全部文章

Harness architecture. A stack of 1,000 agent sandboxes (1 lead and 999 helpers), each running the agent loop, harness code inside the sandbox, with a shell and a file editor as tools and the repo, Lean and the math library as files. API requests and responses pass between the agent loop and a gateway outside the sandboxes that calls the Claude API. Git and SQL requests and their results pass through the same gateway to the team infrastructure, also outside the sandboxes: a Git repository of Lean files and plans, and a Postgres database of instructions, tasks and notes.

长帖 / 视频 / Barry Zhang, Tianyi Peng, Elle Najt, Keller Scholl, Lance Martin收录 11.10原文 11.09

1000 个 Fable 5.2 智能体用 28.7 小时重做了费马大定理的形式化证明

Anthropic 的玩具实验里，1000 个早期 Claude Fable 5.2 智能体没有 Prove2Me 平台，也没有研究员当场指挥，用通用工具和共享数据库重做了今年 9 月那份费马大定理形式化证明。输出 token 大约是当时的三分之一，写出的证明大约是七分之一长。

中文约 18 分钟阅读全文

长帖 / 视频 / Ethan Mollick收录 11.10原文 11.09

Fable 5.2 能改键盘、策划生意、重做奥登的课，作者仍称它是锯齿状的 AGI

沃顿教授 Ethan Mollick 在公开前试用 Claude Fable 5.2，测了硬件、生意、诗歌课、创业研究和四百多个三维世界。他认为它在许多数字任务上已经够得上人类专家，但往往看不见自己的作品太长、太重复，或不好玩。

中文约 24 分钟阅读全文

文章 / Simon Willison收录 11.10原文 11.09

Screenshot of a web app that uses several phones, tablets and laptops as microphones to locate a mystery beeping sound in a room. The left column has an "Add a listener" panel with a QR code and join link, a "Controls" panel with buttons including "Calibrate", "Test beep" and "It just beeped!" plus a "Listen for beeps" checkbox, and a "Mystery beep" note reading "3345 Hz · 3 confirmed · remembered across sessions". Below that, a "Devices" list shows five color-coded listeners (Simon iPhone, New iPad, Old iPad, MacBook Pro, Surface Ultra), each marked "✓ mic working · ✓ speaker working". The main area is a gridded map with a 1 m scale bar that shows the five devices as colored dots and earlier sounds as small timestamped markers. A pink shaded circle near the MacBook Pro is labeled "mystery beep · 2 hearings · within ~41 cm", and beside it a dashed plus marker suggests "add a listener here? could tighten the mystery beep's position by ~12%". Below the map, a "Mystery beep loudness warmer / colder" panel shows a bar for each device: Surface Ultra is loudest at "-6.0 dB ▲ +11.6 dB warmer", with the note "about 6 dB louder means roughly half the distance". At the bottom, a "Sounds located" table lists recent claps and beeps with coordinates, or the warning "arrival times are not physically possible (echo or a different sound?)".

用两台 iPad、一部手机和两台笔电，他把神秘蜂鸣定位到大约 40 厘米内

Simon Willison 不想翻完一屋子没拆的搬家纸箱，于是让 Claude Code 做了一套多设备声音定位系统。它最后在那一堆箱子里找到一只急着换电池的旧一氧化碳报警器。

中文约 9 分钟阅读全文

文章 / Amaç Herdağdelen, Hailey Joren, Alex Tamkin收录 11.09原文 10.27

Collage of a vintage lithograph of a schooner heeling in a stormy sea, layered over an aged paper folder and a blue-tinted handwritten ship passenger list.

分析师有 86% 的判断跟着智能体走，事后却很少提起它

Anthropic Alignment 团队用投币给 Claude Code 指定倾向。50 名因果推断分析师在四个说得通的分析选项上，有 86% 站到了智能体一边；77% 复述了它的论证，只有 15% 把它写成来源。

中文约 21 分钟阅读全文

长帖 / Anthropic收录 11.08原文 11.06

Map of possible models, showing a search that branches out from a starting point and collects models in four clusters, beside simulated voltage traces for each cluster with their relative shares: 41%, 39%, 11%, and 9%.

霍奇金和赫胥黎用手摇计算器算了三周，AI 要交出的是哪些模型被排除了

图宾根大学的三位 AI for Science 资助研究者在 Anthropic 科学博客写道：AI 已经能写模型、拟合参数，但理解取决于看到哪些假设失败，以及哪些部分其实没被数据钉死。

中文约 20 分钟阅读全文

长帖 / Anthropic收录 11.07原文 11.06

Diagram of a memory hierarchy between one session and the next. From bottom to top: transcripts (a searchable event log), memory notes written by Claude, memory representations such as wikis, and injected context loaded into every session. Inside a box labeled "Dreaming," arrows run from transcripts up to each layer, and in both directions between neighboring upper layers.

Claude 写了 413 份笔记，只拿到 1 枚徽章：智能体记忆该怎么整理

413 份笔记只换来 1 枚徽章，10 份笔记却拿到 4 枚。Anthropic 用宝可梦、数据库与法律文档实验，拆解智能体怎样筛选经验、核对错误，并让下一次任务用上记忆。

中文约 15 分钟阅读全文

文章 / Clocktower 项目（Dwarkesh Patel）收录 11.07原文 10.05

AI 玩《血染钟楼》26 局好人全胜：复盘发现它们怎样核对证词

一份 10 月 5 日的 372 局分析，经研究员 11 月 6 日讨论的 Clocktower 项目重新进入视野：先核对证词来历，再集体决定处决；26/26 的战绩也有猎手命中、对手差异和小样本的限制。

中文约 13 分钟阅读全文

长帖 / Sardor11.06

CaptureFlow：边录屏边上传，支持 Docker 自托管

Chrome 扩展已上架，macOS 签名版仍待发布；Docker 使用 SQLite 和本地磁盘，也可部署到 Cloudflare Workers、D1、R2。

中文约 6 分钟阅读全文

长帖 / Nelson Chu11.06

checkwash 用 Git diff 检查测试弱化，Alpha 版仍有漏检和误报

v0.11.0 支持 Claude Code 钩子和 CI 检查，默认只阻断 high；历史评测有明确的版本、样本与误报边界。

中文约 16 分钟阅读全文

长帖 / Anthropic收录 11.06原文 11.05

Anthropic：用 Claude 解析细菌 vault 颗粒的首个三维结构

团队称，原本需要数周到数月的结构解析缩短到了几天；过程中也出现了需要纠正的错误。

长帖 / 视频 / Cursor11.06

Cursor：用 Agent 构建线上 App，并通过链接分享

描述需要的工具后，Cursor 会构建应用、设置数据库、运行安全检查并部署。

长帖 / 视频 / OpenAI11.06

OpenAI 发布 GPT-6 Cyber，先向部分 Daybreak Red 客户开放

OpenAI 称，Mozilla、Palo Alto Networks、Calif 和 Cisco 等公司的安全团队已在使用该模型。

长帖 / Guillermo Rauch11.06

Rauch 谈 Agent 持续任务：Vercel Schedules 可在运行时定义

Muse 和 Instinct 会夜间整理记忆、早上提醒，并在一段时间没互动后主动发消息。

长帖 / 视频 / Tibo收录 11.06原文 11.05

Tibo：Dropbox 一段屏录，让候补名单从 5000 人增至 75000 人

他回顾十八年前的发布视频，分析真实功能演示、目标受众与发布渠道如何配合。

X Article / Amjad Masad收录 11.06原文 11.03

Amjad：让受管云环境成为 AI Agent 的默认运行方式

Replit 建议把凭证、权限、网络和生产变更置于 Agent 控制之外，同时强调云托管本身不等于安全。

中文约 12 分钟阅读全文

视频 / AI news / DeepSeek Super Agent explainer收录 11.06原文 11.05

▶ 视频

DeepSeek Super Agent：用插件组织 router 与 worker 的研究原型

同一模型在九套 harness 中的通过率和成本不同；Super Agent 目前聚焦 GitHub、飞书，安全问题尚未完全解决。

中文约 4 分钟阅读全文

长帖 / Andrej Karpathy收录 11.06原文 11.01

Karpathy 做了 HackerTube：从 4300 万条 HN 评论中找到 6454 个视频

他用 Opus 5.5 花了约两小时完成这个周末项目；推荐无需登录，底层数据也可下载。

中文约 2 分钟阅读全文

长帖 / Pieter Levels收录 11.06原文 11.03

Levelsio：常规业务开销降到约 $300/月，不含 Photo AI

他称每月节省近 $34000；网站年度服务量为 2 万付费客户、2.52 亿访客、24 亿请求与 2.4 PB 带宽。

中文约 3 分钟阅读全文

长帖 / 视频 / Pieter Levels收录 11.06原文 11.02

Levelsio 用 Claude Code 将《战地 1942》试玩版移植到浏览器

他介绍了从 x86 反汇编、翻译成 C，到编译为 WebAssembly 和接入多人服务器的过程。

中文约 2 分钟阅读全文

长帖 / Guillermo Rauch收录 11.06原文 11.03

Rauch：Vercel 内部的安全审计 Agent 已对外开放

Rauch 称，仓库无论是否托管在 Vercel，都可以启用与内部安全 Agent 相同的能力。

长帖 / Sarah Guo收录 11.06原文 11.04

Sarah Guo 改变了看法：非工程师也想做自己的软件

她列了几种动机：动手做软件带来的力量感、没人替自己实现的工作流，以及想花几周修好的恼人问题。

X Article / Victor Cardenas收录 11.06原文 11.03

Slash 年化总收入达 5 亿美元，Victor 详述 SuperSMB 生意

Victor Cardenas 列出客户的年龄、支出与团队规模，解释 Slash 如何获客、设计产品和定价。

中文约 7 分钟阅读全文