AI趋势日报 - 2026-10-29
分析来源: 104 个 RSS 订阅源(配置 124 个,本次运行有 20 个未返回可用条目) | 时间范围: 最近 1 天(2026-10-28 → 2026-10-29) | 获取文章: 32 篇 | 核心趋势: 3 个
要点速览
本窗口最强的信号不是又一个模型发布——而是度量本身。GitHub 的 Octoverse 2026 为“agentic engineering”这一说法提供了扎实的平台数据:合并 PR 数量在不到一年内增至三倍,达到每月 2.2 亿次;commit 数增长超过三倍,达到每月 73.8 亿次;新建仓库速率翻倍,达到每月 3030 万个。同一天,Google 把 Gemini 4 一代拆分为按能力划分的多个 SKU(2026-10-27 的 Argon、2026-10-28 的 Carbon),并在一小时内同时上线三个分发界面;OpenAI 则把第二家存量工作流平台(ServiceNow)改造为双向的 agent 通道,并把 API 消耗并入席位定价。产出规模、模型分层与分发渠道这三个层面,在 24 小时内同步推进。
| 趋势 | 热度 | 影响领域 | 关注度 |
|---|---|---|---|
| Agentic engineering 变得可度量,“AI 在这里帮不上忙”成为一项正当的工程结论 | 🔴 高 | 工程管理层 / 平台 / 安全审查 | ⭐⭐⭐⭐⭐ |
| Gemini 4 碎片化为按能力划分的 SKU,并随设备与开发者界面一同发布 | 🔴 高 | 安全 / 产品 / 开发者平台 | ⭐⭐⭐⭐⭐ |
| 企业工作流成为 agent 分发渠道,计量方式转入席位 | 🟡 中高 | 企业架构 / 采购 / FinOps | ⭐⭐⭐⭐ |
可信度说明:所有 fetch_article_content 调用均返回“Invalid URL”,search_background 以“fetch failed”失败,X 信号不可用(0 条帖子),因此本报告仅基于 RSS 标题与发布方提供的摘要撰写。所有 YouTube 条目仅有元数据——未获取任何文字稿,也不声称观看过任何视频。未返回 [Article Images] 区块,因此未嵌入任何图片。整体可信度为中等;在 Legora 视频的实质内容、Carbon 的 benchmark 细节以及 Octoverse 方法论细节方面可信度较低。
趋势全景
本窗口的三个趋势不仅时间相邻,而且存在因果关联:
关键关系在于贯穿中间的那条链条:agent 产出上升(A)使验证成为约束性环节(B),而购买验证能力的一种方式,就是把 agent 放进一个已有审计轨迹的系统里(E → D)。这正是 ServiceNow 与 Oracle 两笔交易的意义超出其新闻稿表面所暗示的原因——它们是伪装成合作的基础设施采购。
深度分析
本窗口识别出三个足以深入分析的趋势。第四个主题——针对“可被 agent 读取的界面”的反方论证——放在趋势 3 中处理,因为它是该趋势必要的对冲,而非一股独立动向。
1. Agentic engineering 变得可度量,“AI 在这里帮不上忙”成为一项正当的工程结论 [1][2][3][4] {新兴}
GitHub 的平台统计数据、Simon Willison 关于第二个“拐点”的判断,以及一份 Amazon 内部工程备忘录在数小时内相继落地,从三个不同的度量层面描述了同一场转变。
背景
自 Simon Willison 在 2025 年 11 月提出拐点以来——据称 Opus 4.5 与 GPT-5.1 越过了让编码 agent 成为可靠日常工具的阈值——悬而未决的问题是:代码量的上升究竟代表价值,还是仅仅意味着更多未经审查的产出。在此之前,多数证据都是轶事性的:开发者个人描述自己的工作流。Octoverse 是发布方首次从平台尺度度量 agent 对代码托管平台做了什么,并在 GitHub Universe 上由执行副总裁 Jay Parikh 直接公布这些数字。同一天,Willison 把拐点论断从软件工程延伸到游戏开发;一份 Amazon 工程管理层更新中的一句话,重新界定了团队可以如何汇报负面结果。这三条内容值得合读,因为它们分别从平台、能力和组织层面度量了同一现象。
核心发现
- 平台数据已大到具备结构性意义,而非边际影响。 Willison 把 Parikh 的发布概括为“相当直白地呈现了 agentic engineering 对 GitHub 的影响”:合并 PR 数“在不到一年内增至三倍,达到每月 2.2 亿次”,commit 数“增长超过三倍,达到每月 73.8 亿次,且其中大部分增量出现在今年下半年”,新建仓库速率“今年翻倍,达到每月 3030 万个”——Simon Willison。相对增长率值得注意:PR 速率约增长 3 倍,commit 速率约 3 倍,而仓库数量仅约 2 倍。如果仓库增速低于 PR 增速,意味着平均每个仓库在单位时间内产出的 PR 显著增多。这是从三个二手数字得出的推断,并非 GitHub 的官方说法,但它指向的是每个项目的迭代循环更短,而非项目数量更多。
- GitHub 如今按风险领域对自己这份报告做分拆。 摘要提到,报告“包含按行业划分的新数字,并单独列出涉及‘互操作性或逆向工程’的仓库数据”——Simon Willison。互操作性与逆向工程类仓库,恰恰是自动化体量带来法律与安全风险最高的类别。公布这一拆分,等于默默承认:聚合 throughput(吞吐量)已不足以描述这个平台。
- 度量本身如今也由模型中介。 Willison 引用方法论章节:“为校正 VPN 使用带来的偏差,使用 LLM 分类来……”——Simon Willison。该句在 feed 中被截断,确切机制未经验证,但方向明确:平台的国家/地区归属数据是用语言模型清洗的。对 agentic 工作的度量工具,本身就由它所度量的那类系统产出。从今往后,应把公开发布的平台统计数据视为带有自身误差范围的模型衍生产物。
- 10 月跨越阈值的不只是体量,还有能力。 Willison 写道:“我认为 2026 年 10 月我们已经到达一个新的拐点,这一次是在 vibe coding 电脑游戏方面”,并将这一转变归因于“尤其是 Claude Opus 5.5”在“3D 建模”“音乐生成(参见 Scrimshaw Jukebox)”和“游戏设计(!)”方面展现出“实质性改进”——Simon Willison。他的论点在于此前的天花板在哪里:“模型早就能做出看起来像游戏的东西……真正的挑战一直是做出真正好玩、可玩的游戏。”他列出七个作品作为证据(Tree Appreciator、Emberwick、Battle Drones、Pumpkin Farmer 又名 Quarter Sun Cove、“Four times as insulting”、“What happens if someone actually puts the work in?”、“You should build a game!”)。其中一个标题——“如果真有人把功夫下进去会怎样?”——正是整场争论最诚实的表述方式:有趣的变量不再是单个 prompt(提示词)能产出什么,而是熟练的人用同一套工具能产出什么。
- 组织层面的反向动作:把负面证据当作交付物。 Simon Willison 引用 Amazon 工程管理层的 Terk Terkowitz:“如果你的工作并未从当前 AI 工具中获益,那是一项发现,而不是失败。记录下原因,与同行社群分享,拿给你的经理,并努力寻找解决方案。一名能够说明 AI 尚未在何处帮助其工作的工程师,正是在展示我们所要求的判断力”——Simon Willison 引用 Terk Terkowitz。这是本窗口在操作层面最有价值的一句话。它让一份多数组织目前还在隐性惩罚的报告获得正当性,也把士气问题(觉得自己落后的工程师)转化为一条数据收集渠道。
- 源码管理工具正被当作独立条线来跟踪,动因来自 agent。 Ben Nesbitt 新开了一份周三发布的独立周报,“因为我构建的很多东西,比如 git-pkgs,都要读取 git 仓库并调用 forge API”,内容覆盖“git、jj、gitoxide、Sapling、Mercurial 与 Git LFS”,以及包括“GitHub、GitLab、Forgejo、Gitea、Codeberg、sourcehut、Radicle 和 Tangled”在内的托管平台——nesbitt.io。他给出的理由是“源码管理客户端与托管仓库的 forge 中的新功能与安全修复”。当 commit 体量增至三倍,客户端与 forge 层就成为具有自身补丁节奏的安全界面,而这个节奏如今值得以每周订阅的方式跟踪。
影响评估
PR 速率增至三倍后,最先受损的是评审队列。如果合并 PR 增长约 3 倍而工程人数未变,那么要么评审深度下降,要么评审 latency(延迟)上升,要么评审工作被自动化吸收——而这三个数字 GitHub 一个都没公布。任何仍把 PR 开启数或合并数当作生产力代理指标的团队,如今都在度量系统的错误一侧。暴露最严重的是那些受监管变更管理要求的团队(金融、医疗,以及任何需要 SOX 或等效控制证据的行业),因为一段由 agent 撰写、无法归属到人类审批者的 commit,无论代码是否正确,都是控制失效。次要暴露点在 CI 经济性:每月 73.8 亿次 commit 意味着算力增长,财务团队迟早会注意到。
行动建议
- **CTO:**在捍卫或削减 agent 工具预算之前,先把 GitHub 不会替你发布的四个数字埋点采出来——p75 评审 latency、每 100 个已合并 PR 的回滚/热修复率、每个已合并 PR 消耗的 CI 分钟数,以及实质性人类评论少于一条的已合并 PR 占比。如果 PR 数增至三倍而评审 latency 持平,你就是在合并未经评审的代码,Octoverse 的数字描述的是你的风险,而不是你的速度。
- **架构师 / 平台负责人:**把来源溯源做成一等属性。要求 agent 撰写署名 trailer 或分支命名空间约定,以便按来源类别计算缺陷密度;并把 CI 通道拆分,使 agent 生成的变更无法耗尽预留给发布关键工作的容量。
- **工程经理:**原样采纳 Terkowitz 模式——每季度要求每个团队提交一页纸的“当前 AI 工具在哪些地方帮不上我们,以及为什么”,并将其视为与设计文档同等地位的评审产物。它能产出唯一可靠的地图,标出你的 agent 真正承重的位置。
- **开发者:**在产品路线图之外,每季度保留一次有意为之的能力探针——一个游戏、一个 3D 场景、一段生成的音乐——因为天花板的变化会先在这里显现,比出现在厂商 benchmark 中早几个月。
2. Gemini 4 碎片化为按能力划分的 SKU,并在同一小时内随设备与开发者界面一同发布 [1][2][3][4][5] {持续中}
Google 发布了 Gemini 4 的第二个变体,定位不在通用智能,而在网络安全与长时程工作,并把它包装在三个同一时间戳发布的分发界面中。
背景
Google 的 Gemini 节奏在前沿实验室中最快,此前两个窗口记录了 Gemini 4 Argon 与 Genie 4 世界模型一同被定位为“迄今最智能的模型”。那种表述假定存在单一的能力阶梯。2026-10-28 到来的一切改变了形态:Gemini 4 Carbon 被描述为“我们最强的模型,具备最先进的网络安全与长时程能力”——Google Gemini Blog。48 小时内出现两个“最强模型”的说法,各自挂在不同能力领域上,意味着这个最高级形容词已经变成按领域索引的。正是在这个节点上,模型命名不再只是工程标签,而成为采购类别;值得把它与 OpenAI 处理同一问题的方式直接对比。
核心发现
- 两个优化方向,一个代际编号。 按上一窗口的报道,Argon(2026-10-27)定位在任务广度上;Carbon(2026-10-28)则定位在两个具体轴上——“网络安全”与“长时程能力”。一个模型可以针对长时程 agentic 工作与网络任务做优化,同时在其它轴上退让——这是后训练专门化的正常取舍。由于只拿得到发布方摘要,这类取舍的幅度未知。可以验证的是产品决策:Google 在卖一张网格,而不是一架梯子。
- OpenAI 的反例明确而有用。 被 Simon Willison 引用的 Ted Sanders 解释说:“总体而言,LLM 的性能是极其多维的。并不存在一种固定排序,保证数学最好的模型同时也是讲笑话最好的模型。尽管有这种复杂性,性能差异的很大一部分只由一个变量解释:模型规模。”他给出排序“Luna < Terra < Sol < Astra”,并解释版本语义:“像 6.1 这样的编号表示它在 5.6 之后发布,在训练数据 / 性格上可能与其它 6.1 模型有相似之处(这也是它为什么不是 5.7),但它的跃升还没大到足以配得上 7 所会带来的头条与期待”——Simon Willison 引用 Ted Sanders。OpenAI 的命名编码的是规模与序数大小;Google 最新的 SKU 编码的是风险领域。两者都不更好,但买方需要知道自己读的是哪一种,因为一个以领域命名的模型不会告诉你,它在你此前用来比价的那架能力梯子上处于什么位置。
- 三个界面,同一个时间戳。 三篇平台博文的时间戳均为 2026-10-28 17:00 UTC。消费界面:“今天,我们在全新的 Gemini 学生中心中推出沉浸式探索”——Google Gemini Blog。设备界面:“XREAL AURA 是首款由 Android XR 驱动的有线 XR 眼镜,让你随处工作、观看与娱乐,Gemini 始终在你身边”——Google Gemini Blog。开发者界面:“我们宣布新的互联应用合作伙伴,以及一个供开发者在一处构建并追踪其应用的新平台”——Google Gemini Blog。
- 要看整个 stack,而不是单个模型。 17:00 的前沿模型发布,如今大约只占整场事件的四分之一。另外四分之三是:新用户在哪里遇见这个模型(教育)、哪类硬件把它带入环境化使用(有线 XR 眼镜),以及第三方数据如何流入其中(互联应用)。互联应用开发者平台是尾巴最长的一项,因为 OAuth scope、合作伙伴协议与按应用的数据授权都在这里累积——这与 2026-10-27 的
auth.md工作试图为 agent 标准化的权限界面是同一个。 - 随之而来的硬件合规压力。 一个定位在网络安全、运行于带摄像头与麦克风的头戴设备上的模型,不只是一次模型下载;它是一个合规包。上一窗口 Apple Siri 在欧盟的例外处理确立了模板:司法辖区决定这个组合是否出货。可以预期同样的功能可用性矩阵逻辑会适用于 XR 加前沿模型的组合,而且最先提出要求的会是采购团队,而不是监管机构。
影响评估
有三类群体直接受影响。安全团队现在面对的是一个没有公开分领域评测的“最先进网络安全”厂商声明,必须决定是否为漏洞分流、检测工程或事件响应试点一个网络专门化的前沿模型——在这些工作中,能力差异确实存在,两用风险同样存在。受监管企业拿到的是更难的采购问题,因为以领域命名的 SKU 会让审计方追问哪个模型为何目的接触了哪些数据,而“Gemini 4”已不再是充分的答案。开发者平台团队则继承互联应用的 scope 蔓延:本周宣布的每一项合作伙伴集成都变成一项常设数据授权,agent 可以调用它。
行动建议
- **CTO:**拒绝把“最强模型”当作采购论据。要求提供 Carbon 相对 Argon 在网络任务与你自身通用工作负载两方面的分领域评测,并且在看到反证之前先假定存在取舍。如果确实存在专门化税,发现它的最便宜方式是为期两天的对比测试,而不是季度评审。
- **安全架构师:**在采购方批准任何具备网络能力的模型之前,先写一份明确的访问策略——谁可以调用它、作用于哪些仓库与遥测数据、采用何种日志与留存策略,以及输出是否可以离开租户。如果该模型在攻击性技术方面确实很强,你的威胁模型就要为内部人员能力新增一条条目,而你现有的控制措施并非为此设计。
- **平台工程师:**审计试点窗口内创建的每一项互联应用授权,并设置默认过期时间。把 Connected Apps 开发者平台视为 agent 权限悄然累积之处,并将它与你们为 agent 采用的受限凭证方案做对账。
- **产品负责人:**把 XR 界面排在最后。在承诺路线图之前,先对“模型加眼镜”这一组合做数据驻留与司法辖区检查,并以 Siri 在欧盟的案例作为先例,说明可用性可以多快发生反转。
3. 企业工作流成为 agent 分发渠道,计量方式转入席位 [1][2][3][4][5][6] {持续中}
第二家存量工作流平台在 Oracle 之后 24 小时内与 ChatGPT 和 Codex 实现双向互通,一个法律垂类的 agent 操作系统随四支客户视频一同发布,API 额度被移入订阅套餐内部。
背景
在过去两年的大部分时间里,企业级 AI 的分发都经由 API 与 copilot 侧边栏:模型坐在工作旁边。2026 年的模式不同——模型被放进记录系统内部,而工作流变得可以从助手调用。上一个窗口记录了 Oracle 应用与 agent 以双向方式进入 ChatGPT。一天之后 ServiceNow 的到来,才把一笔交易变成一条渠道。与此同时,《The future of the firm》提供了组织论题,而一支题为“API credits, now in ChatGPT Pro and Business plans”的 YouTube 视频提供了让这条渠道在经济上可读的计费变化。
核心发现
- 双向,而非集成——这一区别很重要。 该合作被描述为把“OpenAI 模型与 agent 引入 ServiceNow,并把 ServiceNow 工作流引入 ChatGPT 与 Codex”——OpenAI News。入站 agent 继承 ServiceNow 的权限模型与审计轨迹;出站工作流让记录系统可以从助手调用。架构上的后果是:存量厂商保留身份与日志的所有权,同时让出推理。这是多数受监管买方唯一会接受的安排,也正是它传播得比模型升级更快的原因。
- 组织论题讲的是缝隙,而不是格子。 《The future of the firm》的定位是“AI 可能如何进入组织架构图——在我们之下、之旁、之间”——OpenAI News。有意义的词是“之间”。企业 latency 集中在交接点上:合同评审到审批、工单到变更、请购到采购订单。占据一个交接点的 agent 具有可直接度量的 ROI,而取代一个格子的 agent 则要付出政治成本。这篇文章是一份定位文件,但它的定位在“钱在哪里”这一点上是对的。
- 垂类证明正在成批发布,而不是单条发布。 Legora 被介绍为“为法律工作构建 agentic 操作系统”,使用“OpenAI 模型、ChatGPT 与 Codex 来加速法律工作流、扩展合同分析,并让律师腾出手来专注于更高价值的工作”——OpenAI News。2026-10-28 09:45 至 09:45 UTC 之间发布了四支视频——“Building the future of legal work with AI | Legora CEO Max Junestrand”、“From legal bottleneck to business partner | Legora's Emma Kadri Bergström”、“Faster contract review. Broader legal analysis. | Legora's Alex Fortescue-Webb”,以及一支概览剪辑——YouTube: OpenAI。这与 2026-10-27 的九支客户视频是同一种成批发布模式,应被读作“品类已装机”的信号,而不是九条或四条独立背书。这些仅有元数据;未获取任何文字稿,因此这些说法实质上未经验证,而且 CEO 与员工出镜证言的格式在结构上就是弱证据。
- 计量正被吸进订阅。 OpenAI 频道发布了“API credits, now in ChatGPT Pro and Business plans”——YouTube: OpenAI——仅有标题层面的信号,没有正文,因此换算比例与过期规则未知。但方向明确:过去以计量 API 支出形式出现的 agent 消耗,正被折进“席位加额度”的捆绑包。对财务团队而言,这移除了他们过去最清晰的信号——按 token(词元)计价的价格——换成一个需要在内部再分配的预算池。
- 反方论证,以及它为何强化而非削弱这一趋势。 Cory Doctorow 在 Pluralistic 的文章标题是“Agents vs ecommerce: Opacity is a feature, not a bug”,他明确把它与自己 2001 年的文章《Metacrap: Putting the torch to the seven strawmen of the meta-utopia》联系起来,称后者是“对‘语义网’背后哲学的一次回应”——Pluralistic。把这一论点放在本周的基础层线索(开放的 Keynote JSON、
auth.md、预结构化格式)之上来读,其结论是:机器可读的界面不会作为公共品出现,因为不透明具有商业价值。这恰恰是工作流 embedding(向量嵌入)胜出的原因:买方通过成为记录系统内部的合作伙伴,获得结构化、带权限的访问,而不是等待一个开放的、可被 agent 读取的 Web。Doctorow 的批评不是对 ServiceNow 与 Oracle 交易的反对论证——它就是这些交易的商业理由。
影响评估
企业架构团队现在每个系统都要在两种集成模式之间做选择:把 agent 嵌入厂商的工作流,或把工作流暴露给助手。二者承载不同的失效模式——前者继承厂商的权限模型,但把你限制在该厂商的路线图上;后者让你的助手触及记录系统,也就意味着一条通往受监管数据的 prompt 注入路径。法务运营是本窗口暴露最严重的垂类,因为合同分析触及特权材料,而这些证言材料并未提供任何关于特权边界的信息。FinOps 团队在额度转入席位的那一刻,就失去了按 token 的可见性。
行动建议
- **CTO:**对每一笔工作流嵌入交易,在签约前书面拿到一个答案:当一个在 ServiceNow 中行动的 agent 从 ChatGPT 被调用时,谁的审计日志具有权威性,它是否记录了授权该 agent 的人类?如果答案需要拼接两份日志,现在就为关联层做预算。
- **企业架构师:**枚举你业务中延迟集中的 5–10 个交接点,并按可度量性而非热情排序。合同评审到审批可以用天数度量;“更好的协作”不能。先资助可度量的那些,并要求每个嵌入的 agent 以一个有名的主体身份、凭受限且短期有效的凭证运行,而不是用一个拥有常设访问权的服务账号。
- **FinOps / 采购:**在捆绑额度成为默认之前重新设定计费分摊基线。为每个团队分配一个额度池,配以考虑过期时间的策略和一条有文档记录的、在峰值时回退到计量 API 的路径,否则你最大的 agent 消耗方将一直不可见,直到年度续约时才暴露。
- **法务与合规:**对法律领域 agent,在部署前界定特权与保密边界,并询问厂商:合同文本、embedding 或 agent 轨迹是否会离开租户。成批发布的客户视频不能作为数据处理方面的证据。
数据可视化
下面的“成熟度对影响力”视图将三个趋势与那条反方线索按近期部署就绪度定位:
Agentic engineering 的度量落在“立即投入”象限,因为度量它们所需的工具只是常规的可观测性工作,而非研究。工作流嵌入影响力高但成熟度中等:合作模式已被验证,审计关联的叙事还没有。Gemini 的能力 SKU 今天即可部署,但其影响力受制于分领域评测的不确定性;而不透明性批评在战略上仍然重要,在操作上仍不成熟。
值得关注
- Apple 触控 OLED MacBook 的命名之争: MacRumors 报道了 Apple CEO John Ternus 的一段预告视频,暗示“MacBook Studio”;John Gruber 认为“这些应该是新的 MacBook 产品线,而不是新的 MacBook Pro”,并且这个名字与 Mac Studio、Studio Display 和 Creator Studio 放在一起“就是合适”——Daring Fireball。这延续了前两个窗口的芯片层线索;值得观察这条光环产品线是否又会搭载比基础款更旧的芯片。
- 数学中最大定理的形式化: John D. Cook 指出,有限单群分类“被称为数学中最大的定理……其含义是它的证明历时数十年、数千页期刊论文才逐步发展而成”,而“两天前 Axiom 宣布它已形式化该证明”——John D. Cook。机器可检验的数学是现有 AI 辅助验证中置信度最高的形式;一次成功的 CFSG 形式化将成为所有关于 agent 可靠性争论的参照点。
- YC 把实体建设当作金融问题来推: 一天内四条仅含元数据的短视频——“Wall Street for the Physical Buildout”“Data Center Supply Chain”“Own Your Intelligence”“Plaid for Government Benefits”——来自 Y Combinator。仅有标题,没有文字稿,因此这是一个低置信度的方向性信号:该加速器的论题正从模型转向算力背后的资本与供应链。
前瞻展望
- 评审能力成为下一个瓶颈品类: 如果 GitHub 的 PR 三倍增长成立,可以预期评审分流、来源溯源以及 agent 撰写变更审计方面的工具,会在数周而非数个季度内成为一个独立品类。留意首个 forge 原生的溯源标准。
- 一份公开的网络模型评测,或者一次反弹: Carbon 的“最先进网络安全”说法目前无法从公开材料验证。可以预期要么发布分领域评测,要么遭遇安全研究者的尖锐批评,而欧盟 AI 法案的风险分级讨论很可能成为场合。
- 第三家存量工作流平台: 先是 Oracle,然后是 ServiceNow。如果一家 CRM 或 ERP 存量厂商在未来两周内补全这一组,就能确认工作流嵌入是默认的企业渠道,而不是两笔孤立的交易。
- 额度预算治理: 一旦 API 消耗被捆绑进 Pro 与 Business 席位,第一套可信的“agent 支出审计”方法论将来自 FinOps 厂商,而不是模型实验室。
其他新闻概要
- Merge CEO Shensi Ding 谈 Codex: 一支题为“AI fluency starts at the top”的短片和一支更长的“Why Merge CEO Shensi Ding stays hands-on with Codex”推动高管参与这一角度——仅有元数据,无文字稿——YouTube: OpenAI。
- LCamtuf 谈耐久性作为现实的检验: 一篇题为“Deus ex machina”的短文主张“也许真实的就是那个不会消失的东西”——在判断哪些 AI 说法能存活十二个月时,这是个有用的启发式——lcamtuf.substack.com。
- Ed Zitron 暂停付费栏目以重发旧文: “Exit Liquidity”解释他在家中事务后“暂停付费内容一周”,将于 11/6 回归——本窗口没有实质性论证——wheresyoured.at。
- Experimental History 链接合集: “Fake it 'til you make it (and then keep faking it)”是一篇链接与更新帖,feed 中没有可摘要的论证——experimental-history.com。
- C++/WinRT 反模式: Raymond Chen 指出一种“过度纠正”:开发者使用
make_self后立即转换为投影接口——其判语是“你走的是风景路线”——The Old New Thing。 - 硬件评测: SoundPEATS CC3 Pro 夹耳式蓝牙耳机获评 ★★★★⯪,被称赞为全天佩戴时“轻松是我戴过最舒服的耳机”——shkspr.mobi。
- 平台退出的历史: 一篇回顾德州仪器于 1983-10-28 停产 TI-99/4A 并退出家用电脑市场的文章——一家资源充足的厂商输掉平台之争的经典案例——The Silicon Underground。
- 其余 Legora 客户视频: “From legal bottleneck to business partner | Legora's Emma Kadri Bergström”与“Faster contract review. Broader legal analysis. | Legora's Alex Fortescue-Webb”——仅有元数据,属于趋势 3 中评估的四支视频批次——YouTube: OpenAI。
参考文献
趋势 1:Agentic engineering 变得可度量
- [Simon Willison] - GitHub Octoverse 2026
- [Simon Willison] - vibe 游戏开发的十月拐点
- [Simon Willison 引用 Terk Terkowitz] - 引用 Terk Terkowitz
- [nesbitt.io] - 源码管理周报:2026 年 10 月 28 日
趋势 2:Gemini 4 碎片化为按能力划分的 SKU
- [Google Gemini Blog] - Gemini 4 Carbon:我们的下一个前沿模型
- [Google Gemini Blog] - 在 Gemini 应用中通过沉浸式探索深入新话题
- [Google Gemini Blog] - XREAL AURA:用于观看、工作与娱乐的有线 XR 眼镜
- [Google Gemini Blog] - 在一处构建并管理 Connected Apps
- [Simon Willison 引用 Ted Sanders] - 引用 Ted Sanders
趋势 3:企业工作流成为 agent 分发渠道
- [OpenAI News] - OpenAI 与 ServiceNow 扩大跨企业工作流的合作
- [OpenAI News] - 公司的未来
- [OpenAI News] - Legora 正在为法律工作构建 agentic 操作系统
- [YouTube: OpenAI] - API 额度现已进入 ChatGPT Pro 与 Business 套餐
- [Pluralistic / Cory Doctorow] - Pluralistic:Agents vs ecommerce(2026 年 10 月 28 日)
- [YouTube: OpenAI] - 用 AI 构建法律工作的未来 | Legora CEO Max Junestrand
其他文章
- [Daring Fireball 引用 MacRumors] - 猜名字:MacBook Studio?
- [John D. Cook] - 不平衡群定理
- [YouTube: Y Combinator] - 实体建设的华尔街
- [YouTube: Y Combinator] - 数据中心供应链
- [YouTube: Y Combinator] - 拥有你自己的智能
- [YouTube: Y Combinator] - 政府福利领域的 Plaid
- [YouTube: OpenAI] - Legora 如何用 OpenAI 改造法律工作
- [YouTube: OpenAI] - 更快的合同评审,更广的法律分析 | Legora 的 Alex Fortescue-Webb
- [YouTube: OpenAI] - 从法律瓶颈到业务伙伴 | Legora 的 Emma Kadri Bergström
- [YouTube: OpenAI] - 为什么 Merge CEO Shensi Ding 仍亲自上手 Codex
- [YouTube: OpenAI] - Merge CEO Shensi Ding:AI 素养始于高层
- [lcamtuf.substack.com] - 机械降神
- [wheresyoured.at] - 退出流动性
- [experimental-history.com] - 装作会,直到真的会(然后继续装)
- [devblogs.microsoft.com/oldnewthing] - C++/WinRT 的过度纠正:使用 make_self 后立即转换为投影接口
- [shkspr.mobi] - 产品评测:SoundPEATS CC3 Pro 蓝牙耳机
- [The Silicon Underground] - TI-99/4A 于 1983 年 10 月 28 日停产