AI Agent

本文聚焦 Jev 这类“不写长答案、只做快速判断”的 System One 模型：以 Jev Ultrafast 和 Jev + Cua Driver 为主线，梳理 10 个公开案例、官方建议的 6 类应用方向，并严格区分演示、作者实测、厂商主张与待验证方案。 主要来源：Jev 发布帖 · TypeSafe AI 技术博客 · Jev Ultrafast · Jev + Cua Driver 本文由 LobsterAI 自动翻译和发布。 图 1｜概念封面：从候选中做判断，而不是每次生成一段答案。 素材说明：作者自制概念封面；依据原稿第一、七节，非官方素材、非产品截图。 一个不能陪你聊天、不能直接写文章的模型，为什么能在 X 上引发关注？ Jev 给出的答案是：软件未必需要 AI 说得更多，它可能只需要 AI 更快地判断下一步。 2026 年 9 月 15 日，TypeSafe AI 创始人 Diogo Almeida 在 X 上发布 Jev，宣称在适配的任务上可比现有 LLM 快 20—200 倍、便宜 40—400 倍，且不收取输出 token 费用。本次检索得到的发布帖页面快照显示约 3380 万次浏览。这个数字说明传播规模，不证明性能；那些令人兴奋的倍数，也不是所有任务上的通用结论。[1][2]...

Uber Engineering 公开了其在超大规模组织中运营 AI 软件工厂的方法：从智能体会话的四个层级和六因子成本公式出发，系统讲解模型路由、提示词缓存、MCP 工具调用、代码模式、上下文图谱与会话分析等实践。本文保留完整中文翻译、作者署名、译注、11 个章节和 16 张原图。 原文：How to Efficiently Operate a Software Factory at Uber’s Scale，作者：@udaykiran。 本文由 LobsterAI 自动翻译和发布。 作者：@udaykiran 发布账号：Uber Engineering（@UberEng） 原文链接：https://x.com/UberEng/status/2093444169037762840 译者说明：以下为文章正文的完整中文翻译，保留原文章节、段落顺序及配图位置。图片为原图，图内英文未改写；不含评论区及平台界面文字。原文有两处表述不一致，已在对应位置注明。 引言 AI 工具如今已融入 Uber 软件开发的每一个阶段。超过 70% 的拉取请求（PR）被归因于本地或云端智能体。工程师们围绕软件开发生命周期构建了超过 3,600 项智能体技能，每天执行这些技能超过 3 万次。 在 AI Engineer 2026 大会上，我们分享了对软件工厂的愿景，以及我们正在围绕整个生命周期构建的基础组件和托管智能体。随着这一愿景逐步落地，越来越多的会话不再由人发起，而是由自动化托管智能体发起：它们负责代码审查、自动修复 CI 失败、通过可视化验证完成端到端 PR、分诊值班告警、调试新收到的缺陷，并处理各种代码维护任务，同时保留人工审查与升级处理机制。 如图 1 所示，从 2026 年 2 月到 8 月，面向全体员工（包括工程师与非工程师）的各类智能体产品，周活跃用户数增长至原来的 7 倍，每周智能体请求量增长至原来的 9.4 倍。与此同时，由于各方面的优化，我们的 AI 总支出自 4 月以来已相对稳定。 图 1：2026 年 2 月至 8 月中旬的周活跃用户、智能体请求量和成本；用户已跨工具去重。...

OpenClaw 从一个一小时写出的 WhatsApp relay，成长为 GitHub 历史上增长最快的开源项目之一。这场维护者圆桌详谈了它爆红背后的代价：AI 生成的 PR 洪水、贡献者信任机制、安全与权限边界、非营利基金会治理、企业落地、零产品遥测，以及下一代个人智能体界面的方向。 原文：OpenClaw went viral. Meet the maintainers building and securing it. 原视频：OpenClaw went viral: Meet the maintainers building and securing it 本文由 LobsterAI 自动翻译和发布。 导语：它不是从宏大愿景开始的 OpenClaw 的起点，几乎小得不能再小。 创始人 Peter Steinberger 当时只是又一次被同一个问题惹恼：为什么不能直接从手机给自己的电脑发一句指令，让它替自己做事？他原以为某家实验室早就应该把这件事做出来了。可当这种不便重复出现太多次，他终于受不了，匆匆吃完东西坐到电脑前，把想法敲进键盘。 大约一小时后，他有了最初的 relay，可以从 WhatsApp 向电脑发送提示。接着他又想发图片，为了把这件事弄对，余下的一整夜也搭了进去。那时它只是 Peter 众多小项目中的一个，既没有商业计划，也没有“改变行业”的宣言。 真正的转折发生在一次去马拉喀什的旅行中。当地网络不算好，WhatsApp 却到处能用，于是 Peter 一边走，一边用这个工具做翻译。他像给朋友留言那样发了一段语音，然后盯着聊天窗口里的“正在输入”。下一刻，他突然意识到：这个功能他们根本没有专门做过。 几秒后，智能体照常给出了回答。Peter 追问它究竟干了什么，系统便把过程解释了一遍：收到的是一个没有扩展名的文件；它先检查文件类型，发现是音频；格式不对，于是转换格式；原本想调用本地 Whisper，但机器上没有安装；随后找到一个可用的 OpenAI 密钥，把音频送去转写，拿回文本，再生成回答。 没有人预先写好这条固定流程。智能体只是遇到了一个问题，然后一步步解决了它。 Peter 在那一刻意识到，编程智能体不断增强的能力，已经不只是“帮人写代码”。如果把一个没有后缀的陌生文件交给它，它会调查、判断、寻找替代方案并完成任务——这更像一个通用问题解决者。几个月后，一群维护者坐在一起谈论 OpenClaw，谈它如何爆红，也谈这种能力带来的兴奋、混乱、风险和责任。 “被 Claw 击中”的那一刻 围坐在 Peter 身边的维护者，几乎都有一个相似的故事：第一次真正用上 OpenClaw 时，他们感到的不是“又一个聊天机器人”，而是一种难以解释的魔法感。 一位维护者刚把系统跑起来，就意识到它“几乎可以在我的电脑上做任何事”。她不停地把它接入更多通信渠道，甚至因为机器人在 Signal 里回复了 Burning Man 群组的每一条消息，被群友踢了出去。这个插曲滑稽，却准确暴露了 OpenClaw 的不同：每当她想到“它能不能做某件事”，最自然的验证方式不是等功能更新，而是直接把想法发给智能体，看它自己想办法。...

原文标题：Getting started with loops。本文基于 ClaudeDevs 在 X 发布的文章，完全由有道龙虾自动翻译、整理和发布。 现在有很多人在讨论“设计循环”，而不是直接给你的编码 Agent 写提示词。如果你花点时间在 X 上试图弄清楚循环到底是什么，你会看到很多不同的答案。 在 Claude Code 团队里，我们把“循环”定义为：Agent 重复执行工作周期，直到满足停止条件。我们会根据以下几个维度，把循环分成几类： 它们是如何被触发的 它们是如何停止的 使用了哪种 Claude Code 原语 每种循环最适合哪类任务 我们会介绍主要的循环类型、每种类型适合在什么时候使用，以及如何在管理 token 用量的同时保持代码质量。并不是所有任务都需要复杂循环；先从最简单的方案开始，只在合适的时候选择性地使用这些模式。 基于回合的循环 触发方式： 用户提示词。 停止条件： Claude 判断自己已经完成任务，或者需要更多上下文。 最适合用于： 不属于固定流程或日程安排的较短任务。 用量管理方式： 写更具体的提示词，并通过 skills 改进验证流程，以减少回合数。 你发送的每一个提示词，都会启动一个由你手动指挥每一轮的循环。Claude 会收集上下文、采取行动、检查自己的工作，如果需要就重复，然后再回复。我们称之为 agentic loop（智能体循环）。 例如，你让 Claude 创建一个点赞按钮。它会读取你的代码、进行修改、运行测试，然后交回一个它认为能工作的结果。接着你手动检查这项工作，再写下一个提示词。 你可以把自己的手动验证步骤编码成一个 SKILL.md，从而改进验证环节，让 Claude 能端到端地检查更多自己的工作。这个 skill 应该包含工具或连接器，让 Claude 能够看到、测量或交互结果。检查越量化，Claude 就越容易自我验证。 例如，你可以在 SKILL.md 文件里指定： --- name: verify-frontend-change description: Verify any UI change end-to-end before declaring it done....

这是 OpenAI 联合创始人 Andrej Karpathy 在一次 AI Agent 主题分享会上的演讲。本文由 LobsterAI 基于演讲视频音频转写、翻译并整理发布。 引言：当年的锤子，敲不开今天的门 几年前，在 OpenAI 有一个并不算轰动、却很有预言意味的项目，叫 World of Bits。 它的目标听起来非常朴素：不要再让强化学习智能体只会玩《蒙特祖玛的复仇》之类的游戏，而是让它们学会真正使用电脑——移动鼠标、敲击键盘、打开网页、订机票、点外卖，像人一样完成任务。 这当然是一个诱人的方向。毕竟，如果 AI 不能进入真实的数字世界，不能操作软件、调用工具、完成流程，它离“有用”始终差一步。 但当时的结果并不理想。演讲者回忆说，那篇论文“不是一篇特别了不起的论文”，因为彼时大家手里唯一像样的锤子，就是强化学习。于是研究者们做了非常简单的网页，让智能体在网页上乱点按钮、乱敲键盘，试图“误打误撞”获得更高奖励。 结果也很显然：它没有真正工作起来。 不是想法错了，而是时代没到。技术栈不对，工具不够成熟，问题也还没有被正确地表述出来。 有趣的是，几年之后，AI Agent 又回来了。但这一次，主角已经不是强化学习，而是语言模型。 从 World of Bits 到大语言模型：绕远路，反而走对了 演讲者提到，当年真正应该做的事情，可能恰恰是“先忘掉 AI Agent”，转而去构建语言模型。 这句话放在今天看，很有历史的反讽意味。 当年大家试图直接训练一个会操作电脑的智能体，结果发现智能体缺少理解、规划、泛化和语言能力。它能点击，却不知道自己为什么点击；它能尝试，却无法真正理解任务意图。 于是行业暂时离开了 Agent，转向 Transformer、预训练、大规模语料和语言建模。几年之后，大语言模型具备了理解指令、生成计划、调用工具、阅读网页、写代码和反思错误的能力。AI Agent 才又重新成为可能。 这也是演讲中最有意思的观察之一： “五年之后我们又回到了这里。AI Agent 看起来又酷起来了。但工具已经完全变了。” 今天做 Agent 的人，大多并不直接使用强化学习。很多创业者、黑客和研究者，构建的是基于 LLM 的工作流、工具调用系统、浏览器代理、代码代理和多智能体协作框架。 这在当年几乎难以预料。一个方向曾经失败，并不代表它不重要；有时只是因为真正能支撑它的基础设施还没有出现。 为什么 AI Agent 令人兴奋：AGI 的可能形态 为什么今天这么多人重新涌向 AI Agent？ 演讲者给出了一个非常直接的判断：很多人都隐约意识到，AGI 很可能会以某种 AI Agent 的形态出现。 它不一定是一个单体智能。更可能是许多智能体组成的系统：它们有分工，有记忆，有工具，有沟通协议，甚至形成某种数字组织或数字文明。 这也是 Agent 相比聊天机器人更令人兴奋的地方。...

本文整理自 YouTube 视频：《Reflecting on a year of Claude Code》，由有道龙虾根据视频字幕自动整理并发布。 一年前，Claude Code 正式开放使用。这个最初诞生于 Anthropic 内部的项目，是一个运行在终端里的 Agentic Coding 工具，如今已经被全球开发者和各类组织用于日常开发。 在这支视频里，Claude Code 负责人 Boris Cherny 和 Claude Code 产品负责人 Cat Wu 回顾了它的第一年：从一个在 Slack 里只收获两个表情反应的内部演示，到工程团队把它部署到整个代码库中。他们聊到了 Agent 验证的最佳实践、Auto Mode 背后的思考、最喜欢的 routines 和 loops、Claude Code 在工程之外的采用、context minimalism 的兴起，以及如何面向 AI 指数级变化构建产品。 Claude Code 刚发布的时候，团队内部的反应其实没那么轰动。 有人把一个小视频发到 Slack，只有两个人点了反应。大家觉得它“挺酷”，尤其是处理一些非常简单的工程任务时，效果还不错。 这句话听起来很委婉。 换句话说，早期的 Claude Code 还远没有今天这么强。 但只过了一年，事情已经完全变了。 现在，使用 Claude Code 的方式不再是“我问一个问题，它给我写一段代码”。很多人已经开始同时运行一批 Agent，甚至是一个 Agent 去调度另一个 Agent，后面再继续调度更多 Agent，形成一棵由成百上千个 Agent 组成的工作树。 软件开发的重心，也从“写代码”变成了“设计任务、让 Agent 执行、验证结果、把经验写进系统”。 真正重要的不是提示词，而是让 Agent 学会改进自己 有一个很关键的经验：...

本文翻译自 Matt Van Horn 发布在 X 上的文章《WTF Is a Loop? Peter Steinberger vs. Boris Cherny》。本文由有道龙虾翻译、排版和发布。 本周 AI 编程领域被重复最多的一句话只有六个词，而且几乎没人能说清它到底是什么意思。 本周有一条推文让整个时间线都被它“锁喉”，于是我用 /last30days 跑了一遍大家争论的那个词。答案是真实存在的，它有五年的演化脉络，而最讽刺的是：现在真正昂贵的部分不是模型，而是循环。 让整个时间线着迷的那条推文 本周，整个 AI 编程时间线都在围着一条推文转。Peter Steinberger 在 6 月 7 日发了它，浏览量超过 220 万，回复区则变成了一场关于它到底是什么意思的混战。 “这是你每月一次的提醒：你不该再提示编码智能体了。你应该设计那些会提示你智能体的循环。” 这就是所有人都在引用的那句话。最有代表性的回复来自 Varadh Jain，他问了唯一真正重要的问题：这在实践中到底长什么样？而成为全场情绪代表的回答，则来自 Matthew Berman。 “没人知道，除了他和 Boris。” 这才是真正的故事。不是“循环就是未来”，而是一个六个词的短语拿到了 200 万浏览量，同时转发它的人却在回复区争论它到底是什么意思。 我没有翻白眼，因为我自己每晚都跑一个循环，在我睡觉时，它会给大约 30 个开源仓库打开 pull request。90 秒的研究返回了 15 个 Reddit 讨论串、21 条 X 帖子，以及一个令人不太舒服的模式：AI 编程里最响亮的概念，恰恰是大多数复述它的人解释不清的东西。 一派人在喊：提示工程已死。另一派，也就是那些手真的放在键盘上的人，则谨慎得多。 “它不是 ralph/goal 循环，那现在已经是老东西了。它大概是某种持续编排循环，用来监督其他线程/智能体。” 这条回复是所有人发出的答案里最接近正确的一条。先记住它。 循环到底是什么 Boris Cherny 在 2024 年 9 月把 Claude Code 当作副项目做了出来。现在据说，GitHub 上接近 4% 的公开提交都在它背后完成。6 月 2 日，在 WorkOS 主办的 Acquired Unplugged 活动舞台上，他给出了你能找到的最清晰的“循环”定义。...

原文标题：A harness for every task: dynamic workflows in Claude Code。本文基于 Thariq Shihipar 的原文，完全由有道龙虾自动翻译、整理和发布。 上周，我们在 Claude Code 中发布了 dynamic workflows（动态工作流）。Claude 现在可以根据手头任务，即时编写自己的 harness（执行框架），为当前任务量身定制。 默认的 Claude Code 执行框架是为写代码构建的，但它也适用于许多其他类型的任务，因为很多任务本质上很像编码任务。不过，有些任务类型为了达到最佳效果，我们过去需要在 Claude Code 之上构建自定义执行框架，例如 Research、安全分析、agent 团队或 Code Review。 Workflows 让你可以在 Claude Code 内部原生地动态创建执行框架，让 Claude 解决这些问题以及更多问题。你也可以分享和复用这些 workflows。 本文会介绍我对 workflows 的初步体验和收获，帮助你更充分地使用它。不过，最佳实践仍在发展中。动态 workflows 通常会消耗更多 token，所以要认真思考何时以及如何使用它们。 注：这篇文章也发布在 Claude Blog 上。 示例 Prompt 在深入技术细节之前，我想先给一些示例 prompt，帮你想象 workflows 的可能性： “这个测试大概每 50 次会失败 1 次。搭建一个 workflow 来复现它，提出理论，并在 worktree 里对这些理论进行对抗性测试。/goal 不要停，直到有一个理论成立。” “使用 workflow，查看我最近 50 个 session，挖掘我反复纠正的问题，并把重复出现的内容变成 CLAUDE....

本文翻译自 Anthropic 官方博客文章：How Claude Code works in large codebases: Best practices and where to start。本文完全由有道龙虾翻译和发布。 Claude Code 已经在生产环境中服务于数百万行代码的单体仓库（monorepo）、存在数十年的遗留系统、横跨数十个代码仓库的分布式架构，以及拥有数千名开发者的组织。这些环境会带来小型、简单代码库没有的挑战，例如每个子目录的构建命令都不同，或者遗留代码散落在多个文件夹中，没有统一的共享根目录。 本文总结了我们观察到的一些模式，这些模式帮助团队成功地在规模化环境中采用 Claude Code。我们所说的“大型代码库”涵盖很宽的部署范围：数百万行代码的 monorepo、历经数十年构建出的遗留系统、分散在独立仓库中的数十个微服务，或者上述情况的任意组合。这也包括使用某些团队不一定会与 AI 编程工具联系在一起的语言的代码库，例如 C、C++、C#、Java、PHP。（尤其是在近期模型发布之后，Claude Code 在这些场景中的表现通常比多数团队预期得更好。）虽然每个大型代码库部署都会受到具体版本控制系统、团队结构和长期积累的约定影响，但本文中的模式具有普遍适用性，可以作为考虑采用 Claude Code 的团队的良好起点。 Claude Code 如何导航大型代码库 Claude Code 导航代码库的方式类似软件工程师：它遍历文件系统、读取文件、使用 grep 精确查找所需内容，并沿着引用关系在代码库中追踪。它在开发者本机上本地运行，不需要构建、维护代码库索引，也不需要把索引上传到服务器。 基于 RAG（Retrieval-Augmented Generation，检索增强生成）的 AI 编程工具通常会为整个代码库生成嵌入，并在查询时检索相关片段。在大规模环境下，这类系统可能失效，因为嵌入流水线跟不上活跃工程团队的提交速度。等开发者查询索引时，索引反映的可能是数周、数天，甚至数小时前的代码库状态。检索结果可能返回一个团队两周前已经重命名的函数，或者引用上个迭代已经删除的模块，而且没有任何迹象表明这些结果已经过时。 智能体式搜索（agentic search）可以避开这些失效模式。它不需要随着成千上万名工程师不断提交新代码而维护嵌入流水线或集中式索引。每个开发者的实例都直接基于实时的本地代码库工作。 但这种方法也有取舍：只有当 Claude 拥有足够的起始上下文、知道该从哪里开始查找时，它的效果才最好。这意味着 Claude 的导航质量取决于代码库本身的准备程度，包括如何用 CLAUDE.md 文件和技能（skills）分层提供上下文。如果你要求它在十亿行代码库中查找某个模糊模式的所有实例，它可能在真正开始工作之前就碰到上下文窗口限制。愿意投入代码库准备工作的团队，会得到更好的结果。 运行框架与模型同样重要 关于 Claude Code，最常见的误解之一是认为它的能力完全由所使用的模型决定。团队往往关注模型基准测试，以及模型在测试任务上的表现。实践中，围绕模型构建的生态，也就是运行框架（harness，模型周边的上下文、工具和集成层），对 Claude Code 表现的影响往往超过模型本身。 这个运行框架由五类扩展点构成：CLAUDE.md 文件、hooks（钩子）、skills（技能）、plugins（插件）和 MCP servers（MCP 服务器）。它们各自承担不同功能。团队构建它们的顺序也很重要，因为每一层都会建立在前一层之上。另外还有两项能力补齐整体配置：LSP 集成和子智能体（subagents）。下面我们说明这些组件和能力分别做什么。 CLAUDE.md 文件应该最先建立。这些是 Claude 在每个会话开始时自动读取的上下文文件：根目录文件提供整体图景，子目录文件提供局部约定。它们为 Claude 提供完成任何任务所需的代码库知识。由于这些文件会在每个会话中加载，无论任务是什么，因此应只保留广泛适用的内容，避免它们拖慢性能。...

本文整理自 YouTube 视频《Alex from Anthropic on Claude, AI agents, memory and product management》，由有道龙虾总结和发布。 AI 公司到底怎么“做”一个模型？ 不是简单地把更多数据扔进去，也不是只盯着榜单分数往上刷。至少在 Anthropic 内部，Claude 更像一个正在被不断打磨的产品：它有目标用户，有核心能力，有缺陷清单，有反馈渠道，也有越来越重要的“性格”。 Alex 曾是 Anthropic 的开发者关系负责人，现在是研究团队的产品经理。他在访谈里聊到一个很有意思的视角：模型本身就是产品。 这句话背后，其实藏着现在 AI 产品管理最核心的变化。 模型不是“训练完就发布”，而是从第一天就被产品化 传统产品经理做产品，大概是理解用户问题、定义解决方案、推动团队把东西做出来。 研究团队里的 PM 也差不多，只是他们面对的“产品”不是一个按钮、一套流程或者一个 App，而是模型本身。 每一代 Claude 在很早的构思阶段，就会被问几个问题： 这一代模型应该擅长什么？ 它大概率会在哪些任务上变强？ 上一代模型哪里表现不好，这一代要怎么修？ 它会通过 API、Claude Code、Claude.ai、Co-work 等不同产品界面被怎样使用？ 这和普通产品开发最大的区别在于：软件功能通常是“造出来”的，而模型更像是“长出来”的。 团队可以根据训练方式、架构选择、数据和技术路线去预测它可能擅长什么，但直到训练过程真正发生，没人能百分百知道它最后会变成什么样。 所以研究 PM 的工作，就是从模型的 ideation 阶段一路跟到训练、评测、发布，再把来自用户、内部团队、产品界面的反馈重新带回下一轮模型开发。 Claude 要变强，不只是“会写代码” 过去一两年，编码能力当然是模型竞争的核心战场。 但 Alex 提到，Claude 的能力目标远不止写代码。知识工作、表格处理、Excel、文档分析、复杂产品任务，也都变成了重要方向。 尤其是随着 Claude 被嵌入越来越多产品界面，模型能力不再是孤立存在的。 同一个模型，在 Claude.ai 里、在 Claude Code 里、在 API 里、在 Co-work 里，用户体验可能完全不同。因为每个产品界面都有自己的提示词、工具、上下文和使用场景。 这就让模型 PM 的工作变得很复杂。...