股权管理公司Carta展示了企业如何利用AI和智能体来转型和塑造业务。Carta的首席产品官在AI Agent会议上介绍了其从服务业务转向AI驱动产品业务的策略，并强调了实验、避免急于求成以及保持人工参与的重要性。

在AI新闻相对平静的一天，一场关于AI“性格”的讨论引发广泛关注。OpenAI员工Roon公开称赞Claude的设计，将其与GPT的功利导向形成鲜明对比。此外，本文还涵盖了Sierra的新估值、智能体编排的演进、编程智能体的成本问题以及基准测试的最新动态。

Simon Willison的2026年4月赞助者专属月度通讯介绍了Opus 4.7和GPT-5.5等新模型、Claude Mythos与LLM安全研究、ChatGPT Images 2.0等内容。通讯对赞助者开放，每月10美元。

微软在用户投诉后撤销了VS Code的一项改动，该改动会自动在Git提交中添加“Co-authored-by: Copilot”的署名，即使用户未使用AI工具。开发者对此表示不满，认为错误地将AI归为代码合著者。微软已将该功能改为默认选择加入，并将在版本1.119中发布修复。类似问题也出现在Anthropic的Claude Code和OpenAI的Codex上。此举引发了关于AI代码贡献署名、版权保护和法律责任的复杂讨论。

OpenAI和普华永道宣布合作，利用AI代理帮助企业自动化财务工作流程、改进预测、加强控制，并实现CFO职能的现代化。

美国最大的食品和药品零售商之一Albertsons Companies（拥有约2300家门店，营收800亿美元）基于“一个团队、一个平台、一个运营模式”战略构建了集中化AI核心。在Sunil Gopinath的领导下，他们利用Databricks平台进行数据工程、机器学习和分析，采用特许经营模式平衡中央治理与本地创新。重点领域包括客户体验、商品智能、劳动力管理和供应链。该方法强调可复用加速器、AI增强工程和领导问责制，以在企业中扩展AI。

Anthropic联合黑石、H&F和高盛成立新AI服务公司，帮助中型企业采用Claude。此举与OpenAI的“部署公司”模式类似，表明两家公司均认识到AI落地的复杂性远超技术本身。微软凭借Copilot在分发渠道上仍具优势。

Simon Willison探索了Ville Laurikari的TRE正则表达式引擎，使用Claude Code构建了一个实验性的Python ctypes绑定，并测试了其对抗恶意正则表达式攻击（ReDoS）的能力。结果表明，TRE由于不支持回溯，在处理“邪恶模式”和大型输入时远超Python标准库re模块，性能呈线性扩展而非指数级。

传统仪表盘只能回答已知问题，当团队需要探索临时、多维或不可预见的问题时，就会遇到瓶颈。Amazon Quick的Dataset Q&A功能允许用户用自然语言提问，并在几秒内获得准确答案，无需构建新仪表盘或排队等待。AWS内部开发了TARA（技术分析研究代理），利用此功能将查询准确率提升48%，故障率降至接近零，分析时间从数小时缩短至几分钟。

通过生产追踪生成建议，使用批量评估和A/B测试进行验证，并自信地部署。AI代理的初始性能会随着时间退化。新功能提供自动化的观察、评估、改进循环。

Amazon Bedrock AgentCore 推出了新的优化循环，包括建议、批量评估和 A/B 测试，以持续提升生产环境中 AI 智能体的质量，用基于数据的迭代取代手动调试。

Amazon SageMaker AI 推出代理式体验，开发者用自然语言描述用例，AI 编码代理即可引导从数据准备到部署的整个模型定制流程。内置的代理技能涵盖微调技术选择、数据转换、质量评估等，生成可编辑的代码工件，支持 Amazon Bedrock 或 SageMaker AI 端点部署。本文详细介绍了通过九种模块化技能实现定制工作流，并以医疗推理模型微调为例进行演示。

Google在2026年4月发布了一系列重大AI更新，包括Gemini企业智能体平台、第八代TPU、开源模型Gemma 4、免费视频生成工具Google Vids、深度研究助手Deep Research Max、编程学习模式Colab Learn Mode等，同时宣布了医疗、教育、翻译等领域的AI应用进展。

科林·安格尔（Colin Angle）——Roomba 的创造者，曾将 5000 万台家用机器人送入千家万户——带着一款新机器人回归。但这一次，它设计为伴侣而非清洁工具。他的新公司 Familiar Machines & Magic 推出的第一款机器人是一只狗大小的机器宠物，外形介于熊、仓鸮和金毛寻回犬之间。它拥有富有表现力的面部，可动的眉毛、耳朵和眼睛，公司称之为“Familiar”（精灵），这个名字意在唤起民间传说中超自然伴侣的概念。该机器人使用生成式 AI 建立情感联系并发展独特个性，计划明年上市，价格与养宠物相当。

Amazon Quick 的新功能允许用户通过自然语言提示生成完整的多工作表分析，将仪表板创建时间从数小时缩短到几分钟。用户选择数据集、描述所需内容、审查生成计划，然后获得可交互的分析，并可一键发布为仪表板。

Amazon Quick 引入 Amazon S3 表（Apache Iceberg 格式）作为新数据源，用户可直接查询和可视化 S3 表桶中的数据，无需中间层。该功能通过 Direct Query 和 SPICE 模式实现近实时分析，简化现代数据架构，减少数据移动，并通过自然语言交互提升洞察速度。

今天，Amazon SageMaker AI 为新的和现有的推理端点引入了容量感知实例池。您可以定义优先级列表的实例类型，当容量在创建、扩展和缩减期间受到限制时，SageMaker AI 会自动遍历您的列表。您的端点可以在可用的 AI 基础设施上自动配置，无需手动干预。此功能适用于单模型端点、基于推理组件的端点和异步推理端点。

本文介绍如何将面试风格的SQL查询转化为生产就绪、可测试且版本控制的工作流，涵盖单元测试、CI/CD自动化及数据质量检查。

Redis 创始人 Salvatore Sanfilippo 提交了一个 PR，为 Redis 增加了一种新的数据类型——数组，并引入了 18 个新命令。开发者 Simon Willison 利用 Claude Code for web，将 Redis 子集编译为 WASM 并在浏览器中构建了交互式演示页面。其中最引人注目的命令是 ARGREP，它使用新集成的 TRE 正则表达式库在服务器端对数组元素进行 grep 操作。Sanfilippo 还撰写了一篇博文，介绍了 AI 辅助的数组类型开发过程。

谷歌推出 Gemini API 事件驱动 Webhooks，基于推送的通知系统替代低效轮询，提升长时间运行任务的效率。支持标准 Webhooks 规范、安全签名和自动重试，可全局或按请求配置。

本文探讨了代理式AI对云存储和数据访问层带来的前所未有的压力。随着AI从简单聊天机器人向自主多步代理转变，推理不再是无状态计算问题，而是大规模数据问题。文章指出传统数据基础设施无法应对AI代理的高并发、突发读取和不可预测访问模式，并分析了AWS EBS的限制，最后介绍了Silk的软件定义存储解决方案如何解耦性能与容量。

OpenAI已筹集超过40亿美元，成立了一家名为“部署公司”的合资企业，旨在帮助企业推广其人工智能软件。共有19家投资者参与，包括TPG、Brookfield资产管理公司、Advent和贝恩资本。OpenAI前期投入5亿美元，并可选择追加15亿美元。该合资企业建立在OpenAI的Frontier企业平台及其与BCG、麦肯锡、埃森哲和凯捷的“Frontier联盟”基础上。

Open SWE 是一个基于 Deep Agents 和 LangGraph 构建的开源框架，它捕捉了 Stripe、Ramp 和 Coinbase 等公司在内部编码智能体方面的成功架构模式，提供了可定制的沙箱、工具集、编排和集成组件。

像GLM-5和MiniMax M2.7这样的开放权重模型在核心智能体任务（文件操作、工具使用、指令遵循）上已媲美封闭前沿模型，同时成本更低、延迟更短。LangChain的评估显示其正确率接近顶级闭源模型，使开放模型适用于生产环境。本文详细介绍评估方法、结果及如何在Deep Agents SDK中使用开放模型。

英国科学家在《PNAS Nexus》上发表研究，证明AI系统与人类利益的完美对齐在数学上是不可能的。他们提出“管理性错位”策略，通过构建不同价值观的AI生态系统来相互制衡。

本文分析了AI在编程、科学研究和工程任务上的快速进展，认为到2028年底有60%以上的可能性实现无人类参与的AI研发——即AI系统能自主构建其继任者。作者从SWE-Bench、METR时间线、CORE-Bench、MLE-Bench等基准测试的数据出发，论证了AI在代码生成、科学可重复性、竞赛解决、内核优化、模型微调等方面的能力已接近或超越人类水平。文章还讨论了AI管理AI的元技能、创造性潜力以及自动化AI研发对对齐问题、经济生产力倍增和“机器经济”形成的深远影响。

本文以初学者、中级和高级三个层次解释代理型RAG（检索增强生成）的概念。它介绍了基础原理、架构设计以及在实际应用中的优势与挑战，帮助读者根据自身水平理解这一新兴技术。

本文评测了ML Intern，一款开源机器学习助手，它超越传统AutoML，覆盖数据探索、编码、调试到模型发布的完整工作流。通过一个客户支持工单分类案例，展示了从数据集选择、烟雾测试到训练计划生成的步骤。

每天有数百万条由人工智能生成的虚假内容被大规模传播，旨在改变整个国家的舆论。从俄罗斯的CopyCop网络到恶意AI蜂群，这些系统利用开源模型和个性化数据，制造虚假共识，侵蚀民主基础。文章探讨了水印、监管的局限性，并强调提升数字素养和回归可信来源的重要性。

香港机器人公司 DAIMON Robotics 发布了 Daimon-Infinity，号称是最大的物理 AI 全模态机器人数据集，包含高分辨率触觉传感数据，覆盖从家庭到工厂的多种任务。公司还开源了 10,000 小时的数据。其创始人 Michael Yu Wang 教授提出了视觉-触觉-语言-动作（VTLA）架构，将触觉提升到与视觉同等的地位。文章还讨论了触觉传感技术、公司“3D”商业模式以及从酒店到便利店的实际部署前景。