真正能“上岗”的 Agent，为什么还离不开人？从后院报价到三家创业公司的现场答辩
怎样让 Agent 从完成一次演示，走到参与真实工作？
文章
由 AI 采访转化而来，每篇都能追到原视频。
云端 GPU 的邻居只看时序，就能认出你的模型吗？
共享 GPU 即使隔开显存，另一个租户仍可能从自己的读取时序推测模型运行情况。
让模型判断，让状态机执行：Perpetual 怎样给财富管理 AI 划边界
财富管理流程既有含糊判断，又涉及客户数据和合规责任，AI 工作流怎样兼顾灵活与可控？
让 Agent 在沙箱里跑 1,000 个任务：AWS 团队发现了哪些故障？
Agent 在本地跑通的任务，搬到远程沙箱后仍可能被目录权限、依赖路径或资源限制卡住。
Agent 说“做完了”还不算：WorkOS 如何让它自己交出证据
编码 Agent 声称任务完成，怎样确认用户需要的功能真的可用？
银行 Agent 说“退款已发出”，其实什么也没做：Langfuse 怎样给高风险 Agent 设上线门槛
高风险 Agent 的回复看起来正常，怎样判断它真的完成了任务？
别再把 Agent 的每一步写死：OpenProse 如何用 Markdown 管理多 Agent 工作流
模型和调度框架不断变化，多 Agent 工作流怎样留下能复用的做法？
把科学问题变成分数以后，AI会加速研究，也会放大奖励漏洞
科研 Agent 能快速搜索大量程序，科学家怎样确保它优化的是有意义的问题？
Jev 不是另一个聊天模型：它想让代码直接调用“判断力”
当软件需要的是一个判断而非一段聊天，模型接口应该怎样设计？
别让 AI 替你写，让它重复你已经说清楚的东西
AI 写出的文字可以通顺正确，却仍然像任何人都能说的话。
电脑 Agent 会做一次还不够：Simular 怎样让它学会重放，出错后再接着做
电脑 Agent 偶尔完成任务，离每天执行同一流程还有距离。
不再只向闭源模型“租用智能”：Fireworks AI 怎样把训练、部署和反馈接成循环
把应用从闭源模型切到开源模型，成本可能降低，质量和维护工作却不会自动解决。