第 1 期 · 这周值得收藏的 6 篇

10.19 – 10.25 · 二哥整理

这周的主线：Agent 的评测、长时间自动运行，以及它怎样改变入口和界面。

Hamel Husain 个人博客

How To Use Decision Models for Evals

为什么值得读：作者拿真实的客服 agent 记录，实测了六款新出的决策模型，给出一套选模型的步骤：先设定准确率和召回率的底线，再调阈值，最后对比成本。里面有具体数字，还讲了校准反而变差的反例，做自动评测时可以直接照着用。

美团技术团队

美团把让 Agent 在夜间自己改代码、跑训练的系统重构了三次，讲清每一版为什么不行。最有价值的是把状态存在文件里、让主 Agent 拆开互斥假设再并行验证的设计，说明系统好不好主要看外围的 Harness，而不是换哪个模型。

Latent Space

文章讨论 Agent 什么时候该打断你、给你看什么、让你做什么决定，并把这层界面按「谁来设计」做了对比。作者自己用了几周，也坦白了提醒太频繁、消耗额外 token 这些缺点，思路比一时的功能更耐看。

晚点 LatePost

记者从一次开发者的数据意外上传事件出发，通读了多款 AI 产品的用户协议，梳理出数据泄露的几条路径。结论是个人助理会打破各应用之间原本的数据隔离，在选用云端 Agent 之前值得读一遍。

晚点 LatePost

一场对第三季度 AI 行业的复盘对话，嘉宾自己在用这些产品。里面的数字很多，比如推理成本一个季度降了二十多倍，以及两家公司收入口径为什么不能直接比较，适合快速补齐这一季的行业脉络。

Stratechery（Ben Thompson）

作者延续他的聚合理论：互联网时代稀缺的是「发现」，Agent 时代稀缺的是「意愿」，谁掌握表达意愿的入口，谁就成为新的聚合者，App 则退成供应商。这个框架可以拿来判断很多 Agent 产品的位置。