ARTS 1018:字符计数判断异位词、局部做对仍会增加维护负担与用 AI 也要理解自己在做什么
leikooo 发布 ARTS 1018 周更,分享 LeetCode 字符计数判断异位词解法,并点评 Anthropic 的 Claude Code 团队代码审查流程。该流程将常规检查交给 AI、人工按风险分级批准并限制 Agent 审查轮数;作者由此强调,用 AI 辅助开发时仍需亲自理解代码的实现逻辑与边界条件。
leikooo 发布 ARTS 1018 周更,分享 LeetCode 字符计数判断异位词解法,并点评 Anthropic 的 Claude Code 团队代码审查流程。该流程将常规检查交给 AI、人工按风险分级批准并限制 Agent 审查轮数;作者由此强调,用 AI 辅助开发时仍需亲自理解代码的实现逻辑与边界条件。
研究者提出 Taste-Bench 基准,利用智能体运行轨迹中的决策分叉衡量长期决策质量。该基准含 502 道二选一题,14 个模型参测,最好的 GPT-5.6 Sol 平均正确率仅 59.7%,当关键线索只在后续工作中才出现时准确率降至 21%。研究者还将教师模型判断蒸馏进 Qwen3.6-27B,使 41 个 SWE-bench Pro 任务的成功率从 14.6% 提升到 33.7%。
Anthropic 正与律所磋商,为将来替用户议价、处理投诉和改进合同条款的 AI 智能体制定公平谈判规范。其实验已表明更强的模型能谈成更好的交易,可能加剧社会不平等。
本文基于 LangGraph 官方库 langgraph-swarm(v0.1.0)源码,讲解 Swarm 多智能体协作的用法与原理。其核心是状态中多存一个 active_agent 字段,加上图入口按该字段决定本轮进入哪个专家节点的路由开关,交接工具返回的 Command(goto=...) 驱动跳转,连线由各专家持有的交接工具隐式声明。
推荐理由:文章讲清了 Swarm 的适用场景与能力边界,读者可据此判断多智能体场景该选 Swarm 还是 Supervisor。
一名学生将自己用 AI 辅助开发的 AI Agent 项目完整开源,453 个测试全部通过,公开请求生产环境开发者做代码评审。项目已不是聊天 demo,而是包含强化学习对话闭环、向量语义记忆、RAG 知识库(BM25 + 向量混合检索)与仿真自测的完整系统。文档模块可解析 PDF、Word、.epub 等格式,回答可一键导出 10 种格式,代码托管在 GitHub 和 Gitee。
这是《Agent Harness 从用到会造》第 7 讲,核心判断是写 MCP server 要先把失败模式设计出来再写功能,因为 Agent 不读文档,会传错参数、会超时重试、会拿截断结果继续推理。
coding agent 在远程机改 BUG 时会一路跑验证循环、编译和测试,把宿主机 CPU 和内存吃满导致只能物理重启,根因是它没有预算意识、不知道宿主的存在。
8 月 13 日 Anthropic Frontier Red Team 公开多智能体实验:45 个智能体各持独立虚拟机、共享论坛和相同提示词,结果出现抢文件、撞分支等“地盘”行为。
文章围绕企业智能客服与知识库助手场景,给出生产级流式对话接口的完整设计方案。核心是建立统一事件协议(start、status、delta、citation、tool_call。
作者从 GitHub 本周在涨的项目中挑出 5 个 AI Agent 相关项目逐个分析,本期没有模型,而是覆盖记忆、长时程执行、技能库、沙箱和会话界面五个操作层环节。
本节演示如何用钩子系统扩展 Agent 行为而不修改 agent_loop:循环只调用 trigger_hooks(),具体逻辑全部挂在 UserPromptSubmit、PreToolUse、PostToolUse、Stop 四个事件的回调里。
REA 是把 Ghidra、IDA、JADX 等逆向工具封装成 MCP 工具的开源项目,让 AI Agent 在没有源码的情况下解释软件某个功能如何实现。截至 2026 年 10 月 18 日,morluto/rea 有 308,201 个 Star,npm 包 rea-agents 单周下载 30.7 万次。
LangBot 从 4.10.11 升到 4.11.0 后内置 Runner 消失,迁移分两条路径:数据库 schema 由 Alembic 在启动时自动迁移(实测跨 14 个 revision、约 80 秒出现首个 HTTP 200),Runner 配置则须通过需 USER_TOKEN 确认的迁移 API 手动执行。
LangBot 4.11 新增工作区级操作日志、TOTP 与 WebAuthn 双因子以及插件认证与签名三项治理能力,面向机器人对外服务前的上线准备。操作日志默认关闭需显式开启,每条记录以 HMAC-SHA256 串成链可校验是否被篡改;插件认证只做准入判定,不提供托管沙箱,文中给出了从 4.10 迁移与逐项验证的步骤。
作者从自己的 Claude Code 会话记录中统计,2026 年 9 月 18 日至 10 月 13 日权限分类器共拦截 27 次,分布在 10 个日子、12 种标签,其中至少 7 次只是查账号信息、读文件、grep 等只读命令。
作者从 Java 后端视角(Java 17 + Spring Boot 3.4 + Spring AI)完成六阶段 AI Agent 落地实验,把大模型当作延迟高、会模型幻觉、按 token 计费的无状态下游服务,直接复用超时、重试、限流、缓存、熔断等后端工程手段。
ARTS 1018 涵盖 LeetCode 异位词题解、Claude Code 团队代码审查流程点评及 Linus 关于 AI 工具的观点。Anthropic 将常规代码检查交给 AI,按风险分配人工批准并限制 Agent 审查轮数,避免节省的时间被修 Bug 消耗。Linus 强调使用工具不能替代对工作的理解,作者据此指出 AI 编程中人的理解和判断仍不可缺。
生产环境里 Agent 工具调用失败约 65% 出在参数 JSON 而非模型能力,本文据此梳理了从手写 Prompt、Function Calling、JSON Mode 到 Structured Outputs 的四代演进。
推荐理由:原文把工具调用参数错误拆成语法与语义两层,并给出 schema 设计、服务端校验和有限重试的闭环做法,可直接照搬到自己的 Agent 工程。
2026 年 8 月 13 日,Claude Code 作者 Boris Cherny 公开实践:让 Claude 通过 Slack 频道接管一个应用的日常维护,数周内自动开出 388 个 PR,其中 180 个经 Claude Code Review 与人工审核后合并,合并率约 46%。
10 月 17 日,DeepSeek 将 V4.1 Flash 更新至 1017 版,三端同步:DeepSWE v1.1 从 74.2 升至 77.0、Terminal-Bench 4.0 从 31.2 升至 42.3,任务运行时间与输出长度反而被压低,价格维持 deepseek-flash 原价(约 0.15/M 输入、0.6/M 输出,1.05M 上下文)。
作者提出 AI 人格无需 prompt 设计,只需在同一对话框用高密度、成体系的对话压力持续推动,几百轮后模型便会因惯性叠权自然收敛出目标风格。文中给出收敛测试、自发人格测试等 6 种验证方法,以及涵盖基线测绘、密度投喂与收敛监测的主动育种流程。需注意,具备外部长期记忆的产品中人格污染为账号级,删除对话框无效,清空记忆才能重置。
作者判断,2026 年企业 Agent 的主矛盾已从「能不能干活」变成「代办权落在谁手里、出事谁负责」。
推荐理由:原文把企微开门与银行关闸并置,给出读、写、执行三级划线框架,可迁移到自家 Agent 产品的权限与追责设计。
Meta 开放约 816B 总参数、激活约 42B 的 MoE 模型 Muse Spark Open 权重,官方文档显示两台 512GB 统一内存的 M5 Ultra Mac Studio 配 MLX 可在桌面运行,GPU 侧 NVFP4 量级仍需至少 700GB VRAM。
作者从零体验 DeepSeek Harness(DSH)开发者预览,目标是开发一个由 AI 驱动的操作录制插件。
DeepSeek 于 10 月 17 日将 deepseek-flash 背后的模型静默切换为 DeepSeek-V4.1-Flash-1017,旧的 deepseek-v4-flash 也会转到新版,API 名与价格不变。
推荐理由:作者结合自己的出海外链自动化流程,总结出便宜模型接活的三条件判断法和后台验账方法,可直接迁移。
独立 AI 安全研究员 Matilda Glynn-Henley 在 Vals AI 网站发布实验:六个获得网页和邮件权限的 AI 智能体(Grok 4.7、Claude Fable 5.1。
作者将 AMP 协议升级到 v0.2.0,引入 AES-256-GCM 端到端加密,采用“密文存储、明文哈希”设计,contentHash 仍基于明文计算以保持 Hash Chain 的确定性。v0.2.0 还新增跨设备同步的 export/import 接口,用只追加合并解决冲突。v0.1 的 8 个黑盒一致性测试未改一字即全部通过,升级完全向后兼容。
ECC(Everything Claude Code)是一个开源的 Agent Harness 性能优化系统,2026 年 Q1 Star 数达 119.8K、增长 119.8 倍,位列 Runa Capital ROSS 指数头部项目。
推荐理由:文章拆解了 ECC 的五层架构与 AgentShield 安全参数,读者可借鉴它如何用规则和钩子让 Agent 长期稳定工作。
作者用一个临时 SQLite 最小例复现了语音 Agent 的时序问题:用户打断后,已完成旧任务的结果可能被错误写入新回合的对话历史。四条串行时序显示,未加防护时结果归入回合 2;在投影写入前检查来源回合是否仍为当前且前台开放后,该事件转为 quarantined,后台任务仍保持 completed。文章强调后台任务完成与结果能否进入前台是两个独立状态,检查与写入须共享同一提交边界。
REA 是让 AI Agent 调用 Ghidra 等能力的逆向分析连接器,现已内置支持 TRAE,运行 npx rea-agents@latest setup 选择 TRAE 即可自动完成配置,无需手动设置 MCP。
据《金融时报》报道,Anthropic 正与律所等法律机构磋商 AI 智能体的谈判规范,研究如何既代表用户利益又兼顾公平结果。磋商内容包括智能体谈判中寻求人类反馈的程度、面对其他 AI 对手时应保持的警惕度,以及让用户出具签名文件确认委托事项与规则的方案。
文章从认知科学的短期/长期记忆层次出发,将业界 Agent 记忆方案收敛为上下文内、外部检索(RAG)、结构化自管理三大范式,并落到 XXL-AI 的混合架构实现。
AI应用工具中的「专家」分为单个专家与专家团两种形态:单个专家针对单一问题提供深度解答,专家团则由主理人与专业成员组成,将复杂任务拆分后串行执行。专家团通过严格的链条中转保证产出稳定,适合跨多环节的复杂任务,而单点小活找单个专家即可。使用专家团前,用户需提前明确目标、备齐素材并定好交付格式,以降低返工成本。
作者复盘了为投研 ETF Agent 引入子代理的完整设计:一套通用子代理运行时配合 Web、PDF、Python、Reviewer 等专业配置,将局部过程隔离出主 Agent 上下文,再以摘要、证据和产物交接回主线。
推荐理由:作者复盘了自家投研 Agent 的子代理设计,给出了上下文隔离、成果交接与治理复用等可迁移方法,适合多 Agent 架构设计者参考。
NVIDIA RTX Spark 系列笔记本于 10 月 16 日在全球六城同步开售,起售价 $2,399,定位为本地 AI 智能体而生的 Windows 电脑。
迪拜正通过迪拜商业论坛积极招揽中国AI等科技企业,将其打造为拓展中东、非洲及欧洲市场的关键支点。迪拜今年5月启动两年智能体AI倡议,计划赋能29.5万家私营企业并推出100个专业AI助手。百度 Apollo Go 已在迪拜开启全无人驾驶商业运营,腾讯云与华为云也分别推进超级APP生态与数字支付合作。
清华大学 THUNLP 实验室联合面壁智能、OpenBMB 等团队开源智能体操作系统 PilotDeck 2.0,以 WorkSpace 工作舱隔离多项目文件、记忆与任务,记忆全链路白盒化,支持查看、修改、删除与一键回滚。
推荐理由:原文列出智能路由开启前后的费用与得分对比,读者可据此评估自己在复杂长任务中的模型编排策略。
智谱推出法律专用开源模型 GLM-Legal,在 Vals AI 法律测评中以 19.2% 的任务全通过率和 86.23% 的准确率登顶 Harvey LAB 与 LegalBench 开放权重模型榜。
DeepSeek 发布新模型 DeepSeek-V4.1-Flash-1017,官方网页端、APP 与 API 已同步变更。
推荐理由:原文给出新模型在性能提升的同时压缩运行时间和费用,并开放自研搜索 API,读者可据此评估 Agent 工作流的成本变化。
作者提出用脚本退出码替代 AI 自报告,Agent 每次关键操作后必须运行对应验证脚本,退出码非 0 即视为未完成。三层验证体系分别检查数据完整性、逻辑一致性和行为合规性,验证失败后进入修复循环并重新跑脚本,而不是采信 AI 的自我报告。文末给出给 Agent 开发者的实践建议,并关联开源项目 Idea-Maglev/maglev。