← Back to AI News

Daily AI News

AI News|2026-10-29

AI NewsAIAgentBuilder8 sources

今日目录

今日判断

我今天盯的还是 coding agent 这条线。Thariq 和 Swyx 的几条合起来讨论同一件事:一次会话里 agent 该拿多大自主权,以及怎么确认它真的做完了。点赞高的不是模型能力帖,而是讲任务怎么切、产物怎么验证、失败怎么回滚的帖子,说明一线用 agent 的人已经过了尝鲜阶段,卡点在兜底成本。

企业侧我也看了。Aaron Levie 的价值在于把权限、数据边界、审计这些不好演示的东西摆上台面。同一天 Garry Tan 谈 infra、Matt Turck 谈模型层,放在一起看:模型本身越来越像公共品,被反复讨论的是编排层和成本结构,谁管 token 花在哪、agent 出错之后谁负责。

我的判断是,接下来两个月拉开差距的不是选哪个模型,是你能不能把 agent 的失败路径做成可见的。今天最值钱的信息都来自每天在真实仓库里跑 agent 的人,他们讲的坑比任何 benchmark 都具体。做产品的人今天该做的事:回去看看自己 agent 的中间产物有没有人能读懂。

快讯

1. Thariq:把 agent 的任务拆到能被单步验证

查看原文 · 来源:Thariq (@trq212)

Thariq 讲的是 coding agent 在真实项目里的工作流切分:把一次性大任务拆成能被单步验证的小块,让 agent 每一步都留下可检查的产物,而不是一口气生成几百行再回头 debug。内容来自日常使用,不是评测榜单。我的判断是,agent 产品的竞争点已经从模型能力转到任务切分和验证回路的设计,谁让中间产物更可读、更可回滚,谁才可能在真实仓库里长期跑下去。这条比同一天的模型参数讨论更值得一线 builder 花时间。

2. Thariq 的高赞帖:agent 的自主权该给到哪一步

查看原文 · 来源:Thariq (@trq212)

这条讨论 agent 的自主权边界:哪些步骤可以放手让它连着做,哪些必须停下来等人确认。它是当天互动最高的内容之一。我的判断是,自主权不是越多越好,而是看每一步的失败代价和可逆性。可逆、便宜、有明确校验信号的步骤可以连着跑;一旦涉及写生产环境、动数据、发外部请求,就必须插入人工确认点。这个原则比任何 agent 框架的默认配置都重要,产品设计时应该把它做成可配置项,而不是写死在 prompt 里。

3. Aaron Levie:企业里跑 agent 的瓶颈不在模型

查看原文 · 来源:Aaron Levie (@levie)

Levie 聚焦企业部署 agent 时真正卡住的地方:权限怎么划、上下文边界在哪、出了事谁负责。这些在 demo 里看不见,但决定了项目能不能从试点走到全量。我的判断是,to B agent 的护城河不在模型调用,而在能不能把企业已有的权限体系和审计要求接进去。做这行的团队如果还在比谁的 agent 会做更多事,方向就偏了,应该先去解决 agent 出错之后的追溯和回滚,这部分做不好,再强的能力也过不了采购那一关。

4. Garry Tan:agent 产品形态正在被 infra 层重排

查看原文 · 来源:Garry Tan (@garrytan)

Garry Tan 把 agent 的产品形态和底层 infra 放在一起谈,核心是编排层、token 成本和运行时环境正在重新决定什么样的 agent 产品能活下来。我的判断是,这类投资人观察要打折听,但有一点值得采信:当 infra 层把编排和成本管理标准化之后,应用层的差异化会往垂直场景和数据积累上收。对一线 builder 的实际含义是,别把精力花在自建编排框架上,除非那本身就是你的产品。先想清楚你的 agent 用了哪些别人拿不到的数据和流程,那个才是留下来的东西。

5. Swyx:coding agent 的能力有多少来自模型,多少来自 harness

查看原文 · 来源:Swyx (@swyx)

Swyx 讨论的是 coding agent 的效果有多少来自模型本身、多少来自外面的 harness,也就是工具调用、上下文管理、重试策略那一层。这个问题直接影响选型:如果模型换代带来的提升有限,投入就应该放在 harness 上。我的判断是,现在大多数团队高估了换模型的收益,低估了上下文组织和工具返回值设计的收益。同样的模型,工具返回结构清晰还是糊成一团,实际完成率能差出一截。做 coding tool 的人应该把 harness 当成一等公民来迭代,而不是每出一个新模型就重写一遍 prompt。

6. Swyx 补一条:coding agent 的评测该怎么做

查看原文 · 来源:Swyx (@swyx)

这条是 Swyx 对 coding agent 评测方式的补充:用什么任务集、怎么判断一次改动算成功、pass rate 之外该看什么指标。我的判断是,公开的代码评测大多在测一次性生成,而真实使用是长会话、多轮修改、带上下文的,两者分布差别很大。团队如果只盯着公开榜单挑模型,很容易在真实仓库里翻车。更实用的做法是拿自己仓库里最近几十个真实提交做成私有评测集,哪怕只有二三十条,也比公开榜单更能指导决策。

7. Amjad Masad:模型能力提升之后,产品该砍掉什么

查看原文 · 来源:Amjad Masad (@amasad)

Masad 讲的是模型能力上来之后,产品里那些为了绕开模型缺陷而做的补丁该被拿掉。这类判断只有真正在做产品的人会给,因为它涉及删自己写过的代码。我的判断是,大部分 AI 产品现在背着历史包袱:早期为兜住幻觉加的规则层、人工确认步骤、模板化输出,模型换代之后反而限制了能力发挥。定期做一次减法比持续加功能更难也更有价值。建议每个季度回头审一遍产品里的兜底逻辑,逐条问现在还需要吗,删掉之后真实场景跑不跑得通。

8. Peter Yang:把 AI 塞进日常工作流的一个具体做法

查看原文 · 来源:Peter Yang (@petergyang)

Peter Yang 给的是一个把 AI 接进日常工作流的具体做法,不是泛泛的提效建议。我的判断是,这类内容的价值不在方法本身有多新,而在于它示范了一种习惯:先把重复动作找出来,再决定是让模型写还是让 agent 跑。很多人的问题不是不会用模型,是从来没把自己的工作拆成可交给 agent 的步骤。对产品经理来说,值得做一次类似的梳理,把一周里重复三次以上的动作列出来,挑一个做成固定流程跑两周,比订阅十个工具都管用。

Daily AI News

Subscribe to AI News

Daily AI signal for builders: tools, agents, models, infra, product shifts, and the links behind each event.

No spam. Every issue links back to the original sources.