我终于想明白 RAG 为什么治不了 Agent 记忆过期：时序上下文的四个机制、两条开源路线和真实边界实操
本文作者：AYi（@AYi_AInotes）。版权归作者所有，未经授权禁止转载。
做 RAG 应用，最危险的不是检索不到，而是新旧事实一起被检索出来：客户三月确认预算 50 万，六月改成 30 万，Agent 却回答 "预算在 30 万到 50 万之间&
电影《牛来》，打了多少人的脸？
本文作者：程序员小灰（@XiaohuiAI666）。版权归作者所有，未经授权禁止转载。
大家好，我是程序员小灰。
2026年最火爆的国产电影是什么？毫无疑问，就是近期正在上映的动画电影《牛来》。
这部电影之所以火爆，不是因为它的做工有多么精良，恰恰相反，而是因为它因为做得 “烂” 而走红。
截至这篇文章发布，《牛来》的票房已经突破 1000 万，超过了同期许多大制作、大牌明星出演的电影。
小灰出于好奇，
我把10本橙皮书搬进了WorkBuddy！
本文作者：花叔（@AlchainHust）。版权归作者所有，未经授权禁止转载。
DeepSeek把Harness开源的第二天，我发了本橙皮书到GitHub上，名字叫《DeepSeek Harness：从开机到拆开》。
做橙皮书现在算是我学一个新概念的主要方式了。我早就说过，我这套橙皮书基本都是agent写的，我自己要做的只有那么几件事：想清楚我到底要什么，这本书是写给谁看的，内容按什么顺序摆出来读者才好理解，以及它写到什么程度更可能对我和我的目标受众有用。
这套橙皮书📙还有一点其实挺关键的。这些新概念冒出来的时间都太近了，压根不在模型的训练语料里，你直接让它写，它就开始编，
我让邮箱 Agent 管了一周收件箱,最后给它发了一封投毒邮件
本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。
最近很苦恼，我的收件箱有 900多封未读邮件，多半是 GitHub 发来的 "Run failed"。
漏一封 GitHub 通知无所谓。可这几百封构建失败通知里，也有品牌方的 brief、报价、发票——漏一封，
一本 FDE 开源书的意外爆火： AI Native 的写作出版应该是什么样的？
本文作者：XDash（@XDash）。版权归作者所有，未经授权禁止转载。
7 月 29 日，我在 Claude Code 的辅助下，写完了一本 20.6 万字的新「书」。它原本只是我拿来自学的材料，也是我尝试用 AI 长篇写作的样例。
第二天下午，我顺手把它上传到了 GitHub
一个极度实用的深度思考Prompt，帮你挖出最本质的答案。
本文作者：数字生命卡兹克（@Khazix0918）。版权归作者所有，未经授权禁止转载。
前几天，我在推特上刷到了一条很有意思的分享。
原文找不到了，只剩下了这张图。
大概意思就是，先不要让大模型直接回答，先进行一些深度思考，再给你回答。
我顺手也试了一下，效果确实还不错。
里面我觉得最有用的那句可能就是：
“让最终答案真正对我有用，而不是给出一份谁都能套用的通用建议。”
但是坦诚的讲，毕竟Prompt这玩意已经快3年半了，都比一坤年还多了一整年，这个Prompt在日常用的时候，确实还可以，但是我觉得还没有到能形成一个很棒的方法论的程度。
于是我又去顺手找了一下上面帖子里面说的Reddit的原文，
企业真正缺的不是知识库，而是能自己把事办完的数字员工
本文作者：泊舟（@bozhou_ai）。版权归作者所有，未经授权禁止转载。
这两年我接触过不少企业 AI 项目。大家最先想到的，通常都是搭一个知识库机器人：上传几份文档，让员工或者客户直接提问。
这种应用做起来不难，演示效果也很直观，但真正上线后经常会卡在同一个地方
它能告诉你“故障报修需要提供地址和电话”，却不能接着把地址和电话收集完整；
它能解释某个套餐，却不会根据用户的实际需求做比较，更不会继续生成一张可以交给后续人员处理的工单。
企业愿意长期使用的，不只是一个会回答问题的聊天框，而是一个能理解任务、
最强的矛与盾：本地部署到底该买什么
本文作者：实践哥MinLi（@MinLiBuilds）。版权归作者所有，未经授权禁止转载。
部署本地模型，是选 NVIDIA DGX Spark，还是选两张魔改 48G 的 RTX 4090？
这两台机器是极度的偏科生。一台内存大得离谱但带宽窄，一台带宽宽得离谱但显存要靠魔改。
选择模型的第一要素是，尽量压榨这两台机器的显存以及算力。因此，选的这两个都装不进一张卡。Qwen3.8-27B 全精度
测了2天，消耗大量tokens。10 个维度 50 项：8款前沿大模型能力横评
本文作者：huangserva（@servasyy_ai）。版权归作者所有，未经授权禁止转载。
目录：这篇文章会回答什么
1. 我们做了什么：8 款模型、两轮测试
2. 测试项目：D1–D10、50 个细项
3. 怎么计分：从 0–5 细项到
Codex 一干活就跑偏？先检查这 5 个容易忽略的设置
本文作者：sitin（@sitinme）。版权归作者所有，未经授权禁止转载。
不少人装好 Codex，先去研究模型，再去收藏提示词，最后一口气装十几个 Skill。
忙了一圈，使用体验还是别扭。
让它改一个小问题，它顺手碰了旁边几个文件。任务正在执行，临时补一句要求，不知道它会立刻改方向，还是等前面的工作结束。回复有时太长，有时又省掉了想看的解释。权限收得太紧，读文件、改代码、跑命令一路都在等确认。
说一个反常识的真相，Agent如今在真实工作场景的成功率依然很低。
本文作者：数字生命卡兹克（@Khazix0918）。版权归作者所有，未经授权禁止转载。
上周一，我发了自己做的AIHOT大模型排行榜。
有很多朋友感兴趣，在文章下面评论，最高赞的一条，是在问能不能有个分类测评，能够评估不同模型做不同任务的表现。
讲道理，这其实一直是我想做的，也是我觉得特别特别核心的痛点。
现在的大模型榜单很多，比如LiveBench、DeepSWE之类的，可以很快知道哪个模型在某一个能力维度上更强，像Coding、数学、浏览器操作等等。
但是有一类评测集，其实是最稀缺的。
就是模型在真实工作中的实际完成效果。
从发票 Skill到 Mail Agent
本文作者：实践哥MinLi（@MinLiBuilds）。版权归作者所有，未经授权禁止转载。
上半年，我花了2小时，给自己做了一个整理报销发票的 Skill。
它每个月会从几百封邮件里找发票、下载附件、去重、分类，最后生成一张报销表。以前每月要浪费两个小时的事，后来只用跟 AI 说拉一下发票。
那篇文章发出来以后，很多人问：
有没有一种办法，不装 Claude Code、不配