执行已经很快了，信任还是老速度
Agent 一小时写完的代码，半个月还没合进去。主理人手札 EP.01 从这次真实的等待讲起：团队里同时走着两只钟，执行按小时算，信任还在按月、按年攒。聊对自己、对同事、对 AI 的三层信任，以及为什么跳过评审、把评审交给 Agent，省掉的恰恰是攒信任的那一段。改编自主理人博客原文。约 9 分钟。
2026.10.17主理人手札
ON THE OTHER SIDE OF THE SCREEN
把耳朵，借给生活。
每日手冲｜2026-10-17
10 月 17 日每日手冲，接着昨天的问题往工程现场走：怎么评、怎么审、版本系统怎么扛、执行环境怎么拆。Google 建议用确定性断言评测 agent；Claude Code Review 分 Quick、Standard、Deep 三档开放；Anthropic 内部版本系统 Scion 和 Managed Agents 的三层拆分。Vals AI 发现一套编程评测环境残留答案；Uber Minion、Browserbase 的失败转技能闭环、Codex App Server；TRL 给异步 GRPO 做树状打包省算力。最后是 MAI-Base-2、Step 5 Preview、Kling 4.0 和 FLUX 3 Image Klein。约 16 分半。
2026.10.17每日新闻
每日手冲｜2026-10-16
10 月 16 日每日手冲：agent 越来越能干，决定我们能不能放心用的，是那些不起眼的环节。Meta 等的论文发现奖励作弊会在编码 agent 之间传染；Neel Nanda 评估 Gemini 4 Argon 更难被思维链监控；白帽研究者用 agent 集群刺穿了云沙箱的虚拟化边界，Perplexity 开源沙箱平台 SPACE。还有 OpenAI 用 Codex 清理代码、LangChain Deep Agents 的上下文工程、几款省 token 和立规矩的 GitHub 项目、Claude Platform 的 OpenTelemetry 追踪、Google Deep Review，以及 Muse Spark Open、DeepSeek V4.1 Flash、Ling-3.1-flash、Nemotron 3.5 等开放权重模型，AA-AgentPerf 硬件基准、vLLM 自适应验证和三条语音新闻。
2026.10.16每日新闻
