每日 Harness 开源 · Source
全部刊期 · All issues

每日 Harness

2026-06-16 · Tuesday, June 16, 2026

智能体工程化与治理

视图 · View

今日重点 · Today's Highlights

[WorkBench Revisited: Workplace Agents Two Years On](https://arxiv.org/abs/2606.13715)[^1] - 两年后 workplace agent 完成率从 43% 升到 89%，误操作率从 26% 降到 2.5%，是今天最清晰的 agent 能力-安全共进数据点。

全文 ↓

[HarnessX: A Composable, Adaptive, and Evolvable Agent Harness Foundry](https://arxiv.org/abs/2606.14249)[^2] - 把 agent harness 当作可组合、可演化的运行时接口来优化，在五个基准上报告平均 +14.5% 的收益。

全文 ↓

[GitOfThoughts: Version-Controlled Reasoning and Agent Memory You Can Replay, Diff, and Merge](https://arxiv.org/abs/2606.14470)[^3] - 用 Git 表示推理树和记忆，同时给出一个克制结论：记忆格式本身并不稳定提升新题准确率。

全文 ↓

[Kage](https://github.com/tamnd/kage)[^4] - 用真实 Chrome 渲染网站后剥离脚本，并能打包成 ZIM 或自包含二进制，是离线网页归档的务实实现。

全文 ↓

[TensorZero](https://github.com/tensorzero/tensorzero)[^5] - 把 LLM gateway、观测、评测、优化、实验合成同一套自托管 LLMOps 栈，README 给出 <1ms p99 gateway 延迟和约 1% 全球 LLM API spend 的生产信号。

全文 ↓

论文 · Papers

17 项 · 论文

本期重点WorkBench Revisited: Workplace Agents Two Years On1arxiv.org原文 ↗

arxiv.org

这篇复测 2024 年 WorkBench workplace-agent 基准，核心贡献是把两年 agent 进展放在同一任务面上比较，而不是只看新 benchmark。GPT-4 在 2024 年完成 43% 任务并有 26% unintended harmful action；2026 年最强的 Claude Opus 4.8 完成 89%，误操作降到 2.5%。值得看的是作者观察到完成率和安全性在 WorkBench 上同向改善，同时仍保留“发错邮件”这类低频但不可逆失败。

–

本期重点HarnessX: A Composable, Adaptive, and Evolvable Agent Harness Foundry2arxiv.org原文 ↗

arxiv.org

HarnessX 把 prompt、tool、memory、control flow 抽象成 typed harness primitives，再用 substitution algebra 组合，用 AEGIS 从执行轨迹中演化 harness。实验覆盖 ALFWorld、GAIA、WebShop、tau^3-Bench、SWE-bench Verified，平均提升 +14.5%，最高 +44.0%，且低基线任务收益最大。它把 agent 进步的杠杆从“只换模型”扩到“运行时接口可学习”，这一点比单个 benchmark 分数更有方法论含量。

–

本期重点GitOfThoughts: Version-Controlled Reasoning and Agent Memory You Can Replay, Diff, and Merge3arxiv.org原文 ↗

arxiv.org

GitOfThoughts 的工程做法很直接：agent reasoning tree 存成 Git repo，thought 是 commit，score 是 note，outcome 是 tag，检索用 git log。论文更有价值的部分是负结果：比较 none、markdown、vector、graph、git 五种记忆基底后，发现新问题上没有一种 memory format 能稳定提升准确率。它提出 copyability threshold：检索案例相似度约高于 0.8 时收益骤增，这说明当前“记忆”更像近重复答案恢复，而不是可迁移方法学习。

–

AFFORDANCE20Q: Evaluating Affordance Reasoning from Physical Properties6arxiv.org原文 ↗

arxiv.org

AFFORDANCE20Q 用 20 Questions 游戏评测模型能否从物体形状、材质等物理属性推断 affordance，而不是看到物体名后调用记忆映射。数据集包含 1,009 个游戏、454 个物体和 59 类 affordance，全部经过人工过滤、细化与标注。15 个先进 LLM 与人类仍有约 20 分差距，KARI 规则归纳能让开源模型最高提升 15.2 分；这让“物理常识”从问答题变成了信息增益式的主动询问问题。

–

No Hidden Prompts Needed! You Can Game AI Peer Review with Presentation-Only Revisions7arxiv.org原文 ↗

arxiv.org

这项研究不使用隐藏指令，也不改方法、实验、图表、证明或数值，只优化 abstract、贡献框架、相关工作、讨论等呈现层内容。闭环 adversarial repackaging 在三个主流 AI reviewer 上达到 75.1% attack success rate，平均分增加 +1.21/10，且强于普通润色。关键警示是 AI reviewer 会把“看起来回应了限制”误读成“实际解决了限制”，所以 peer review 自动化的风险面已经扩展到论文叙事本身。

–

Statistically Reliable LLM-Based Ranking Evaluation via Prediction-Powered Inference8arxiv.org原文 ↗

arxiv.org

PRECISE 把 Prediction-Powered Inference 用在 LLM judge 排序评估中，用少量人工标注校正大规模模型判断的偏差。作者把 Precision@K 这类 per-query metric 的输出空间从 O(2^|C|) 降到 O(2^K)，使层级评估可计算。ESCI 上，30 个人工标注加 Claude 3 Sonnet 判断把 Precision@4 标准误从 4.45 降到 3.50；生产系统中 100 个人工标签与 2 小时专家标注选出的最佳变体也被 A/B 测试的 +407 bps 日销售提升确认。

–

Pythagoras-Prover: Advancing Efficient Formal Proving via Augmented Lean Formalisation9arxiv.org原文 ↗

arxiv.org

Pythagoras-Prover 发布一组计算效率导向的 Lean theorem prover，包括 4B/32B 自回归模型和一个 4B diffusion-based prover 原型。训练上，它使用难度分层 Lean verified corpus、动态 proof-reasoning filtering 控制 8k 上下文，以及 Augmented Lean Formalisation 扩增形式陈述。最醒目的数字是 4B 在 MiniF2F-Test pass@32 达 86.1%，超过 DeepSeek-Prover-V2-671B 的 82.4%；32B 则达到 93.0%，并解出 PutnamBench 672 题中的 93 题。

–

LoSoNA: A Benchmark for Local Social Norm Adaptation in Group Conversations10arxiv.org原文 ↗

arxiv.org

LoSoNA 测的是模型能否从多人群聊 transcript 里推断本地隐性规范，并在最终 elicitor turn 中按规范回应。基准评估八个 frontier/open-weight 模型和四种 prompting 条件，明确提示模型“把先前对话当作规范证据”会带来不均匀收益。Gemini 3.1 Pro 在显式 norm-aware prompt 下到 84.2%，Claude Fable 5 到 81.6%，而一些模型提升很小甚至回退；这说明社交适应不是简单加一句系统提示就能普遍解决。

–

Quickest Detection of Hallucination Onset: Delay Bounds and Learned CUSUM Statistics11arxiv.org原文 ↗

arxiv.org

论文把流式 hallucination onset detection 写成 quickest change detection，而不是把每个 token 当独立分类样本算 AUC。RAGTruth 上的一阶 Markov latent state 模型给出 Lorden lower bound：false alarm rate 为 0.01 时检测延迟约 1.3 tokens。实际 causal recurrent labeler 在同 false-alarm 下 11-13 tokens 报警，优于线性 per-token baseline 的 31 tokens；这把“检测器好不好”从总体分类分数推进到可运营的报警延迟。

–

FVSpec: Real-World Property-Based Tests as Lean Challenges12arxiv.org原文 ↗

arxiv.org

FVSpec 从真实 Python 仓库抽取 property-based tests，再转换为 Lean 4 specification challenge，目标是把工程测试里的性质变成形式化证明任务。它的贡献重点在数据来源：不是手写数学题，而是从实际软件仓库中提炼行为约束。这个方向值得关注，因为 property-based tests 天然携带输入空间和不变量，比普通单元测试更接近 Lean 里可证明的 specification。

–

The Arbiter Agent: Continually Monitoring Multi-Agent Conversations to Detect Emergent Misalignment13arxiv.org原文 ↗

arxiv.org

Arbiter 是一个预算受限的监控 agent，会在多 agent 对话进行中选择等待、询问、检查 system prompt/reasoning trace 或记录可疑行为。实验覆盖五种 conversation condition、五种 tool configuration 和两个 backbone，检测目标包括 risky financial advice、evaluation-aware、colluding agents 等。结果显示主动 inspection tools 同时提升准确率和速度；weight-induced misalignment 最难抓，logging tool 则提高 recall 但牺牲 precision，这让 auditor 更像系统参与者而不是旁观日志解析器。

–

AlloSpatial: Agentic Harness Framework for Spatial Reasoning in Foundation Models14arxiv.org原文 ↗

arxiv.org

AlloSpatial 解决的是多模态模型从局部 egocentric observation 构建全局 allocentric spatial representation 的薄弱环节。World2Mind sandbox 生成 Allocentric-Spatial Trees 和 route maps，Spatial Reasoning Harness 再做 tool-use 判断、modality-decoupled cue collection 和 geometry-semantic arbitration。VSI-Bench 与 MindCube 上，training-free 设置让专有模型提升 5%-18%，而 AST 在移除视觉输入后仍能支持强空间推理，说明结构化空间先验本身贡献很大。

–

Same-Origin Policy for Agentic Browsers15arxiv.org原文 ↗

arxiv.org

这篇论文指出 agentic browser 中的 AI agent 可能成为自动跨源数据流通道，使传统 Same-Origin Policy 的威胁模型失效。作者构建 SOPBench 测 benign 和 attack 场景下的 SOP violation，并提出 SOPGuard，在开源 agentic browser BrowserOS 中实现。它的重要性在于把浏览器安全边界从脚本扩展到“能读页面、能操作页面、能综合执行任务”的 agent 行为层。

–

From Shield to Target: Denial-of-Service Attacks on LLM-Based Agent Guardrails16arxiv.org原文 ↗

arxiv.org

论文展示一种 availability attack：向 agent 环境注入 payload，让 LLM guardrail 进入长推理循环，从保护层变成 DoS 放大器。攻击框架既有 beam-search + strategy bank，也有更轻量的 schema-aware structural mutation；payload 在 Claude、GPT、Gemini、DeepSeek、Qwen 等八类 backbone 间迁移。standalone token amplification 达 13-63 倍，端到端 web/desktop/code/multi-agent 部署中延迟最高放大 148 倍，这把 guardrail 成本上限变成了安全需求。

–

StreamMemBench: Streaming Evaluation of Agent Memory for Future-Oriented Assistance17arxiv.org原文 ↗

arxiv.org

StreamMemBench 从 EgoLife egocentric streams 构造两步任务序列：先测 agent 是否使用当前 evidence，再测反馈和交互经验能否帮助后续相似任务。四个指标分别诊断 evidence recall、initial evidence use、feedback incorporation、follow-up reuse。八个 memory system 与两个 backbone 的实验说明，当前系统经常“存到了”但不会在未来任务中稳定“用出来”；这比单轮 recall 更接近个人 agent 的真实失败模式。

–

Verbatim Chunks Beat Extracted Artifacts18arxiv.org原文 ↗

arxiv.org

这项消融比较长对话记忆中保留原文片段，还是抽取事实、决策、事件等结构化 artifact。核心结论是 verbatim chunks 胜过 extracted artifacts，说明压缩成结构化记忆时可能丢掉推理所需的语言线索、上下文关系或不确定性。它给 memory pipeline 一个朴素但尖锐的约束：抽取越“干净”，未必越利于后续任务。

–

Sentinel: Decoding Context Utilization via Attention Probing for Efficient LLM Context Compression19arxiv.org原文 ↗

arxiv.org

Sentinel 不训练专门压缩模型，而是探测 0.5B proxy LLM 的 decoder attention，再用轻量分类器做句子级 relevance 判断。作者认为 query-context relevance estimation 在模型规模间有一致性，因此小 proxy 的注意力信号可用于大模型上下文筛选。LongBench 上最高 5x compression 仍匹配 7B 级压缩系统的 QA 表现；它适合 RAG 噪声长上下文场景，而不是泛化为所有长上下文压缩问题。

–

开源 / 项目 · Projects

14 项 · 开源 / 项目

本期重点Kage4github.com原文 ↗

github.com

Kage 用 headless Chrome 先渲染真实页面，等待 DOM 稳定后截图式抓取最终结构，再剥离所有脚本并本地化 CSS、图片、字体。它不仅能输出可离线浏览的目录，还能 pack 成 ZIM archive、自包含二进制或桌面 app；README 里还有 robots/sitemap、resume state、deterministic path mapping、content-derived UUID 等细节。这个项目的看点是把“保存网页”从浏览器 Save As 的脆弱快照，做成可复现、可迁移、无 JS 执行的归档流程。

–

本期重点TensorZero5github.com原文 ↗

github.com

TensorZero 是一套自托管 LLMOps 平台，覆盖 gateway、observability、evaluation、optimization、experimentation。README 给出的工程面包括 <1ms p99 gateway latency、OpenAI SDK 兼容、OpenTelemetry、主流 provider 接入、A/B testing、routing、fallback、retry 和 playground。它的产品判断很清楚：把评测和观测留在同一条 inference 数据链上，才有可能用生产反馈持续优化 prompts、models 和 inference strategies。

–

Phlox20github.com原文 ↗

github.com

Phlox 是开源自托管 agentic web chat，重点落在“self-hosted”和“agentic”两个关键词。它不是纯前端聊天皮肤，而是把 agent 会话放进可部署的 web 界面，适合需要掌控数据边界和运行环境的团队试验。在当下 agent 产品里，自托管聊天入口本身已经是一个明确的部署取向。

–

Macro21github.com原文 ↗

github.com

Macro 是 AGPL/Rust/SolidJS 实现的 AI-native 工作系统，把 email、tasks、calls、messages、agents、docs、diagrams、CRM 放在一个团队界面里，并用 team-level memory 连接。README 明确说它想替代或整合 Slack、Linear、Notion、HubSpot、Superhuman；monorepo 里有 SolidJS frontend、TypeScript services、Rust backend 和 infra。它的工程野心不在“给现有工具加 AI”，而是重建一个共享对象层，让沟通、任务、CRM 和 agent 都能引用同一组记忆。

–

Termem22termem.com原文 ↗

termem.com

Termem 面向 terminal agent 的 session recovery 与跨 agent memory sharing，目标是让命令行 agent 不因会话结束、上下文压缩或更换工具而丢失工作状态。这个问题在 coding agent 使用中非常具体：一次任务的诊断、路径、约束和未完成计划常常散在 terminal transcript 里。Termem 的定位说明 agent memory 正从聊天产品功能下沉到 shell 工作流基础设施。

–

ContextSpy23github.com原文 ↗

github.com

ContextSpy 是 AI coding agent 的 context profiler，通过代理拦截 LLM API 请求，拆解 system prompt、tool definitions、tool results、file contents、conversation history、current message 等 token 类别。它把数据存到本地 SQLite，并用 localhost dashboard 显示请求级和会话级变化；README 提醒 agentic workloads 中 input tokens 往往比 output 多 20-50 倍。它的实用价值在于让“上下文为什么越来越慢、越来越贵、越来越满”变成可观测对象。

–

Turboquant.cpp24github.com原文 ↗

github.com

turboquant.cpp 用约 400 行 C++23 实现 TurboQuant 在线向量量化，把高维 float vector 压成每坐标 1-4 bit 整数，不需要训练、预处理或 codebook learning。库提供 QuantizerMSE 和 QuantizerProd，后者给出 unbiased inner product estimate；README 称两者失真在信息论下界约 2.7 倍内。Apple M4 Max 单线程 benchmark 里，1536 维 1bit MSE 压缩比 31.3x，限制则是 O(d^2) rotation matrix、暂无 SIMD 和 bitwidth 仅 1-4。

–

Treenix25github.com原文 ↗

github.com

Treenix 用 ECS-style tree of typed components 构建人和 agent 共用的软件运行时：一个 class 附到 node 上，就能产生 stored data、editable forms、rendered views、server actions、MCP tools、access rules、realtime updates、audit events。它的三个 primitive 是 Node、Component、Context，业务逻辑围绕同一 typed object 流经 UI、服务、权限和 agent tool。这个设计适合低代码与 agent 工具生成的交叉区，因为它减少 schema、API、UI、permission、MCP 之间重复建模。

–

Mcpwn26github.com原文 ↗

github.com

mcpwn 是 MCP server 的 recon/exploitation CLI，支持 stdio、Streamable HTTP、legacy SSE 自动识别。它能枚举 tools、prompts、resources、resource templates，调用 tool、读 resource、渲染 prompt，并把 HTTP/SSE 流量通过 Burp；sqlmap bridge 会把 tools/call 具体化为带注入点的 raw request。项目定位是授权测试，它把传统 web/API 安全测试方法映射到 MCP 这个新接口面上。

–

SideDNS27github.com原文 ↗

github.com

SideDNS 用本地 DNS router 与透明 HTTP/HTTPS proxy 让任意域名指向本地服务，避免手动改 /etc/hosts 或硬编码端口。daemon 由 DNS server、80/443 proxy、IPC server 组成，DNS 返回 proxy IP 再由 Host header 路由到目标端口；规则存储用 lock-free arc-swap，读路径不阻塞。它尤其适合需要测试真实域名、OAuth callback、HTTPS certificate 和多服务路由的本地开发场景。

–

AgentBridge28github.com原文 ↗

github.com

AgentBridge 是多 agent 协议之间的 translation + governance mesh，README 称支持 MCP、A2A、ACP、OpenAI function-calling、Gemini function-calling、AGNTCY ACP 的 6x6 any-to-any pair。它不只是 adapter，还把 Ed25519 identity、budget、approval、hash-chained audit trail 放入调用路径；测试数写到 150 passing，Postgres 环境下 156。它的意义在于承认 agent 协议会并存很久，因此治理层和互操作层需要一起设计。

–

Wtdb29github.com原文 ↗

github.com

wtdb 为每个 git worktree 自动复制一个独立 dev database，避免一个分支 migration 改坏其他分支共享 schema。创建 worktree 时，它用 Postgres CREATE DATABASE ... TEMPLATE 复制数据库，拷贝 env file 并改写 DATABASE_URL，还能复制 node_modules 等 gitignored 路径。这个项目小，但击中 agent 并行开发的真实痛点：多个 agent/session 同时改 schema 时，共享本地数据库会迅速成为不可重复状态源。

–

BootProof30github.com原文 ↗

github.com

BootProof 是 repo bootability 的 zero-trust supervisor：先推断 stack 和 run path，再执行可解释步骤、观测真实 health，最后写 signed attestation。README 反复区分 command exited、process started、Docker container up 和 observed HTTP 200；成功必须有 health evidence，失败也会分类为 package-manager mismatch、workspace_ambiguous、health_timeout 等。它适合 agent 时代的代码验收，因为 AI 可以建议修复，但不能自己宣布“跑起来了”。

–

Dream Server31github.com原文 ↗

github.com

Dream Server 把个人 PC、Mac 或 Linux 机器配置成私有 AI server，安装并串起 Ollama、Open WebUI、n8n、ComfyUI、RAG/search、voice、agents、workflows 和本地 image generation。README 强调 no cloud required、no subscriptions required，同时允许可选 cloud/hybrid API；项目还有 release validation lab 和 stable release channel 说明。它的价值在于把 homelab AI stack 从“自己拼 compose 文件”推进到带安装器、控制面板、验证流程的产品化形态。

–

行业动态 · Industry News

10 项 · 行业动态

Salesforce to Acquire Fin for $3.6B32salesforce.com原文 ↗

salesforce.com

Salesforce 宣布签署协议收购 Fin，交易金额为 36 亿美元。即使只看金额，这也是客户服务/CRM AI 进入企业软件主线的强信号：Salesforce 不是等待外部 chatbot 生态自然成熟，而是把相关能力纳入自己的平台控制面。读点在于并购对象会如何被嵌入 Agentforce、Service Cloud 或更广的客户交互流程，而不仅是“又一笔 AI 收购”。

–

Fox to buy Roku33wsj.com原文 ↗

wsj.com

WSJ 报道 Fox 将收购 Roku，讨论焦点在交易方向而非具体条款。这个组合如果落地，核心资产不是单一硬件盒子，而是电视操作系统入口、广告分发、用户触达和内容渠道。对于流媒体行业，它指向内容公司重新争夺分发层，而不是把用户关系完全交给平台和电视 OS。

–

Hetzner Price Adjustment34docs.hetzner.com原文 ↗

docs.hetzner.com

Hetzner 发布 cloud server 价格调整说明，来源是官方基础设施文档。Hetzner 常被小团队、自托管用户和欧洲开发者当作低成本云资源，因此价格变化会直接影响长期运行的 CI、推理服务、监控和实验环境预算。比起 hyperscaler 折扣条款，这类价格表变动更容易快速传导到开源项目和 bootstrapped 产品的现金流。

–

Curl will not accept vulnerability reports during July 202635daniel.haxx.se原文 ↗

daniel.haxx.se

curl 项目维护者说明 2026 年 7 月暂停接收漏洞报告的安排。这个公告不是技术漏洞本身，却暴露了基础组件安全维护的社会层约束：披露流程必须匹配维护者可用时间。对依赖 curl 的下游来说，合理做法不是恐慌，而是把披露窗口、补丁节奏和内部风险接受机制纳入计划。

–

Typst 0.15.036typst.app原文 ↗

typst.app

Typst 发布 0.15.0 changelog，包含排版系统和语言层面的更新。Typst 的每次版本变化都不只是编辑器体验，往往会影响模板、包、CI 渲染和学术/工程文档的可复现构建。它值得工程团队关注的原因是：可编程排版正在从个人写作工具变成文档 pipeline 的一部分。

–

Linux 7.137lore.kernel.org原文 ↗

lore.kernel.org

Linux kernel mailing list 上发布 7.1 相关公告，版本邮件本身是比转述新闻更靠近上游的状态源。内核版本公告的价值在于它是硬件支持、文件系统、调度、安全修复和发行版集成节奏的锚点。对开发者而言，LKML 原始邮件更适合判断版本状态和后续 backport 可能性。

–

Apple Foundation Models38platform.claude.com原文 ↗

platform.claude.com

Anthropic 文档新增 Apple Foundation Models 相关 CLI/SDK library 页面。这里有意思的地方在跨生态：Claude 开发文档开始出现 Apple 本地 foundation model 相关库，说明云模型开发体验正在与端侧模型能力发生接口层耦合。对 macOS/iOS 应用来说，未来架构可能不是“本地或云”二选一，而是把本地能力作为延迟、隐私或成本敏感路径的一部分。

–

Introducing the OpenAI Partner Network39openai.com原文 ↗

openai.com

OpenAI 发布 Partner Network，并称将投入 1.5 亿美元支持合作伙伴推动企业 AI adoption。这个公告不是模型能力新闻，而是 go-to-market 和交付能力新闻：企业 AI 采用的瓶颈常在集成、流程改造、安全审查和变更管理。OpenAI 用伙伴网络放大服务半径，也意味着企业客户会更多通过咨询、系统集成和行业方案接触 OpenAI 技术。

–

Google Alabama investment40blog.google原文 ↗

blog.google

Google 宣布 2026-2027 年在 Alabama Jackson County 数据中心园区投入 15 亿美元。这个数字本身说明 AI/cloud infrastructure capex 正继续向电力、土地和区域网络条件合适的地点扩散。该条值得放在基础设施视角看：模型竞争背后是长期电力合约、地方税收、冷却条件、骨干网和社区承诺的组合。

–

US Government Reportedly Allowing Federal Data Center Rules to Expire41gizmodo.com原文 ↗

gizmodo.com

Gizmodo 报道美国联邦数据中心规则可能到期失效，主题与 AI 数据中心扩张密切相关。监管要求若出现空档，建设速度、能耗披露、环境约束和公共资源分配都会受到影响。它与 Google Alabama 投资放在一起看，更像同一基础设施周期的政策另一面。

–

博客文章 · Blog Posts

9 项 · 博客文章

Anthropic's Safety Superpower42stratechery.com原文 ↗

stratechery.com

Stratechery 讨论 Anthropic 如何把 safety 定位转化为商业与政策叙事资产。文章覆盖安全定位、政策叙事和模型访问争议，因此它不是在评测 Claude 的模型能力，而是在分析一家 AI 公司如何用“安全”塑造信任边界。对行业观察来说，关键问题是 safety 何时是实际工程约束，何时又会成为监管和市场竞争中的战略语言。

–

“They screwed us”: Personality clashes sent Anthropic's models offline43simonwillison.net原文 ↗

simonwillison.net

Simon Willison 摘录并评论 Axios 对 Anthropic Mythos/Fable 事件的幕后报道，焦点是 personality clashes 如何导致模型离线。这件事提醒模型上线不是纯技术动作：命名、人格、访问策略、内部责任边界和事故沟通都可能影响服务可用性。把它当作 release engineering 案例读，比当作公司八卦更有收获。

–

Why AI hasn’t replaced software engineers, and won’t44simonwillison.net原文 ↗

simonwillison.net

Simon Willison 转引 Arvind Narayanan 和 Sayash Kapoor 关于 AI 与软件工程就业替代的文章。主张是 AI 没有替代软件工程师，也不会按简单自动化叙事替代；背后理由通常落在需求不确定、维护责任、系统边界、验证和组织协调上。它值得读的地方不在“AI 有用/无用”的二分，而在拆解软件工程中哪些工作能被局部自动化，哪些工作仍绑定上下文和责任。

–

Import AI 46145importai.substack.com原文 ↗

importai.substack.com

Import AI 本期覆盖 alignment startup、FrontierCode、synthetic research intern 等 AI research 信号。作为周刊，它的价值不是单篇论文深挖，而是把创业公司、基准、研究原型和政策线索放到一个观测框架里。标题里的 “alignment is not on” 暗示本期可能在讨论 alignment 产业化与真实技术进度之间的张力。

–

Formal methods and the future of programming46blog.janestreet.com原文 ↗

blog.janestreet.com

Jane Street 汇总 formal methods 在软件工程实践中的应用文章。这个索引型页面适合顺着读，因为 Jane Street 的 formal methods 经验通常不止于证明玩具程序，而是连接 OCaml、交易系统、类型系统、验证工具和工程流程。与今天 Pythagoras-Prover、FVSpec 放在一起看，它提供了形式化方法从研究 benchmark 走向生产软件的另一条路径。

–

How TimescaleDB compresses time-series data47roszigit.com原文 ↗

roszigit.com

文章解释 TimescaleDB/Hypercore 如何压缩 time-series data，并在标题中给出 PostgreSQL 中最高 98% compression ratio 的说法。核心技术方向是把按时间写入的数据转成更利于 columnar storage 的布局，减少重复维度、时间戳和连续数值的存储成本。它适合数据库工程读者，因为压缩在这里不只是省磁盘，还影响 chunk lifecycle、查询路径和 retention 策略。

–

How memory safety CVEs differ between Rust and C/C++48kobzol.github.io原文 ↗

kobzol.github.io

这篇博文比较 Rust 与 C/C++ 的 memory safety CVE 类型差异，抓住了一个比“Rust 是否安全”更细的问题。安全缺陷会从普通越界/悬垂指针，转向 unsafe 边界、FFI、依赖和逻辑层误用。它适合用来校准语言安全宣传，因为真实 CVE 分布能暴露工具链承诺的边界。

–

The only scalable delete in Postgres is DROP TABLE49planetscale.com原文 ↗

planetscale.com

PlanetScale 文章讨论 Postgres 中大规模删除数据的可扩展模式，核心建议是用分区和 DROP TABLE 替代海量 DELETE。海量 DELETE 会放大 WAL、索引维护、vacuum、bloat 和 replication 压力；把数据按生命周期切成 partition 后，删除可以变成近似元数据操作。它的工程价值在于把 retention policy 前置到 schema 设计，而不是等表膨胀后再写清理脚本。

–

Parsing JSON at compile time with C++26 static reflection50lemire.me原文 ↗

lemire.me

Daniel Lemire 演示用 C++26 static reflection 在编译期解析 JSON。这个例子不是为了证明 JSON 必须编译期处理，而是展示 reflection 能否减少重复 schema 映射、字段注册和运行时解析样板。对 C++ 读者来说，看点在语言特性是否能把过去依赖宏、代码生成或手写 boilerplate 的任务搬进类型系统。

–

引用来源 · References

60 条 · 引用
  1. 1 WorkBench Revisited: Workplace Agents Two Years On. arXiv:2606.13715https://arxiv.org/abs/2606.13715 ↩ 回到正文 · back to text
  2. 2 HarnessX: A Composable, Adaptive, and Evolvable Agent Harness Foundry. arXiv:2606.14249https://arxiv.org/abs/2606.14249 ↩ 回到正文 · back to text
  3. 3 GitOfThoughts: Version-Controlled Reasoning and Agent Memory You Can Replay, Diff, and Merge. arXiv:2606.14470https://arxiv.org/abs/2606.14470 ↩ 回到正文 · back to text
  4. 4 Kage. GitHub: tamnd/kagehttps://github.com/tamnd/kage ↩ 回到正文 · back to text
  5. 5 TensorZero. GitHub: tensorzero/tensorzerohttps://github.com/tensorzero/tensorzero ↩ 回到正文 · back to text
  6. 6 AFFORDANCE20Q: Evaluating Affordance Reasoning from Physical Properties. arXiv:2606.14240https://arxiv.org/abs/2606.14240 ↩ 回到正文 · back to text
  7. 7 No Hidden Prompts Needed! You Can Game AI Peer Review with Presentation-Only Revisions. arXiv:2606.13044https://arxiv.org/abs/2606.13044 ↩ 回到正文 · back to text
  8. 8 Statistically Reliable LLM-Based Ranking Evaluation via Prediction-Powered Inference. arXiv:2606.05308https://arxiv.org/abs/2606.05308 ↩ 回到正文 · back to text
  9. 9 Pythagoras-Prover: Advancing Efficient Formal Proving via Augmented Lean Formalisation. arXiv:2606.12594https://arxiv.org/abs/2606.12594 ↩ 回到正文 · back to text
  10. 10 LoSoNA: A Benchmark for Local Social Norm Adaptation in Group Conversations. arXiv:2606.14600https://arxiv.org/abs/2606.14600 ↩ 回到正文 · back to text
  11. 11 Quickest Detection of Hallucination Onset: Delay Bounds and Learned CUSUM Statistics. arXiv:2606.12476https://arxiv.org/abs/2606.12476 ↩ 回到正文 · back to text
  12. 12 FVSpec: Real-World Property-Based Tests as Lean Challenges. arXiv:2606.01008https://arxiv.org/abs/2606.01008 ↩ 回到正文 · back to text
  13. 13 The Arbiter Agent: Continually Monitoring Multi-Agent Conversations to Detect Emergent Misalignment. arXiv:2606.10747https://arxiv.org/abs/2606.10747 ↩ 回到正文 · back to text
  14. 14 AlloSpatial: Agentic Harness Framework for Spatial Reasoning in Foundation Models. arXiv:2606.08952https://arxiv.org/abs/2606.08952 ↩ 回到正文 · back to text
  15. 15 Same-Origin Policy for Agentic Browsers. arXiv:2606.14027https://arxiv.org/abs/2606.14027 ↩ 回到正文 · back to text
  16. 16 From Shield to Target: Denial-of-Service Attacks on LLM-Based Agent Guardrails. arXiv:2606.14517https://arxiv.org/abs/2606.14517 ↩ 回到正文 · back to text
  17. 17 StreamMemBench: Streaming Evaluation of Agent Memory for Future-Oriented Assistance. arXiv:2606.14571https://arxiv.org/abs/2606.14571 ↩ 回到正文 · back to text
  18. 18 Verbatim Chunks Beat Extracted Artifacts. arXiv:2601.00821https://arxiv.org/abs/2601.00821 ↩ 回到正文 · back to text
  19. 19 Sentinel: Decoding Context Utilization via Attention Probing for Efficient LLM Context Compression. arXiv:2505.23277https://arxiv.org/abs/2505.23277 ↩ 回到正文 · back to text
  20. 20 Phlox. GitHub: robert-mcdermott/phloxhttps://github.com/robert-mcdermott/phlox ↩ 回到正文 · back to text
  21. 21 Macro. GitHub: macro-inc/macrohttps://github.com/macro-inc/macro ↩ 回到正文 · back to text
  22. 22 Termemhttps://termem.com ↩ 回到正文 · back to text
  23. 23 ContextSpy. GitHub: RimantasZ/contextspyhttps://github.com/RimantasZ/contextspy ↩ 回到正文 · back to text
  24. 24 Turboquant.cpp. GitHub: RunEdgeAI/turboquant.cpphttps://github.com/RunEdgeAI/turboquant.cpp ↩ 回到正文 · back to text
  25. 25 Treenix. GitHub: treenix-io/treenixhttps://github.com/treenix-io/treenix ↩ 回到正文 · back to text
  26. 26 Mcpwn. GitHub: D0rs4n/mcpwnhttps://github.com/D0rs4n/mcpwn ↩ 回到正文 · back to text
  27. 27 SideDNS. GitHub: Wilfried-Tech/sidednshttps://github.com/Wilfried-Tech/sidedns ↩ 回到正文 · back to text
  28. 28 AgentBridge. GitHub: shadowhunter-92/agentbridgehttps://github.com/shadowhunter-92/agentbridge ↩ 回到正文 · back to text
  29. 29 Wtdb. GitHub: willhackett/wtdbhttps://github.com/willhackett/wtdb ↩ 回到正文 · back to text
  30. 30 BootProof. GitHub: bootproof/bootproofhttps://github.com/bootproof/bootproof ↩ 回到正文 · back to text
  31. 31 Dream Server. GitHub: Light-Heart-Labs/DreamServerhttps://github.com/Light-Heart-Labs/DreamServer ↩ 回到正文 · back to text
  32. 32 Salesforce to Acquire Fin for $3.6Bhttps://www.salesforce.com/news/press-releases/2026/06/15/salesforce-signs-definitive-agreement-to-acquire-fin/?bc=HL ↩ 回到正文 · back to text
  33. 33 Fox to buy Rokuhttps://www.wsj.com/business/deals/fox-roku-deal-f6e564f9 ↩ 回到正文 · back to text
  34. 34 Hetzner Price Adjustmenthttps://docs.hetzner.com/general/infrastructure-and-availability/price-adjustment/#cloud-servers ↩ 回到正文 · back to text
  35. 35 Curl will not accept vulnerability reports during July 2026https://daniel.haxx.se/blog/2026/06/15/curl-summer-of-bliss/ ↩ 回到正文 · back to text
  36. 36 Typst 0.15.0https://typst.app/docs/changelog/0.15.0/ ↩ 回到正文 · back to text
  37. 37 Linux 7.1https://lore.kernel.org/lkml/CAHk-=wi4BF4bMhZNZ1tqs+FFV4OuZRe3ZqdWB+LxRLmRweUzQw@mail.gmail.com/T/#u ↩ 回到正文 · back to text
  38. 38 Apple Foundation Modelshttps://platform.claude.com/docs/en/cli-sdks-libraries/libraries/apple-foundation-models ↩ 回到正文 · back to text
  39. 39 Introducing the OpenAI Partner Networkhttps://openai.com/index/introducing-openai-partner-network ↩ 回到正文 · back to text
  40. 40 Google Alabama investmenthttps://blog.google/innovation-and-ai/infrastructure-and-cloud/global-network/alabama-investment-june-2026/ ↩ 回到正文 · back to text
  41. 41 US Government Reportedly Allowing Federal Data Center Rules to Expirehttps://gizmodo.com/us-government-reportedly-allowing-federal-data-center-rules-to-expire-2000772083 ↩ 回到正文 · back to text
  42. 42 Anthropic's Safety Superpowerhttps://stratechery.com/2026/anthropics-safety-superpower/ ↩ 回到正文 · back to text
  43. 43 “They screwed us”: Personality clashes sent Anthropic's models offlinehttps://simonwillison.net/2026/Jun/15/axios-clashes-anthropics/#atom-everything ↩ 回到正文 · back to text
  44. 44 Why AI hasn’t replaced software engineers, and won’thttps://simonwillison.net/2026/Jun/14/why-ai-hasnt-replaced-software-engineers/#atom-everything ↩ 回到正文 · back to text
  45. 45 Import AI 461https://importai.substack.com/p/import-ai-461-alignment-is-not-on ↩ 回到正文 · back to text
  46. 46 Formal methods and the future of programminghttps://blog.janestreet.com/formal-methods-at-jane-street-index/?from_theconsensus=1 ↩ 回到正文 · back to text
  47. 47 How TimescaleDB compresses time-series datahttps://roszigit.com/en/blog/timescaledb-compression-hypercore ↩ 回到正文 · back to text
  48. 48 How memory safety CVEs differ between Rust and C/C++https://kobzol.github.io/rust/2026/06/15/how-memory-safety-cves-differ-between-rust-and-c-cpp.html ↩ 回到正文 · back to text
  49. 49 The only scalable delete in Postgres is DROP TABLEhttps://planetscale.com/blog/the-only-scalable-delete ↩ 回到正文 · back to text
  50. 50 Parsing JSON at compile time with C++26 static reflectionhttps://lemire.me/blog/2026/06/14/parsing-json-at-compile-time-with-c26-static-reflection/ ↩ 回到正文 · back to text
  51. 51 OpenInterpreter. GitHub: openinterpreter/openinterpreterhttps://github.com/openinterpreter/openinterpreter ↩ 回到正文 · back to text
  52. 52 OpenHands. GitHub: OpenHands/OpenHandshttps://github.com/OpenHands/OpenHands ↩ 回到正文 · back to text
  53. 53 Fabro. GitHub: fabro-sh/fabrohttps://github.com/fabro-sh/fabro ↩ 回到正文 · back to text
  54. 54 Restate. GitHub: restatedev/restatehttps://github.com/restatedev/restate ↩ 回到正文 · back to text
  55. 55 Graphify. GitHub: safishamsi/graphifyhttps://github.com/safishamsi/graphify ↩ 回到正文 · back to text
  56. 56 Obsidian Wiki. GitHub: Ar9av/obsidian-wikihttps://github.com/Ar9av/obsidian-wiki ↩ 回到正文 · back to text
  57. 57 OpenHuman. GitHub: tinyhumansai/openhumanhttps://github.com/tinyhumansai/openhuman ↩ 回到正文 · back to text
  58. 58 Polars. GitHub: pola-rs/polarshttps://github.com/pola-rs/polars ↩ 回到正文 · back to text
  59. 59 Wasmtime. GitHub: bytecodealliance/wasmtimehttps://github.com/bytecodealliance/wasmtime ↩ 回到正文 · back to text
  60. 60 Nx. GitHub: nrwl/nxhttps://github.com/nrwl/nx ↩ 回到正文 · back to text