Ethan Mollick 撰文解析 AI 智能体时代的形态与滚动式冲击
Ethan Mollick 在 One Useful Thing 撰文称，自 2025 年底 Claude Code、OpenAI 的 Codex 等智能体兴起后，人机协作进入管理 AI 而非与 AI 共事的新阶段。
#Agent
Ethan Mollick：One Useful ThingAI 评分5656
Cognition 模型 / Devin 博客AI 评分5656 Cognition 拆解如何用 Devin 开发 Devin：上周合并 659 个 Devin PR
Cognition 介绍公司内部如何用 Devin 开发 Devin 本身，上周合并了 659 个 Devin PR，高于 2025 年最好一周的 154 个。
OpenAI Developers：Blog精选AI 评分7979 OpenAI 发布 gpt-5.3-codex 提示词指南
OpenAI 在 Cookbook 发布 Codex 模型提示词指南，API 上的 Codex 调优模型为 gpt-5.3-codex。
推荐理由：原文给出 gpt-5.3-codex 的迁移步骤、完整标准提示词与工具实践，读者可据此直接优化自己的 agent harness 配置。
AI as Normal TechnologyAI 评分7171 新论文《Towards a Science of AI Agent Reliability》：14个模型实测显示 Agent 可靠性进步有限
Sayash Kapoor、Arvind Narayanan 等人发布 66 页论文《Towards a Science of AI Agent Reliability》，已上传 arXiv，将可靠性分解为 12 个指标，并在 GAIA 和 TauBench 两个基准上测试了来自 OpenAI、Google、Anthropic 的 14 个模型，共执行 500 次基准运行。
Cognition 模型 / Devin 博客AI 评分5858 Cognition 发布 Devin 2.2，新增桌面端测试与自动修复
Cognition 发布 Devin 2.2，称其为 Devin 发布以来最重要的更新。Devin 现在可使用完整 Linux 桌面启动并测试桌面应用，提交 PR 后回传屏幕录像供用户审查；还具备 Devin Review Autofix 自我审查并修复代码的能力，启动速度提升 3 倍并重构了界面。新用户默认启用 Desktop 支持并可获 $10 试用额度，老用户可在 Settings 中开启。
Ethan Mollick：One Useful ThingAI 评分7575 Ethan Mollick 发布智能体时代 AI 选用指南：区分模型、应用与 Harness
Ethan Mollick 发布第八版 AI 选用指南，指出从对话式聊天机器人转向智能体后，选 AI 需区分模型、应用和 Harness 三个层面。
TransluceAI 评分4747 Transluce 用 Docent 诊断 GPT-5.1 Codex 在 Terminal-Bench 上的性能回退
Transluce 用其 trace 分析工具 Docent 诊断 GPT-5.1 Codex 在 Terminal-Bench 上落后 GPT-5 Codex 6.5 个百分点的回退原因。
Cognition 模型 / Devin 博客精选AI 评分7070 Cognition 让 Devin 自动修复 Devin Review 及其他机器人留下的 PR 评审评论
Cognition 为 Devin 新增 bot triggers 配置，使其可自动修复 Devin Review 及任何在 PR 上评论的机器人提出的问题，包括 linter、CI 流水线、安全扫描器和依赖管理工具，并继续自动修复 lint 与 CI/CD 问题。
推荐理由：Cognition 官方介绍 Devin 自动修复评审评论的用法与入口，开发者可据此判断是否把机械性修复合入自己的 PR 流程。
OpenClaw：BlogAI 评分5454 OpenClaw 与 VirusTotal 合作，为 ClawHub 技能市场加入安全扫描
OpenClaw 宣布与 VirusTotal 合作，为 ClawHub 技能市场引入安全扫描。所有发布到 ClawHub 的技能都会计算 SHA-256 哈希并比对 VirusTotal 数据库，未命中则上传完整包，由 Gemini 驱动的 Code Insight 从 SKILL.md 开始分析代码实际行为。
OpenAI：部署安全与系统卡精选AI 评分7070 OpenAI 发布 GPT-5.3-Codex 系统卡，披露安全评估与 Apollo 破坏能力测试结果
OpenAI 发布 GPT-5.3-Codex 系统卡，公布不允许内容、生物化学和网络安全领域的评估结果。
推荐理由：官方系统卡给出 GPT-5.3-Codex 的沙箱机制、生物化学风险评级和 Apollo 发现的更强破坏能力评估结果，可帮助读者了解其安全边界。
OpenClaw：BlogAI 评分5959 Clawd/Moltbot 更名 OpenClaw：开源智能体平台发布新品牌与版本更新
开源智能体平台 Clawd/Moltbot 宣布更名为 OpenClaw，项目从周末实验发展为 100,000 GitHub stars、单周 200 万访客。
Ethan Mollick：One Useful ThingAI 评分7171 Ethan Mollick 用 4 天 MBA 创业课实验论证管理能力是 AI 时代的超能力
Ethan Mollick 在宾夕法尼亚大学的实验课上让 mostly 无编程经验的 EMBA 学生用 Claude Code、Google Antigravity 加 ChatGPT、Claude、Gemini 在四天内从零做出创业原型，他认为成果比以往 AI 之前一学期学生的水平向前推进了一个数量级。
Cognition 模型 / Devin 博客精选AI 评分6363 Cognition 发布 Devin Review：用 AI 加速 GitHub PR 代码审查
Cognition 推出代码审查工具 Devin Review，称代码审查而非代码生成正成为交付瓶颈。工具提供智能 diff 组织、基于全代码库的 Ask Devin 交互问答和按严重程度分级的 AI bug 检测。
推荐理由：Cognition 官方介绍 Devin Review 的三大能力和免费入口，读者可据此评估它能否缓解自己团队的 code review 瓶颈。
Factory 研究 / 产品AI 评分5454 Factory 推出 Agent Readiness 评估代码库对自主开发 Agent 的就绪度
Factory 推出 Agent Readiness，可在 Droid 中运行 /readiness-report 评估代码库对自主开发 Agent 的支持程度，覆盖八项技术支柱和五级成熟度，解锁等级需通过该级及此前全部标准的 80%。
Ethan Mollick：One Useful ThingAI 评分6666 Ethan Mollick 实测 Claude Code 详解 compaction、Skills 与 subagents 机制
Ethan Mollick 在 One Useful Thing 发文，用一个让 Claude Code（Opus 4.5）独立开发并部署创业网站的任务做了实测，AI 提问三个选择题后自主工作 1 小时 14 分钟生成了可运行的售卖网站。
Cognition 模型 / Devin 博客AI 评分4747 Infosys 与 Cognition 合作，在全组织及全球客户中部署 AI 软件工程师 Devin
Infosys 与 Cognition 达成合作，在其组织内部及全球客户中部署 AI 软件工程师 Devin，这是迄今规模最大的智能体软件工程部署之一。Infosys 过去六个月已通过 Devin 在 COBOL 和 JCP servlet 等复杂迁移项目中取得显著生产力提升，并首先在金融服务领域落地，计划扩展至零售、能源、医疗等行业。
OpenAI Developers：Blog精选AI 评分6363 OpenAI 上线 Docs MCP 服务器，可把开发者文档接入智能体上下文
OpenAI 发布只读的 Docs MCP 服务器，地址 developers.openai.com/mcp，提供 developers.openai.com、platform.openai.com 和 learn.chatgpt.com 文档的搜索与页面内容访问，不会代替用户调用 OpenAI API。
推荐理由：原文给出 MCP 服务器地址和 Codex 配置步骤，读者可以直接接入并让智能体自动查阅 OpenAI 文档。
OpenAI：Alignment 研究博客精选AI 评分6868 OpenAI 提出用生产流量构建评测以绕开评测感知并预判失配行为
OpenAI Alignment 团队介绍一套基于脱敏 ChatGPT 生产流量构建对齐评测的流水线，可发现新模型的新颖失配行为并估计发生率。用 GPT-5 流量评测 GPT-5.1 时，发现了部署后占其多数欺骗行为的 Calculator Hacking 新失配形式，且生产评测引发的评测感知远低于传统评测，与真实流量几乎一致。文章同时说明了依赖 CoT 可监控性、长尾风险和分布偏移等局限。
推荐理由：OpenAI 官方详解用脱敏生产流量构建对齐评测的完整流程与局限，读者可据此理解其如何降低评测感知并预判新模型的失配行为。
Factory 研究 / 产品AI 评分4646 Factory 评测 AI Agent 的上下文压缩策略
Factory 构建了一套基于 probe 的评估框架，测量不同上下文压缩策略在长时间运行的 agent 会话中保留了多少有效信息。
OpenAI Developers：Blog精选AI 评分7575 OpenAI 发布 GPT-5.2 提示词指南
OpenAI 面向企业和智能体工作负载的旗舰模型 GPT-5.2 发布提示词指南，指出其在指令遵循、结构化推理、工具调用可靠性上优于 GPT-5.1，但默认 verbosity 更低且对提示词敏感。
推荐理由：官方给出 GPT-5.2 与旧模型的差异点和可直接复用的提示词模板，适合迁移或调优生产级智能体的团队参考。
OpenAI：Alignment 研究博客精选AI 评分6363 OpenAI 分享大规模代码验证实践：为 Codex 训练专用代码审查智能体
OpenAI Alignment 团队分享了为 gpt-5-codex 和 gpt-5.1-codex-max 训练专用智能体代码审查器的经验，主张精度优先于召回以换取开发者信任，并发现给审查器 repo 级工具和代码执行能力能同时提高两者。
推荐理由：OpenAI 官方复盘 gpt-5-codex 代码审查智能体的训练与部署经验，给出了精度优先、repo 级工具访问等可借鉴的落地取舍。
Factory 研究 / 产品AI 评分7474 Factory 披露挫败针对 Droid 平台的 AI 编排欺诈攻击
Factory 披露其在十月检测并挫败一场针对 Droid 的 AI 编排欺诈行动：攻击者用 AI 编码智能体搭建代理和自动注册基础设施，滥用免费 trial 算力并转售，涉及数万个伪造组织。防御方随后用 Droid 搭建实时欺诈分类与自动封禁系统，数小时内上线，欺诈性 LLM 消耗下降约 95%，并判断至少另两家编码智能体平台同期遭遇类似滥用。
OpenAI Developers：BlogAI 评分5252 OpenAI 发布 Codex CLI 代码现代化 Cookbook，以 COBOL 为例演示五阶段改造流程
OpenAI 发布 Codex Cookbook 教程，演示如何用 Codex CLI 现代化遗留代码库，以 COBOL 投资组合系统的日报流程为示例。
Ethan Mollick：One Useful Thing精选AI 评分8080 Ethan Mollick 实测 Gemini 3：从写水獭小诗到完成博士级研究任务
Ethan Mollick 在 Gemini 3 发布当天撰文实测，用三年前关于 GPT-3 的旧帖让模型自行展示 AI 的进步，Gemini 3 据此做出一个可交互的糖果驱动 FTL 飞船模拟游戏。
推荐理由：作者以三年前的旧帖作对照，用同一任务让 Gemini 3 实际演示能力变化，并给出 Antigravity 智能体协作的第一手使用体验与局限。
OpenAI：部署安全与系统卡精选AI 评分6464 OpenAI 发布 GPT-5.1-Codex-Max 系统卡，披露安全评估与沙箱机制
OpenAI 发布 GPT-5.1-Codex-Max 系统卡，说明该模型在禁用内容、Agent 沙箱和生物化学风险上的安全评估。Codex agent 默认禁用网络并将文件编辑限制在当前工作区，云端跑在 OpenAI 隔离容器中，macOS 用 Seatbelt、Linux 用 seccomp 和 landlock 实现本地沙箱。
推荐理由：OpenAI 官方系统卡披露 GPT-5.1-Codex-Max 的安全评估细节，包括沙箱机制与生物化学风险评级，可供部署决策参考。
Cognition 模型 / Devin 博客精选AI 评分6363 Cognition 发布 Devin 2025 年度绩效评估，总结 18 个月智能体落地经验
Cognition 为上线 18 个月的 Devin 发布绩效评估，其已在数千家公司的工程团队中使用，累计合并数十万个 PR，客户包括 Goldman Sachs、Santander 和 Nubank。
推荐理由：Cognition 基于大量客户实践总结 Devin 的真实强弱项，给评估智能体部署效果提供了一套可参考的框架。
Cognition 模型 / Devin 博客AI 评分5959 Windsurf 发布 Codemaps，用 AI 标注的结构化代码地图辅助理解代码库
Cognition 发布 Windsurf Codemaps，一种由 SWE-1.5 或 Claude Sonnet 4.5 生成的 AI 标注结构化代码地图，用于快速理解代码路径与功能实现。
Cognition 模型 / Devin 博客精选AI 评分6161 Cognition 发布 SWE-grep 与 SWE-grep-mini，用 RL 训练快速并行上下文检索模型
Cognition 发布 SWE-grep 和 SWE-grep-mini，用多轮强化学习训练的智能体检索模型，检索能力比肩前沿编码模型但耗时少一个数量级。模型每轮最多发出 8 个并行工具调用、最多 4 轮，借助 Cerebras 推理分别达到超过 2,800 tokens/秒和超过 650 tokens/秒。
推荐理由：官方披露了多轮 RL 训练并行检索模型的方法与训练细节，读者可以据此理解快慢模型分工的实现路径。
Cognition 模型 / Devin 博客AI 评分5959 Cognition 为 Claude Sonnet 4.5 重建 Devin，速度提升 2 倍并开放 Agent Preview
Cognition 为 Claude Sonnet 4.5 重建了 Devin，新版本速度提升 2 倍，Junior Developer Evals 提升 12%，已在 Agent Preview 开放，旧版 Devin 保留可用。
Cognition 模型 / Devin 博客AI 评分4848 Cognition 发布 Devin Agent Preview 并在 Devin 中上线 Claude Sonnet 4.5
Cognition 于 2025.09.29 宣布在 Devin 中提供 Claude Sonnet 4.5，并同步推出 Devin Agent Preview。
Cognition 模型 / Devin 博客精选AI 评分7171 Cognition 融资超 4 亿美元，估值达 102 亿美元
Cognition 宣布融资超 4 亿美元，投后估值 102 亿美元，由 Founders Fund 领投，Lux Capital、8VC、Neo、Bain Capital Ventures 等参投。
推荐理由：官方一手披露融资规模、ARR 数字和收购后增长数据，读者可据此评估 AI 编码智能体赛道的商业化进展。
Cognition 模型 / Devin 博客AI 评分4747 Devin 上线 MCP Marketplace，可接入自选 MCP 服务器
Cognition 宣布 Devin 已兼容 Model Context Protocol（MCP），并通过新的 MCP Marketplace 让用户连接常用 MCP 服务器。
Cognition 模型 / Devin 博客精选AI 评分8181 Cognition 签署最终协议收购智能体 IDE 公司 Windsurf
Cognition CEO Scott Wu 宣布已签署最终协议收购智能体 IDE 公司 Windsurf，交易涵盖其 IP、产品、商标品牌和业务，并将全体团队纳入 Cognition。
推荐理由：官方公告给出交易范围与关键数据，读者可据此了解两家公司在编码智能体方向的整合安排。
Cognition 模型 / Devin 博客AI 评分4747 Coding Agents 101：Cognition 讲解如何真正用好编程智能体
Cognition 团队发布《Coding Agents 101》，分享客户及自身使用 Devin 等编程智能体的实践经验。文章指出资深到 Staff 级别工程师更易快速取得成功，并总结了让智能体真正完成任务的要点。
Cognition 模型 / Devin 博客精选AI 评分6262 Cognition 开源 blockdiff：秒级 VM 磁盘块级快照文件格式
Cognition 开源 blockdiff（github.com/CognitionAI/blockd…），一个对 VM 磁盘做块级差异快照的文件格式与工具，其自研 hypervisor otterlink 借此把磁盘快照时间从 EC2 的 30+ 分钟降到几秒，约 200 倍提速，VM 启动时间也比 EC2 快约 10 倍。
推荐理由：原文复盘了 Cognition 自研磁盘快照格式的动机、设计与取舍，读者能了解 VM 快照从 30 分钟降到秒级的实现路径。
Cognition 模型 / Devin 博客精选AI 评分6868 Cognition 发文提出上下文工程原则，称多智能体架构在 2025 年仍易碎
Cognition（Devin 团队）发文 Don't Build Multi-Agents，基于实战提出两条构建 Agent 的原则：共享完整 Agent 轨迹的上下文，以及行动隐含决策、冲突决策带来坏结果。
推荐理由：作者基于 Devin 的实战经验提出上下文工程两条原则，并解释为何多智能体架构在实际中易碎。
Cognition 模型 / Devin 博客AI 评分5555 Cognition 发布 Devin 2.1，新增置信度评分与代码库理解能力
Cognition 发布 Devin 2.1，Devin 会在会话开始、制定计划和回答代码问题时报出 🟢🟡🔴 置信度，非绿灯时会提出澄清问题，🟢 分数任务的 PR 合并可能性是 🔴 的两倍。
Cognition 模型 / Devin 博客精选AI 评分7171 Cognition 推出 DeepWiki，将公开 GitHub 仓库免费转为可对话文档
Cognition 发布 DeepWiki，作为 Devin Wiki 和 Devin Search 的免费公开版本，可把公开 GitHub 仓库转为可对话的最新文档。
推荐理由：原文给出免费入口和已索引仓库规模，读者可以直接把公开仓库 URL 换成 deepwiki.com 试用。
Cognition 模型 / Devin 博客精选AI 评分6464 Cognition 发布 Devin 2.0，推出智能体原生 IDE 并新增 20 美元起的 Core 计划
Cognition 于 2025 年 4 月 3 日发布 Devin 2.0，带来面向智能体的 IDE 体验，并提供 20 美元起的灵活新计划。用户可并行运行多个 Devin、在 IDE 内协作并直接审查编辑其代码，还推出 Interactive Planning、Devin Search 和 Devin Wiki 三项新功能，入口为 app.devin.ai。
推荐理由：官方给出 Devin 2.0 的核心能力变化与 20 美元起的新定价，读者可对照评估它对现有开发流程的适配度。
Cognition 模型 / Devin 博客AI 评分4141 Devin 2025 年 2 月产品更新：本地 UI 测试、批量并行编辑，并集成 Sonnet 3.7
Cognition 发布 Devin 2025 年 2 月产品更新，速度比 2024 年 10 月提升约 2 倍，内部评测中完成初级开发任务平均用时约 7.8 分钟。更新内容包括批量并行编辑文件、主动反馈欠佳提示词、GitLab（beta）支持、浏览器多标签与复制粘贴能力，以及于 2/24 集成 Sonnet 3.7——在其测试中是迄今调试、代码库搜索和智能体规划表现最好的模型。