BestBlogs 精选周刊第 117 期 · 走进现实 - BestBlogs

本期内容

智能体修好了页面，却未必算对优惠；任务中断后，记住对话也不等于知道钱有没有退。第 117 期从这些具体问题出发，讨论怎样把增长的 AI 能力变成值得托付的结果。

我们沿五条主线展开：选择真实问题、让执行可以恢复、用证据验证完成、核算规模成本，以及理解用户愿意交出哪些工作。二十篇精选之外，还对照了站内工程实践、AlphaFold 3 论文、METR 研究更新及幂等性等一手背景。

时间线

00:00 开场：智能体说完成了，凭什么相信

01:14 新能力要回答真实问题：Argon 与任务选择

02:39 AlphaFold 之后：结构、动态与科学目标

04:15 M3 与 Muse：训练机制和部署条件

05:46 持续工作需要可恢复的执行：Claude 的架构取舍

07:19 记忆、执行进度与已经发生的外部结果

08:50 常驻智能体、Codex 界面与 REA 专业工具

10:23 真正完成要有可检查的证据：三种验证方法

11:56 谁定义完成：从真实任务到回归评测

13:27 淘宝与 Browserbase：失败归因和经验复用

15:13 规模增长会改变系统的账单：Uber 的工程平台

16:55 Scion：智能体工作量怎样改变版本管理

18:36 GEM 与 SemiAnalysis：在线成本和产业投入

20:11 用户愿意托付哪些工作：Labs 与 Wang 的产品判断

21:45 Ambi、交互边界与自我复制研究

23:33 收尾：从可检查的小事开始，读见内测邀请

本期二十篇精选

新能力要回答真实问题

Gemini 4 Argon：为解决棘手难题而生 · Google DeepMind News · www.bestblogs.dev
AlphaFold 之后：从蛋白质结构走向动态生命系统 · Latent.Space · www.bestblogs.dev
Muse Spark Open：Meta 的开放权重多模态模型 · Hugging Face - Blog · www.bestblogs.dev
MiniMax M3：稀疏注意力与原生多模态训练 · AI Engineer · www.bestblogs.dev

持续工作需要可恢复的执行

Claude Managed Agents：分离会话、推理与执行 · AI Engineer · www.bestblogs.dev
斯坦福 CS146S：常驻智能体如何持续工作 · leerob · www.bestblogs.dev
用 Codex App Server 构建自己的智能体界面 · AI Engineer · www.bestblogs.dev
REA：让智能体调用逆向工具，交付可追溯的分析 · 腾讯技术工程 · www.bestblogs.dev

真正完成要有可检查的证据

让智能体验证自己的代码：测试、约束与差分检查 · Elevate · www.bestblogs.dev
淘宝 AI 购物助手在线评测落地实践 · 大淘宝技术 · www.bestblogs.dev
如何评测 AI 智能体：从用户任务到回归测试 · Google Developers Blog · www.bestblogs.dev
把失败写成技能：Browserbase 的智能体改进方法 · AI Engineer · www.bestblogs.dev

规模增长会改变系统的账单

走进 Uber 的 AI 工程基础设施 · The Pragmatic Engineer · www.bestblogs.dev
Scion：Anthropic 为智能体编程重建版本管理 · Anthropic Engineering · www.bestblogs.dev
Meta GEM：让大模型服务实时广告推荐 · Engineering at Meta · www.bestblogs.dev
SemiAnalysis：AI 基建扩张的需求、回报与风险 · Alex Kantrowitz · www.bestblogs.dev

用户愿意托付哪些工作

Google Labs：用实验找到值得做的 AI 产品 · Lenny's Podcast · www.bestblogs.dev
Alexandr Wang 谈 Muse：个人智能体、产品判断与团队重建 · David Senra · www.bestblogs.dev
对谈 Ambi 创始人莫子皓：个人智能体的需求与交互 · 42章经 · www.bestblogs.dev
小模型能否在物联网设备上自我复制？Anthropic 的实验与边界 · Anthropic Research · www.bestblogs.dev

关于 BestBlogs

BestBlogs.dev 帮你发现技术、产品与商业领域的优质内容，「我的早报」每天按你的兴趣整理重点。新用户完成三步引导可获得 7 天 Pro，Pro 用户邀请朋友后双方各得 7 天，个人累计上限为 28 天。BestBlogs 3.0 计划下周先在读见网站开启内测，欢迎新老朋友申请体验：dujian.net。

BestBlogs 精选周刊第 117 期 · 走进现实