AI 日刊 · 2026-05-13 | Yaphet's blog

Product

1. NanoResearch：个性化科研 Agent 的三层协同架构

NanoResearch 提出了一种针对科研 Agent 的三层协同架构，旨在解决当前科研自动化系统输出过于通用、缺乏个性化的问题。该框架包含技能库（提取可复用规则）、记忆模块（跨会话保留经验）和标签无关的策略学习（将反馈转化为规划更新）。通过技能、记忆与策略的协同进化，系统能根据用户的资源配置和偏好进行调整。研究表明，该框架在科研任务中表现优于现有 SOTA 系统，且随着使用周期增加，输出质量持续提升，为长周期知识工作 Agent 提供了通用模板。

来源：arXiv.org

2. Lighthouse Attention：长上下文预训练的提速方案

Nous Research 提出了 Lighthouse Attention，一种针对长上下文预训练的子二次方（subquadratic）注意力算法。该方法通过分层选择层压缩查询、键和值，在保持因果关系的同时降低计算开销。其核心创新在于该层仅在训练阶段使用，且可在训练后期通过短期的恢复阶段移除，从而使部署模型保持标准注意力架构，避免了推理时的额外开销。初步实验显示，该方法能显著缩短预训练时间并降低最终损失，为长上下文大模型的训练效率提供了新思路。

来源：arXiv.org

3. Claude Opus 4.7 Fast Mode 开启 API 候补

Anthropic 宣布 Claude Opus 4.7 的“Fast Mode”开启 API 候补申请。该模式作为研究预览版，在保持 Opus 级别智能的同时，输出 token 速度提升 2.5 倍。目前，已开启额外用量的 Claude Code 开发者可直接使用该模式。Fast Mode 的推出旨在满足开发者对高智能模型在快速迭代和实时调试场景下的速度需求，是 Anthropic 在模型性能与推理成本之间寻求平衡的重要尝试。

来源：Claude

4. Anthropic 发布 Claude for Legal 法律行业插件套件

Anthropic 正式推出“Claude for Legal”仓库，包含 12 个针对法律岗位的插件及 20 多个行业软件 MCP 连接器。该套件旨在解决 AI 法律工具输出过于通用、缺乏律所专业风格的痛点。用户需通过“冷启动访谈”将团队 playbook 和模板存入 CLAUDE.md，使 AI 自动适配特定风格。系统支持从合同审查、专利侵权对比到法院动态监控等多种自动化任务。Anthropic 强调所有输出均为律师审阅草稿，并联合法律援助机构提供支持，体现了其在专业垂直领域深耕的战略意图。

来源：Claude

5. Meta AI 引入 Muse Spark 增强多模态交互

Meta 宣布 Muse Spark 模型将集成至 Meta AI 应用的语音模式和实时相机视图中。该模型支持自然语音交互，允许用户在对话中随时打断、切换话题或语言，并能实时生成图像或从 Reels、地图中提取信息。此外，Meta AI 增强了购物模式，支持搜索 Facebook Marketplace 并提供地图定位。Muse Spark 将逐步覆盖 Ray-Ban Meta 眼镜及 WhatsApp、Instagram 等全系应用，标志着 Meta 将多模态智能深度嵌入其社交生态的战略升级。

来源：Meta Newsroom

6. Google 发布 Gemini Intelligence 与 Googlebook 笔记本

Google 在 Android Show 上发布了 Gemini Intelligence，将 Android 系统从操作系统转型为智能系统。该功能支持跨 App 的多步任务自动化、Chrome 浏览器自动浏览及 Rambler 语音润色功能。同时，Google 推出了专为 Gemini 设计的 Googlebook 笔记本系列，配备“Magic Pointer”光标，可根据屏幕内容提供上下文建议，并支持通过自然语言创建自定义小组件。该系列设备与 Android 手机深度同步，旨在通过系统底层集成，实现跨设备、跨应用的统一 AI 体验。

来源：blog.google

7. Claude Code 2.1.140 更新：优化 Agent 工具匹配与工作流

Claude Code 发布 2.1.140 版本，重点优化了 CLI 交互与工作流稳定性。更新包括：Agent 工具现在支持不区分大小写和分隔符的子 Agent 类型匹配，减少了匹配失败；/goal 命令在禁用钩子时不再挂起，改为显示明确提示；编辑工作流改进了缩进处理。此外，该版本还修复了多个 Windows 平台下的事件循环 stall 问题及远程设置重试逻辑，进一步提升了作为 Agent 编码助手的鲁棒性。

来源：@ClaudeCodeLog

8. Superlog：自动处理日志与事件的 Agent 观测工具

Superlog 是一款专为开发者设计的 Agent 观测工具。它通过 Agent 每日自动配置日志、追踪、警报和仪表盘，并在发生异常时自动调查事件，直接向 Slack 提交可合并的 PR。该工具旨在减少开发者在观测系统上的手动开销，通过 Agent 的主动介入实现故障的快速定位与修复。作为 YC 孵化的项目，Superlog 强调了 Agent 在 DevOps 领域从“被动监控”向“主动运维”的转变。

来源：@ycombinator

Tutorial

1. Claude Code 自动化模式：使用 /goal 实现长任务执行

Claude Code 引入了自动化模式（Auto Mode），允许 Claude 在无需人工干预的情况下持续执行任务。用户可通过 /goal 命令设置完成条件，Claude 将在多个回合中持续工作，直到满足条件为止。该功能支持在 CLI 中通过 Shift+Tab 开启，或在桌面端通过模式选择器启用。此机制解决了长任务执行中频繁交互的瓶颈，是实现 Agent 自主完成复杂编码任务的关键功能。

来源：Keep Claude working toward a goal - Claude Code Docs

2. Warp CEO 分享：利用 Agent 构建视觉验证循环

Warp CEO Zach Lloyd 分享了利用 AI Agent 构建 Mermaid 图表渲染支持的经验。他提出“先构建测试 harness，再编写代码”的策略，通过构建视觉验证循环，让 Agent 在多个分支并行工作，利用计算机视觉对比 canonical 渲染结果，自动修复差异。该案例证明了如果能为 Agent 提供明确的成功标准和验证机制，即使是复杂的工程任务也能实现高度自动化。Lloyd 强调，构建测试与调试基础设施是提升 Agent 编码质量的关键。

来源：Verify, then build

Opinions/Thoughts

1. Nabeel Qureshi：为什么 AI 难以创作出伟大的艺术？

Nabeel Qureshi 探讨了艺术的本质与 AI 创作的局限。他认为，伟大的艺术作品具有“高信息密度”且难以压缩，每一个细节都经过精心选择，而 AI 生成的内容往往因缺乏这种选择性而显得平庸。AI 目前能完成代码编写、法律审查等任务，但在诗歌或散文创作上仍显乏力。作者指出，AI 生成的“slop”往往是基于简单的提示，缺乏人类创作中那种对细节的深思熟虑。这一观点为理解 AI 在创意领域的边界提供了美学视角。