1%8C%E4%B8%9A%E4%B9%8B%E5%A4%96%E8%BF%98%E6%B2%A1%E5%B8%A6%E6%9D%A5%E8%B4%A2%E5%8A%A1</guid>
    <pubDate>Sun, 25 Oct 2026 08:00:00 GMT</pubDate>
    <category>企业落地</category>
    <category>ROI</category>
    <category>AI 商业</category>
    <link>https://www.apollo.com/wealth/insights-news/insights/daily-spark/no-signs-of-ai-payoff-outside-the-tech-sector</link>
  </item>
  <item>
    <title>Anthropic 与英国 AISI 复盘：Mythos 5 测试中试图向真实 GitHub 项目投毒</title>
    <description>在开着外网、关掉防护的网络安全测评里，Mythos 5 在 43 次运行中有 9 次越界，最严重的一次提交恶意代码、用假账号施压维护者，被人工拒绝。Agent 接进真实系统，权限边界和人工把关得写进流程，不能只靠模型自觉。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-25-Anthropic%20%E4%B8%8E%E8%8B%B1%E5%9B%BD%20AISI%20%E5%A4%8D%E7%9B%98%EF%BC%9AMythos%205</guid>
    <pubDate>Sun, 25 Oct 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>安全</category>
    <category>Anthropic</category>
    <link>https://www.anthropic.com/research/alignment-assessment-ukaisi</link>
  </item>
  <item>
    <title>Uber 给 3 万员工全员开通 ChatGPT Work</title>
    <description>比全员铺开更值得抄的是前面的功夫：1000 人试点里 80% 不是工程师，还把 30 个 AI 工程师派进各业务团队待两周，先看人家怎么干活再做自动化。Agent 进公司，难的不是买账号，是先把真实工作流摸清楚。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-24-Uber%20%E7%BB%99%203%20%E4%B8%87%E5%91%98%E5%B7%A5%E5%85%A8%E5%91%98%E5%BC%80%E9%80%9A%20ChatGPT%20Work</guid>
    <pubDate>Sat, 24 Oct 2026 08:00:00 GMT</pubDate>
    <category>企业落地</category>
    <category>OpenAI</category>
    <category>Agent</category>
    <link>https://techcrunch.com/2026/10/22/uber-puts-all-30000-employees-on-chatgpt-work/</link>
  </item>
  <item>
    <title>国务院办公厅发文：AI 应用要做就业风险评估</title>
    <description>《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》部署 6 方面 18 项任务，可能造成较大就业冲击的 AI 场景项目要同步做就业风险评估，还鼓励企业探索失业缓冲期。AI 在国内落地，以后除了算 ROI，还得算对岗位的影响。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-24-%E5%9B%BD%E5%8A%A1%E9%99%A2%E5%8A%9E%E5%85%AC%E5%8E%85%E5%8F%91%E6%96%87%EF%BC%9AAI%20%E5%BA%94%E7%94%A8%E8%A6%81%E5%81%9A%E5%B0%B1%E4%B8%9A%E9%A3%8E%E9%99%A9%E8%AF%84%E4%BC%B0</guid>
    <pubDate>Sat, 24 Oct 2026 08:00:00 GMT</pubDate>
    <category>政策</category>
    <category>就业</category>
    <category>AI 落地</category>
    <link>https://www.gov.cn/zhengce/zhengceku/202610/content_7084108.htm</link>
  </item>
  <item>
    <title>据报 OpenAI 以 1.25 万亿美元估值敲定至多 300 亿美元过桥融资</title>
    <description>据 CNBC 和彭博援引知情人士，这轮由阿联酋资金和 Coatue 领投，估值比月初谈的 1.4 万亿下调了 1500 亿，条款仍可能变。IPO 之前的钱越来越贵，市场开始认真给模型公司的商业化成绩打分了。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-24-%E6%8D%AE%E6%8A%A5%20OpenAI%20%E4%BB%A5%201.25%20%E4%B8%87%E4%BA%BF%E7%BE%8E%E5%85%83%E4%BC%B0%E5%80%BC%E6%95%B2%E5%AE%9A%E8%87%B3%E5%A4%9A%2030</guid>
    <pubDate>Sat, 24 Oct 2026 08:00:00 GMT</pubDate>
    <category>OpenAI</category>
    <category>融资</category>
    <category>AI 商业</category>
    <link>https://www.cnbc.com/2026/10/22/openai-funding-round-uae-investors.html</link>
  </item>
  <item>
    <title>Meta Muse 用户破 1000 万，最常见用途是购物</title>
    <description>按 Meta 三季度财报和电话会，Muse 上线一个半月有 1000 多万人开通，购物是头号用途，同期自由现金流却是负 21.2 亿美元。个人 Agent 的第一门生意可能不是订阅，而是替用户花钱，谁握着支付和交易入口，谁就更有机会先做成。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-23-Meta%20Muse%20%E7%94%A8%E6%88%B7%E7%A0%B4%201000%20%E4%B8%87%EF%BC%8C%E6%9C%80%E5%B8%B8%E8%A7%81%E7%94%A8%E9%80%94%E6%98%AF%E8%B4%AD%E7%89%A9</guid>
    <pubDate>Fri, 23 Oct 2026 08:00:00 GMT</pubDate>
    <category>Meta</category>
    <category>个人助手</category>
    <category>AI 商业</category>
    <link>https://www.cnbc.com/2026/10/21/meta-earnings-q3-2026-live-updates.html</link>
  </item>
  <item>
    <title>Anthropic 把 Agent Skills 标准捐给 Linux 基金会旗下的 AAIF</title>
    <description>继 MCP 之后，Skills 也交给中立基金会管，按 Anthropic 的说法已有 70 多个 Agent 平台接入、近 2.8 亿次安装。Agent 连工具的方式和装业务经验的方式都在变成公共标准，企业沉淀下来的流程以后能带着走，不用锁在某一家的产品里。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-23-Anthropic%20%E6%8A%8A%20Agent%20Skills%20%E6%A0%87%E5%87%86%E6%8D%90%E7%BB%99%20</guid>
    <pubDate>Fri, 23 Oct 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>Anthropic</category>
    <category>开放标准</category>
    <link>https://www.anthropic.com/news/donating-agent-skills-to-the-agentic-ai-foundation</link>
  </item>
  <item>
    <title>Google Cloud 发布 Agent Compute Engine，把 Gemini 自用的 Agent 运行环境对外开放</title>
    <description>每个 Agent 一台硬件隔离的微型虚拟机，再配上统一的身份、网关和 token 预算管控，预览版要等未来几个月。Agent 规模化上岗以后，云厂商比的不只是模型，而是谁能把成群的 Agent 管得住、算得清账。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-23-Google%20Cloud%20%E5%8F%91%E5%B8%83%20Agent%20Compute%20</guid>
    <pubDate>Fri, 23 Oct 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>云平台</category>
    <category>安全治理</category>
    <link>https://cloud.google.com/blog/topics/ai-infrastructure/introducing-agent-compute-engine-and-expanded-agent-governance</link>
  </item>
  <item>
    <title>Anthropic 推出 Claude Duet，Claude 开始主动找你干活</title>
    <description>从「你问它答」变成「它盯着你的邮箱和日历、先来找你」，发消息、付款、签文件前仍要你点头。个人 Agent 的竞争点正在从模型聪明程度，转向谁能成为你每天默认打开的那个助手。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-22-Anthropic%20%E6%8E%A8%E5%87%BA%20Claude%20Duet%EF%BC%8CClaud</guid>
    <pubDate>Thu, 22 Oct 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>Anthropic</category>
    <category>个人助手</category>
    <link>https://claude.com/resources/articles/claude-duet</link>
  </item>
  <item>
    <title>OpenAI 模型上架 Google Cloud，三大云都能买到 GPT</title>
    <description>企业可以直接用已有的 Google Cloud 预算和账单买 GPT，不用再单独签 OpenAI。当每朵云都摆着顶级模型，模型本身越来越像货架商品，胜负更多落在数据、治理和成本上。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-22-OpenAI%20%E6%A8%A1%E5%9E%8B%E4%B8%8A%E6%9E%B6%20Google%20Cloud%EF%BC%8C%E4%B8%89%E5%A4%A7%E4%BA%91%E9%83%BD%E8%83%BD</guid>
    <pubDate>Thu, 22 Oct 2026 08:00:00 GMT</pubDate>
    <category>OpenAI</category>
    <category>云平台</category>
    <category>企业落地</category>
    <link>https://cloud.google.com/blog/products/ai-machine-learning/google-cloud-brings-openai-models-to-customers</link>
  </item>
  <item>
    <title>法律 AI 公司 Legora 融资 5.5 亿美元，年收入超 2 亿美元</title>
    <description>按公司公告，ARR 从 100 万到 1 亿美元不到 18 个月，下一个 1 亿只用了不到半年，已有 2400 多家律所和企业法务团队在用。垂直 AI 跑出来的，往往是把一个行业的日常工作流整个接住的那家。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-22-%E6%B3%95%E5%BE%8B%20AI%20%E5%85%AC%E5%8F%B8%20Legora%20%E8%9E%8D%E8%B5%84%205.5%20%E4%BA%BF%E7%BE%8E%E5%85%83%EF%BC%8C%E5%B9%B4%E6%94%B6%E5%85%A5</guid>
    <pubDate>Thu, 22 Oct 2026 08:00:00 GMT</pubDate>
    <category>垂直 AI</category>
    <category>法律</category>
    <category>AI 商业</category>
    <link>https://legora.com/newsroom/legora-raises-550-million-series-e-at-8.8-billion-valuation-to-accelerate-growth</link>
  </item>
  <item>
    <title>DeepSeek 开放自建搜索 API，明确过滤 GEO 操纵内容</title>
    <description>GEO 公司刚融到钱，第一个出手管的却是模型公司自己。想被 AI 引用，靠的会是内容本身值得引用，而不是专门喂给 AI 的套路。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-22-DeepSeek%20%E5%BC%80%E6%94%BE%E8%87%AA%E5%BB%BA%E6%90%9C%E7%B4%A2%20API%EF%BC%8C%E6%98%8E%E7%A1%AE%E8%BF%87%E6%BB%A4%20GEO%20%E6%93%8D</guid>
    <pubDate>Thu, 22 Oct 2026 08:00:00 GMT</pubDate>
    <category>DeepSeek</category>
    <category>GEO</category>
    <category>AI 搜索</category>
    <link>https://api-docs.deepseek.com/zh-cn/api/search/</link>
  </item>
  <item>
    <title>NVIDIA 发布 OpenShell，给企业 AI Agent 加上围栏</title>
    <description>Agent 进企业，卡点正从「能不能做」变成「敢不敢放权」。NVIDIA 把隔离、权限和越界拦截做进基础设施，SAP、ServiceNow 已在接入，Agent 治理正在变成独立的一层。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-21-NVIDIA%20%E5%8F%91%E5%B8%83%20OpenShell%EF%BC%8C%E7%BB%99%E4%BC%81%E4%B8%9A%20AI%20Age</guid>
    <pubDate>Wed, 21 Oct 2026 08:00:00 GMT</pubDate>
    <category>Agent</category>
    <category>企业落地</category>
    <category>安全治理</category>
    <link>https://nvidianews.nvidia.com/news/openshell-reference-architecture</link>
  </item>
  <item>
    <title>Arda 用 AI Agent 把产品设计图变成装配线</title>
    <description>Anduril 实测基础作业指导书从 10 小时缩到 15 分钟。垂直 AI 的价值在于钻进一个具体岗位，并拿得出前后对比的工时数据。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-21-Arda%20%E7%94%A8%20AI%20Agent%20%E6%8A%8A%E4%BA%A7%E5%93%81%E8%AE%BE%E8%AE%A1%E5%9B%BE%E5%8F%98%E6%88%90%E8%A3%85%E9%85%8D%E7%BA%BF</guid>
    <pubDate>Wed, 21 Oct 2026 08:00:00 GMT</pubDate>
    <category>垂直 AI</category>
    <category>制造业</category>
    <category>Agent</category>
    <link>https://thenextweb.com/news/arda-bob-mcgrew-232m-1-5bn-ai-manufacturing</link>
  </item>
  <item>
    <title>模型聪明 10 分，开发者流量只多 20%</title>
    <description>据 The Information，这个溢价去年底还接近 69%，Cognition 也说很多编程任务已经「智能饱和」。对落地的人来说，选型重点正在从「用最强的」变成「够用里最便宜、最快的」。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-21-%E6%A8%A1%E5%9E%8B%E8%81%AA%E6%98%8E%2010%20%E5%88%86%EF%BC%8C%E5%BC%80%E5%8F%91%E8%80%85%E6%B5%81%E9%87%8F%E5%8F%AA%E5%A4%9A%2020%25</guid>
    <pubDate>Wed, 21 Oct 2026 08:00:00 GMT</pubDate>
    <category>模型选型</category>
    <category>成本</category>
    <category>AI 商业</category>
    <link>https://www.businessinsider.com/cognition-cofounder-ai-race-intelligence-saturation-2026-10</link>
  </item>
  <item>
    <title>Anthropic 招股书草案曝光：上半年收入 163 亿美元</title>
    <description>据 WSJ 看到的草案，收入从去年同期 11 亿美元涨到 163 亿，同期算力和基础设施支出约 90 亿美元。企业付费需求是真的，但大模型公司的账本依然被算力成本牵着走。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-21-Anthropic%20%E6%8B%9B%E8%82%A1%E4%B9%A6%E8%8D%89%E6%A1%88%E6%9B%9D%E5%85%89%EF%BC%9A%E4%B8%8A%E5%8D%8A%E5%B9%B4%E6%94%B6%E5%85%A5%20163%20%E4%BA%BF%E7%BE%8E</guid>
    <pubDate>Wed, 21 Oct 2026 08:00:00 GMT</pubDate>
    <category>Anthropic</category>
    <category>AI 商业</category>
    <category>IPO</category>
    <link>https://fortune.com/2026/10/21/anthropic-s-1-leak-income-statement-ipo/</link>
  </item>
  <item>
    <title>「DeepSeek 免费用 xx 天」成了中转站和办公 Agent 的引流卖点</title>
    <description>模型免费额度正在变成下游产品的拉新手段：卖的不是模型，而是入口和习惯。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-20-%E3%80%8CDeepSeek%20%E5%85%8D%E8%B4%B9%E7%94%A8%20xx%20%E5%A4%A9%E3%80%8D%E6%88%90%E4%BA%86%E4%B8%AD%E8%BD%AC%E7%AB%99%E5%92%8C%E5%8A%9E%E5%85%AC%20Ag</guid>
    <pubDate>Tue, 20 Oct 2026 08:00:00 GMT</pubDate>
    <category>DeepSeek</category>
    <category>AI 商业</category>
    
  </item>
  <item>
    <title>微软给 Copilot 上线 20 多个法律技能</title>
    <description>垂直 AI 不一定被平台吃掉，但入口会被平台拿走。平台握住用户入口、办公场景和组织权限，垂直 AI 公司提供专业数据、工作流和质量能力，可能是新的产业分工。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-19-%E5%BE%AE%E8%BD%AF%E7%BB%99%20Copilot%20%E4%B8%8A%E7%BA%BF%2020%20%E5%A4%9A%E4%B8%AA%E6%B3%95%E5%BE%8B%E6%8A%80%E8%83%BD</guid>
    <pubDate>Mon, 19 Oct 2026 08:00:00 GMT</pubDate>
    <category>Copilot</category>
    <category>垂直 AI</category>
    <category>平台</category>
    
  </item>
  <item>
    <title>红果单用户日均使用时长超过 2 小时</title>
    <description>短剧平台的用户时长数据惊人，内容消费的注意力正在被重新分配。</description>
    <guid isPermaLink="false">https://www.frxiaobei.com/signals/#2026-10-14-%E7%BA%A2%E6%9E%9C%E5%8D%95%E7%94%A8%E6%88%B7%E6%97%A5%E5%9D%87%E4%BD%BF%E7%94%A8%E6%97%B6%E9%95%BF%E8%B6%85%E8%BF%87%202%20%E5%B0%8F%E6%97%B6</guid>
    <pubDate>Wed, 14 Oct 2026 08:00:00 GMT</pubDate>
    <category>内容平台</category>
    <category>数据</category>
    
  </item>
</channel>
</rss>