腾讯技术工程两万字长文：AI Coding 深水区里，人退到决策点
腾讯 PUBG Mobile 后台团队用七个服务、三个月、一千八百多次提交、十六万行生产代码搭出一个内部平台，代码与设计文档全部由 AI 完成，没有一行是人写的。团队由此提出"机器提供事实、人做判断"的分工尺子：提示词约束要沉进框架和 runtime，判据是确定事实才做硬门禁，是代理指标最多做提醒。
#工具与流程
#工具与流程
今日 15 条腾讯技术工程（公众号）AI 评分4848 美团技术团队（公众号）AI 评分2222 美团与北大提出 GeoRA：为 RLVR 设计的低秩适配方法，获 ACL 2026 杰出论文
美团履约技术团队与北京大学提出 GeoRA（Geometry-Aware Low-Rank Adaptation），将低秩适配显式对齐到 RLVR 的更新几何，在 1.5B 到 32B 的 Qwen 与 Llama 模型上稳定优于 LoRA、PiSSA、MiLoRA 等低秩基线，该工作获 ACL 2026 杰出论文奖。
Google DeepMindAI 评分2323 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 推出 Gemini 3.5 Transcribe，在 Artificial Analysis 测试中流式场景平均词错率 4.0%、非流式 2.6%，最终转写时间较前代 Chirp 3 缩短 70%。
傅盛（公众号）AI 评分2222 奥特曼公开表白：Codex 负责人 Tibo 如何带队追平 Claude Code
OpenAI 的 Codex 从明显落后 Claude Code 追回第一梯队，负责人 Tibo 被视为头号功臣，Sam Altman 公开称这是一场近乎自杀式的任务。
得物技术（公众号）AI 评分3030 得物技术 MultiAgent 记忆系统：短期上下文与四层记忆架构实现
得物技术披露其 MultiAgent 平台的记忆系统实现：后端基于 Spring Boot 3 和 Java 17、Agent 编排采用 AgentScope，长期记忆选型 MemOS，在 1540 个问题、10 个测试用户的评测中综合得分 74.33%。
腾讯技术工程（公众号）AI 评分2828 腾讯技术工程：Agent 自进化飞轮怎么搭——评测、记忆、落地、控制四齿闭环
腾讯技术工程提出 Agent 自进化飞轮方法论，把评测、记忆、Self-Improve 与人机协作串成"信号→积累→落地→控制"四齿闭环，核心是环节间的数据通路而非单点技术。
腾讯技术工程（公众号）AI 评分2727 腾讯云 Agent 可观测推出 DeepSeek Harness 采集插件，还原五层调用链
腾讯云 Agent 可观测在 OneSuite 基础上推出 DSH 采集插件 tencentcloud-agentobs-sdk-dsh，以原生插件形态挂载，将 DeepSeek Harness 的执行过程还原为 entry/agent/step/chat/tool 五层调用树并上报。
Not Boring · Packy McCormickAI 评分1717 Not Boring 每周乐观剂量 #207：Merck-Moderna mRNA 癌症疫苗 III 期成功、Stripe 收购 OpenRouter、Zipline 与 Uber 合作
Merck 与 Moderna 的个性化 mRNA 癌症疫苗在 III 期试验中成功防止高风险黑色素瘤复发，这是个性化 mRNA 癌症疗法的首个后期试验成功，有望在 2027 年前后获批上市。
阿里技术（公众号）精选AI 评分6262 阿里技术团队用 Harness 优化把百炼 Agent 账单降低 88%
阿里技术团队基于百炼 qwen3.7-max 的故障诊断与成本分析 Agent 做 Harness 层优化，20 轮会话的输入费用从 9.84 元降到 1.16 元，降幅 88.2%。
推荐理由：阿里技术团队公开了百炼 Agent 的完整成本优化路径，从度量、裁剪到缓存与模型分流都可直接复用。
腾讯技术工程（公众号）AI 评分6262 腾讯团队用 10 个优化点把 Multi-Agent 工作流成本降了 50% 以上
腾讯团队用 1 个 TL 加 6 个子 Agent 的 harness 工作流驱动前后端开发，围绕让 AI 只看到当前需要的上下文、减少无关上下文、减少重复上下文三个原则做了 10 项改造，全流程预估降本 50%~65%。
FortuneAI 评分3434 Airwallex 从跨境支付转向自主金融，总裁 Lucy Liu 称仍"不是 IPO 的最佳时机"
Airwallex 推出自动化记账系统 T:0 和智能体消费钱包 Airi，从跨境支付转向自主金融与智能体商务。该公司 6 月底完成 3.2 亿美元 H 轮融资，估值从 12 月的 80 亿美元升至 110 亿美元，目前服务超 67.5 万家企业、年化营收超 10 亿美元。总裁 Lucy Liu 表示公司计划今年年底前做好 IPO 准备，但具体时间取决于市场状况，"现在不是最佳时机"。
美团技术团队（公众号）AI 评分2222 美团搜索3.0：LLM 语义表征在排序模型的探索与应用
美团搜索团队在服务零售排序场景分三期落地 LLM 语义表征，用 LLM 为 Query、POI、Deal 生成语义向量并以 cosine 相似度注入精排模型，三期累计完成 3 个 Launch Review 并全量上线。
Shopify EngineeringAI 评分3434 Shopify 用 gisting 压缩 LLM Agent 上下文：系统提示词从 6000 token 降至 1500
Shopify 工程团队用 gisting 将 Sidekick GraphQL agent 的系统提示词从约 6000 token 压缩到约 1500 个 gist token（4:1），预测质量未下降。
得物技术（公众号）AI 评分6262 得物技术 EP-Harness：从个人 AI Coding 到团队级 Agent 工作流
得物技术介绍 EP-Harness，一个基于开源项目 Multica 二次开发的团队级 Agent 工作系统，把 Agent 当作团队成员管理，使其有身份、任务、状态、执行记录和权限边界。
傅盛（公众号）AI 评分2424 斯坦福实验：DeepSeek V4 Flash 经自验证选优在 Terminal-Bench 2.1 反超 Fable 5
斯坦福实验显示，DeepSeek V4 Flash 在 Terminal-Bench 2.1 上通过生成 5 个候选方案并用 LLM-as-a-Verifier 自选最优，成绩从单次 78.7% 提升至 88.0%±0.6%，反超 Fable 5 的 83.8%±1.2%，且成本仍比 Fable 5 便宜 4-11 倍。
阿里技术（公众号）精选AI 评分6060 阿里技术详解 Harness 工程中 Skill 的原理与最佳实践
阿里技术发布文章，结合内部项目 trade-ab-skill 讲解 Agent Skills 的结构规范、触发机制、作用域优先级与最佳实践。文章把 Skill 的核心设计概括为渐进性披露，分发现、激活、执行三阶段按需加载知识，并建议 SKILL.md 控制在 500 行以内、只做路由。
推荐理由：文章以内部 AB 实验 Skill 为例，拆解渐进性披露、触发机制与工具隔离等可迁移的工程做法。
42章经（公众号）AI 评分2222 从蒸馏到合成数据到 RSI，模型竞争的下一个焦点是什么？｜42章经
Evolvent AI 联创繁青认为，国内模型与国外差距缩小主要来自预训练架构创新，如 Kimi Linear 和 DeepSeek 的 Multi-head Latent Attention，而非蒸馏；后训练因数据积淀不足反而弱于海外。
Google DeepMindAI 评分2222 Google DeepMind 发布 Gemini 3.7 Flash，编码与智能体能力升级、价格减半
Google DeepMind 发布 Gemini 3.7 Flash，距 Gemini 3.6 Flash 仅三周，主打编码与智能体场景。新模型在 FrontierCode 1.1 Main 得分 43.6%（前代 34.4%）、DeepSWE v1.1 达 65.3%（前代 49.0%），WebDev Arena Elo 为 1588。
美团技术团队（公众号）AI 评分2222 KDD 2026 美团 8 篇精选论文及 KDD Cup 2026 DataAgents 赛道冠军思路解读
美团技术团队在 KDD 2026 入选 8 篇论文，覆盖推荐大模型、奖励建模、智能体搜索、Transformer 框架与元泛化等方向，其中 MTFM 已作为统一基座推荐大模型在外卖等场景全量上线。
Shopify EngineeringAI 评分3434 Shopify 如何将移动端端到端测试稳定性提升至 98%
Shopify 为移动 App 重建端到端测试框架，将测试稳定性从旧 API 的 50% 提升至 98%。新方案在 Appium 之上封装了强制断言的 builder 式 API，并用 PaddleOCR 与 OpenCV 做视觉元素定位，替代依赖 React Native Test IDs 的旧做法。该框架已在 Shopify 最大的 App 上验证，目前正探索推广到其他 App。
得物技术（公众号）AI 评分3434 得物知识问答：复合检索 Agent 的系统设计实践
得物基于 AgentScope 2.0 的 HarnessAgent 架构构建了复合检索 RAG Agent，通过 ReAct 循环实现"搜索→评估→决策"的自主闭环，Agent 自主决定调用哪些工具、搜几次、是否精读。
Sequoia CapitalAI 评分1515 红杉资本领投 Preview 种子轮：为专业创作者打造 AI 原生视频创作平台
红杉资本领投 Preview 种子轮，这是一款面向专业创作者的 AI 原生视频创作与制作平台，将视频时间线与无限画布整合为多人协作工作空间，支持用任意模型生成并追踪每个角色、场景和道具的完整制作记录。目前已有超过 100 家工作室在使用 Preview，涵盖为财富 500 强品牌制作广告的代理商、AI 原生工作室及好莱坞剧情片制作团队。
FortuneAI 评分2222 B3IQ 向注重隐私的大学研究者提供 GPU 以租代购服务
初创公司 B3IQ 以租代购方式向大学研究者提供专用 GPU 硬件，客户可先付 30% 首付、余款分五年付清，其中 Nvidia H200 整机起价 54,516 美元。
美团技术团队（公众号）AI 评分6262 美团图灵团队详解 Agent 评测：从评测体系搭建到长程 Agent 观测演进
美团图灵 Agent 评测团队公开内部博客，由浅入深介绍 Agent 评测，前两章讲评测是什么以及如何建立评测体系，第二章的方法论来自团队两年深入各业务团队的实践。
美团技术团队（公众号）AI 评分2222 美团无人机低空物流解决方案亮相2026国际低空经济博览会，百万订单验证
美团无人机在2026上海国际低空经济博览会展出全系自研软硬件，其低空物流解决方案已由超100万真实商业配送订单验证。截至2026年6月底，服务覆盖深圳、北京、上海、广州、香港、迪拜等城市，累计完成订单超100万单，其中医疗场景配送检验样本和药品超81万份。
Shopify EngineeringAI 评分4545 Shopify 如何用 Sidekick 持续学习闭环将成本降低 96%
Shopify 的 GraphQL agent 通过持续学习闭环，把生产经验压缩进模型权重，质量超过前沿模型的同时将延迟和成本降低 96%。该闭环先以评分标准定义质量并校准 LLM 裁判，再用 DSPy 配合 GEPA、Agentic Context Engineering 等反思式优化器，以自动研究方式迭代提示词、工具定义与编排代码。
得物技术（公众号）AI 评分2222 得物技术实战：从零用 Zig 构建 Coding Agent「Violin」
得物技术团队开源了自研 Coding Agent「Violin」，底层引擎用 Zig 实现，客户端用 Python，两者通过 TCP + JSON line 协议通信。其架构借鉴 TypeScript 项目 Pi 的三层分离与 EventBus 设计，内置 6 个基本工具，适配 OpenAI 与 Anthropic 两种 LLM 协议，支持多模态、skill 与插件。
Not Boring · Packy McCormickAI 评分1212 Weekly Dose of Optimism #204：Enigma 开放 100 台机器人远程操控，Gemini Robotics 2 与 DoorDash Air 无人机登场
Enigma 结束隐身状态，完成 7100 万美元种子轮融资，并开放 100 多台真实 AI 机器人供任何人在线实时操控。Google DeepMind 发布 Gemini Robotics 2 系列，含 VLA 模型、具身推理模型 ER 2 和可本地适配新机体的 On-Device 2，实现全身控制与多机器人协作。
Netflix Technology BlogAI 评分3434 Netflix GenRec：面向 LLM 原生推荐系统的实践
Netflix 构建了 LLM 驱动的推荐排序模型 GenRec，通过对内部基础大模型进行 Netflix 数据后训练，在仅使用少量 Phase-2 标注数据和输入信号的情况下，于大规模 A/B 测试中在短期和长期在线指标上均取得统计显著提升。
Google DeepMindAI 评分1212 Google 在 Flow Music 中推出 Lyria 3.5 音乐生成模型
Google DeepMind 发布音乐生成模型 Lyria 3.5，已在 Google Flow Music 上线，在音乐性、歌词、人声和创作控制四方面升级。新版本可生成更复杂自然的旋律结构、提示词遵循度更高的歌词，以及情感表达更真实、发音更准确的人声，并支持更便捷地控制输出曲目的节奏与时长。
Shopify EngineeringAI 评分6262 Shopify 如何构建能跨模型迭代的智能体安全审查流水线
Shopify 应用安全团队构建了一套智能体代码审查与测试预言机流水线，用于发现漏洞、用真实测试验证并生成针对 Shopify 的修复方案。该流水线由内部编排器 Dispatch 驱动，按测试引导、架构文档、文件编目、分区、并行 Hunting、顺序 Verification、后处理、报告、修复等阶段运行，首次全量扫描后改为基于 diff 的增量扫描以降低 token 消耗。
得物技术（公众号）AI 评分6262 得物技术：AI Native 交易核心系统的五道关口研发范式
得物技术分享了订单系统适配 AI 编码的研发范式，提出需求澄清、技术方案、TDD 实施、门禁卡控、全流程埋点监控五道标准化关口，并依托 Claude Code 的 Spec-Driven 插件串成带人工确认门控的工作流。
美团技术团队（公众号）AI 评分4040 美团正式发布全场景 AI Agent 平台 CatPaw，搭载 LongCat 2.0
美团正式上线全场景 AI Agent 平台 CatPaw，搭载本月开源的 LongCat 2.0（总参数 1.6T、平均激活约 48B、原生支持 1M 上下文）。CatPaw 提供开箱即用的 AI 智能工作台与 Managed Agents 企业级托管能力，支持移动/PC/云端多端协作与 7×24 小时运行。该平台已在美团内部覆盖 9 万员工、搭建 3 万个 Agent。
得物技术（公众号）AI 评分3434 得物推荐评测平台：大模型自动化评测流水线的工程实践
得物推荐评测平台通过大模型自动化评测流水线，将推荐主观体验指标的反馈周期从周级缩短至小时级，并在单周百万级审计需求下实现 91% 的资源成本优化。平台支持 Qwen3-Max 等模型作为评测员，通过可视化提示词版本管理与人工校验闭环，将评测一致性稳定保持在 92% 以上。
得物技术（公众号）AI 评分2222 得物算法团队论文被 RecSys 2026 录用，两位专家获评 AICon 明星讲师
得物社区搜索团队论文《SPEAR: Selection-aware Personalized End-to-end Adaptive Rewriting and Retrieval for Community Search》被推荐系统顶会 RecSys 2026 主赛道录用，本届长论文有效投稿 361 篇仅录用 65 篇，录取率 18%。
One Useful Thing · Ethan MollickAI 评分2828 Ethan Mollick 的有主见指南：该用哪些 AI 来做实事
Ethan Mollick 发布新版 AI 使用指南，指出 AI 已从聊天机器人转向能自主规划并执行数小时人类工作的智能体系统。做实事目前主要选 ChatGPT 或 Claude，起步价 $20/月，对应模式为 ChatGPT Work 和 Cowork，高风险问题则应用 Claude 的 Opus、Fable 或 GPT-5.6 Sol 并调至 High 思考等级。
美团技术团队（公众号）AI 评分1717 美团开源 LoHoSearch 搜索智能体评测基准，GPT-5.5 准确率仅 34.74%
美团 LongCat 团队开源搜索智能体评测基准 LoHoSearch，基于覆盖 762 万维基百科实体的知识图谱自动生成题目，含 544 道经人工核验的题目、覆盖 11 个领域。
得物技术（公众号）AI 评分4040 得物技术部出现多起研发"越界"事件：工程师越过岗位边界直接解决用户问题
得物技术部近期出现多起研发人员"越界"事件：数据开发工程师北辰在智链AI平台项目中先与用户沟通、拆解几十个用户场景，将方案从通用问答调整为结构化意图识别加知识库建设；后端工程师东方朔潜入商家运营群翻查客服工单，用AI助手自动解答60%常见问题，客服压力减少30%，新商家上手时间缩短50%。
Sequoia CapitalAI 评分2222 红杉资本领投 Etched 3 亿美元 C 轮，估值 100 亿美元
红杉资本领投 Etched 3 亿美元 C 轮融资，投前估值 100 亿美元，Jane Street、Andreessen Horowitz、Diffusion 与 SK Hynix 参投。
得物技术（公众号）AI 评分1515 RAG 核心概念与原理：Chunking、Embedding、相似度、HNSW 与多路召回
得物技术梳理了 RAG 的完整检索链路：离线阶段将文档切块（Chunking）后用 Embedding 模型向量化并写入向量库，在线阶段经 Query Rewrite、Metadata Filter、ANN 与 BM25 多路召回、RRF 融合、Rerank 精排后交给 LLM 生成答案。