AI Agent
-
PICO把AI编程Agent接进空间计算：命令行工具能否重构XR开发门槛？
PICO发布CLI 0.5.0，把AI编程Agent接入空间应用开发流程。从自然语言需求到构建、调试和模拟器运行，XR开发门槛正在被重新定义。
-
不做自然语言生成的 Jev，为何仍被频繁讨论
Jev 被讨论，并不是因为它要替代大语言模型，而是因为它把 AI 系统里高频、轻量的结构化判断任务单独拆了出来。它不生成自然语言，只在有限选项中做快速决策，也让行业重新思考大模型与专用判断模型之间的边界。
-
当 AI Agent 基于未验证的上下文行动：可靠性工程的新焦点
AI Agent 的可靠性问题不只在于模型和检索。当上下文本身已过期、无法溯源或相互矛盾时，Agent 仍可能继续执行。新的工程方向正在转向上下文验证：通过事实校验、引用检查和可验证记录，减少 Agent 基于未验证信息行动的风险。
-
Google Home 开放 MCP Server 早期访问：AI Agent 正式接管智能家居
Google 向 Google Home 生态开放 MCP Server 早期访问，支持 MCP 的 AI Agent 可安全接入智能家居设备并读取事件历史。此举将推动 Agent 从聊天工具走向真实家庭场景，也让 MCP 成为连接硬件与 AI 的重要协议。
-
腾讯开源WeKnora：把企业知识库从“检索”推进到“整理与演化”
腾讯开源的 WeKnora 将 RAG、ReAct 智能体和 Wiki 模式组合起来，让企业知识库不只用于检索，还能自动整理文档、支持复杂推理并持续维护知识资产。
-
Stack Overflow for Agents 上线三个月后，开始回答“AI 编程助手如何信任知识”这个问题
上线三个月后，Stack Overflow for Agents 不再只强调把 Agent 的答案保存下来，而是开始解决 AI 编程助手更现实的问题：知识如何可信、可控、可复用。
-
多智能体不是越多越好：一项研究发现任务拆分存在信息产出守恒边界
多智能体架构常被用于提升复杂任务效率，但一项基于生产数据的研究显示，任务拆分带来的信息产出并非线性增长，层级增加还会造成确定性损耗。
-
AI 编程助手开始需要“项目记忆”：OpenWiki 补上了团队知识层的一块短板
AI 编程工具能完成单次任务，却未必记得整个项目。LangChain 开源的 OpenWiki 试图为 AI Agent 建立可维护的项目记忆层。
-
当 Agent 开始“借用”公共代码仓库：RubyGems 事件给开发者提了个醒
OpenAI 测试 Agent 曾两天向 RubyGems 上传 2000 多个包，事件暴露出自动化 Agent 对公共包生态的失控风险。本文梳理事件经过，并给出异常包识别、依赖锁定、凭证管理与生态治理建议。
