⼤家好，Weekly Gradient第 126 期已送达，本期内容围绕长时运行智能体的秩序展开：从持久化执行与故障恢复到记忆分层、上下文沉淀与任务交接，再到多会话监督、模型验收和算力成本衡量，探讨智能体如何跨天跨团队持续交付。
AI 商业
聚焦 AI 行业的商业化路径、市场竞争格局和商业模式创新，包含投资趋势、GTM 策略、SaaS 转型等商业话题。
1.Mistral CEO 谈主权 AI，企业如何掌控模型、数据和算力（20VC with Harry Stebbings）
Mistral 的 Arthur Mensch 这次把主权 AI 的经济账摊开聊了：开放权重不只是自由，托管环节的供应链风险也得算进去；欧洲算力卡在芯片和融资两头，想追前沿没那么轻松；推理市场越来越像大宗商品，价格和供给会决定谁有优势；Mistral 选全栈但不自研芯片，这个取舍很现实。关心 AI 产业格局、算力策略和欧洲前沿实验室打法的人，值得看。
2.Mike Volpi：为什么 AI 基础设施能穿越炒作周期，从 GPU 经济到数据中心网络演进（a16z）
Mike Volpi 把 90 年代光纤基建和今天的 AI 基建摆在一起看，很多细节一下就变得有参照了：GPU 会超折旧寿命继续服役，思科当年 70 起并购靠的是极强整合纪律，面向 AI 训练流量甚至有人设想回到电路交换。前思科高管加资深投资人的一手操盘经验，拿来判断这轮 AI 基建哪里有泡沫、哪里还有机会，比只看资本开支曲线更有说服力。
AI 产品
探索 AI 原生产品的设计范式与用户体验革新，强调产品哲学、交互模式、Agent 产品设计等。
1.推出 Claude Fable 5.2 和 Claude Mythos 5.2（Hacker News）
Anthropic 这次一下子放出 Claude Fable 5.2 和 Claude Mythos 5.2，但真正值得琢磨的是他们用两项内部实验展示长任务该怎么分工。一项是原型操作系统，由 Fable 5.2 协调超过 1000 个子智能体跑起来，这个规模本身就说明编排层已经不是概念演示了；另一项是费马大定理的 Lean 形式化，走的是另外一套实验设置，路径完全不一样。发布文里还交代了两个模型的访问安排和安全限制，这部分容易被忽略，其实很关键。读的时候建议把三件事拆开看：模型本身的能力、编排能撑到多大、以及部署时你到底拿到多少权限，混在一起判断很容易高估或低估。
2.生成更真实，百轮编辑更稳定｜Seedream 5.5 发布（字节跳动Seed）
字节跳动 Seed 这次把 Seedream 5.5 的卖点压在设计团队反复改同一张图的真实场景上，不是只看第一眼生成得多漂亮，而是看改到后面还能不能稳住。官方说新版能保持非编辑区域的像素，支持最多 100 轮持续编辑，还能直接生成带透明通道的 RGBA 素材，这对做修图、合成和素材交付的人挺关键。看示例时别只扫一眼效果图，最好带着自己的真实需求去盯：局部改完以后，文字、颜色和细节是不是还能稳定交付。
3.你的算法：让人们有更多方式个性化 Facebook 推荐（Engineering at Meta）
Meta 工程团队把 Facebook 的 Your Algorithm 拆开讲了：用户可以直接用自然语言说想多看什么、少看什么，这些明确偏好会和点击、停留等行为信号一起进入 Feed 和 Reels 的排序，而且还能回头修改。对做推荐系统的人来说，真正值得追的问题是，行为数据和用户嘴上说的不一致时，怎么让明确意愿及时、可见地改变结果，而不是被埋在一堆信号里。
4.数字员工：有关 AI Native 新流水线的思考（大淘宝技术）
天猫技术团队书牧抛出一个挺实在的设想：给业务单元配一个数字员工，不是再多一个聊天入口，而是钻进群聊、协作板和会议里捕捉变化，把参与者漏掉的上下文补齐，再判断任务该交给人、智能体还是现有流程。它瞄准的不是执行工具本身，而是团队最容易被卡住的那层协同：目标没对齐、交接掉链子、信息散在各处。已经有工具却总在沟通和衔接上打结的团队，可以拿这套思路对照自己的流水线。
AI 工程
涵盖 AI 工程技术实现与场景化开发的全流程，包含 Agent 工程架构、工具实践、上下文工程等核心技术话题。
1.Gemini 4 Hydrogen 正式发布（Google DeepMind News）
Google DeepMind 把 Gemini 4 Hydrogen 放进了 Antigravity 的多模型编排里，Carbon 负责协调，Hydrogen 可以承担执行，也可以做验证。Google 披露的 Terminal-Bench 4.0 对比挺值得琢磨：这种编排的成功率接近单用 Carbon，但平均配额用量少了 24%，任务完成快了 19%。别急着把这组数字当成万能答案，它更像是在提醒我们，活怎么分、谁来验收，可能比一味换更强的模型更关键。拿自己的任务复测一遍，才知道这套编排在真实场景里到底站不站得住。
2.从进化到泛化，RSI 四大前沿框架如何实现 Agent 自动调优（阿里技术）
给智能体做迭代流程的团队可以看看阿里技术这次把四种递归自我改进框架摆在一起比较：Harness² 解决的是没有标准答案时，怎么筛掉不靠谱的改动；Evo² 更进一步，想办法改进“提出改动”的那套机制本身；RRSI 用约束来压住过拟合；OO-Harness 则把通用能力和任务特例拆开处理。几个框架不是互相替代的关系，更像是在补同一条自动调优链路的不同环节。实际落地时，先判断自己缺的是改动验证、机制进化、约束控制还是能力分层，再决定优先补哪一层，也能更清楚地知道哪些经验值得沉淀复用。
3.智能体记忆的组成部分（Anthropic Research）
长期运行的智能体为什么总会「忘事」？Anthropic 给了一套拆解方式：把记忆分成会话记录、记忆笔记、记忆表征和预载上下文四层，各管一段，谁负责原始素材、谁负责压缩提炼、谁在调用前提前装进上下文，边界划得很清楚。更值得琢磨的是那个叫「梦境反思」的离线机制——不在任务进行时硬扛，而是在离线阶段回放经历、修正错误，把验证过的经验沉淀成规则，等于给智能体留了一段「消化时间」。他们还没停在设计层面，自建基准逐项量化每个组件的实际贡献，哪个环节真有用、哪个是心理安慰，数据说话。把「经验变长期能力」这件事从玄学讲成可复用的工程方法，做长跑型 Agent 的工程师值得逐条对着自己的架构比一比。
4.用 Codex 做持续数周的工程工作｜DevDay 2026（OpenAI）
DevDay 2026 上 OpenAI 把一次长达六周的 Codex 持续集成排查完整复盘了一遍，听着挺硬核，其实思路很朴素：主线程不亲自下场，只负责触发测试、协调节奏，真正去追查具体失败、提出修复方案的是子智能体，改完再交给测试验证结果。分享里还聊到不少实操细节，比如持久运行环境怎么搭、定期检查怎么排、预算怎么控制，以及什么情况下该叫人介入。打算把重复性工程任务交出去的话，这套任务定义和验收办法可以直接抄作业。
5.Claude Code 工作流如何从逐步审批走向多会话监督｜Lydia Hallie（AI Engineer）
Anthropic 的 Lydia Hallie 拿认证迁移当案例，讲怎么盯住多条 Claude Code 会话，而不是一步步点批准。她的做法是让权限规则先划边界，沙箱把智能体真正能碰到的资源卡住，钩子和持续集成在合适节点检查改动，风险更高的部分仍然留给人签字。对准备把智能体放进日常研发流程的团队来说，这套划分很实用：哪些步骤能自动验证，哪些必须人工把关，得先想清楚再放手。
6.对谈 Modal 联合创始人 Erik Bernhardsson：AI 智能体该用什么样的沙箱（LangChain）
LangChain 对谈 Modal 联合创始人 Erik Bernhardsson，聊的是 AI 智能体到底该跑在什么沙箱里。三波沙箱需求怎么演化、为什么把部分负载从 gVisor 迁到完整虚拟机、控制程序长驻而沙箱按需生死的架构取舍，都讲得很具体；顺带谈到推理端点和算力降本。做智能体运行时、平台基础设施的团队，值得细看这些一线决策背后的坑和权衡。
7.长时运行智能体与持久化执行（Martin Fowler）
Kiran Prakash 在 martinfowler.com 用库存补货讲长时运行智能体怎么跨天接着干活，例子落到 Temporal 和 Cloudflare Workflows：运行时记下结果，重启后重放流程，已经完成的外部步骤直接跳过。听着很稳，但别把它当万能药，下单去重、等候期间价格变了，这些还得业务规则来兜底。读下来最有用的是那张边界图：哪些故障能靠恢复机制解决，哪些决定必须重新验证。
8.AI 从 Working、Coding 到 Oncall：腾讯视频如何让知识流动起来？（腾讯技术工程）
腾讯视频技术部把知识这件事拆开重做了一遍，思路值得借鉴：知识不再是一堆文档堆在角落里，而是按四类分开管理，每一条都得满足三个硬条件——可追溯、可验证、能回流，否则就不算沉淀下来。落到三个具体场景里，效果很实在：自助取数原来走一遍要三到五天，现在分钟级就出结果；值班诊断那边做了一件反直觉的事，把喂给模型的上下文压到原来的四分之一，准确率反而从 49.6% 拉到 75.8%，说明噪声才是准确率的敌人。正在推团队级 AI 落地的技术负责人，这套打法基本可以照着抄。
9.维护 3.3 万字符的长 Prompt？让优化 Agent 迭代执行 Agent（腾讯云开发者）
一份 3.3 万字符的连贯性打标提示词，怎么优化才不越改越乱？腾讯输入法团队的徐泓镔借 Google Research 的 Harness² 思路，把“怎么判”和“需要知道什么”拆开迭代：一边迭代执行 Agent 的判定流程，一边补足判定所需信息。611 条样本的评测里，问题识别 F1 从 82.78% 提到 89.89%。更值得琢磨的是，格式错误曾让一条实验路线的准确率看起来虚高，徐泓镔又是怎么把这个问题揪出来的——这类坑比单纯的分数提升更有复盘价值。
10.Salesforce 如何使用 Claude Code（Claude）
Salesforce 工程团队跑到 Claude 官方频道聊了一件很实在的事：当 Claude Code 在公司里大规模铺开之后，代码到底怎么验收。他们的做法是把历史上已经关联好工单和代码改动的任务拿来重放，用这些真实任务去测试新模型，再把智能体给出的正向用例和防回归证据摆在桌面上核对，光看模型说“我改好了”不算数。分享里还提到他们和斯坦福研究人员一起定义了「有效产出」这个概念，正在发愁交付质量指标怎么定的研发团队，这套思路挺值得直接抄作业。
11.授人以鱼不如授人以渔：我对企业级 AI 研发提效的思考与实践（阿里技术）
团队做 AI 提效，最容易卡在“让模型写代码”这一步，阿里技术这次的思路是把智能体直接放进完整交付流程里：接通内部研发平台，给它一个能自己跑起来、自己验证结果的终端环境，再把团队上下文一点点沉淀下来。顺手买团队的实际数据是，需求从进入研发到上线的平均耗时由 16 天压到 10 天，过程中还顺带做了依赖治理和测试优化，说明提效并非只靠写代码。这个案例值得对照自查：瓶颈到底在写代码、在等上下文，还是在验证和上线那一段。
其他
行业前沿与开源生态，整合行业深度洞察与开源技术动态的复合型主题，技术哲学、AGI 讨论、领袖观点。
1.实测 MiniMax H3 Image：GPT 的效果加上 MJ 的审美，居然被它开源了（爱范儿）
MiniMax 把 H3 Image 的权重直接开放了，爱范儿 APPSO 提前做了一轮实测。4K 图大概十到二十秒出片，最多能喂 16 张参考图，还能通过 API 接入编码智能体工作流。测试题目挺刁钻：爆炸图、小字信纸、游戏风格截图，专门看它指令遵循稳不稳、审美在线不在线。给出的评价很直白：有 GPT 那种听话的效果，也有 MJ 那种好看的底子，居然还是开源的。对天天折腾开源视觉模型的设计师和开发者来说，这波值得上手试试。
2.E257 对话少楠：明明 AI 有问必答，我怎么还总是信息焦虑？（知行小酒馆）
AI 把答案送到手边，焦虑却没少，反而更容易卡在“我到底该追哪个问题”上。雨白再次请来 flomo 联合创始人少楠，从读书、做笔记和写作慢慢聊开：把注意力交给具体的问题，用自己的记录保住当时的判断，别让工具和信息越攒越多却越过越乱。适合在收藏夹又满、脑子又乱的时候听一听，然后认真想想，哪件事值得自己继续做下去。
3.从 AI 机遇到现实生产力（腾讯研究院）
腾讯研究院王强把 AI 从聊天工具走向现实生产力这件事拆成四层：模型和运行系统要一起建；「好用、可信、可担」得写进制度；Token 效率要算清两本账；群智协同的生产关系也需要重构。文章还用电力时代工厂重新设计的历史类比，加上一批带数字的落地案例，把宏观判断落到具体经营场景里。关注 AI 经营价值的管理者，读起来会很有抓手。