推文

This is notable: Opus 4.5 is ~60% more expensive than Sonnet ($25/million output compared to $15/million) but if it can use 76% fewer output reasoning tokens for the same complex task it may end up cheaper!

扩展集合将在接下来的两周内推出，因此你可以在所有品牌中扩展你的设计系统

我们最新一期的 AI Jam：用一天的时间，指导 1000 名小企业主构建根据自身需求量身定制的 AI 工具，涵盖从会计和律师事务所等专业服务，到餐厅、餐饮服务商和餐车，再到服装和便利店等零售商，以及小型营销和设计公司等创意服务，还有本地维修和清洁公司，以及美发沙龙和理发店等各种行业。

我已经三个月没做笔记了。

不是因为懒，是因为我发现了一件事：
传统的笔记，是一个骗局。

你以为你在记录知识，实际上你在做的是：

把别人的话，用自己的手，抄一遍。
然后放在那里，再也不看。

NotebookLM让我明白了一件事：
笔记的价值不在于记录，在于对话。

我现在的做法是：
把所有资料扔给它，然后开始提问。

"这个观点的反例是什么？"
"这两个理论能结合吗？"
"如果用这个框架分析我的项目，会怎样？"

它不是在帮我做笔记，它是在逼我思考。

真正的学习，从来不是记住了什么。

而是你能用它问出什么问题。

NotebookLM一直在再等我们的提问。

恭喜我们的团队拿下 NeurIPS 最佳论文！

与 @emirates 的战略合作，包括 ChatGPT Enterprise 的企业范围部署：mediaoffice.ae/en/news/2025/n…

Anthropic 最新对齐研究论文，包含了我目前见过的最有趣的泛化发现之一：如果你的模型学习了在编码任务上进行黑客攻击，这可能导致广泛的 AI 对齐问题。

Anthropic 提出了一种双层智能体设计 

解决Agent执行长任务时丢失记忆的问题

随着 Claude 等 AI 模型变得更强，开发者希望它们能够：

执行复杂任务（如全栈开发）
持续工作数小时甚至数天

但每次上下文窗口刷新后，AI 都会丢失记忆，无法连续推进任务。

这就像一个工程团队轮班工作，但每个新工程师上岗时都完全不知道前一班干了什么。

传统长任务执行的两个主要失败模式：

1、试图一次性完成所有任务（one-shot）

Claude 会在一个窗口中尝试构建整个应用，结果中途上下文耗尽，留下“半拉子工程”，下一次启动又得重新理解。

2、过早宣告任务完成

当项目部分功能完成后，Claude 有时会错误判断为“任务已结束”。

这两种问题都导致 任务状态不连续、上下文断裂。

为什么这很难解决？

AI 模型的“记忆”不是持久的。

每次上下文窗口结束，它就像“重启的电脑”一样，什么都不记得。

虽然 Anthropic 给 Claude 做了 “上下文压缩（compaction）” 功能，可以把对话浓缩后带入下一轮

但这还不够，因为 AI 仍然会丢掉结构化的项目状态。

Anthropic 的解决方案：双智能体架构（Two-Agent Harness）

为解决这些问题，Anthropic 设计了一种新的智能体工作架构，称为：

双智能体长运行框架

它由两类 AI 角色协同完成整个任务过程：

Initializer Agent（初始化智能体）
Coding Agent（编码智能体）

这两个智能体并非两种模型，而是同一个 Claude 模型在不同阶段使用不同的提示模板（prompt template）运行。

区别在于它们的职责分工与上下文约束。

🧩 第一位成员：Initializer Agent（初始化智能体）

Initializer 的任务是：

为项目建立结构化的“工作记忆”
创建清晰、可持续的开发环境

它只在项目第一次启动时运行，做“项目准备”：

第一次启动时，这个智能体负责：

创建整个工作环境；
写下一个初始化脚本init.shr；
生成一个项目进度文件 claude-progress.txt；
建立 Git 仓库（用于版本管理）。

💡 它相当于项目的“开工仪式”，帮后续AI打好地基。

🧑‍💻 2. 编码智能体（Coding Agent）

接下来的每一次运行中，这个智能体会：

阅读进度日志和 Git 记录；
查看“要做的功能列表”；
只实现一个小功能；
写好注释、测试代码；
保存清晰的 Git 提交；
更新进度日志后退出。

💡 每次运行就像接力赛中的一棒：干一件小事、记录清楚、交给下一位。

实测结果：真的更聪明了

实验发现，这种结构化方法可以让 Claude：

连续运行数小时仍保持逻辑一致；
自动检查自己之前写的代码；
快速修复遗留bug；
有“团队协作”的感觉。

但它仍有局限，比如：

看不到浏览器原生弹窗；
某些bug只能人工发现；
对多智能体协作的最优方式还在研究中。

🍌 nano banana pro prompt

A sweeping, highly detailed traditional Chinese ink and color handscroll painting on aged silk, perfectly emulating the artistic style, brushwork, and scattered point perspective of Zhang Zeduan's "Along the River During the Qingming Festival."

Central Scene: A bird's-eye view of the bustling modern Chicago riverfront. The focus is the massive steel bascule bridge (DuSable Bridge/Michigan Avenue Bridge), jammed with heavy contemporary traffic including countless cars, yellow taxis, and CTA buses, all rendered with precise traditional brushstrokes.

Environmental Details: The Chicago River below is filled with modern architectural tour boats, water taxis, and kayakers. The riverbanks are lined with dense, vintage-style Chicago skyscrapers (resembling the Wrigley Building and Tribune Tower), drawn using traditional "jiehua" architectural painting techniques. An elevated railway structure with a moving 'L' train is visible in the background.

Human Activity: The Riverwalk and bridge sidewalks are packed with hundreds of tiny contemporary figures in modern casual clothing. They are shown jogging, taking photos with smartphones, queuing at street food vendors (hot dog stands), and walking dogs. The entire scene is incredibly detailed, chaotic, and rendered in a muted, antique earth-tone palette.

SAM 3 精确检测和追踪物体的能力正在帮助 @conservationx 衡量世界各地动物物种的生存情况并防止其灭绝。

🔗 了解更多关于这项工作的信息：ai.meta.com/blog/segment-a…