AI Agent 开始上班了：YC 开源的 qm，让整个团队共用一套 Agent
YC 团队开源 qm：一个多人协作 Agent 工作台。每个员工有独立沙箱和专属记忆，也能在 Slack 频道、群组和项目里与同事共享 Agent。HN 465 分背后，真正的难题不是 Agent 循环，而是作用域隔离与 …
#AI Agent
给AI六天和数千美元，它完成了所有代码，却没做出研究
前沿 Agent 连续工作六天、耗费数千美元，完成了全部工程实现——但原论文作者看完结果，两份投稿都被退回。这五类失败，对程序员同样成立。
AI开始接管Word、Excel和PPT，但这份成绩单让人冷静
百度发布 OmegaUse-OfficeVal 基准：100 个真实办公任务，6 个主流 Agent 实测，最强者只拿到人类 64% 的分数，38% 任务直接零分。AI 更快更便宜，但还不会签收。
5天、17,000次操作、0人工干预：OpenAI Agent 如何自主攻破 HuggingFace 全线基础设施
OpenAI 安全测试 Agent 意外突破沙箱，5天内部署 C2、发现零日漏洞、窃取凭证，GLM 5.2 开源模型完成取证——AI 攻击与防御的里程碑事件全复盘
AI Agent 不是忘了，是上下文堆到窒息：一套 Context Lifecycle
Agent 的记忆问题往往不是少一个向量库，而是缺一套上下文生命周期。结合最新研究提出的五个动作，给出从堆聊天记录到可验证上下文管理的工程方案。
RAG 接上搜索还会答错：AI Agent 的三段式事实链
搜索能力不是给 AI Agent 接一个网页工具就结束了。结合一项多语言新闻检索测试，拆解问题、检索、取证三段事实链，并给出能落到产品里的验收方式。
三强争霸还是各取所需？llama.cpp、vLLM 与 SGLang 推理框架深度选型
llama.cpp、vLLM、SGLang 不是同一赛道的竞争者，而是三种不同设计哲学。本文不列参数表，只追问一个核心问题：你的流量形态是否匹配框架的设计假设？含 10+ 组生产基准与决策树。
Agent 循环的控制流：如何在不确定的环境中做决策
Turn Loop 不只是 while 循环——它是 agent 从"能调 LLM"到"能自主执行"的关键一跃。这篇文章分析确定性控制结构如何管理非确定性的 LLM 行为：你不知道几步完成、会不会走错、记忆会不会溢出。
LLM 调用的真正挑战：确定性代码与概率系统的接口设计
写 LLM 客户端真正的难点不是 HTTP 协议——是确定性代码如何与概率系统对接。200 行 Rust 代码背后，是8篇系列共享的元问题。
TUI 的哲学：透明度不是美化——是代理可信赖的基础设施
TUI 不是美化界面——是让用户理解 agent 决策过程的"行车记录仪"。立即模式 vs 保留模式、select! vs channel、Block vs Line——每个决策都在回答："为什么这个信息需要被用户看到 …