AI 工程的 4 步进化：每一步都站在上一步肩上
AI 工程化演进并非替代而是叠加，包含四个关键维度：Prompt engineering 解决单次输出准确性；Context engineering 通过 RAG 等技术优化信息输入；Harness 赋予模型工具与环境以具备行动能力；Loop 则通过迭代验证提升多步执行稳定性。这四个阶段分别对应模型的表达、记忆、手脚与工程纪律，缺一不可。成熟的 AI 产品需同时整合这四层能力，当前行业仍在探索如何平衡 Loop 的自动化与人工验证机制。
GLM 5.2 裸跑击败 Claude Code：Semgrep 安全基准实验里的意外结果
Semgrep 实验显示，开源模型 GLM 5.2 在无脚手架辅助下，IDOR 漏洞检测 F1 达 39%，超越 Claude Code 且单漏洞成本仅 0.17 美元。该模型采用 MoE 架构与 MIT 许可，编码能力接近闭源前沿水平。结果表明模型推理能力提升正缩小脚手架红利，低成本优势或改变安全审计部署策略。尽管结论受限于特定任务，但证实开源模型在安全领域已具备实战竞争力，值得纳入候选池测试。
Superpowers 6.0 把 AI 编程评审重写了一遍：子智能体驱动开发到底怎么运作
GitHub 项目 Superpowers 发布 6.0 版本，重写子智能体驱动开发（SDD）方法论，使 AI 编程代码产出速度提升约一倍，token 消耗降低近 50%。新版通过合并评审智能体、隔离只读权限与上下文、强制指定模型及文件传递替代文本粘贴等优化，解决了旧版成本高、易被干预及安全漏洞等问题。该设计思路强调评审环节的重要性，其核心原则可迁移至各类 AI 编程工作流中，有效提升开发效率与质量。
拜耳用 3 层反思循环把 AI 拉进制药生产线：上下文工程和 harness 工程到底在干什么
拜耳制药和 Thoughtworks 在 Martin Fowler 的博客上发表了一篇完整案例，讲他们花了两年多时间把 PRINCE（Preclinical Information Center）从关键词搜索工具演变成多智能体 RAG 系
Vercel 发布 eve 开源智能体框架：Agent 界的 Next.js 终于来了
Vercel 发布开源智能体框架 eve，采用文件系统优先设计，将 Agent 定义为目录结构以降低理解成本。框架内置持久化会话、沙盒计算、人类审批、安全连接、多渠道部署及可观测性六大生产级能力，解决重复造轮子痛点。eve 目前处于公开预览阶段，框架免费但托管服务收费。该框架标志着 AI Agent 开发正从混乱走向标准化，大幅缩短从 demo 到上线的距离，但需注意 beta 阶段的 API 变动及供应商锁定风险。
谷歌说 AI 不该假装确定：忠实不确定性如何终结幻觉困局
谷歌研究团队提出“忠实不确定性”框架，主张 AI 应诚实表达置信度而非盲目追求零错误，以解决大模型“自信错误”导致的幻觉问题。该研究指出传统降幻觉方法存在高昂“效用税”，建议将输出区分为自信错误与诚实猜测。这对 AI Agent 尤为关键，能优化元认知判断与工具调用效率。开发者可通过调整评估指标、提示词及路由策略落地应用，推动系统从可用迈向可靠。
LangChain 让 Agent 的技能不再只靠提示词：Interpreter Skills 把确定性写进代码
LangChain 发布实验性功能 Interpreter Skills，专门用于解决 AI Agent 执行路径不确定的问题。该功能通过增加代码模块，将确定性逻辑从提示词转移至代码，使模型仅负责判断与委托。其核心优势包括执行确定性、解释器内状态持久化及精细化安全边界，有效缓解长流程中的“上下文焦虑”。这标志着 Agent 架构向“提示词定义意图、代码保障执行”的混合模式演进，提升了任务执行的稳定性与可靠性。
氛围编程的规则文件为什么总是没用？
针对 AI 编程中被动规则失效问题，哥伦比亚大学提出 Zoro 框架，通过 Enrich、Enforce、Evolve 三步将静态规则转为主动控制。评估显示该框架使规则遵循率提升 57%，推动用户从提示词工程转向规则工程。研究指出长会话中规则注意力衰减是失效主因，建议开发者采用规则与任务绑定、要求证据输出及定期修剪规则集等策略，以增强 AI 对意图的可靠执行。
多智能体为什么比单智能体强？Anthropic 用 90.2% 的数据给了答案
Anthropic 研究显示，多智能体系统性能比单智能体提升 90.2%，其核心在于主智能体拆解任务与子智能体并行执行。尽管该架构 token 消耗约为单智能体的 15 倍，但在复杂任务中优势显著。业界已总结出五种协作模式，并有 n8n、CAMEL-AI 等落地案例。然而，多智能体仍面临调试难、输出不稳定等挑战。建议仅在任务复杂需并行、分工明确且能承担高成本时采用，简单任务直接使用强模型即可。