Product
1. OpenRouter 发布 create-headless-agent 工具
OpenRouter 推出了 create-headless-agent 技能，旨在帮助开发者构建无需终端 UI 的自动化代理。该工具基于 TypeScript 和 Bun 构建，专为 CLI 工具、API 服务器、队列处理及自动化流水线设计。它利用 OpenRouter 的 Agent SDK，支持模型调用、工具执行及停止条件控制。此举旨在为需要程序化运行代理的场景提供更轻量、更灵活的解决方案，与此前发布的 Agent TUI 形成互补。
2. Alibaba 发布 AgenticQwen 模型系列
Alibaba 研究团队发布了 AgenticQwen 系列模型，通过双数据飞轮（Dual Data Flywheels）训练，实现了小参数模型在工业级工具使用任务上的突破。该模型采用 30B MoE 架构，仅需 3B 激活参数，性能即可媲美 235B 的 Qwen3 模型。其核心创新在于通过推理循环挖掘模型错误，以及通过代理循环将简单轨迹扩展为复杂行为树。这种方法不仅降低了推理成本，还为代理开发者提供了通过自身失败生成高质量训练数据的范式。
来源：arXiv.org
3. Pi-subagents 扩展支持并行任务与状态检查
Pi-subagents 扩展迎来重大更新，引入了 /parallel-review 以支持并行任务审查，并优化了子代理中断处理。新版本增加了 /subagents-status 用于实时监控运行状态，并增强了对 fork、后台运行及工作树的支持。该工具允许并行任务读取文件并保存输出，进一步提升了异步代理委派的效率。作为 Pi 框架的补充，它通过 Markdown 文件和 YAML 前端配置，简化了复杂代理工作流的构建。
来源：GitHub
4. 本周 AI 顶刊精选：DeepSeek V4 与自进化代理
本周 AI 领域研究进展迅速，重点包括 DeepSeek V4 的混合注意力架构、Autogenesis 自进化代理协议以及 Skill-RAG 等。DeepSeek V4 通过压缩稀疏注意力（CSA）和重压缩注意力（HCA）实现了百万级上下文的高效处理。Autogenesis 引入了无需重训练的自修改协议，使代理能自主识别并修复能力缺口。此外，MASS-RAG 和 Stateless Decision Memory 等研究进一步推动了 RAG 和代理内存的工程化落地，标志着 AI 基础设施正向更高效、更可控的方向演进。
5. Hermes Agent 增强本地浏览器支持
Hermes Agent 更新了浏览器工具，支持自动检测并切换至本地 Chromium 侧边栏以访问本地或局域网服务。这一改进解决了此前云端浏览器无法访问 localhost 的痛点，极大地方便了 Web 开发者。用户只需运行
hermes update即可生效。该功能通过 URL 智能路由，在保持云端浏览器处理公共 URL 的同时，实现了对私有服务的无缝访问，无需用户手动切换。
来源：GitHub
6. Claune：Android 原生 AI 代理原型
Claune 是一款 Android 原生 AI 代理原型，利用 Android 辅助功能 API 实现对手机应用的观察与控制。该应用基于 Kotlin 编写，支持语音和文本输入，能够处理复杂的任务（如订票、应用对比）。它通过 foreground service 运行，并提供覆盖层以实现状态监控和交互。Claune 的设计重点在于本地运行和会话持久化，为移动端 AI 代理的开发提供了参考架构。
来源：GitHub
Tutorial
1. 递归语言模型（RLM）架构解析
Isaac Flath 详细介绍了其构建的递归语言模型（RLM）工具，该工具通过在实时 REPL 中运行 Python 代码来回答复杂的知识库问题。RLM 的核心在于将 LLM 作为程序员，将 REPL 作为运行时，通过 late interaction 检索预过滤上下文，并允许 LLM 在 REPL 中迭代探索数据。这种架构不仅保持了主代理上下文的整洁，还通过状态持久化实现了比静态脚本更强大的数据合成能力。
来源：How My RLM Tool Works | Isaac Flath
2. MLX Server 运行 Qwen3.6-27B 实践
Mario Zechner 分享了使用 MLX Server 运行 Qwen3.6-27B 的实践经验。他指出，目前在处理工具调用时，需在完整助手消息生成后进行后处理解析。尽管尚未实现前缀缓存（prefix cache），但该方案展示了在本地环境运行大参数模型的潜力。此实践为希望在 Apple Silicon 上部署高性能模型的开发者提供了参考，同时也指出了当前工具调用在本地推理中的局限性。
Opinions/Thoughts
1. Numman Ali：给 30 岁人群的阅读建议
Numman Ali 推荐了一篇适合 30 岁人群阅读的文章。这一推荐反映了对职业发展和人生规划的关注。在 AI 行业快速变革的背景下，这种对个人成长和职业发展的思考，有助于开发者在职业生涯的不同阶段做出更明智的决策。
来源：@nummanali