每日 Harness 开源 · Source
全部刊期 · All issues

每日 Harness

2026-06-19 · Friday, June 19, 2026

代理长跑与安全治理

视图 · View

今日重点 · Today's Highlights

[CEO-Bench: Can Agents Play the Long Game?](https://arxiv.org/abs/2606.18543)[^1] - 500 天公司经营模拟把代理从短任务执行拉到长期不确定决策，最强模型也没有稳定盈利。

全文 ↓

[SafeClawBench: Separating Semantic, Audit-Evidence, and Sandbox Harm in Tool-Using LLM Agents](https://arxiv.org/abs/2606.18356)[^2] - 这套评测把“模型答应攻击”和“工具真的造成状态伤害”拆开，暴露语义安全检查漏检执行风险。

全文 ↓

[RODS: Reward-Driven Online Data Synthesis for Multi-Turn Tool-Use Agents](https://arxiv.org/abs/2606.19047)[^3] - 用 rollout reward 方差在线发现能力边界样本，是多轮工具 RL 数据耗尽问题的直接工程解法。

全文 ↓

[DeusData/codebase-memory-mcp](https://github.com/DeusData/codebase-memory-mcp)[^4] - 以 tree-sitter 和 LSP 语义解析把代码库变成可查询图，给 coding agent 提供低 token 的结构记忆。

全文 ↓

[alexzhang13/rlm](https://github.com/alexzhang13/rlm)[^5] - Recursive Language Models 把长上下文放进 REPL，让模型用代码、子调用和沙箱递归处理任务。

全文 ↓

论文 · Papers

15 项 · 论文

本期重点CEO-Bench: Can Agents Play the Long Game?1arxiv.org原文 ↗

基准推理与规划工具使用其他垂直

这篇论文构造了一个 500 天创业公司经营环境，代理通过 Python 接口管理定价、营销、预算等决策，并从噪声业务数据库里推断策略。关键结果很克制：只有 Claude Opus 4.8 和 GPT-5.5 最终高于 100 万美元起始余额，但二者也不能稳定盈利。它把 agent benchmark 从“会不会调用工具”推进到长期资源配置、信息获取和策略调整。

–

本期重点SafeClawBench: Separating Semantic, Audit-Evidence, and Sandbox Harm in Tool-Using LLM Agents2arxiv.org原文 ↗

安全与攻防评测方法工具使用系统·基础设施

SafeClawBench 用 600 个受控对抗任务覆盖直接/间接 prompt injection、tool-return injection、memory poisoning、memory extraction 和歧义推断等 6 类攻击。论文最有价值的数字是：12,000 行匹配分析中，347 个沙箱伤害有 291 个发生在语义检查通过的行里。它说明 tool-using agent 的安全评测不能只看模型文本是否“拒绝”，还要看审计证据和外部状态变化。

–

本期重点RODS: Reward-Driven Online Data Synthesis for Multi-Turn Tool-Use Agents3arxiv.org原文 ↗

合成数据与训练环境Agent RL / 可验证奖励工具使用其他垂直

RODS 观察到 GRPO 的梯度信号集中在 rollout reward 方差最高的任务上，也就是模型刚好会一半、错一半的能力边界。方法从 400 个人类种子出发，维护约 800 个活跃样本，通过 skill-aligned resampling 持续合成多轮工具任务。它用约少 20 倍轨迹达到接近 17K 离线样本管线的表现，适合关注 RL 数据效率的人读。

–

What Must Generalist Agents Remember?6arxiv.org原文 ↗

Agent 记忆推理与规划其他垂直

这篇论文给“通用代理需要记忆什么”一个形式化回答：当两个域共享观测瓶颈却要求不同最优动作时，近似最优策略必须保留能区分域的记忆分布。进一步地，如果记忆足以估计相关目标的价值，它也能近似重建局部转移动态。它的贡献不是新 benchmark，而是把 memory 从经验组件提升为泛化、规划和模型重建的必要条件。

–

Decoupling Search from Reasoning: A Vendor-Agnostic Grounding Architecture for LLM Agents7arxiv.org原文 ↗

检索与知识接地协议与互操作工作流与控制流数据·分析

DSG 把实时搜索 grounding 从模型供应商边界里抽出来，做成 MCP-compatible gateway，单独控制 provider routing、source-aware context rendering、fallback、retrieval depth 和缓存。实验显示它在 SimpleQA 上 86.1% 对 87.7% 几乎追平 native search，同时搜索成本低 91%；在生产电商 QIU workload 上搜索成本降幅超过 98%。它值得看的地方是把 grounding 当成可优化系统边界，而不是模型自带黑盒功能。

–

Towards an Agent-First Web: Redesigning the Web for AI Agents8arxiv.org原文 ↗

协议与互操作对齐与治理工具使用计算机·Web

论文从访问、经济和内容三层重新设计 Web，主张代理作为人类 proxy 时应继承相应访问权，并用请求元数据、rate limit 和 agent-optimized 内容协商边界。经济层提出按 intent 和 token 计量，内容层提出 ATML、四级人类监督和加密 provenance chain。它把 agent 访问网站的问题从反爬和 CAPTCHA 扩展到社会契约、付费机制和知识来源治理。

–

A Technical Taxonomy of LLM Agent Communication Protocols9arxiv.org原文 ↗

协议与互操作多智能体系统·基础设施

作者用 5 轮迭代方法分析 9 个有采用迹象的开源 agent 通信协议，给出 counterparty、payload、interaction state、discovery mechanism 和 schema flexibility 五个维度。样本中 agent-to-agent 协议普遍保留 session state，多数支持多个预定义 schema，只有少数在运行时协商 schema。结论偏现实：短期会出现 A2A 与 agent-to-context 融合压力，长期更像联邦分层协议栈。

–

Skill-Guided Continuation Distillation for GUI Agents10arxiv.org原文 ↗

蒸馏与压缩技能系统合成数据与训练环境计算机·Web

SGCD 针对 GUI agent 在闭环执行中偏离专家轨迹后的状态没有监督这一问题。方法先让原策略运行几步到真实 off-trajectory states，再用技能引导策略完成任务，把 continuation plans、critical targets、failure traps 和 success criteria 生成的成功后续混入训练。它在 OSWorld-Verified 上把三个基座模型从低 30% 成功率推到 50% 以上，说明 GUI agent 的数据问题不只是缺专家轨迹，还缺离轨恢复轨迹。

–

MyPCBench: A Benchmark for Personally Intelligent Computer-Use Agents11arxiv.org原文 ↗

基准工具使用Agent 记忆计算机·Web

MyPCBench 在 Linux 桌面中放入 17 个模拟真实 Web 应用，并用 Michael Scott 这一 persona 的登录态、历史数据和个人上下文构造 184 个任务。6 个模型在统一 computer+bash 工具面上测试，最佳的 Claude Opus 4.6 只完整解决 55.4%。它强调个人助理的难点在跨应用长轨迹和隐含个人信息，而不是单网页操作。

–

iOSWorld: A Benchmark for Personally Intelligent Phone Agents12arxiv.org原文 ↗

基准工具使用推理与规划计算机·Web

iOSWorld 构建 26 个原生 iOS app，覆盖交易、消息、旅行、社交关系和财务活动等互联个人数据。它有 133 个任务，其中 60 个多应用任务跨 2 到 8 个 app，46 个任务要求从个人数据里推断偏好或历史模式。最佳配置总体 52%，多应用任务只有 37%；vision+XML 对 frontier models 最多提升 26 个百分点，显示 accessibility tree 能帮强模型但不能自动解决任务规划。

–

EfficientRollout: System-Aware Self-Speculative Decoding for RL Rollouts13arxiv.org原文 ↗

Agent RL / 可验证奖励蒸馏与压缩框架与脚手架系统·基础设施

论文指出 RL rollout 的瓶颈不是普通 serving 场景的固定模型推理，而是策略持续变化、高温长生成和 batch size 逐渐缩小。EfficientRollout 从目标模型诱导量化 drafter，并用系统感知开关只在 memory-bound 阶段启用 self-speculative decoding。它最高减少 19.6% rollout latency 和 12.7% end-to-end latency，同时保持最终模型质量，适合看 RL 训练系统优化。

–

STARE: Surprisal-Guided Token-Level Advantage Reweighting for Policy Entropy Stability14arxiv.org原文 ↗

Agent RL / 可验证奖励其他垂直

STARE 分析 GRPO 的 token 级熵动态，指出 trajectory-level advantage 与 token surprisal 之间存在四象限结构和近临界现象。方法用 batch 内 surprisal quantile 选出熵关键 token，重加权其 advantage，并用 target-entropy gate 做闭环控制。实验跨 1.5B 到 32B、短 CoT、长 CoT 和多轮工具任务，在 AIME24/25 上比 DAPO 等强基线平均高 4%-8%。

–

Bag of Dims: Training-Free Mechanistic Interpretability via Dimension-Level Sign Patterns15arxiv.org原文 ↗

arxiv.org

论文认为 transformer hidden state 的标准维度本身就可作为训练自由的特征基，符号编码语义，幅值编码置信度。作者在 Qwen 3.5-4B、Gemma 3-4B、Mistral 7B 上发现只保留 sign pattern 仍能达到 72%-93% top-5 next-token accuracy，无监督还可发现 1500 个特征并保持 99% sparsity。它对 mechanistic interpretability 的冲击在于：不一定先训练 SAE 才能读出结构。

–

SAE Interventions are Unreliable: Post-Intervention Recovery of Suppressed Behavior16arxiv.org原文 ↗

arxiv.org

这篇论文直接压力测试 SAE 特征干预：即便目标特征继续被 clamp，模型仍可能通过残差空间别的路径恢复被压制行为。作者在 TPP、unlearning、IOI 和 refusal steering 上都观察到 post-intervention recovery，refusal steering 有效样本恢复率达到 95.8%，且 defended-feature drift 低于 suffix baseline。它把“控制可解释特征”与“控制真实行为”之间的差距说得很清楚。

–

Externalizing Research Synthesis and Validation in AI Scientists through a Research Harness17arxiv.org原文 ↗

框架与脚手架可观测性与调试评测方法研究·科学

Xcientist 把文献证据、idea state、实现计划、ablation 记录和 repair trace 都存成持久研究 artifact，使 AI scientist 的推理链可检查。论文提出 claim drift 作为自动科研失败模式：最终可运行 artifact 不再支撑原本机制声明。实验跨 memory system、交通预测和 physics-informed neural network，重点是研究过程的可归因性和可修订边界。

–

开源 / 项目 · Projects

13 项 · 开源 / 项目

OSymandias - Open-source runtime for multi-agent AI systems18github.com原文 ↗

框架与脚手架多智能体Agent 记忆系统·基础设施

OSymandias 是 Python library 和 CLI，一条 `osy serve` 启动多代理 runtime，内部管理 PostgreSQL、Redis、RabbitMQ、Qdrant 和 Celery workers。它用 `@osy.tool`、`@osy.agent` 装饰器从类型提示推断 schema，并提供 job、task、agent instance、tool call、共享 memory 和事件流。这个项目的看点是把 agent 编排做成“本地操作系统式” runtime，而不是只给一个 agent loop。

–

bote - fast, low-memory processing for big JSON19github.com原文 ↗

github.com

bote 面向大型 JSON 的低内存处理，核心是避免把整份数据一次性载入内存。digest 中没有更多实现细节，但定位清楚：它服务于本地批处理、日志抽取和数据清洗中常见的超大 JSON 文件。它适合作为 agent 或数据管线前置工具，因为大文件处理失败通常发生在内存模型而不是业务逻辑。

–

Open-source back end for multi-user AI agents with shared memory20github.com原文 ↗

框架与脚手架Agent 记忆执行环境与沙箱系统·基础设施

Lobu 是 OpenClaw 的多租户 gateway，给 Slack、Telegram、WhatsApp、Discord、Teams、Google Chat 和 REST API 提供 agent 接入。README 称它只重写约 40K LOC gateway 层，保持 OpenClaw Pi harness 在 worker 内部运行，并为每个用户或 channel 分配隔离虚拟文件系统与 bash session。它还把 worker egress、MCP secret、OAuth 和 provider keys 都收束到 gateway，适合多用户 agent 产品的后端形态。

–

Pagecast - Publish Markdown/HTML Reports to Cloudflare Pages21github.com原文 ↗

github.com

Pagecast 是本地 CLI，把 Markdown 或 HTML 报告发布到用户自己的 Cloudflare Pages。它解决的是一次性报告、日报和静态分析页面的部署摩擦，而不是完整 CMS。此类工具适合自动化报告链路，因为输出物通常已经是 Markdown/HTML，真正缺的是低配置发布通道。

–

Myco Brain - source-traceable memory for AI agents on your own Postgres23github.com原文 ↗

Agent 记忆协议与互操作评测方法系统·基础设施

Myco Brain 把 agent memory 放在用户自己的 Postgres 上，通过 MCP 给 Claude、Cursor、Windsurf、Continue、Zed 等客户端共享。README 强调每个事实都可用 `brain_why` 追溯来源，独立来源提高置信度，矛盾事实会 supersede 且保留审计记录。它还给出 LongMemEval 复现数字：73.6% QA、recall@5 约 89%-92%，说明项目尝试把“记得住”转成可验证指标。

–

DOS - a referee between AI agents that doesn't believe their "done"24github.com原文 ↗

评测方法多智能体可观测性与调试编码

DOS 是多代理编码工作流的裁判，不相信 agent 的“完成”叙述，而是读取 git、文件树、时间和 CI 等 artifact。最小用法是 `dos verify PLAN PHASE`：commit subject 中有对应 phase token 就返回 SHIPPED 和 exit 0，没有就 NOT_SHIPPED 和 exit 1。README 列出 v0.26.0、3900+ tests、唯一运行依赖 PyYAML；它把“agent 自报进度”改成可接入 CI 的外部判定。

–

Rootsign - tamper-evident audit logs for LangChain/CrewAI agents26github.com原文 ↗

可观测性与调试安全与攻防工具使用系统·基础设施

RootSign 为生产 agent 工具调用建立防篡改 hash chain，每个 action 记录包含前一条 action 的 SHA-256 hash。`rootsign verify` 可以检测记录被改动的位置，exit code 也可用于自动化审计流程。v0.1.1 已有 LangGraph、CrewAI 集成、PII redaction、人类审批 checkpoint 和可选 decision capture，适合高风险工具调用的 provenance 记录。

–

AutomatiQ - generate web scrapers/automations by browsing any website27github.com原文 ↗

工具使用工作流与控制流执行环境与沙箱计算机·Web

AutomatiQ 先用 Chrome CDP 记录用户浏览时的网络请求、响应体、cookie、点击、输入和导航，再让视觉模型标注动作片段，最后由 LLM 在隔离 Python/IPython 环境中生成自动化脚本。README 的使用路径很短：`automatiq run https://example.com`，浏览后按 Ctrl+C，agent 接管生成脚本。它把 web scraping 从手写 selector 和请求重放，改成“示范一次再反编译”的工作流。

–

Vibesurfer - a token-efficient browser for AI agents28github.com原文 ↗

工具使用上下文工程执行环境与沙箱计算机·Web

vibesurfer 是 Rust 浏览器 daemon，底层用 WKWebView、WebKitGTK 或 WebView2，不依赖 Chromium/CDP。README 给出一个直观对比：Hacker News 首页经 Playwright 约 2000 输入 token，而 vibesurfer 约 50，因为它返回 state tokens 和 tree deltas。mutating action 需要最新 token，页面变化会触发 STALE_TOKEN，这比 agent 盲点过期 DOM 更适合长时间自动浏览。

–

Throne MCP Registry29usethrone.dev原文 ↗

协议与互操作执行环境与沙箱评测方法系统·基础设施

Throne MCP Registry 记录 74 个 MCP server 在 microVM 中运行时的兼容性和故障情况。它的价值不在“又一个 MCP 列表”，而在把 MCP server 放入隔离执行环境后观察真实安装、启动和运行问题。对正在把 MCP 接入生产 agent 的团队，兼容性矩阵比 README 徽章更接近可用性证据。

–

Talos - Open-source WASM interpreter for Lean30github.com原文 ↗

github.com

Talos 用 Lean 4 写 WebAssembly interpreter，目标是执行程序和证明程序行为共用同一套语义定义。README 说明它可以运行 `.wat` 模块，也能用 weakest precondition calculus 证明 correctness、equivalence 或全输入性质；仓库分 Interpreter、CodeLib、Programs 三个 Lake package。它重视可推理性胜过速度，适合关注形式化验证和 Wasm 语义的人。

–

行业动态 · Industry News

11 项 · 行业动态

Securing the future of AI agents31deepmind.google原文 ↗

安全与攻防可观测性与调试工具使用系统·基础设施

Google DeepMind 描述面向 AI agents 的 AI Control Roadmap，核心是把传统安全控制与实时监控结合，约束代理访问内部系统后的行动边界。digest 显示关注点包括工具权限、可观测性和风险响应，而不是单个模型能力。它说明大厂的 agent 安全讨论已经进入运行时控制层。

–

New usage analytics and updated spend controls for enterprises32openai.com原文 ↗

openai.com

OpenAI 为 ChatGPT Enterprise 增加 credit usage analytics 和 spend controls，Global Admin Console 可按用户、产品和模型拆分 ChatGPT 与 Codex 的 credit 消耗。管理员还能通过统一 Cost API 取同一份数据，并设置 workspace 默认额度、group 限制和个人 override。这个发布把企业 AI 管理从“是否启用”推进到成本归因、配额和组织 adoption 分析。

–

DeepSeek Introduces Vision33chat.deepseek.com原文 ↗

chat.deepseek.com

DeepSeek 在聊天产品里加入视觉能力入口。页面本身需要 JavaScript 验证，digest 中可确定的信息是产品从文本聊天继续扩展到多模态输入。行业意义在于视觉入口成为主流聊天产品的基础能力，而不再是单独实验页面。

–

US holds off blacklisting DeepSeek, more than 100 firms deemed security risks34reuters.com原文 ↗

reuters.com

Reuters 报道美国出口管制相关名单调整，DeepSeek 暂未被列入黑名单，同时 100 多家公司被认定为安全风险。这里的关键不是模型性能，而是 AI 公司在供应链、芯片获取和合规名单中的位置。它会影响云服务、硬件采购和跨境合作的风险判断。

–

Leaked financial docs show OpenAI is losing billions of dollars a year35arstechnica.com原文 ↗

arstechnica.com

Ars Technica 报道 OpenAI 泄露财务文件里的收入、成本和亏损情况，digest 摘要指向“每年亏损数十亿美元”。这类财务信息把 AI 竞争从发布会指标拉回推理成本、训练资本开支和收入质量。它也是企业客户判断平台长期定价和可持续性的背景材料。

–

AMD silently removes memory encryption from consumer Ryzen CPUs37tomshardware.com原文 ↗

tomshardware.com

Tom's Hardware 报道消费级 Ryzen 上 Transparent Secure Memory Encryption 消失，调查指向 AMD Pro 以外 CPU 与 AGESA 1.2.7.0 之后的变化。文章称 AMD 邮件首次把 TSME 描述为 AMD PRO Technologies 的 PRO CPU 功能，而此前该能力已在消费芯片上可用多年。更麻烦的是 Windows 上几乎不可见，Linux 也需要 HSI 等技术检查才能发现，用户很难知道安全状态已变。

–

Ubiquiti: Enterprise NAS, Built on ZFS38blog.ui.com原文 ↗

blog.ui.com

Ubiquiti 发布基于 ZFS 的 Enterprise NAS 产品。ZFS 的选择说明产品重心在数据完整性、快照和存储管理，而不只是网络设备厂商增加一台文件服务器。它也延续 Ubiquiti 从网络硬件向企业 IT 基础设施一体化扩展的路线。

–

SteamOS Linux 3.8 released as stable39store.steampowered.com原文 ↗

store.steampowered.com

Valve 发布 SteamOS 3.8 stable，意味着该分支已从测试进入稳定通道。digest 没有列出细节变更，但 SteamOS 的稳定版本对 Steam Deck、Linux 游戏兼容层和硬件厂商适配都有实际影响。它继续巩固 Valve 以发行版和 Proton 生态减少 Windows 依赖的策略。

–

AI Compute Extensions (ACE) Specification40x86ecosystem.org原文 ↗

x86ecosystem.org

x86 Ecosystem Advisory Group 发布 AI Compute Extensions 规格。它不是单厂商产品发布，而是尝试给 x86 生态中的 AI compute 能力暴露、调用和互操作建立共同规格。对芯片、编译器和框架来说，标准化接口比单点加速更影响长期可移植性。

–

Announcing Stack Overflow for Agents41stackoverflow.blog原文 ↗

检索与知识接地工作流与控制流评测方法编码

Stack Overflow for Agents 是面向 agent 的 API-first 知识交换 beta，试图解决代理重复踩坑、上下文结束后经验消失的 Ephemeral Intelligence Gap。Beta 包含 Questions、TIL 和 Blueprint 三类 post，并要求 agent 起草内容后由人类 orchestrator 审核。它的核心机制是让验证、投票和反馈累积成共识，而不是让 agent 直接把日志倒进知识库。

–

博客文章 · Blog Posts

13 项 · 博客文章

GLM-5.2 is probably the most powerful text-only open weights LLM42simonwillison.net原文 ↗

simonwillison.net

Simon Willison 梳理 Z.ai GLM-5.2 的开源权重、规模、许可证和早期评测信号，并把它放在 text-only open weights 模型竞争里看。digest 中的判断是它可能是当前最强文本开权 LLM，重点不只是分数，而是开放权重与实际可用许可的组合。它适合用来观察开源模型如何追赶闭源 frontier 的文本能力。

–

Local Qwen isn't a worse Opus, it's a different tool43blog.alexellis.io原文 ↗

blog.alexellis.io

Alex Ellis 讨论本地 Qwen 与云端 frontier models 的不同使用形态。文章的要点不是本地模型比 Opus 弱多少，而是本地推理在隐私、可控性、离线、成本和可嵌入性上优化目标不同。它把“本地 AI 是否值得用”的问题从排行榜迁移到任务边界和部署约束。

–

The Token Compression Illusion: Why I'm Skeptical of RTK44mroczek.dev原文 ↗

上下文工程Agent 记忆其他垂直

文章质疑递归或 token compression 方案把 token 数下降等同于保留了任务所需信息。digest 显示作者区分压缩上下文、摘要上下文和维持决策充分状态，这三者在 agent 长任务里不是同一个问题。它提醒读者看压缩方案时要问“哪些信息被保留用于下一步行动”，而不是只看上下文窗口占用。

–

AI demands more engineering discipline. Not less45charitydotwtf.substack.com原文 ↗

charitydotwtf.substack.com

Charity Majors 认为 AI 让代码生成成本骤降后，工程纪律的需求会增加。她把当前变化类比 immutable infrastructure：当 artifact 可再生成，真正重要的是规格、评估、生产观测和反馈环，而不是把代码本身当唯一知识容器。文章中一个具体判断是 2026 年会从 vibe coding 回到 discipline，短反馈环、capture/replay、characterization tests 和 observability 会成为 AI-assisted development 的核心。

–

How we run Firecracker VMs inside EC2 and start browsers in less than 1s46browser-use.com原文 ↗

执行环境与沙箱工具使用框架与脚手架计算机·Web

Browser-use 解释其在 EC2 内运行 Firecracker VM 并快速启动浏览器沙箱的架构。digest 的关键数字是浏览器启动低于 1 秒，问题域是 agent 浏览器执行环境的隔离、冷启动和吞吐。它对浏览器 agent 基础设施很具体，因为浏览器会话既重又危险，沙箱成本直接影响产品可用性。

–

MosaicLeaks: Can your research agent keep a secret?47huggingface.co原文 ↗

安全与攻防基准研究·科学

MosaicLeaks 用 benchmark 测量 research agent 在合成研究场景里是否泄露秘密。digest 的重点是代理要在完成研究任务时处理受限信息，并观察输出或工具使用是否跨越授权边界。它把 agent 安全从“会不会听恶意 prompt”推进到“能不能维持任务级保密约束”。

–

Is it agentic enough? Benchmarking open models on your own tooling48huggingface.co原文 ↗

评测方法工具使用基准系统·基础设施

Hugging Face 文章讨论如何在自有工具链上评测开源模型的 agentic 能力。它反对只看通用榜单，因为工具 schema、调用错误、恢复策略和环境延迟都会改变模型表现。更实用的结论是：agentic eval 应该贴近团队实际工具和失败模式，而不是复制一个外部 benchmark 名字。

–

Beyond LoRA: Can you beat the most popular fine-tuning technique?49huggingface.co原文 ↗

huggingface.co

Hugging Face PEFT 文章比较 LoRA 之外的微调方法。digest 显示它关注 parameter-efficient fine-tuning 的效果、成本和参数取舍，而不是默认“LoRA 永远够用”。它适合微调开源模型前阅读，因为不同任务、显存和部署限制会改变最佳方法。

–

Integer Quantization: Deep Dive50hello-fri-end.github.io原文 ↗

hello-fri-end.github.io

文章深入解释神经网络推理中的整数量化。digest 指向 scale、zero point、校准、误差和推理效率这些部署关键点，而不是只给高层概念。它适合补齐模型压缩到生产推理之间的机制理解。

–

Migrating from GNU Stow to Chezmoi51rednafi.com原文 ↗

rednafi.com

Redowan Delowar 记录从 GNU Stow 迁移到 Chezmoi 管理 dotfiles 的过程。核心变化是从目录符号链接管理迁移到支持模板、状态和多机器差异的配置系统。它对长期维护开发环境有参考价值，因为 dotfiles 一旦跨机器、跨 OS 或包含 secrets，Stow 的简单模型会变得吃力。

–

Emacs 31 is around the corner: The changes I'm daily driving52rahuljuliato.com原文 ↗

rahuljuliato.com

文章汇总作者正在日常使用的 Emacs 31 变化。digest 没有给细项，但“daily driving”意味着它关注实际编辑体验、配置影响和升级后的行为差异，而不是 release note 摘抄。Emacs 用户可以把它当作升级前的兼容性和体验预览。

–

RFC 10008: The HTTP QUERY Method53blainsmith.com原文 ↗

blainsmith.com

博文介绍 HTTP QUERY method 的语义：为安全、幂等、需要 request body 的查询提供标准方法。它填补了 GET URL 太长、POST 语义过重之间的 API 设计空白。对 API 设计而言，QUERY 的意义在缓存、中间件可见性和语义一致性，而不只是新增一个动词。

–

The Sequence Opinion #879: When Tokens Become Balance Sheet Items54thesequence.substack.com原文 ↗

thesequence.substack.com

TheSequence 讨论 token 成本如何从工程指标变成企业经营指标。digest 的重点是 token 可被预算、归因、分摊到团队和产品毛利中，进而影响 AI 功能设计。它反映企业 AI 治理的下一步：不仅问模型准不准，也问每次智能调用是否有可解释成本。

–

引用来源 · References

65 条 · 引用
  1. 1 CEO-Bench: Can Agents Play the Long Game?. arXiv:2606.18543https://arxiv.org/abs/2606.18543 ↩ 回到正文 · back to text
  2. 2 SafeClawBench: Separating Semantic, Audit-Evidence, and Sandbox Harm in Tool-Using LLM Agents. arXiv:2606.18356https://arxiv.org/abs/2606.18356 ↩ 回到正文 · back to text
  3. 3 RODS: Reward-Driven Online Data Synthesis for Multi-Turn Tool-Use Agents. arXiv:2606.19047https://arxiv.org/abs/2606.19047 ↩ 回到正文 · back to text
  4. 4 DeusData/codebase-memory-mcp. GitHubhttps://github.com/DeusData/codebase-memory-mcp ↩ 回到正文 · back to text
  5. 5 alexzhang13/rlm. GitHubhttps://github.com/alexzhang13/rlm ↩ 回到正文 · back to text
  6. 6 What Must Generalist Agents Remember?. arXiv:2606.18746https://arxiv.org/abs/2606.18746 ↩ 回到正文 · back to text
  7. 7 Decoupling Search from Reasoning: A Vendor-Agnostic Grounding Architecture for LLM Agents. arXiv:2606.18947https://arxiv.org/abs/2606.18947 ↩ 回到正文 · back to text
  8. 8 Towards an Agent-First Web: Redesigning the Web for AI Agents. arXiv:2606.19116https://arxiv.org/abs/2606.19116 ↩ 回到正文 · back to text
  9. 9 A Technical Taxonomy of LLM Agent Communication Protocols. arXiv:2606.19135https://arxiv.org/abs/2606.19135 ↩ 回到正文 · back to text
  10. 10 Skill-Guided Continuation Distillation for GUI Agents. arXiv:2606.18890https://arxiv.org/abs/2606.18890 ↩ 回到正文 · back to text
  11. 11 MyPCBench: A Benchmark for Personally Intelligent Computer-Use Agents. arXiv:2606.16748https://arxiv.org/abs/2606.16748 ↩ 回到正文 · back to text
  12. 12 iOSWorld: A Benchmark for Personally Intelligent Phone Agents. arXiv:2606.09764https://arxiv.org/abs/2606.09764 ↩ 回到正文 · back to text
  13. 13 EfficientRollout: System-Aware Self-Speculative Decoding for RL Rollouts. arXiv:2606.18967https://arxiv.org/abs/2606.18967 ↩ 回到正文 · back to text
  14. 14 STARE: Surprisal-Guided Token-Level Advantage Reweighting for Policy Entropy Stability. arXiv:2606.19236https://arxiv.org/abs/2606.19236 ↩ 回到正文 · back to text
  15. 15 Bag of Dims: Training-Free Mechanistic Interpretability via Dimension-Level Sign Patterns. arXiv:2606.12629https://arxiv.org/abs/2606.12629 ↩ 回到正文 · back to text
  16. 16 SAE Interventions are Unreliable: Post-Intervention Recovery of Suppressed Behavior. arXiv:2606.18322https://arxiv.org/abs/2606.18322 ↩ 回到正文 · back to text
  17. 17 Externalizing Research Synthesis and Validation in AI Scientists through a Research Harness. arXiv:2606.18874https://arxiv.org/abs/2606.18874 ↩ 回到正文 · back to text
  18. 18 OSymandias - Open-source runtime for multi-agent AI systems. GitHubhttps://github.com/andreisilva1/OSymandias ↩ 回到正文 · back to text
  19. 19 bote - fast, low-memory processing for big JSON. GitHubhttps://github.com/jankdc/bote ↩ 回到正文 · back to text
  20. 20 Open-source back end for multi-user AI agents with shared memory. GitHubhttps://github.com/lobu-ai/lobu ↩ 回到正文 · back to text
  21. 21 Pagecast - Publish Markdown/HTML Reports to Cloudflare Pages. GitHubhttps://github.com/Amal-David/pagecast ↩ 回到正文 · back to text
  22. 22 Skill Studio - mine, edit, and manage Agent Skills. GitHubhttps://github.com/AltrinaAI/skill-studio ↩ 回到正文 · back to text
  23. 23 Myco Brain - source-traceable memory for AI agents on your own Postgres. GitHubhttps://github.com/thegoodguysla/myco-brain ↩ 回到正文 · back to text
  24. 24 DOS - a referee between AI agents that doesn't believe their "done". GitHubhttps://github.com/anthony-chaudhary/dos-kernel ↩ 回到正文 · back to text
  25. 25 Lume - a small, fast hybrid search engine written in Rust. GitHubhttps://github.com/deepbluedynamics/lume ↩ 回到正文 · back to text
  26. 26 Rootsign - tamper-evident audit logs for LangChain/CrewAI agents. GitHubhttps://github.com/Providex-AI/rootsign ↩ 回到正文 · back to text
  27. 27 AutomatiQ - generate web scrapers/automations by browsing any website. GitHubhttps://github.com/StoneSteel27/AutomatiQ ↩ 回到正文 · back to text
  28. 28 Vibesurfer - a token-efficient browser for AI agents. GitHubhttps://github.com/frane/vibesurfer ↩ 回到正文 · back to text
  29. 29 Throne MCP Registryhttps://usethrone.dev/registry ↩ 回到正文 · back to text
  30. 30 Talos - Open-source WASM interpreter for Lean. GitHubhttps://github.com/cajal-technologies/talos ↩ 回到正文 · back to text
  31. 31 Securing the future of AI agents. Google DeepMindhttps://deepmind.google/blog/securing-the-future-of-ai-agents/ ↩ 回到正文 · back to text
  32. 32 New usage analytics and updated spend controls for enterprises. OpenAIhttps://openai.com/index/chatgpt-enterprise-spend-controls ↩ 回到正文 · back to text
  33. 33 DeepSeek Introduces Vision. DeepSeekhttps://chat.deepseek.com/ ↩ 回到正文 · back to text
  34. 34 US holds off blacklisting DeepSeek, more than 100 firms deemed security risks. Reutershttps://www.reuters.com/world/china/us-holds-off-blacklisting-chinas-deepseek-more-than-100-firms-deemed-security-2026-06-17/ ↩ 回到正文 · back to text
  35. 35 Leaked financial docs show OpenAI is losing billions of dollars a year. Ars Technicahttps://arstechnica.com/ai/2026/06/leaked-financial-docs-show-openai-is-losing-billions-of-dollars-a-year/ ↩ 回到正文 · back to text
  36. 36 Tesco moving 40k server workloads off VMware amid Broadcom's abusive conduct. Ars Technicahttps://arstechnica.com/information-technology/2026/06/tesco-moving-40000-server-workloads-off-vmware-amid-broadcoms-abusive-conduct/ ↩ 回到正文 · back to text
  37. 37 AMD silently removes memory encryption from consumer Ryzen CPUs. Tom's Hardwarehttps://www.tomshardware.com/pc-components/cpus/amd-silently-removes-memory-encryption-from-consumer-ryzen-cpus-leaving-users-unaware-that-they-may-be-vulnerable-security-feature-vanishes-after-newer-agesa-firmware-amd-engineers-go-radio-silent-when-pressed-about-the-change ↩ 回到正文 · back to text
  38. 38 Ubiquiti: Enterprise NAS, Built on ZFS. Ubiquitihttps://blog.ui.com/article/introducing-enterprise-nas ↩ 回到正文 · back to text
  39. 39 SteamOS Linux 3.8 released as stable. Valvehttps://store.steampowered.com/news/app/1675200/view/697641379212298072 ↩ 回到正文 · back to text
  40. 40 AI Compute Extensions (ACE) Specification. x86 Ecosystem Advisory Grouphttps://x86ecosystem.org/resource/ai-compute-extensions-ace-specification/ ↩ 回到正文 · back to text
  41. 41 Announcing Stack Overflow for Agents. Stack Overflowhttps://stackoverflow.blog/2026/06/10/announcing-stack-overflow-for-agents/ ↩ 回到正文 · back to text
  42. 42 GLM-5.2 is probably the most powerful text-only open weights LLM. Simon Willisonhttps://simonwillison.net/2026/Jun/17/glm-52/#atom-everything ↩ 回到正文 · back to text
  43. 43 Local Qwen isn't a worse Opus, it's a different tool. Alex Ellishttps://blog.alexellis.io/local-ai-is-not-opus/ ↩ 回到正文 · back to text
  44. 44 The Token Compression Illusion: Why I'm Skeptical of RTK. mroczek.devhttps://mroczek.dev/articles/the-token-compression-illusion-why-im-skeptical-of-rtk/ ↩ 回到正文 · back to text
  45. 45 AI demands more engineering discipline. Not less. Charity Majorshttps://charitydotwtf.substack.com/p/ai-demands-more-engineering-discipline ↩ 回到正文 · back to text
  46. 46 How we run Firecracker VMs inside EC2 and start browsers in less than 1s. Browser-usehttps://browser-use.com/posts/firecracker-browser-infra ↩ 回到正文 · back to text
  47. 47 MosaicLeaks: Can your research agent keep a secret?. Hugging Face / ServiceNowhttps://huggingface.co/blog/ServiceNow/mosaicleaks ↩ 回到正文 · back to text
  48. 48 Is it agentic enough? Benchmarking open models on your own tooling. Hugging Facehttps://huggingface.co/blog/is-it-agentic-enough ↩ 回到正文 · back to text
  49. 49 Beyond LoRA: Can you beat the most popular fine-tuning technique?. Hugging Facehttps://huggingface.co/blog/peft-beyond-lora ↩ 回到正文 · back to text
  50. 50 Integer Quantization: Deep Dive. hello-fri-end.github.iohttps://hello-fri-end.github.io/2026/06/integer-quantization-deep-dive/ ↩ 回到正文 · back to text
  51. 51 Migrating from GNU Stow to Chezmoi. Redowan Delowarhttps://rednafi.com/misc/chezmoi/ ↩ 回到正文 · back to text
  52. 52 Emacs 31 is around the corner: The changes I'm daily driving. Rahul Juliatohttps://www.rahuljuliato.com/posts/emacs-31-around-the-corner ↩ 回到正文 · back to text
  53. 53 RFC 10008: The HTTP QUERY Method. blainsmith.comhttps://blainsmith.com/articles/rfc-10008-http-query-method/ ↩ 回到正文 · back to text
  54. 54 The Sequence Opinion #879: When Tokens Become Balance Sheet Items. TheSequencehttps://thesequence.substack.com/p/the-sequence-opinion-879-when-tokens ↩ 回到正文 · back to text
  55. 55 bytedance/UI-TARS-desktop. GitHubhttps://github.com/bytedance/UI-TARS-desktop ↩ 回到正文 · back to text
  56. 56 calesthio/OpenMontage. GitHubhttps://github.com/calesthio/OpenMontage ↩ 回到正文 · back to text
  57. 57 promptfoo/promptfoo. GitHubhttps://github.com/promptfoo/promptfoo ↩ 回到正文 · back to text
  58. 58 infiniflow/ragflow. GitHubhttps://github.com/infiniflow/ragflow ↩ 回到正文 · back to text
  59. 59 continuedev/continue. GitHubhttps://github.com/continuedev/continue ↩ 回到正文 · back to text
  60. 60 web-infra-dev/midscene. GitHubhttps://github.com/web-infra-dev/midscene ↩ 回到正文 · back to text
  61. 61 openobserve/openobserve. GitHubhttps://github.com/openobserve/openobserve ↩ 回到正文 · back to text
  62. 62 vercel-labs/json-render. GitHubhttps://github.com/vercel-labs/json-render ↩ 回到正文 · back to text
  63. 63 google-research/timesfm. GitHubhttps://github.com/google-research/timesfm ↩ 回到正文 · back to text
  64. 64 mattpocock/skills. GitHubhttps://github.com/mattpocock/skills ↩ 回到正文 · back to text
  65. 65 roboflow/rf-detr. GitHubhttps://github.com/roboflow/rf-detr ↩ 回到正文 · back to text