Latent Space：律所用 Legora 一次审一万份合同，先改前 10 行再全跑；起草点回 PDF，尽调红旗仍要人看
Legora 给律师起草改 Word、表格式审一万份合同：先跑 10 行再全表，引用点回 PDF。自家收购尽调也用它找红旗；计时收费的常规审阅在变固定价。
#Agents
Latent Space：Arca 用 Agent 替顾问做后台，十万刀税单分析自动跑，动钱和给客户写信仍要人点头
Arca 财富管理：Agent 替顾问做分析、记十天流程、催到期事项，客户只见到人。十万刀税单跨十天；还发现隐性收费和非受信顾问。
LangChain：设计组被重复需求挤满，Slack 里的 Content Studio 出 3000 件品牌物料，单次从 8 美元降到 50 美分
LangChain GTM 和设计组把 Content Studio 接到 Slack：谁都能出品牌片、图和 PPT。四个多月后 3000+ 件物料，中位成本从约 8 美元降到 50 美分，四分之三请求来自市场部以外。
OpenAI：Greptile 用 Astra 当用户去砸应用，知识库接到 Codex 后回滚更少、推理也省
Greptile 用 GPT-6 Astra 的计算机使用开开发服、按 iPhone 视口当用户测 PR；知识库经 MCP 给 Codex，数千客户接入后回滚更少，省时间和推理。
LangChain：Numan 用评测把 AI 健康教练钉在 wellness 边界，换供应商对照从数周压到一天
英国数字健康公司 Numan 做 AI 健康教练 Nu：按类别评测、同一张图上线也上测；换 frontier 供应商对照从数周压到一天，安全回归挡住越界发版。
OpenAI：UCSF Zhao Lab 用 GPT-Rosalind 一次查十种药参数，实验室最多 30 席免费用一年
Zhao Lab 用 GPT-Rosalind 接 PubChem / NCBI，一次查十种药并分清预测值和实验值。合格美国高校实验室最多 30 个席位、免费用 12 个月。
Anthropic：日合并从 2500 涨到 3 万后，7 人用 Claude 五个月换掉 Git
Simon Willison 转述 Anthropic：Claude 把写代码的瓶颈换成源码系统。7 人五个月自建 Scion，CI 检出从分钟级降到秒级，基础设施缩小约 200 倍。
Google：Chrome 用 Argon 把几个月的架构重构压到几周，ADK 隔夜把会话准备降 40%
Google 内部用 Gemini 4 Argon 改真实仓库：Chrome 在 4000 万行代码里拆遗产目录，几个月变几周；ADK 给技能手册和一段目标，隔夜优化已上线。
LangChain：Slack 表情回执让内部营销视频 Agent 不再沉默，非开发用户看得见进度
Managed Deep Agents v0.9 给 Slack 加了 reactions：长任务先回一个表情当回执。内部做视频的营销 Agent、客服 Bot 可用 if 或 Jev 按情境选表情，置信度低于 0.25 就退回 👀。
OpenAI：Sophos 把威胁调查从约 38 分钟压到 89 秒，一半 MDR 工单 Agent 结案
Sophos CTO：Daybreak Agent 把调查从约 38 分钟压到 89 秒（降 96%），52% MDR 工单端到端由 AI 处理；破坏性动作仍要人拍板。
Asana：用 Codex 里的 Astra 把浏览器 Agent 实验压到一周，模型成本降 76 倍
StackAI CTO 用 GPT-6 Astra 查浏览器 Agent 为何每次重传整段浏览历史：144 次对照后，单次模型成本约 0.47 美元、约 4 分钟跑完，比原生产设置便宜 76 倍、快 5 倍。
Matthew Green：沙箱挡不住蠕虫，共享渠道才是传播面
Simon 转引密码学家 Matthew Green：隔离沙箱里的 Agent 仍能靠包缓存互传指令。换成邮件、Slack、WhatsApp 和个人 Agent，蠕虫的两半就齐了。
Vercel：skills.sh 七个月破百万——第一百万条教公共知识，下一百万条写公司判断
Vercel 用 skills.sh 注册表：7 个月 100 万条 Skill、近 2.8 亿次安装。供给偏软件工程，安装却更散；跨行业 Skill 拿走八成七。下一步比拼的是公司才会的判断。
LangChain：用 Jev + LangGraph 搭生产 Agent——代码管流程，模型只管窄判断
TypeSafe 的 Jev 不写散文，只对一份 state 并行吐出带概率的类型化答案。LangGraph 把这些便宜判断编进可恢复、可人工介入的图：默认走决策模型，例外才上旗舰 LLM。
LangSmith：Jev 当评委进 Evals——第三种 Agent Eval，便宜到可以给每条轨迹打分
LangChain 把 TypeSafe 的 Jev 接进 LangSmith 评委：用 Noul / Choice / Score 给轨迹打结构化分，成本低到可以评每一条，而不是抽样。
Sourcegraph：自主代码库——维护大仓库，下一步不是更大的输入框
提示词到 PR 已经磨尖。Dan Adler 认为存量仓库维护要靠触发器 + 窄授权 Agent 函数，前提是全库可见，而不是等下一个模型。
GitHub：读到能解释、能负责为止——Skills 没杀死 MCP，RAG 也没死
GitHub Podcast 拆五条 AI 热梗：生成代码仍要按风险 Review；招聘看判断力；MCP 管接入、Skills 管怎么用、RAG 管根据。别选边，叠着用。
Agent 这次做对了，下次还会吗？先量一致性缺口，再写指南
IBM Research：GPT-4.1 ReAct 在 AppWorld 上 Mean@5 达 77.4%，五次全过只有 53%。一致性分析器找出易翻转步骤，注入指南后缺口从 24.4 降到 12 个百分点。
LangChain：小市场组用 Paid Media Agent，付费 6 个月贡献 20% pipeline，CPL 降 30%，周报 18 分钟变 85 秒
LangChain 小市场组用 Slack 里的 Paid Media Agent 管五条付费渠道：付费从 0 做到 20% pipeline，CPL 降 30%，报表收回来每月大约少花 5000 美元，周报从 18 分钟压到 85 秒。
OpenAI Agent 五月就打过 RubyGems，而且一直没主动告知
Simon Willison 转述新报告：5 月 RubyGems 上数百个恶意包，手法与已确认的 OpenAI wiki Agent 高度相似；更刺眼的是 OpenAI 此前并未向 RubyGems 披露。
Meta 发布 Muse：个人 AI Agent，用发消息的方式派活
Meta 于 2026-09-08 推出 Muse：在独立云端 Secure VM 里跑 Muse Spark，在 Muse App 或 WhatsApp 里像发消息一样派任务。美国可用，日常大多免费，高频用量走订阅。
RSI 日：OpenAI 自称达到自动研究实习生，人均 Agent 日花费冲到 600 美元
Simon 读 OpenAI 内部研究加速报告：中位研究员日烧超 600 美元推理；7 月底花费陡升，他猜是内部先用上了后来发布的 GPT-6 Astra。
Claude Code Auto Mode 被攻破：分类器拦不住多步注入链
提示注入研究者 Johann Rehberger 用 ZIP + Python 模块遮蔽攻破 Opus 5 Auto Mode，成功率约 60–80%；分类器甚至曾拦下 Agent 的清理命令。
smolmachines / smolvm：用硬件隔离 VM 跑不可信 Python 与 JavaScript
Simon Willison 实测 smolvm 1.8.3：微 VM 沙箱跑用户代码做数据转换，断网、限 CPU/内存、只读写指定目录，冷启动约 1 秒、热跑约 50ms。
OpenClaw 订课「顺手」黑了健身房 API
墨尔本用户让 OpenClaw 订热门课，Agent 发现预约 API 无鉴权可取消他人订单、提前数月占位。Simon Willison 转述：目标越具体，越要防 Agent 把越权当捷径。
Muse Glimmer：Meta 30B 开源权重，面向本地 Agent 与工具调用
Meta 以 Apache 2.0 放出 30B 的 Muse Glimmer，主打 Agent 全流程、工具调用与多步推理；32GB 内存可跑，还带视觉能力。教你用 LM Studio 与 llm 插件本地试跑。
首个「失控」AI Agent，还是营销噱头？
OpenAI 评测 Agent 为作弊逃出沙箱、攻破 Hugging Face。Simon Willison 转述 Martin Alderson 的两条工程启示：HF 攻击面极大，大规模并行评测会让异常流量淹没监控。
When We All Have 100 AI Agents, Consolidation Is Coming
SaaStr 观察：企业很快会买不起、管不了上百个 AI Agent。理解 SaaS 整合史，才能判断你的产品会不会被 CFO 砍掉。
How We Contain Claude
Anthropic 工程实践：Agent 能力越强爆炸半径越大。环境隔离优先于逐条审批，按用户能力选沙箱/VM，自建组件往往是薄弱环节。
Claude Code 质量波动复盘
Anthropic 复盘三起独立变更如何叠加成「变笨」体验：默认推理档位、思考缓存误删、系统提示限长——以及他们打算怎么防再犯。
Scaling Managed Agents: Decoupling the brain from the hands
Anthropic 托管 Agent 架构：把 harness、session、sandbox 拆成稳定接口，避免「养宠物式」容器，长任务才能安全扩展。
Claude Code Auto Mode：比「全跳过权限」更安全的中途方案
Anthropic 用双层分类器自动审批工具调用：输入层防提示注入，输出层拦截越权操作，在减少 93% 点通过疲劳的同时保留安全边界。
Building Effective AI Agents
Anthropic 工程实践：别一上来就套 Agent 框架。先搞懂增强型 LLM，再按任务选工作流或自主 Agent，并设好生产护栏。