每日 Harness 开源 · Source
全部刊期 · All issues

每日 Harness

2026-06-25 · Thursday, June 25, 2026

智能体基建竞速

视图 · View

今日重点 · Today's Highlights

CubeSandbox4 - 用 Rust/KVM 构建面向 AI agent 的并发沙箱服务，适合把不可信代码执行从主应用进程中隔离出去。

全文 ↓

论文 · Papers

15 项 · 论文

本期重点Qwen-AgentWorld: Language World Models for General Agents1arxiv.org原文 ↗

arxiv.org

这篇论文把语言模型训练成 agent 的世界模型，让它能模拟环境反馈、辅助规划，并为真实 agent 预热训练。作者收集 7 个环境域的 1000 万条以上交互轨迹，训练 Qwen-AgentWorld-35B-A3B 和 397B-A17B，流程包含 CPT、SFT 与带混合奖励的 RL。它的贡献不在又做一个 agent，而在把环境动态、任务反馈和 rollout 经验压进模型本身，给高成本交互任务提供可替代的训练场。

–

本期重点OpenThoughts-Agent: Data Recipes for Agentic Models2arxiv.org原文 ↗

arxiv.org

论文系统研究 agentic language model 的数据构造方法，重点是哪些任务、格式和训练混合能带来跨 benchmark 泛化。团队做了 100 多个受控消融，并用 10 万条整理后的样本微调 Qwen3-32B，在 7 个 agentic benchmark 上达到 44.8% 平均准确率，比 Nemotron-Terminal-32B 高 3.9 个百分点。它把“agent 训练数据怎么配”从经验堆料推进到可复现实验，适合作为构建专用 agent 数据集时的参照。

–

AGORA: An Archive-Grounded Benchmark for Agentic Workplace Document Reasoning6arxiv.org原文 ↗

arxiv.org

AGORA 面向真实 workplace archive，要求 agent 在杂乱文档集合中找证据、解析单位和术语，并完成需要计算或聚合的回答。数据包含 8 个领域集合、9,664 份真实文档、3.72 亿 token 和 362 个问题，规模超过常见模型上下文窗口；8 个模型中最强也只有 59.4% accuracy。这个 benchmark 把 RAG 从“检索一段文本回答”推进到跨文件审计式推理，能暴露企业文档任务里检索、证据链和数值处理的组合短板。

–

GUI vs. CLI: Execution Bottlenecks in Screen-Only and Skill-Mediated Computer-Use Agents7arxiv.org原文 ↗

arxiv.org

论文用同一批桌面任务比较 GUI-only agent 和 skill/CLI mediated agent，拆开界面操作和技能覆盖两个变量。benchmark 覆盖 18 个应用、12 类工作流、440 个任务；最强 GUI full pass rate 为 59.1%，原始 CLI skill 为 48.2%，但 verifier-guided skill augmentation 后 CLI 达到 69.3%。结论更细：CLI 并非天然更强，真正差异来自 skill library 是否覆盖任务状态和可验证操作。

–

Reinforcement Learning for Computer-Use Agents with Autonomous Evaluation8arxiv.org原文 ↗

arxiv.org

这项工作用视觉语言模型自动评估 GUI agent 的最终截图和原始指令，再把评估结果转成 RL 终端奖励。作者把 evaluator 输出视为 noisy binary reward，并在 PPO 中加入噪声校正估计器；在 macOSWorld、Windows Agent Arena 与 OSWorld 上，平均比 zero-shot 高 12.6 个百分点，比直接使用原始 evaluator 奖励高 5.1 点。它的价值在于绕开人工打分瓶颈，同时承认自动 evaluator 会错，并把这个噪声显式建模进训练。

–

Governed Shared Memory for Multi-Agent LLM Systems9arxiv.org原文 ↗

arxiv.org

论文把多 agent 共享记忆正式定义为 fleet-memory governance 问题，列出 unauthorized leakage、stale propagation、contradiction persistence 和 provenance collapse 四类失效。系统原语包括 scoped retrieval、temporal supersession、provenance tracking 与 policy-governed propagation；实现 MemClaw 后可重建 100% 四层 provenance chain。它的讨论很工程化：共享记忆不是简单向量库，而是需要权限、时效、来源和传播策略共同约束的系统组件。

–

本期重点CompressKV: Semantic-Retrieval-Guided KV-Cache Compression for Resource-Efficient Long-Context LLM Inference3arxiv.org原文 ↗

arxiv.org

CompressKV 先识别 GQA 模型中的 Semantic Retrieval Heads，再用这些头决定哪些 token 的 KV cache 值得保留，并按层分配压缩预算。LongBench QA 中只保留 3% KV 仍能保持 97% 以上全缓存性能，Needle-in-a-Haystack 中 0.7% KV 可达到 90% 准确率。它说明长上下文推理的内存压缩可以利用模型内部检索结构，而不是把所有 attention head 当成同质信号。

–

Metis: Bridging Text and Code Memory for Self-Evolving Agents10arxiv.org原文 ↗

arxiv.org

Metis 研究 self-evolving agents 如何在文本记忆和代码记忆之间分工：文本便于迁移，代码工具执行快但生成成本高。系统先把经验写成计划、事实和常见坑，反复复用的计划再结晶为可验证工具；在 AppWorld 上相对 ReAct 最高提升 20.6% accuracy，并降低 22.8% 执行成本。它给 agent memory 一个清晰层次：不是把所有经验塞进 prompt，而是让稳定流程逐步固化为可调用程序。

–

AutoSpec: Safety Rule Evolution for LLM Agents via Inductive Logic Programming11arxiv.org原文 ↗

arxiv.org

AutoSpec 从已有专家规则出发，用用户标注的 safe/unsafe 轨迹和 CEGIS 循环自动演化安全规则。归纳逻辑编程用于找出能解释 false positive 与 false negative 的谓词，再生成可解释 rule edits；291 条代码执行和 embodied agent 轨迹上，两个域 F1 分别提升到 0.98 与 0.93，false positive 最多减少 94%。它把 agent safety 的规则维护做成数据驱动的增量修订，而不是每次事故后手写补丁。

–

SAFARI: Scaling Long Horizon Agentic Fault Attribution via Active Investigation12arxiv.org原文 ↗

arxiv.org

SAFARI 处理长轨迹 agent 失败归因时，不把整段 trace 塞给模型，而是让 LLM 用工具主动搜索、读取片段并在短期记忆中组织证据。结果显示 Who&When 在 1M token budget 内比 SOTA 高 20%，TRAIL GAIA subset 在 25K budget 下高 19%，目标 fault 超出原生上下文窗口 5 倍时 precision 仍为 0.58。它把故障分析从“长上下文能力测试”转成信息检索和调查策略问题，适合真实 agent run 的日志规模。

–

RIFT-Bench: Dynamic Red-teaming For Agentic AI Systems13arxiv.org原文 ↗

arxiv.org

RIFT-Bench 用图表示描述 agentic 系统结构，并通过 Discovery 与 Scanning 两阶段做动态 red-teaming。论文在 45 个 agentic systems 上展示自适应 probes 可迁移到异构架构，还能评估 mitigation strategy。它关注的是 agent 系统级攻击面，而非单轮 prompt jailbreak，因此更贴近多工具、多组件 agent 的真实部署风险。

–

AdversaBench: Automated LLM Red-Teaming with Multi-Judge Confirmation and Cross-Model Transferability14arxiv.org原文 ↗

arxiv.org

AdversaBench 从 seed prompt 出发应用 5 种结构化 mutation，查询目标模型后再用三 judge 加 meta-judge 确认 failure。实验覆盖 reasoning、instruction following 和 tool use 三类共 45 个 seed，每个 seed 都能产生确认失败；作者还报告 judge pairwise agreement 为 80-87%，但 Cohen kappa 接近 0。这个细节很有用：高表面一致率不等于可靠裁判，red-teaming 自动化必须处理 label skew 和 judge 偏差。

–

When Retrieval Metrics Mislead: Measuring Policy Signal in Long-Horizon Tool-Use Agents15arxiv.org原文 ↗

arxiv.org

论文检验 retrieval exact-match recall 是否能代表长程工具使用 agent 的 policy signal，场景是 tau-bench pre-action policy classification。gold-policy structured state 让 Qwen2.5 classifier macro-F1 提升 0.13-0.17；airline 中正确条款 rank-1 只有 7%，但 retrieved clauses 的 macro-F1 为 0.58，接近 gold clauses 的 0.60。它提醒评测者不要把检索命中率直接等同于决策帮助，弱匹配证据也可能携带足够 policy signal。

–

NatureBench: Can Coding Agents Match the Published SOTA of Nature-Family Papers?16arxiv.org原文 ↗

arxiv.org

NatureBench 从 Nature 系列论文蒸馏 90 个跨学科任务，用标准化容器环境评估 coding agents 能否复现或超过已发表 SOTA。10 个 frontier agent config 在禁用 web search 条件下测试，最强模型按 g>0.1 标准只在 17.8% 任务上超过 SOTA；失败主要来自方法选择和算力预算。它把 coding agent 评测从小型程序题拉到科研复现实验，暴露了当前 agent 在问题建模和实验设计上的边界。

–

本期重点DiffusionBench: On Holistic Evaluation of Diffusion Transformers5arxiv.org原文 ↗

arxiv.org

DiffusionBench 提出 NanoGen 统一训练和评估 ImageNet class-conditional 与 text-to-image diffusion transformer，避免只用 ImageNet FID 代表模型能力。NanoGen 支持 RAE、VAE、pixel-space 和 MeanFlow，12 行配置变化即可切到 T2I；21 个 latent diffusion models 的 ImageNet 与 T2I 排名 Pearson correlation 为 -0.377 到 -0.580。结果说明 DiT 架构选择会被单一 benchmark 误导，特别是当研究目标已经扩展到文本条件生成时。

–

开源 / 项目 · Projects

15 项 · 开源 / 项目

RubyLLM17rubyllm.com原文 ↗

rubyllm.com

RubyLLM 给 Ruby 应用提供统一 AI provider 接口，覆盖 GPT、Claude、本地 Ollama 等模型。站点列出 chat、vision/audio/document 输入、streaming、image generation、embedding、moderation、tools、agent、structured output 与 Rails 集成，当前文档显示 1.16.0 和 800+ model registry。它的工程意义在于把多 provider 的能力检测、价格和调用差异收敛到 Ruby/Rails 项目可直接使用的对象模型。

–

Agents report broken docs, you get a GitHub issue18fixyourdocs.io原文 ↗

fixyourdocs.io

FixYourDocs 把 agent 阅读文档时遇到的问题转换成 GitHub issue，目标是让文档失败信号进入维护队列。digest 给出的描述强调协议和服务形态：agent 不只是消费文档，也会把 broken docs、歧义或缺失步骤反馈给仓库。这个思路适合开发者工具链，因为 AI agent 常把文档边界条件暴露得比人工读者更频繁。

–

Lelu19github.com原文 ↗

github.com

Lelu 是 agent authorization engine，每个 action 先经过授权，每次 decision 都记录，必要时进入 human-in-the-loop。它除 RBAC/OPA 外还检查 prompt injection、低置信度、异常行为和风险分数，返回 allow、deny、human_review 或 compute；实现包含 Go engine、Next.js dashboard、SQLite/Postgres、可选 Redis 以及 TypeScript/Python SDK。它把 agent 安全控制放在 action gate 上，而不是只靠系统提示词预防。

–

Imara20github.com原文 ↗

github.com

Imara 是 MCP agents 的 runtime governance layer，在传输层拦截 tool call，并按 YAML policy 做 allow、deny、rate-limit 或 escalate。默认策略覆盖 protected branch destructive git 操作、写操作限流、危险命令记录和全量日志；审计写入本地 SQLite，并用 SHA-256 hash chain 防篡改。它适合给已有 MCP agent 加一层可审计执行边界，而不是改每个 tool 的内部实现。

–

DBOSify21github.com原文 ↗

github.com

DBOSify 用 DBOS Transact 和 Postgres 替代 Temporal server，目标是 Temporal Python 的 drop-in replacement。使用者把 import 从 temporalio 换成 dbosify，workflow 的 activities、timers、signals、updates 和 cancellations 通过 Postgres checkpoint、LISTEN/NOTIFY 与 durable messages 恢复。这个项目把 durable workflow 的运维依赖压到 Postgres，但也意味着要接受数据库成为编排状态中心。

–

Orchid22github.com原文 ↗

github.com

Orchid 是本地优先的 agent 调试代理，通过 proxy 记录 LLM 调用、tool invocation 和其它 API 流量。它支持逐步 replay、检查 prompt/response/token/cost、离线 deterministic replay，并把数据存到本地 SQLite；thin SDK 可 patch Python 的 httpx/requests 或 Node fetch。它解决的是 agent 调试中“只看到最终失败，看不到中间因果”的问题。

–

HALO23github.com原文 ↗

github.com

HALO 用 production traces 优化 RLM agent harness，先收集 OpenTelemetry-compatible traces，再由 HALO-RLM engine 分解失败模式并生成改进报告。README 描述的工作流会把报告交给 Cursor 或 Claude Code 等 coding agent 修改 harness。它把 agent 优化从单次 prompt 调整转成 trace-driven 的系统诊断循环，适合有高流量 agent 部署的团队。

–

Nub24github.com原文 ↗

github.com

Nub 是 Rust 写的 all-in-one Node.js toolkit，选择增强 stock Node 而不是重做 runtime。它提供 TypeScript-first file runner、脚本运行、nubx、依赖安装、watch、Corepack-style shims 和 Node version manager；README 给出 nub run dev 比 pnpm run 快 24 倍、nubx prisma generate 快 19 倍、nub install 比 pnpm install 快 2.5 倍。它的路线接近“Bun 的开发体验，Node 的运行语义”。

–

Haystack25haystack.deepset.ai原文 ↗

haystack.deepset.ai

Haystack 是 deepset 的开源 AI framework，面向 production agents、RAG 和 context engineering。它用模块化 pipeline 编排 retrieval、reasoning、memory 和 tool use，并连接 OpenAI、Anthropic、Mistral、Hugging Face、Weaviate、Pinecone、Elasticsearch 等组件。相比单一聊天 SDK，Haystack 的重点是可序列化、cloud-agnostic、Kubernetes-ready 的检索和 agent pipeline。

–

DiffusionBench26github.com原文 ↗

github.com

DiffusionBench 仓库提供生成式 diffusion transformer 的统一训练和评估代码，支持 ImageNet 与 text-to-image 配置切换。README 展示了 RAE tokenizer 和 diffusion model 两阶段训练流程，并支持 VAE、RAE、REG、Pixel families；指标覆盖 ImageNet 的 FID/IS 和 T2I 的 GenEval、DPGBench、GenAIBench、VQAScore。它是论文结论的可运行载体，便于复查不同表示和任务间的评测偏差。

–

BitVanes27bitvanes.com原文 ↗

bitvanes.com

BitVanes 被描述为 Rust/WASM/Arrow 实现的 local-first RAG ETL pipeline engine。这个组合说明它把抽取、转换、向量化或索引前处理放在本地可嵌入 pipeline 中，而不是做云端托管 RAG 黑盒。Rust/WASM 强调跨运行时和部署体积，Arrow 则服务于列式数据交换与分析型处理。

–

Y28github.com原文 ↗

github.com

Y 是可改造的 desktop coding-agent app，默认是 chat-first workspace，可并行运行 Claude Code、Codex 等本地 CLI agent。它的 Modify surface 会让 agent 修改 Y 自身 Userland UI，编译、渲染、展示 diff，并支持 keep 或 rollback；架构分为 protected Kernel 与 mutable Userland。这个边界设计让“让 agent 改工具本身”变得可控，而不是把整个桌面应用交给模型随意写。

–

Clai29github.com原文 ↗

github.com

Clai 是 Go 写的 command line context-feeder，按 Unix philosophy 支持管道输入输出、profiles、conversation 管理、MCP client 与多 vendor 模型。README 列出 OpenRouter、Mistral、OpenAI、Anthropic、Gemini、HuggingFace、xAI、Inception、Ollama 等 provider，并显示测试覆盖率约 68.86%。它的定位是给终端用户一个可脚本化上下文工程层，而不是完整 IDE agent。

–

Sipp30sipp.sh原文 ↗

sipp.sh

Sipp 是浏览器本地 LLM 推理库，目标是提升小模型 decode 速度。digest 信息显示它关注端侧推理，而不是把请求代理到云端 API，因此关键挑战会落在 Web runtime、WASM/WebGPU、内存布局和 token loop 上。它代表了一类小模型应用方向：用浏览器本地执行换取离线、隐私和低延迟交互。

–

Locus-v131huggingface.co原文 ↗

huggingface.co

LOCUS-v1 是美国市政和县级法律文本的 chunk-level 数据集，带 function、is_substantive 和 substantive topic 标注。Hugging Face 页面显示默认 split 有 2,211,516 行、约 1.77GB parquet，license 为 cc-by-nc-4.0；function 包含 Context、Rules、Process、Enforcement，topic 包含 Buildings、Business、Nuisance、Zoning、Other。它给法律 RAG 和地方治理文本分析提供了比联邦法律更细、更杂的语料层。

–

行业动态 · Industry News

12 项 · 行业动态

OpenAI and Broadcom unveil LLM-optimized inference chip32openai.com原文 ↗

openai.com

OpenAI 与 Broadcom 发布 Jalapeno，OpenAI 称其为首个 Intelligence Processor，专为 LLM inference 设计。文章称芯片从设计到 tape-out 用 9 个月，OpenAI 模型参与部分设计优化，工程样片已在实验室以目标频率和功耗运行 GPT-5.3-Codex-Spark 等 workloads。计划在 2026 年底开始与数据中心伙伴按 gigawatt scale 部署，说明推理芯片正从通用 GPU 采购转向模型公司自定义硬件栈。

–

Computer use in Gemini 3.5 Flash33blog.google原文 ↗

blog.google

Google 发布 Gemini 3.5 Flash 的 computer-use 能力，把 Flash 系列从响应模型进一步推向可操作软件环境的 agent 形态。digest 指向的是模型能力发布：重点会在视觉 grounding、动作选择、实时延迟和安全限制之间取平衡。它与最近的 computer-use benchmark 和 RL 论文形成同一条线，即大模型厂商正在把屏幕操作能力产品化。

–

Qualcomm to Acquire Modular34reuters.com原文 ↗

reuters.com

Qualcomm 宣布收购 AI 芯片软件 startup Modular，报道称交易接近 40 亿美元，并包含最多 1,920 万股 Qualcomm 普通股。Modular 由 Chris Lattner 和 Tim Davis 创立，核心资产包括跨芯片 AI software platform 和 Mojo 等开发工具。收购指向 Qualcomm 在数据中心和异构 AI 软件栈上的补课：硬件公司需要更强编译器、runtime 和开发者生态来对抗 CUDA 锁定。

–

Krea 2 Technical Report35krea.ai原文 ↗

krea.ai

Krea 2 是一系列开放权重图像基础模型，报告强调 aesthetic diversity 和 creative control。训练流程包含 pretraining、midtraining、SFT、preference optimization 与 RL，架构使用 DiT、GQA、sigmoid-gated attention、Qwen3-VL text encoder、iREPA 和改进 VAE；Krea 称预训练不用 AI-generated images。它在 Artificial Analysis text-to-image leaderboard 进入前 10、独立实验室模型中排第 2，说明开放权重图像模型仍在追赶闭源前沿。

–

45°C cooling design cuts data center water use to near zero36blogs.nvidia.com原文 ↗

blogs.nvidia.com

NVIDIA 介绍 Rubin generation AI infrastructure 的 45C closed-loop liquid cooling，称芯片和网络组件都由 100% liquid cooling 覆盖。文章给出两个关键数字：传统数据中心冷却最高可占 40% 电力，chiller plant 温度每提高 1 度约可省 4% cooling energy cost；50MW hyperscale facility 迁移液冷每年可省 400 万美元以上。它把 AI factory 的瓶颈从芯片供给延伸到电力、水和热设计。

–

NSA lost access to Mythos amid Anthropic dispute37nytimes.com原文 ↗

nytimes.com

NYT 报道 NSA 与 Anthropic 相关工具 Mythos 的访问中断事件。digest 能确认的核心是政府机构依赖第三方 AI 工具后，供应商关系、合同或政策争议会直接影响工作流可用性。它不是模型能力新闻，而是 AI 采购和国家安全场景中的连续性风险案例。

–

Meta Pauses Employee-Tracking Program Following Internal Data Leak38wired.com原文 ↗

wired.com

WIRED 报道 Meta 暂停 Model Compatibility Initiative，因为内部安全问题让该项目收集的部分敏感数据暴露给更多员工。MCI 于 4 月向美国员工推出，收集鼠标移动、点击位置、按键和屏幕内容，用于训练 AI 操作软件；Meta 称 6 月 18 日发现问题并在 4 小时内处理，但初始修复并未完全生效。这个案例显示 computer-use 训练数据的隐私面比普通 telemetry 更敏感，因为它可能包含屏幕和输入级别的行为细节。

–

Swift Package Index joins Apple39swiftpackageindex.com原文 ↗

swiftpackageindex.com

Swift Package Index 宣布加入 Apple。SPI 长期承担 Swift 包发现、兼容性和文档索引入口角色，进入 Apple 体系意味着社区基础设施获得平台方资源和更近的工具链连接。后续值得观察的是索引、文档和 SwiftPM 集成是否更深，以及社区独立服务的治理方式如何变化。

–

Wikipedia Workers to Seek Union Recognition40cwu.org原文 ↗

cwu.org

英国 Wikipedia workers 寻求 CWU 工会承认。该条关注维护开放知识平台的员工希望通过正式工会机制谈判工作条件，而不是 Wikimedia 产品功能。它说明数字公共基础设施背后的劳动治理正在前台化，尤其是在平台依赖志愿者、员工和捐赠共同支撑的组织结构中。

–

United Wizards of the Coast recognized by NLRB41unitedwizardsofthecoast.com原文 ↗

unitedwizardsofthecoast.com

United Wizards of the Coast 宣布员工组织获得 NLRB 认可，进入正式工会承认阶段。和一般内部倡议不同，NLRB 认可使谈判关系具备法律结构。它落在游戏和创意产业劳工组织化趋势中，背景是大型 IP、数字工具链和内容生产团队的权力关系持续变化。

–

We’re making Bunny DNS free42bunny.net原文 ↗

bunny.net

Bunny 宣布其 DNS 服务免费开放。作为边缘网络公司，免费 DNS 更像是 CDN、storage、edge security 等产品组合的入口能力，而不是孤立降价。使用者要看的不只是价格为零，还包括 SLA、可靠性、迁移成本和与 Bunny 其它服务的绑定程度。

–

Minimus container images are now free43images.minimus.io原文 ↗

images.minimus.io

Minimus 宣布 container images 免费开放，catalog 页面同时注明 free tier “as-is”、无支持、无 SLA、无保证 patch timelines。页面还强调 hardened 表示构建时采用安全配置，不代表镜像持续无漏洞；安全更新可能先提供给付费订阅。这个定价变化降低了使用门槛，但生产环境仍要把供应链更新节奏纳入风险评估。

–

博客文章 · Blog Posts

8 项 · 博客文章

The Coming Loop44lucumr.pocoo.org原文 ↗

lucumr.pocoo.org

Armin Ronacher 讨论的是 coding agent 外层的 harness loop：任务进入队列，机器尝试，外层系统判断继续、改上下文或换机器。文章承认这种 loop 在 porting、性能探索、安全扫描和研究任务中有效，但警惕长期代码生成会放大局部防御、重复和坏抽象。它的锋利点在于把争论从“模型会不会写代码”移到“代码库是否还能被人类理解和承担责任”。

–

Vulnerability reports are not special anymore45words.filippo.io原文 ↗

words.filippo.io

Filippo Valsorda 讨论漏洞报告在安全生态中的工业化：自动扫描、激励机制和 AI 让报告数量上升，维护者面对的是分类、复现、去重和影响判断队列。digest 显示文章重点不是否认漏洞报告价值，而是指出它们已经变成运营流程的一部分。安全团队因此需要抗噪声 triage、明确接收标准和可重复验证路径。

–

AI's Affordability Crisis46blog.dshr.org原文 ↗

blog.dshr.org

David Rosenthal 把 AI 服务放在成本、定价和可持续性框架中讨论。digest 指出文章关注推理成本、资本开支、订阅价格和用户支付意愿之间的矛盾，而非某个模型的发布。它提供了一个冷静视角：当补贴和融资压力变化时，推理密集型产品会被可负担性约束重新筛选。

–

datasette 1.0a3547simonwillison.net原文 ↗

simonwillison.net

Simon Willison 发布 Datasette 1.0a35，新增建表 UI 和相关 JSON API。这个版本把 Datasette 从只读数据浏览继续推进到可编辑数据工作流，让用户既能通过界面创建表，也能通过 API 自动化同类操作。对 1.0 alpha 线来说，这类变更是在补齐数据管理工具的写入和程序化接口。

–

Quoting Tom MacWright48simonwillison.net原文 ↗

simonwillison.net

Simon Willison 摘录 Tom MacWright 对 LLM 生成作品集和求职材料的观察。digest 显示焦点在候选人资料、作品集或申请材料被模型生成后，筛选者看到的表达信号质量下降。它指向招聘流程的一个实际问题：当文字包装变廉价，能力、经历和审美需要通过更难伪造的证据来判断。

–

Scaling Rails: 41M Req/Hour, 8 DBs, disable_joins: true49andyatkinson.com原文 ↗

andyatkinson.com

Andy Atkinson 记录 Aura Frames 的 Rails 扩展实践，标题直接给出 4100 万请求/小时、8 个数据库和 `disable_joins: true`。digest 显示文章关注高峰负载下的 Rails 架构，关键线索是多数据库拆分和 ActiveRecord 跨库 join 禁用。它展示的是高流量 Rails 应用如何用显式数据边界换取可预测查询路径，而不是依赖 ORM 的默认便利。

–

I rewrote PostHog's SQL parser, 70x faster, while barely looking at the code50posthog.com原文 ↗

posthog.com

PostHog 文章记录一次 SQL parser 重写，并在标题中给出 70 倍速度提升。digest 特别提到作者“几乎没看代码”，说明文章关注重写方法和工具辅助，而不仅是最终性能数字。parser 是边界条件密集的基础组件，70x 提升暗示旧实现的问题可能在结构和解析策略，而不是简单热点函数优化。

–

The Sequence Knowledge #882: A New Series About Distillation51thesequence.substack.com原文 ↗

thesequence.substack.com

The Sequence 开启关于 AI model distillation 的系列文章。digest 显示这是一个技术系列起点，主题会围绕把大模型能力转移到更小、更便宜或更专用模型。结合推理成本压力，distillation 的工程价值在于降低部署成本、改善延迟，并把 teacher 行为压缩到任务明确的 student 模型中。

–

引用来源 · References

60 条 · 引用
  1. 1 Qwen-AgentWorld: Language World Models for General Agents. arXiv:2606.24597https://arxiv.org/abs/2606.24597 ↩ 回到正文 · back to text
  2. 2 OpenThoughts-Agent: Data Recipes for Agentic Models. arXiv:2606.24855https://arxiv.org/abs/2606.24855 ↩ 回到正文 · back to text
  3. 3 CompressKV: Semantic-Retrieval-Guided KV-Cache Compression for Resource-Efficient Long-Context LLM Inference. arXiv:2606.24467https://arxiv.org/abs/2606.24467 ↩ 回到正文 · back to text
  4. 4 CubeSandbox. GitHub: TencentCloud/CubeSandboxhttps://github.com/TencentCloud/CubeSandbox ↩ 回到正文 · back to text
  5. 5 DiffusionBench: On Holistic Evaluation of Diffusion Transformers. arXiv:2606.24888https://arxiv.org/abs/2606.24888 ↩ 回到正文 · back to text
  6. 6 AGORA: An Archive-Grounded Benchmark for Agentic Workplace Document Reasoning. arXiv:2606.24526https://arxiv.org/abs/2606.24526 ↩ 回到正文 · back to text
  7. 7 GUI vs. CLI: Execution Bottlenecks in Screen-Only and Skill-Mediated Computer-Use Agents. arXiv:2606.24551https://arxiv.org/abs/2606.24551 ↩ 回到正文 · back to text
  8. 8 Reinforcement Learning for Computer-Use Agents with Autonomous Evaluation. arXiv:2606.24515https://arxiv.org/abs/2606.24515 ↩ 回到正文 · back to text
  9. 9 Governed Shared Memory for Multi-Agent LLM Systems. arXiv:2606.24535https://arxiv.org/abs/2606.24535 ↩ 回到正文 · back to text
  10. 10 Metis: Bridging Text and Code Memory for Self-Evolving Agents. arXiv:2606.24151https://arxiv.org/abs/2606.24151 ↩ 回到正文 · back to text
  11. 11 AutoSpec: Safety Rule Evolution for LLM Agents via Inductive Logic Programming. arXiv:2606.24245https://arxiv.org/abs/2606.24245 ↩ 回到正文 · back to text
  12. 12 SAFARI: Scaling Long Horizon Agentic Fault Attribution via Active Investigation. arXiv:2606.24626https://arxiv.org/abs/2606.24626 ↩ 回到正文 · back to text
  13. 13 RIFT-Bench: Dynamic Red-teaming For Agentic AI Systems. arXiv:2606.23927https://arxiv.org/abs/2606.23927 ↩ 回到正文 · back to text
  14. 14 AdversaBench: Automated LLM Red-Teaming with Multi-Judge Confirmation and Cross-Model Transferability. arXiv:2606.24589https://arxiv.org/abs/2606.24589 ↩ 回到正文 · back to text
  15. 15 When Retrieval Metrics Mislead: Measuring Policy Signal in Long-Horizon Tool-Use Agents. arXiv:2606.23937https://arxiv.org/abs/2606.23937 ↩ 回到正文 · back to text
  16. 16 NatureBench: Can Coding Agents Match the Published SOTA of Nature-Family Papers? arXiv:2606.24530https://arxiv.org/abs/2606.24530 ↩ 回到正文 · back to text
  17. 17 RubyLLMhttps://rubyllm.com/ ↩ 回到正文 · back to text
  18. 18 Agents report broken docs, you get a GitHub issuehttps://fixyourdocs.io/ ↩ 回到正文 · back to text
  19. 19 Lelu. GitHub: Lelu-ai/leluhttps://github.com/Lelu-ai/lelu ↩ 回到正文 · back to text
  20. 20 Imara. GitHub: Dnakitare/imarahttps://github.com/Dnakitare/imara ↩ 回到正文 · back to text
  21. 21 DBOSify. GitHub: dbos-inc/dbosify-pyhttps://github.com/dbos-inc/dbosify-py ↩ 回到正文 · back to text
  22. 22 Orchid. GitHub: mario-guerra/orchid-tracehttps://github.com/mario-guerra/orchid-trace ↩ 回到正文 · back to text
  23. 23 HALO. GitHub: context-labs/halohttps://github.com/context-labs/halo ↩ 回到正文 · back to text
  24. 24 Nub. GitHub: nubjs/nubhttps://github.com/nubjs/nub ↩ 回到正文 · back to text
  25. 25 Haystackhttps://haystack.deepset.ai/ ↩ 回到正文 · back to text
  26. 26 DiffusionBench. GitHub: End2End-Diffusion/diffusion-benchhttps://github.com/End2End-Diffusion/diffusion-bench ↩ 回到正文 · back to text
  27. 27 BitVaneshttps://www.bitvanes.com/ ↩ 回到正文 · back to text
  28. 28 Y. GitHub: y-times-y/yhttps://github.com/y-times-y/y ↩ 回到正文 · back to text
  29. 29 Clai. GitHub: baalimago/claihttps://github.com/baalimago/clai ↩ 回到正文 · back to text
  30. 30 Sipphttps://www.sipp.sh ↩ 回到正文 · back to text
  31. 31 Locus-v1. Hugging Face: LocalLaws/LOCUS-v1https://huggingface.co/datasets/LocalLaws/LOCUS-v1 ↩ 回到正文 · back to text
  32. 32 OpenAI and Broadcom unveil LLM-optimized inference chiphttps://openai.com/index/openai-broadcom-jalapeno-inference-chip ↩ 回到正文 · back to text
  33. 33 Computer use in Gemini 3.5 Flashhttps://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-computer-use-gemini-3-5-flash/ ↩ 回到正文 · back to text
  34. 34 Qualcomm to Acquire Modular. Reutershttps://www.reuters.com/business/qualcomm-buy-ai-startup-modular-2026-06-24/ ↩ 回到正文 · back to text
  35. 35 Krea 2 Technical Reporthttps://www.krea.ai/blog/krea-2-technical-report ↩ 回到正文 · back to text
  36. 36 45C cooling design cuts data center water use to near zero. NVIDIAhttps://blogs.nvidia.com/blog/liquid-cooling-ai-factories/ ↩ 回到正文 · back to text
  37. 37 NSA lost access to Mythos amid Anthropic dispute. New York Timeshttps://www.nytimes.com/2026/06/23/us/politics/nsa-lost-access-anthropic-tool.html ↩ 回到正文 · back to text
  38. 38 Meta Pauses Employee-Tracking Program Following Internal Data Leak. WIREDhttps://www.wired.com/story/meta-pauses-employee-tracking-program-following-internal-security-breach/ ↩ 回到正文 · back to text
  39. 39 Swift Package Index joins Applehttps://swiftpackageindex.com/blog/swift-package-index-joins-apple ↩ 回到正文 · back to text
  40. 40 Wikipedia Workers to Seek Union Recognition. CWUhttps://www.cwu.org/press_release/wikipedia-workers-to-seek-union-recognition/ ↩ 回到正文 · back to text
  41. 41 United Wizards of the Coast recognized by NLRBhttps://unitedwizardsofthecoast.com/news/2026-06-23-we-have-a-union ↩ 回到正文 · back to text
  42. 42 We're making Bunny DNS freehttps://bunny.net/blog/were-making-bunny-dns-free/ ↩ 回到正文 · back to text
  43. 43 Minimus container images are now freehttps://images.minimus.io/ ↩ 回到正文 · back to text
  44. 44 The Coming Loophttps://lucumr.pocoo.org/2026/6/23/the-coming-loop/ ↩ 回到正文 · back to text
  45. 45 Vulnerability reports are not special anymorehttps://words.filippo.io/vuln-reports/ ↩ 回到正文 · back to text
  46. 46 AI's Affordability Crisishttps://blog.dshr.org/2026/06/ais-affordability-crisis.html ↩ 回到正文 · back to text
  47. 47 datasette 1.0a35https://simonwillison.net/2026/Jun/23/datasette/#atom-everything ↩ 回到正文 · back to text
  48. 48 Quoting Tom MacWrighthttps://simonwillison.net/2026/Jun/24/tom-macwright/#atom-everything ↩ 回到正文 · back to text
  49. 49 Scaling Rails: 41M Req/Hour, 8 DBs, disable_joins: truehttps://andyatkinson.com/how-aura-frames-scales-for-peak-load-ruby-on-rails ↩ 回到正文 · back to text
  50. 50 I rewrote PostHog's SQL parser, 70x faster, while barely looking at the codehttps://posthog.com/blog/sql-parser ↩ 回到正文 · back to text
  51. 51 The Sequence Knowledge #882: A New Series About Distillationhttps://thesequence.substack.com/p/the-sequence-knowledge-882-a-new ↩ 回到正文 · back to text
  52. 52 anthropics/claude-plugins-official. GitHub: anthropics/claude-plugins-officialhttps://github.com/anthropics/claude-plugins-official ↩ 回到正文 · back to text
  53. 53 jamiepine/voicebox. GitHub: jamiepine/voiceboxhttps://github.com/jamiepine/voicebox ↩ 回到正文 · back to text
  54. 54 mattpocock/skills. GitHub: mattpocock/skillshttps://github.com/mattpocock/skills ↩ 回到正文 · back to text
  55. 55 stablyai/orca. GitHub: stablyai/orcahttps://github.com/stablyai/orca ↩ 回到正文 · back to text
  56. 56 continuedev/continue. GitHub: continuedev/continuehttps://github.com/continuedev/continue ↩ 回到正文 · back to text
  57. 57 langbot-app/LangBot. GitHub: langbot-app/LangBothttps://github.com/langbot-app/LangBot ↩ 回到正文 · back to text
  58. 58 KeygraphHQ/shannon. GitHub: KeygraphHQ/shannonhttps://github.com/KeygraphHQ/shannon ↩ 回到正文 · back to text
  59. 59 abhigyanpatwari/GitNexus. GitHub: abhigyanpatwari/GitNexushttps://github.com/abhigyanpatwari/GitNexus ↩ 回到正文 · back to text
  60. 60 Stirling-Tools/Stirling-PDF. GitHub: Stirling-Tools/Stirling-PDFhttps://github.com/Stirling-Tools/Stirling-PDF ↩ 回到正文 · back to text