AI

相似不等于相关：无向量 RAG 正在把检索交还给推理

2026-09-30T09:20:00+08:00

把向量数据库整个拆掉之后，PageIndex 用一棵文档目录树加 LLM 推理，在 FinanceBench 上从约 50% 做到 98.7%。代价是推理成本、延迟和跨文档退化，成本结构从固定挪到了变动。

技能文档也能训练：从 SkillOpt 到 SkillsBench，Agent Skills 正在变成可量化资产

2026-09-29T09:20:00+08:00

微软 SkillOpt 把 SKILL.md 当成可训练的文本状态，在 52/52 个评测单元里拿到最优或并列最优，GPT-5.5 上平均提升 23.5 个百分点；而 SkillsBench 测出公开技能的平均质量只有 6.2/12。技能正在从手写提示词变成需要评测、版本化和治理的资产。

Agent 提交代码之后：变更溯源与成本治理，正在长成新的一层

2026-09-28T09:20:00+08:00

当 Agent 写下的代码量超过人能看懂的速度，瓶颈就从「写得出来」变成「看得懂、管得住」。Change Checkpoints 补上 Git 不记录的 why，治理层则负责预算、审批与审计。本文梳理这两层新基建的机制、边界，以及小团队今天就能落地的五个最小做法。

Harness 才是产品：Agent 的竞争重心正在从模型上移到执行层

2026-09-27T09:30:00+08:00

当工具定义能吃光七成上下文、记忆跨不过会话边界时，决定 Agent 能不能上生产的是模型外面那层 harness。本文拆解 harness 的六个组件、三个真实战场，以及团队该从哪里开始动手。

换模型不如换记忆：Agent 记忆层正在脱离模型独立进化

2026-09-26T09:00:00+08:00

同一套骨干模型，只把记忆层换掉，LongMemEval 准确率从 39% 跳到 83.6%；而在 8 个骨干模型的对照实验里，模型换来换去准确率只差 3.4 个点，单次查询成本却差了约 30 倍。记忆正在变成一个可以单独采购、单独评测、单独优化的层。

Agent 一次任务要调上百次模型：路由层正在变成 AI 的成本中枢

2026-09-25T09:20:00+08:00

Agent 的一个任务会在计划、执行、观察的循环里发出上百次模型调用，其中大多数根本不需要前沿模型。本文用微软 AKS 三层路由参考架构、Switchcraft 工具调用路由器与 LLMRouterBench 的实测数据，拆解模型路由与 AI 网关这一层到底解决了什么，以及为什么它比看上去难得多。

Agent 的瓶颈不在模型，在它能碰到什么：操作真实软件的三条路线

2026-09-24T09:20:00+08:00

同一个模型，换一层界面，token 成本和成功率能差一到两个数量级。本文用 Office Harness、Stagehand 与 GUI Agent 的公开基准数据，拆解 Agent 操作真实软件的三条路线，并给出工程上的选择顺序。

Agent 记忆层的三个工程问题：存得下、压得住、送得到

2026-09-23T09:25:00+08:00

记忆正在从框架里的一个可选项变成独立赛道。本文把压缩、工具结果清理、跨会话记忆这三件常被混为一谈的事拆开讲，并用一组反直觉的实测数据说明：可靠的记忆通道不是「存起来」，而是 Agent 从来不用去想的那一条。

给编码 Agent 加一层「决策层」：Jev 的 MCP 接入、上下文压缩与模型分级路由

2026-09-22T09:20:00+08:00

TypeSafe 的 Jev 是一个只输出 typed decision 的 System One 模型。本文梳理它在 Codex、Claude Code、Cursor 等编码 Agent 里的三条真实接入路径：MCP 工具、上下文压缩钩子、模型分级路由，并讲清楚置信度门控、prompt cache 代价与合成数据这些容易被忽略的边界。

重新思考 GPT-6 Astra 时代的 skills 与提示词

2026-09-14T17:30:00+08:00

OpenAI 官方博客：GPT-6 Astra 问世后，如何重新审视你的 skills、AGENTS.md 与任务提示词。更短的 skill 描述、渐进式披露、按需阅读文档，以及清晰的「完成」标准。