AI 日报

本文结合 LangChain 评估深度智能体的经验和 Anthropic 的 AI 智能体评估指南，提供了实用指南。您将学习如何应用五种评估模式、使用 pytest 和 LangSmith 构建离线评估，以及配置生产环境的在线监控。文中以文本到 SQL 的深度智能体为例，使用 Amazon Bedrock 覆盖从开发到生产的完整生命周期。

联邦法官埃莉诺·罗斯被曝在 chambers 内与高级执法官员发生婚外情，司法部门试图匿名处理，但 AI 通过公开文件细节迅速识破其身份。此事凸显法院对 AI 能力的无知，以及法律专业人士需提升技术素养，重新思考保密策略。

企业领导者在扩展AI代理时面临快速交付与治理、信任、成本控制之间的紧张关系。文章分享了五项关键实践：统一治理、管理复杂工作流、创建实验空间、展示早期成果、培训员工。

一份记录全球各地反对大型AI帝国的抵抗运动的清单，涵盖抗议、法律行动、替代工具和社区组织等多种形式，旨在激发希望和行动。

AWS完全重构了OpenSearch Serverless，分离存储和计算，支持零成本空闲缩放，成本降低60%，自动缩放速度提升20倍，并针对AI代理的突发工作负载优化。新架构包括专有存储层、GPU加速，并整合Vercel和Kiro IDE。未来将推出代理内存、日志分析（6月）和搜索推理模型。

AWS 对 OpenSearch Serverless 进行了重大重构，并引入了新的 Agent Skills。此举旨在将 OpenSearch 打造为企业的基础设施，提供更快、可扩展的搜索能力。

将快速变化的在线信号与稳定的离线基线相结合，智能体评估最为有效。Amazon Bedrock AgentCore的数据集管理提供了版本化的测试固定组件，实现一致测量和真实情况验证。

SIA是一个开源的自改进AI框架，通过协调元代理、任务特定代理和反馈代理，自动提升AI系统在基准任务上的性能。在多个基准测试中取得显著成果，如LawBench准确率提升56.6%，GPU内核运行时间减少91.9%，单细胞RNA去噪提升502%，并在MLE-Bench Hard排名第一。支持本地运行和自定义任务，采用MIT许可。

美光科技市值于5月26-27日突破1万亿美元，与SK海力士同周达到这一里程碑，这是纯内存芯片制造商首次同时进入万亿俱乐部。高带宽内存（HBM）需求来自代理型AI工作负载，超大规模云服务商正在签署长期供应协议以锁定产能。瑞银将美光目标价上调三倍至1625美元，认为长期HBM供应合同将受益于代理型AI工作负载扩张。美光股价年内已翻三倍以上。

截至2026年5月，七大AI智能体框架（DSPy、Claude Agent SDK、OpenAI Agents SDK、CrewAI、AutoGen、LangGraph、Google ADK）在设计理念、架构、生产就绪度等方面各有千秋。LangGraph在生产部署中领先，Claude Agent SDK在单一提供商能力上最强，OpenAI Agents SDK提供最清晰的多智能体交接，CrewAI在开发效率上占优。市场预计从2025年的78.4亿美元增长至2030年的526.2亿美元。

Anthropic最新版Claude模型Opus 4.8主打诚实特性，更少做出无根据声明，更善于承认不确定性。同时引入动态工作流功能，可协调数百个子代理完成大规模任务。定价不变，快速模式降价三倍。

本文演示了如何通过集成 Amazon Quick 和 Snowflake Cortex，自动化金融服务中最劳动密集的工作流程之一：反洗钱（AML）警报分类。您将使用 Amazon Quick Flows 和 Snowflake Cortex，通过 Amazon Quick 模型上下文协议（MCP）集成构建分类工作流。在测试环境中，自动化工作流将警报调查时间从 30-90 分钟缩短至 5 分钟以内。实际结果可能因警报复杂性和数据量而异。

Data Formulator 0.7 是一款开源AI系统，旨在解决企业数据分析中数据连接碎片化、分析工作流迭代困难等问题。它提供数据连接器、上下文感知代理和交互式工作区，帮助用户无需编程即可探索、分析和可视化数据。

微软推出重新设计的Microsoft 365 Copilot，加载速度提升两倍，界面更简洁。新功能包括渐进式显示和直接格式化文本。

OperatorOS 是一个私密的 AI 个人运营器，通过聊天界面管理个人任务。开发者正在寻找 5 名诚实的 beta 测试者。

苏珊·奥曼博士撰文呼吁公众参与AI讨论，指出尽管政府、宗教领袖和科技巨头在辩论AI未来，公众却被排除在外。她向英国议会AI小组提供证据，显示公众对AI的担忧两年内上升10%，91%的人认为公平应优先于经济利益。

一张泰国警察穿着华丽节日服装围捕毒贩的照片在全球媒体疯传，但经调查发现，该图片是由警局Facebook账号管理员使用AI生成，目的是展示更友好的形象。

人工智能公司Anthropic宣布获得650亿美元融资，估值达9650亿美元，超越OpenAI成为全球最有价值的AI初创企业。其编码助手等产品被大型企业广泛采用，推动公司快速成长。

该项目紧随Anthropic尚未发布的Mythos AI网络安全模型，该模型发现了软件系统中的严重安全漏洞。

这家快速发展的供应商获得新一轮融资，凸显了AI编码市场的强劲势头。

下个月的翠贝卡电影节将首映一部全AI生成的电影《紫罗兰之梦》。这部75分钟的影片虚构再现了伊朗政府1月大规模杀害抗议者的事件，所有人物和图像均由AI创建。影片制作成本仅2000美元，由两位伊朗裔兄弟使用多种AI工具创作。

本文全面探讨生成式AI（GenAI）的伦理问题，分析其在软件开发等领域的优势与弊端，包括巨大的能源消耗、电子垃圾、虚假信息传播、对教育科学的威胁、对民主的危害以及数字殖民主义等问题。作者基于自身经验提出，伦理行为需要权衡利弊，并主张在充分了解负面影响的前提下审慎使用GenAI。

两位读者回应Wendy Liu关于AI的文章，认为AI确实改变了思考方式，但并未削弱人类的好奇心，反而激发了更多探索。

Google将“偏好来源”功能扩展至AI概览和AI模式，允许用户添加喜爱的网站，使其在AI搜索结果中更突出。新功能还包括来源轮播和“被高度引用”标签，帮助用户找到高质量报道。

Claude Code 现支持一键切换模型、自带密钥（BYOK），兼容 Anthropic 和 OpenAI 标准。起价每月5美元，帮助用户绕过服务中断、速率限制及超额费用。

法国初创公司Mistral AI在Digital Realty的巴黎南园区获得了10兆瓦的计算能力，以扩展其AI基础设施。

Anthropic 发布了其旗舰模型 Opus 4.8，新功能包括用户可控制 Claude 的努力程度、动态工作流支持大规模编码、快速模式价格降至原来的三分之一。模型在基准测试中领先 GPT-5.5 和 Gemini 3.1 Pro，但在终端编码方面仍落后于 OpenAI。此外，模型在诚实性、自主支持和减少欺骗方面有显著改进。

Anthropic 的最先进 Opus 模型 Claude Opus 4.8 在 Amazon Bedrock 和 AWS 上的 Claude Platform 正式可用。该模型在编码、代理任务和专业工作方面带来显著改进，具有更强的自主性和一致性，适合长期生产工作负载。

Anthropic 于周四发布 Claude Opus 4.8，该模型在训练中强调“诚实”，能够更频繁地标记工作中的不确定性，减少无依据的断言。评估显示，其代码缺陷遗漏率比前代降低约4倍。此外，用户可控制任务投入的努力程度，以及引入“动态工作流”功能，支持并行运行数百个代理。

维基媒体基金会在坐拥2.96亿美元储备金并通过向AI公司出售数据获利的情况下，解雇了长期员工和整个社区技术团队。这一行为激怒了志愿者编辑，他们威胁发起罢工。文章探讨了CEO的AI妄想症如何扭曲组织优先事项，以及AI行业对人力判断的替代可能导致的恶性循环。

本文探讨了AI如何影响软件工程面试，分析了不同类型的面试（家庭作业、现场练习、演讲、实际工作）在信号质量和公司成本两个维度上的表现。作者认为AI使家庭作业过于简单，降低了现场编码的相关性，建议限制AI在面试中的使用以保持信号质量，并借鉴传统教育模式的经验。

YouTube为Premium订阅者推出新功能，优化播客收听体验，包括音频优先的“随身模式”、自动变速播放以及AI播客推荐。

麻省理工学院与马萨诸塞州宣布计划建立量子系统实验室（QSL），获得州政府2500万美元投资，为全州研究人员提供共享量子工具箱，加速量子研究、创新和增长。