Claude 的桌面应用很棒，但在我们自己的日常工作中，一直希望它不要只是个聊天应用，而是更像一个成熟的工作应用。

Rowboat 就是我们为此做出的尝试，它支持你在 Rowboat 内搭建自己的工作界面（更多信息见下文）。

我们的代码仓库地址是：https://github.com/rowboatlabs/rowboat，演示视频在这里：https://www.youtube.com/watch?v=et5yQABJ3xI

在上一段创业经历中，我们为企业客服代表打造了一款深度学习产品，服务对象包括支持P

MAI-1 目前还没有独立基准测试，但官方发布的数据显示它的表现比 Sonnet 4.6 更差。

我不确定它作为 Excel 和 Outlook 的 Copilot 能有多好用，尤其是现在已经有不少依托优秀 AI 的出色 Claude/OpenAI 办公插件了。

拭目以待吧。

viv 写了一篇很棒的博客，讨论如何改进智能体（通过 RL、工程整合或任何其他方式），最终都可以归结为一个关于轨迹的数据挖掘问题。

🤯 它真的成功了！它用完整的 Swift 写出了一个基础 iOS 应用，然后生成了截图，还给我发了查看链接！

它先是在我的 Hetzner VPS 上完成了编写，接着通过 SSH 登录到数据中心里一台 @macincloud 的 Mac Mini，在那上面用 Xcode 构建了应用。

功能非常基础，但这是一个很棒的开端。

Training Agents 2：关于训练自定义智能体的模型蒸馏现场教程。

在人工智能本身表现出色的软件和设计项目中，Fable过度堆砌的措辞是一个一直存在的问题。

它就是会悄悄钻进零散文本、吐司通知和菜单里，哪怕你已经尝试给出相反的指令。

而一旦它侵入进来，就很难被彻底清除。

近来levelsio的所有工作都在虚拟专用服务器（VPS）上完成，不再在本地设备进行任何操作。

本地运行AI编码会消耗本地设备电池，部署速度也更慢。

在VPS上编码不会消耗本地设备电量，还能实现即时部署。

无需部署的时候，就不用做部署步骤。

目前关于人工智能的讨论大多围绕架构研究、算力扩容和采购人类数据展开。很少有人了解“数据研究”这一深度技术领域，而模型能力的诸多提升都由它驱动。

本次访谈由@vvkgopalan与@bespokelabsai的两位创始人@madiator和@AlexGDimakis对谈，Bespoke Labs是一家定义了数据研究领域的创业公司。

访谈各环节时间点如下：00:00介绍两位创始人Mahesh与Alex；03:40讨论在伯克利讲授千人机器学习课程，以及AI时代计算机科学教育的变化；06:10聊前沿模型训练的开源数据、OpenThoughts项目，以及用于数据整理的模型训练；12:00讲解为什么多答案样本能训练出性能更好的模型，以及保留数据集中不可验证样本的好处；17:20介绍强化学习缩放定律和Bespoke公司；19:45讨论“环境驱动开发”；28:35聊前沿模型和编码智能体的新能力；34:35分析强化学习环境的市场前景；42:30回顾近期重要研究，梳理强化学习发展到当前阶段的历程；50:00介绍Bespoke的A轮融资。

我们非常荣幸地宣布，我们获得了4000万美元投资，这笔资金将推动我们实现让AI agents更可靠的使命。

过去两年里，我们一直埋头开展世界级的数据整理研究，并交付了业内顶尖的强化学习环境，用于训练和优化AI agents。这笔融资让我们能在这两个方向上进行更深入的探索。

感谢我们的投资方@Wing_VC、@MayfieldFund、@8vc、@thehousefund，以及我们的天使投资人，包括Jeff Dean、Dheeraj Pandey、Tristan Handy，还有多位来自Anthropic、OpenAI、Meta的投资人。

还要感谢每天与我们合作的前沿实验室和企业，他们认同我们对未来的愿景：即agents可以连续数周甚至数月自主运行。（更多内容见下方）

你可以在我们的博客阅读更多关于本轮融资的信息：以及新闻稿：

我们和@axios的Natalie Breymeyer谈到了这个里程碑，以及我们正在构建的产品——点击这里查看：

如果你有兴趣合作，请联系我们：如果你有兴趣参与构建支撑可靠agents的环境和工具，点击这里查看加入我们团队的机会：

🏛️ 我们将推出一种与古代世界对话的全新方式。通过将 Gemini 直接接入我们的专家模型 Aeneas 和 Ithaca，我们在 Google @antigravity 上线的「预测过去」技能，允许历史学家用直白英语研究希腊语文本和拉丁语文本。🧵

用 AI 进行历史分析存在三大核心挑战：
🔹 为每一篇铭文创建定制分析和可视化内容
🔹 跨源映射以发现大规模规律
🔹 在无需编码技能的前提下使用高级 AI 工具

我们的 Antigravity 技能将所有这些复杂工作流转换为了直白英语交互。

Fable 5 的发布恰恰说明了智能体编排的重要性。

大多数任务你其实根本用不到 Fable 5。

你可以用 Opus 4.8/Fable 5 做规划，用 GPT-5.5 执行，用 GLM-5.2 做设计。

通过精心编排，你可以大幅优化 token 利用率。

随着长期运行智能体走向多模态，请密切关注 MiniMax M3 这类模型。

我写下了一些笔记，介绍稀疏注意力如何让长周期智能体变得实用。

这就是 API 之下延迟优化的样子👇

Together ATLAS、NVIDIA Blackwell、CUDA、TensorRT-LLM、Dynamo 还有自定义内核全都协同工作，为用户带来更快的推理速度。

为 @realDanFu 和我们整个团队感到骄傲！

🧞 Genie Code 正在扩展功能，支持在 Databricks 上完成更复杂的智能体数据与机器学习工作。新增能力包括：

→ 整页命令中心，可管理复杂的多线程工作，自带线程状态、检查点，还能快速访问指令、技能和连接器。

→ 覆盖 MLflow、Model Serving 和计算的原生智能，让你已经在使用的同一个智能体变身生产机器学习工程专家。

很快会推出定时任务功能，让 Genie Code 自动运行任务，然后把结果返回供你检查。点击查看演示：

Hermes Agent 现在支持可插拔密钥管理器，你可以接入自定义密钥管理器，同时现在已经原生集成 1Password 了！

运行 `hermes update` 即可立即使用！

预测：在未来18个月内，你将能够在一块RTX 5090 GPU上部署运行与GLM 5.2同等智能水平的模型。

就在本周四！@hwchase17 将主持一场关于 LLM Wikis 的讨论，嘉宾为 @BraceSproul 和 @devstein64。

别错过！点击下方 RSVP →

一个本地优先的个人 AI 智能体如何用到编排、记忆、工具、LangGraph、后台工作流和子智能体

deepagents 是我们最新的开源项目——一个开源、模型无关的代理框架。

这可能是我们推出过的最重要的学院课程。

LLM维基是智能体记忆未来形态的一种雏形。

我写的这篇博客引发了很多人的共鸣。

本周四我会和@BraceSproul、@devstein64一起讨论这个话题，也会聊聊我在这篇文章发表后更新的一些看法。

在 Together AI 上运行的 GLM 5.2，目前在 Artificial Analysis 的输出速度和延迟两项排名中都位列第一。

ICYMI：在@aiDotEngineer 世界博览会上，@vtrivedy10 登台分享了为什么从追踪痕迹中进行数据挖掘，是企业用来理解其智能体、规模化整理数据，进而运行优化循环所能打造的最高杠杆能力之一。

欢迎今天来参加我们免费在线直播系列课的第一章节，课程内容是介绍人工智能（AI）基础。

这个系列课面向所有想要更好理解AI工作原理、以及支撑AI实现的核心思想的人群。

不需要提前具备编程或计算机科学经验！

joshavant在使用大语言模型对话时，反复使用一种名为手动子代理的模式，实用性很高。

具体操作方法是，先启用侧边对话，完成特定、聚焦的独立任务。

任务完成后，要求模型生成提示词，把侧边对话的结果更新整合到主对话中。

最终主对话就会起到类似协调编排者的作用。

中国的开放模型不再开放后，永久性的底层群体将成为现实。过去两年里，全球其余AI开发者能跟上头部企业的步伐，唯一原因就是中国提供了AI开放权重。从GPT被封禁的时期开始，中国的开放模型一直是推动资源平衡的关键力量。

中国商务部正与阿里巴巴、字节跳动等机构洽谈，计划封堵这类AI模型，其中也包括开放权重。目前两个超级大国都已意识到前沿AI是一种战略武器，都不允许普通从业者接触这类技术。

不少人此前花费数年时间推崇开源的胜利，如今监管部门介入后，开放生态被打破，局面令人错愕。

人形机器人的技术能力提升十分显著。中国凭借搭载AI的自主足球人形机器人，夺得2026年机器人世界杯冠军。

这类机器人可以识别足球、自主做出决策、完成团队配合并完成射门动作。

机器人现在已经开始学习团队协作能力。

循环工程设计很出色，但一旦出错就会前功尽弃，这里分享提升智能体循环可靠性的方法。该方法使用人在环路（HITL，即让人介入循环）方案，实现简单，效果极强，任何人都可以搭建这套系统。

这套方案简化了和智能体的沟通流程。开发者现在更多使用语音智能体完成搭建、沟通和验证工作，无需一直守在电脑前或留在Slack频道和智能体沟通。

目前所有Claude和Codex智能体会话都接入了@DialAgent的MCP（机器控制协议）服务器。这个服务器提供了一系列工具，能为每个智能体分配专属号码，将通话、短信、iMessage功能整合在同一个界面下，原生支持语音呼叫。

当智能体处理拉取请求和新功能的循环自动运行时，会通过短电话将需要决策的事项升级提交给开发者。这种方式在外出离开办公桌时使用非常方便。

如果你想用Claude Code或Codex尝试这套方案，直接将指令“获取Dial号码，拨打给我，说明设置完成后挂断”粘贴到智能体中就能启动，可访问链接获取更多信息。

@NVoitenkov及其团队正在开发相关项目，访问链接可以领取5美元免费额度，为你的智能体分配一个电话号码。

2024年，AI智能体记忆赛道从零起步，目前八家该领域服务商已经获得总计超过5700万美元融资。这个赛道正在实时形成当中。

Gartner预测，到2026年底，40%的企业应用会搭载AI智能体。在2025年，这一占比还不到5%。

当前该领域存在核心问题：大语言模型的每次调用都是无状态的。当智能体数量达到100个时，重新输入上下文的成本不会只是线性增长，而是会呈复合式增长。

很高兴能收录相关成果，也期待未来一同定义这个全新赛道。

Hermes Agent现已支持将单个或多个智能体会话导出至多种格式与存储位置。

用户可将完整对话导出为HTML、Markdown、JSON等格式，也能轻松将整段会话数据集上传至个人的私有Hugging Face仓库。

此前新增的会话修剪筛选工具也可用于导出操作，用户可按模型、日期范围、对话来源（比如定时任务或电报）筛选需要导出的内容。

执行`hermes update`更新后，用户即可完全掌控自身数据，按需求完成导出、查看、分享与存储操作。

相关使用说明可查看官方文档：

在 Together AI 上运行的 GLM 5.2，目前在 Artificial Analysis 的输出速度和延迟两项排名中都位列第一。

viv 写了一篇很棒的博客，讨论如何改进智能体（通过 RL、工程整合或任何其他方式），最终都可以归结为一个关于轨迹的数据挖掘问题。

deepagents 是我们最新的开源项目——一个开源、模型无关的代理框架。

这可能是我们推出过的最重要的学院课程。

Hermes Agent 现在支持可插拔密钥管理器，你可以接入自定义密钥管理器，同时现在已经原生集成 1Password 了！

运行 `hermes update` 即可立即使用！

欢迎今天来参加我们免费在线直播系列课的第一章节，课程内容是介绍人工智能（AI）基础。

这个系列课面向所有想要更好理解AI工作原理、以及支撑AI实现的核心思想的人群。

不需要提前具备编程或计算机科学经验！

ICYMI：在@aiDotEngineer 世界博览会上，@vtrivedy10 登台分享了为什么从追踪痕迹中进行数据挖掘，是企业用来理解其智能体、规模化整理数据，进而运行优化循环所能打造的最高杠杆能力之一。

就在本周四！@hwchase17 将主持一场关于 LLM Wikis 的讨论，嘉宾为 @BraceSproul 和 @devstein64。

别错过！点击下方 RSVP →

Fable 5 的发布恰恰说明了智能体编排的重要性。

大多数任务你其实根本用不到 Fable 5。

你可以用 Opus 4.8/Fable 5 做规划，用 GPT-5.5 执行，用 GLM-5.2 做设计。

通过精心编排，你可以大幅优化 token 利用率。

MAI-1 目前还没有独立基准测试，但官方发布的数据显示它的表现比 Sonnet 4.6 更差。

我不确定它作为 Excel 和 Outlook 的 Copilot 能有多好用，尤其是现在已经有不少依托优秀 AI 的出色 Claude/OpenAI 办公插件了。

拭目以待吧。

随着长期运行智能体走向多模态，请密切关注 MiniMax M3 这类模型。

我写下了一些笔记，介绍稀疏注意力如何让长周期智能体变得实用。

这就是 API 之下延迟优化的样子👇

Together ATLAS、NVIDIA Blackwell、CUDA、TensorRT-LLM、Dynamo 还有自定义内核全都协同工作，为用户带来更快的推理速度。

为 @realDanFu 和我们整个团队感到骄傲！

🧞 Genie Code 正在扩展功能，支持在 Databricks 上完成更复杂的智能体数据与机器学习工作。新增能力包括：

→ 整页命令中心，可管理复杂的多线程工作，自带线程状态、检查点，还能快速访问指令、技能和连接器。

→ 覆盖 MLflow、Model Serving 和计算的原生智能，让你已经在使用的同一个智能体变身生产机器学习工程专家。

很快会推出定时任务功能，让 Genie Code 自动运行任务，然后把结果返回供你检查。点击查看演示：

Claude 的桌面应用很棒，但在我们自己的日常工作中，一直希望它不要只是个聊天应用，而是更像一个成熟的工作应用。

Rowboat 就是我们为此做出的尝试，它支持你在 Rowboat 内搭建自己的工作界面（更多信息见下文）。

我们的代码仓库地址是：https://github.com/rowboatlabs/rowboat，演示视频在这里：https://www.youtube.com/watch?v=et5yQABJ3xI

在上一段创业经历中，我们为企业客服代表打造了一款深度学习产品，服务对象包括支持P

在人工智能本身表现出色的软件和设计项目中，Fable过度堆砌的措辞是一个一直存在的问题。

它就是会悄悄钻进零散文本、吐司通知和菜单里，哪怕你已经尝试给出相反的指令。

而一旦它侵入进来，就很难被彻底清除。

LLM维基是智能体记忆未来形态的一种雏形。

我写的这篇博客引发了很多人的共鸣。

本周四我会和@BraceSproul、@devstein64一起讨论这个话题，也会聊聊我在这篇文章发表后更新的一些看法。

预测：在未来18个月内，你将能够在一块RTX 5090 GPU上部署运行与GLM 5.2同等智能水平的模型。

🤯 它真的成功了！它用完整的 Swift 写出了一个基础 iOS 应用，然后生成了截图，还给我发了查看链接！

它先是在我的 Hetzner VPS 上完成了编写，接着通过 SSH 登录到数据中心里一台 @macincloud 的 Mac Mini，在那上面用 Xcode 构建了应用。

功能非常基础，但这是一个很棒的开端。

Training Agents 2：关于训练自定义智能体的模型蒸馏现场教程。

一个本地优先的个人 AI 智能体如何用到编排、记忆、工具、LangGraph、后台工作流和子智能体

🏛️ 我们将推出一种与古代世界对话的全新方式。通过将 Gemini 直接接入我们的专家模型 Aeneas 和 Ithaca，我们在 Google @antigravity 上线的「预测过去」技能，允许历史学家用直白英语研究希腊语文本和拉丁语文本。🧵

用 AI 进行历史分析存在三大核心挑战：
🔹 为每一篇铭文创建定制分析和可视化内容
🔹 跨源映射以发现大规模规律
🔹 在无需编码技能的前提下使用高级 AI 工具

我们的 Antigravity 技能将所有这些复杂工作流转换为了直白英语交互。

我们非常荣幸地宣布，我们获得了4000万美元投资，这笔资金将推动我们实现让AI agents更可靠的使命。

过去两年里，我们一直埋头开展世界级的数据整理研究，并交付了业内顶尖的强化学习环境，用于训练和优化AI agents。这笔融资让我们能在这两个方向上进行更深入的探索。

感谢我们的投资方@Wing_VC、@MayfieldFund、@8vc、@thehousefund，以及我们的天使投资人，包括Jeff Dean、Dheeraj Pandey、Tristan Handy，还有多位来自Anthropic、OpenAI、Meta的投资人。

还要感谢每天与我们合作的前沿实验室和企业，他们认同我们对未来的愿景：即agents可以连续数周甚至数月自主运行。（更多内容见下方）

你可以在我们的博客阅读更多关于本轮融资的信息：以及新闻稿：

我们和@axios的Natalie Breymeyer谈到了这个里程碑，以及我们正在构建的产品——点击这里查看：

如果你有兴趣合作，请联系我们：如果你有兴趣参与构建支撑可靠agents的环境和工具，点击这里查看加入我们团队的机会：

目前关于人工智能的讨论大多围绕架构研究、算力扩容和采购人类数据展开。很少有人了解“数据研究”这一深度技术领域，而模型能力的诸多提升都由它驱动。

本次访谈由@vvkgopalan与@bespokelabsai的两位创始人@madiator和@AlexGDimakis对谈，Bespoke Labs是一家定义了数据研究领域的创业公司。

访谈各环节时间点如下：00:00介绍两位创始人Mahesh与Alex；03:40讨论在伯克利讲授千人机器学习课程，以及AI时代计算机科学教育的变化；06:10聊前沿模型训练的开源数据、OpenThoughts项目，以及用于数据整理的模型训练；12:00讲解为什么多答案样本能训练出性能更好的模型，以及保留数据集中不可验证样本的好处；17:20介绍强化学习缩放定律和Bespoke公司；19:45讨论“环境驱动开发”；28:35聊前沿模型和编码智能体的新能力；34:35分析强化学习环境的市场前景；42:30回顾近期重要研究，梳理强化学习发展到当前阶段的历程；50:00介绍Bespoke的A轮融资。

近来levelsio的所有工作都在虚拟专用服务器（VPS）上完成，不再在本地设备进行任何操作。

本地运行AI编码会消耗本地设备电池，部署速度也更慢。

在VPS上编码不会消耗本地设备电量，还能实现即时部署。

无需部署的时候，就不用做部署步骤。

Hermes Agent现已支持将单个或多个智能体会话导出至多种格式与存储位置。

用户可将完整对话导出为HTML、Markdown、JSON等格式，也能轻松将整段会话数据集上传至个人的私有Hugging Face仓库。

此前新增的会话修剪筛选工具也可用于导出操作，用户可按模型、日期范围、对话来源（比如定时任务或电报）筛选需要导出的内容。

执行`hermes update`更新后，用户即可完全掌控自身数据，按需求完成导出、查看、分享与存储操作。

相关使用说明可查看官方文档：

2024年，AI智能体记忆赛道从零起步，目前八家该领域服务商已经获得总计超过5700万美元融资。这个赛道正在实时形成当中。

Gartner预测，到2026年底，40%的企业应用会搭载AI智能体。在2025年，这一占比还不到5%。

当前该领域存在核心问题：大语言模型的每次调用都是无状态的。当智能体数量达到100个时，重新输入上下文的成本不会只是线性增长，而是会呈复合式增长。

很高兴能收录相关成果，也期待未来一同定义这个全新赛道。

循环工程设计很出色，但一旦出错就会前功尽弃，这里分享提升智能体循环可靠性的方法。该方法使用人在环路（HITL，即让人介入循环）方案，实现简单，效果极强，任何人都可以搭建这套系统。

这套方案简化了和智能体的沟通流程。开发者现在更多使用语音智能体完成搭建、沟通和验证工作，无需一直守在电脑前或留在Slack频道和智能体沟通。

目前所有Claude和Codex智能体会话都接入了@DialAgent的MCP（机器控制协议）服务器。这个服务器提供了一系列工具，能为每个智能体分配专属号码，将通话、短信、iMessage功能整合在同一个界面下，原生支持语音呼叫。

当智能体处理拉取请求和新功能的循环自动运行时，会通过短电话将需要决策的事项升级提交给开发者。这种方式在外出离开办公桌时使用非常方便。

如果你想用Claude Code或Codex尝试这套方案，直接将指令“获取Dial号码，拨打给我，说明设置完成后挂断”粘贴到智能体中就能启动，可访问链接获取更多信息。

@NVoitenkov及其团队正在开发相关项目，访问链接可以领取5美元免费额度，为你的智能体分配一个电话号码。

人形机器人的技术能力提升十分显著。中国凭借搭载AI的自主足球人形机器人，夺得2026年机器人世界杯冠军。

这类机器人可以识别足球、自主做出决策、完成团队配合并完成射门动作。

机器人现在已经开始学习团队协作能力。

中国的开放模型不再开放后，永久性的底层群体将成为现实。过去两年里，全球其余AI开发者能跟上头部企业的步伐，唯一原因就是中国提供了AI开放权重。从GPT被封禁的时期开始，中国的开放模型一直是推动资源平衡的关键力量。

中国商务部正与阿里巴巴、字节跳动等机构洽谈，计划封堵这类AI模型，其中也包括开放权重。目前两个超级大国都已意识到前沿AI是一种战略武器，都不允许普通从业者接触这类技术。

不少人此前花费数年时间推崇开源的胜利，如今监管部门介入后，开放生态被打破，局面令人错愕。

joshavant在使用大语言模型对话时，反复使用一种名为手动子代理的模式，实用性很高。

具体操作方法是，先启用侧边对话，完成特定、聚焦的独立任务。

任务完成后，要求模型生成提示词，把侧边对话的结果更新整合到主对话中。

最终主对话就会起到类似协调编排者的作用。