EP114 · 代理长程验证、工程训练车间、产品判断力 · 07-11 早报 - BestBlogs

章节时间戳

00:00 开场
00:41 真实工程如何验证长程编码代理
03:21 从写代码到做工程的训练路径
06:08 AI 时代的产品判断与推荐透明度
08:48 速览：模型、Agent 与推理成本
11:23 补充阅读：具身模型与开源推理
12:29 结语

★ 精讲一 | Cognition 用真实工程验证 Claude Fable 5 的长程编程能力

来自 Claude Blog

Cognition 用自建 Frontier Code 与工程师日常试用判断模型，而非只看通用基准。其团队称 Claude Fable 5 能在杂乱日志中定位根因、说明未知项，并可连续工作约八小时仍推进任务。文章提供的价值不在分数，而在考察长程编码代理是否值得托付的具体标准：能否守住约束、验证结果并在不确定时停下。

★ 精讲二 | KAT-Coder-V2.5 正式发布：从「写代码」到「做工程」，Agentic 能力全面提升

来自快手技术

快手把代码智能体的训练重点从单文件补全转向可运行的真实仓库：AutoBuilder 在隔离环境中生成配置、验证测试并迭代修复，使环境构建成功率提升至 57.2%，覆盖 12 种语言和超过 10 万个仓库。再结合多框架训练、分层奖励与失败轨迹回收，文章给出了一套针对长程工程任务的训练管线及其指标。

★ 精讲三 | AI 时代品味、人类真实感与判断力的崛起 [视频]

来自 Lenny's Podcast

Adam Mosseri 在访谈中把 AI 工具普及后的产品工作拆成两个问题：执行成本下降时，团队仍需用有争议、可被反驳的策略判断决定做什么；推荐系统则可借助 LLM 把难以解释的向量偏好转成用户可理解、可调整的兴趣概念。对产品和内容团队而言，这是一份关于人类品味、身份标识与推荐透明度的观察。

速览

08:48 更多值得关注的内容

· 全球首个「具身原生」预训练模型发布，从物理世界出发为机器人造大脑！ — 量子位

· 从模型到 Harness：WorkBuddy 如何把 Agent 做成可用产品 — 腾讯 WorkBuddy

· 使用 NVIDIA NeMo 进行金融 AI 研究的合成数据生成 — NVIDIA Technical Blog

· 意识 × Loop：让 Loop 跨 Session 自进化的最佳实践 — 阿里技术

· 【揭秘】如何打造一支凌晨 3 点还在交付的 AI 军团 — 腾讯技术工程

· 科技爱好者周刊（第 403 期）：为什么 Dropbox 不成功 — 阮一峰的网络日志

· AI 推理成本首次算清：GPU 利用率不到 52%，千万别自建！ — InfoQ 中文

补充阅读

11:23 今天额外值得一读的几条

· 万字科普：一千个「世界模型」在发布，到底什么是世界模型？ — Founder Park

· 构建智能体基础设施的未来：Claude Platform 如何迈向组织级能力 [视频] — Claude

· 用 AI 工具开启全新的设计方式：从编码智能体到可迭代品牌系统 [视频] — Y Combinator

· 更好的工具反而让 Copilot 代码审查变差。以下是我们实际改进的方法。 — The GitHub Blog

· 一位投资人对具身、模型与算力的 17 条判断 — 腾讯科技

· 最快半年 AI 跑通自进化？与陈天桥首席科学家聊聊硅谷模型必争之地 — 硅谷 101

关于 BestBlogs

BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，关注你感兴趣的来源和主题，每天生成一份更适合自己的「我的早报」，欢迎体验和关注我们。