AI 日报

犹他县部署人工智能模型分析航拍图像，发现25,000个此前未标绘的雨水井。这一发现增强了灭蚊工作，使得工作队能处理更多繁殖地，减少西尼罗河病毒等蚊媒疾病的风险。

一个关于AI的宾果游戏网站。

安全研究人员发现一种名为Agentjacking的攻击方法，利用虚假错误报告劫持AI编码代理，无需恶意软件或密码即可在开发者机器上执行任意代码。该攻击针对Sentry错误追踪工具，通过注入恶意命令，成功入侵Claude Code、Cursor和Codex等代理，成功率85%，涉及2388个组织。Sentry未修复根本原因，仅添加了临时过滤。此漏洞暴露了AI代理处理外部数据的普遍风险。

文章探讨了AI生成代码质量提升如何改变软件工程的本质。作者认为，代码不再是珍贵的资产，而是可丢弃的缓存，团队应更多关注评估和架构而非仅依赖代码。

本文介绍了Strands Evals SDK中的检测器，它可以自动识别AI智能体执行轨迹中的故障并进行根因分析，将诊断时间从数小时缩短至数分钟。文章详细讲解了如何调用检测函数、解读结构化输出（包括分类故障、置信度、因果链和修复建议），以及如何将检测集成到评估管线中实现自动化诊断。

苹果新推出的“描述快捷指令”功能让用户通过自然语言创建自动化流程，但AI生成的快捷指令可能带来安全风险，尤其是持久化自动化可能在不被理解的情况下执行敏感操作。用户和企业需要谨慎审查触发器、权限和数据操作。

一封由美国及其盟国众多科技领袖签署的公开信，呼吁撤销对Anthropic的Fable和Mythos大模型出口管制，主张以科学、透明的方式处理AI风险评估。

Velxio是一款免费、开源的在线电路仿真器，支持SPICE精确模拟和多种微控制器（Arduino、ESP32、RP2040、ATtiny85等）的实时协同仿真。最新2.5版本引入了基于ngspice-WASM的实时SPICE模拟，可实现数字与模拟混合协同仿真。该工具无需安装、无需账户，完全在浏览器中运行，支持自定义芯片（C、Rust、AssemblyScript）、100多个交互元件、示波器、电压表等。

本文探讨了AI智能体的定义，提出智能体是一个使用LLM决定应用控制流的系统。作者赞同Andrew Ng的观点，认为智能体能力是一个频谱，并介绍了“智能体化”的概念及其在开发、运行、评估和监控中的意义。

LangChain构建了一个基于Deep Agents的GTM代理，自动完成潜在客户研究和邮件起草，并整合账户情报，实现了线索转化率提升250%，每位销售代表每月节省40小时。

本文分析了两个看似对立的博客文章——Cognition团队的“不要构建多智能体”和Anthropic团队的“我们如何构建多智能体研究系统”，指出它们实际上有很多共同点，并提供了关于何时以及如何构建多智能体系统的见解。关键要点包括：上下文工程至关重要、以“读”为主的多智能体系统比以“写”为主的更容易、以及生产可靠性和工程挑战。文章还介绍了LangGraph和LangSmith等工具如何帮助解决这些挑战。

了解 Replit 如何利用 LangSmith 的观测能力调试复杂的代理工作流，包括改进的追踪性能、搜索功能和人机协同线程视图。

Interrupt 2025 是 LangChain 举办的首届行业大会，汇聚了来自全球的 800 名参与者。会议重点讨论了代理工程作为新学科、多模型应用、LangGraph 用于构建可靠代理以及 AI 可观测性等主题。同时，LangChain 发布了一系列新产品，包括 LangGraph Platform 正式版、Open Agent Platform、LangGraph Studio v2、LangGraph Pre-Builts、LangSmith 可观测性更新、Open Evals 和 LLM-as-Judge 等。

本教程介绍如何利用Pinecone Serverless、LangChain和LangServe构建生产级RAG应用，解决原型与生产之间的差距，包括向量存储管理、快速部署和可观测性。

本文深入探讨了构建可靠智能体系统的核心挑战——确保LLM在每一步都拥有适当的上下文。作者比较了工作流与智能体、声明式与命令式方法，并介绍了LangGraph框架的设计理念。文章还批评了OpenAI的智能体指南，赞赏了Anthropic的定义，并讨论了框架的“天花板”与“地板”概念。

Promptim 是一个实验性的提示优化库，通过自动化迭代改进提示词，帮助开发者节省时间、提升 AI 系统性能。它利用数据集和评估器进行优化循环，并支持人工反馈集成。

New Computer利用LangSmith改进其AI记忆检索系统，实现了50%更高的召回率和40%更高的精确度，通过追踪回归和调整对话提示来优化性能。

学习评估深度代理的5种模式：定制测试、单步验证、完整回合、多轮模拟和环境设置。

Eva 是一款完全离线的 Android AI 助手，所有功能（包括语言模型、语音识别、文档搜索、地图、音乐和维基百科）均在设备上运行，无需账户或云端连接。它提供聊天、离线地图导航、音乐播放器、文档阅读、图像管理等功能，并支持通过语音或文本交互。

Recursive公司发布了自动化AI研究系统的早期成果，在三个基准测试中实现了最先进的性能：固定预算语言模型训练、小模型训练速度和GPU内核优化。该系统自动化了研究循环，通过提出、实现、实验、验证和迭代来改进目标。在NanoChat任务中，系统以0.9109 BPB的表现超越了社区最佳结果；在NanoGPT Speedrun中，训练时间缩短至77.5秒；在SOL-ExecBench中，GPU内核优化达到0.754的SOL得分。系统发现了多种创新技术，如哈希表增强的n-gram嵌入和字节级特征。

Degen & Co. 是一个平台，允许用户创建具有不同个性的AI投资者，例如动量追逐者、股息保守派或末日预言者。每个AI交易员都有独立的意见、交易策略，并会撰写交易日志。用户可以选择原型、调整个性设置、设定硬性规则和初始投资组合，然后观察AI的运行。

自上周五以来，Anthropic与Mythos和Fable模型相关的争议持续发酵。本文梳理了事件时间线，包括Anthropic与国防部的争端、Mythos模型的发布、白宫的分歧、Fable 5的推出及其安全限制引发的批评、以及最终导致特朗普政府实施出口管制的风波。文章分析了支持与反对Anthropic的论点，作者认为Anthropic大体上做出了正确决定，并间接为Fable做了广告。

一段关于IBM和挪威主权基金CEO讨论人工智能是否构成泡沫的YouTube视频的页面信息。

上周末，应华盛顿要求，Anthropic突然下线了其最新、最强大的AI模型。这家美国公司称，在白宫要求封锁所有外国国民（包括其员工）的访问后，它别无选择。在国外，这一事件清醒地提醒人们，美国不仅主导着前沿AI，其政府还掌控着谁可以使用它的权力。特朗普政府的行动迅速、全面，且几乎没有预警或解释。Fable 5和Mythos 5模型的空前关闭——它们本已受到限制在“高风险领域”使用的保障措施——为长期以来的论点注入了新的力量，即警告不要依赖美国的关键技术。这为已经在主张自身需要领导该技术的政治家、政府和企业提供了新的弹药。在英国，AI和在线安全部长Kanishka Narayan没有直接提及Anthropic、特朗普或美国，但利用这次关闭来论证英国必须发展自己的AI能力，并将其框定为国家安全问题。他说：“我们严肃对待每一个对我们主权构成的威胁，但我们还没有学会以同样的方式对待这个。”他称AI是“我们时代的核心政治问题”，并认为英国必须决定这项技术将如何塑造其经济、安全和主权，“否则别人会替我们决定答案。”在法国，反应更加直接，也更明确地指名美国。前总理Gabriel Attal称这次关闭是“AI战争”的开始，并表示这表明法国如果依赖他人的关键技术就会脆弱。他将Anthropic模型的撤出比作伊朗封锁霍尔木兹海峡，认为获得AI现在是一个战略瓶颈，法国必须为此做好准备。这并非全新论点。欧洲多年来一直担心对美国的依赖，欧盟越来越强调在芯片、云计算和AI等领域减少对外部提供商的依赖。但Anthropic关闭事件使事情变得更加紧迫，加剧了在特朗普领导下对美国作为盟友可靠性的深深不安——从贸易争端到威胁退出北约。加拿大也得出了类似结论。总理Mark Carney表示，这一情况凸显了仅依赖一个合作伙伴获取AI等关键资源的风险。他说：“我们目前与Mythos和Fable所处的困境，就是过度依赖某些模型可能发生的情况。这个情况下没有人做错什么。但如果我们只是接受这一点，不吸取教训，不建立和多样化，那么我们就会做错。”其他国家早已走上这条路。北京长期以来一直支持国内AI公司，中国是少数拥有能与美国前沿AI实验室产品相媲美的模型的地方之一。但大多数政府和企业的规模和资源无法与美国或中国的前沿实验室相比。主权AI并不总是意味着构建最大或最强大的工具。法国的Mistral和加拿大的Cohere表明，即使模型无法并驾齐驱，这些国家之外也能做出扎实的努力。其他国家，如新加坡和阿联酋，专注于更狭窄但具有战略意义的优先事项，如基础设施或对本地语言更好的模型。当然，还有开源模型，其能力可能有一天会达到Mythos的水平，且难以被任何一方控制。特朗普可能将限制Mythos和Fable视为国家安全问题。但这一论点也是双向的：既然华盛顿在问AI是否太过重要以至于不能让人人都使用，其他政府也在问他们是否能承受由华盛顿来决定谁可以使用。Anthropic可能很快会重新上线Mythos和Fable。但恢复全球对美国AI的信任则是另一回事。无论关闭持续多久，它都揭示了访问美国前沿AI模型的脆弱性。许多政府和企业不喜欢他们看到的——他们决心确保这种事不再发生。

LangChain与Fireworks合作微调开放模型，从生产追踪中挖掘感知错误信号，以极低成本达到前沿模型性能。

LangSmith 的新功能 Align Evals 帮助开发者校准评估器，使其更符合人类偏好，从而减少评估分数与人工判断之间的差异。

了解什么是成对评估，为什么在LLM应用开发中可能需要它，并通过LangChain的LangSmith示例了解如何使用它。

OpenEvals和AgentEvals提供了预构建的评估器，支持LLM-as-judge、结构化数据和代理轨迹评估。这些开源包帮助开发者快速建立评估流程，确保LLM应用可靠性。

LangSmith推出自我改进的LLM评判器，通过将人工修正存储为少样本示例，无需提示工程即可使评判与人类偏好保持一致。

大型科技公司正试图推动一项联邦AI优先立法，以取代各州分散的法规，但此举与儿童安全法案捆绑，面临政治混乱和反对。