Product
1. 谷歌推出 Agentic RAG：多智能体协同解决复杂企业查询
谷歌在 Gemini Enterprise Agent Platform 上线了 Agentic RAG 框架。传统 RAG 系统通常仅执行单步检索，难以处理跨多个数据源的复杂多跳查询。Agentic RAG 通过多智能体协同，能够自动判断信息是否充足，并进行反复迭代检索，直到补全所有必需的上下文。这一架构旨在解决企业级应用中信息分布在不同“数据孤岛”的问题，显著提升了复杂业务查询的响应准确性和可靠性。
来源：Unlocking dependable responses with Gemini Enterprise Agent Platform’s Agentic RAG
2. CL-Bench：首个评估 AI 系统持续学习能力的基准测试
研究人员推出了 Continual Learning Bench (CL-Bench)，旨在衡量 LLM 系统是否能通过序列化经验真正实现能力提升。该基准涵盖了软件工程、信号处理、需求预测等六个专家验证领域，并引入了“增益指标”来区分模型原有的先验能力与通过经验获得的真实学习。评估结果显示，目前的专用内存架构在处理复杂任务时，往往不如简单的上下文学习（ICL）基线，这表明许多所谓的“记忆系统”实际上增加了开销而非提升了学习效率。
来源：arXiv.org
3. Claude Mythos：Anthropic 计划推出的全新模型系列
在 Claude 的 Dev Mode 中发现了名为“Claude Mythos”的新模型 slug。据推测，Mythos 将作为 Anthropic 继 Haiku、Sonnet 和 Opus 之后的第四个模型系列推出。这一发现引发了行业对 Anthropic 下一代模型能力的猜测，预计该系列将进一步提升 Claude 在推理和 Agent 任务中的表现。
4. Supergoal：为 Claude Code/Codex 打造的深度规划与自愈插件
Supergoal 是一个针对 Claude Code 和 Codex CLI 的插件，旨在解决 Agent 规划深度不足的问题。它通过 /goal 命令实现“端到端条件 + 循环求值”的自动执行。其核心价值在于：在执行前进行并行风险扫描和阶段拆解，将 ROADMAP 和 spec 落盘，并内置了三振升级的自愈机制。此外，它在每个阶段结尾会进行 Final Audit，确保 Agent 交付物与预期一致。该工具通过将规划深度化，让“先想清楚、再无人值守跑完”成为可能。
来源：GitHub
Tutorial
1. 停止“保姆式”管理：为编码 Agent 引入反馈回压机制
文章指出，编码 Agent 的生产速度远超人类的评审速度，导致开发者陷入“保姆式”管理的瓶颈。作者建议引入“回压循环”（Backpressure Loop），将 linter、测试、类型检查等廉价的正确性校验从人类评审环节前置到 Agent 的迭代工作流中。有效的反馈必须是可操作、具体且上下文高效的。如果同一个错误被修正两次，就应将其转化为自动化的回压机制，从而将人类角色从调试者提升为高层架构师。
2. 如何停止发布低质量的 RL 训练环境
RL 实践者 Auriel W 指出，低质量的训练环境（harness）是导致模型性能不佳的主因。由于 RL 模型通过与环境交互生成数据，环境中的 bug、竞争条件或糟糕的奖励设计会系统性地“毒害”模型。作者建议将训练环境视为生产系统的一部分，采用负载测试和“快速失败”（fail-fast）机制。如果环境故障率超过 5%，则应优先修复 harness 而非调整模型。高质量的训练环境是实现模型性能提升的基石。
来源：Latent.Space
Opinions/Thoughts
1. Benedict Evans：AI 处于 1997 年，应预设激进的不确定性
Benedict Evans 在 Lenny’s Podcast 中提出，AI 的影响规模与互联网或移动互联网相当，且目前正处于 1997 年阶段。他认为，关于 AI 取代工作的讨论多为“同人小说”，历史证明技术进步会创造出无法预见的新岗位。他指出，基础模型公司可能缺乏持久的定价权，最终将沦为类似 AWS 的基础设施，而真正的价值将向上层应用转移。他建议个人应通过深度参与 AI 来建立职业保险，而非盲目抵制。
来源：A rational conversation on where AI is actually going | Benedict Evans — Lenny’s Podcast
2. Chamath Palihapitiya：开源模型与闭源模型的价格与能力差距正在拉大
Chamath Palihapitiya 指出，2026 年 AI 领域最大的惊喜在于开源模型与闭源模型在能力上的差距缩小速度远快于价格差距。对于高频推理任务，DeepSeek 等开源模型在成本上具有压倒性优势。他建议企业应采取分层策略：高频推理使用 DeepSeek，复杂 Agent 工作流使用 Claude Opus，仅在增量价值足以覆盖 20-40 倍成本溢价时才使用 GPT-5.5 Pro。他认为，随着控制平面（Control Planes）的标准化，模型将逐渐商品化，价值将向应用层转移。
来源：@chamath