内容
封面图提示词：A horizontal 16:9 cinematic sci-fi mecha poster, showing a sleek humanoid biomechanical robot in side profile, standing on the right side of the frame with clean negative space on the left. The mech has sharp angular armor, vivid yellow-orange main plating, white shoulder and head armor, black internal mechanical joints, a glowing red eye visor, and a tall fin-like structure behind its back. Full body visible, elegant and aggressive silhouette, ultra-detailed hard-surface design, metallic reflections, scratches, subtle cracks, layered panel lines, and dynamic yellow-orange debris and paint splatter around the body. Minimalist light gray background, dramatic volumetric lighting, high-end concept art quality, futuristic, polished, visually striking, no text.
AI 原生研发流程
年初尝到了AI编程的魔力后也高强度使用小半年了，期间诞生了Lumina和Infinitum这俩工具。但过程中总觉得还是缺点什么，需要人工干预的部分仍然很多，整个流程没有达到理想中的流畅。虽然也学习了 Harness Engineering 概念，也看了不少实践案例，但总觉得还是很模糊，很难工程化落地。本周，想着从软件工程本身出发，将其中以人和工具为主的流程改造成以AI和工具为主人为辅，并在和AI的沟通中得到了这个词—— AI 原生研发流程。
一种以 AI Agent 作为新的研发执行单元，重新组织需求、设计、开发、测试、部署和复盘的完整流程。需求不再只是静态文档，而会被 AI 转化为可验证的目标、技术方案、任务拆解和执行计划；代码开发也不再只是单点辅助，而是由多个 Agent 在明确上下文、权限、任务边界和质量门禁下协同完成。
核心价值是把软件交付过程变成一个可编排、可审查、可追踪、可复用的智能化系统。需要理解历史代码、项目规范、架构约束和业务上下文，能够把需求拆解成任务 DAG，调度合适的 Agent 执行开发、测试和修复，并通过 CI、自动化测试、代码审查、安全扫描和部署流水线形成工程闭环。
AI 原生研发流程的护城河不在于某个单一模型，而在于围绕模型构建的研发 Harness：上下文供给、任务规划、工具调用、权限控制、验证体系、失败归因和项目记忆。每一次需求交付都会沉淀为新的工程经验，让下一次 Agent 执行更稳定、更符合团队习惯，也让软件研发从“人使用工具”逐渐演进为“人管理目标，Agent Team 执行过程”的新型协作模式。
概念是明白了，但实操起来依旧很难，后续打算先做个小工具，直接以实践方式学习。大家如果有相关经验或工具，欢迎分享。
个人动态
Infinitum发布v0.1.3版本
个人资讯聚合工作台，提供 RSS 抓取、正文补抓、AI 摘要、事件归组、AI 日报等功能，提高信息获取效率。周维度例行更新，修复了一些已知问题。
Lumina发布v1.1.4版本
个人信息管理工作台，通过网页应用 + 浏览器扩展，帮助你完成文章采集、AI 解读和阅读管理。周维度例行更新，修复了一些已知问题。
热点事件
| 事件 | 一句话说明 |
|---|---|
| Anthropic 推进巨额融资并扩大企业客户 | Anthropic 正推进规模达 400 亿至 500 亿美元的融资，企业客户数量也被报道已超过 OpenAI。 |
| OpenAI 发布 GPT-5.5-Cyber 并成立企业部署公司 | OpenAI 推出网络安全专用模型 GPT-5.5-Cyber，并通过 Trusted Access for Cyber 框架限制访问权限。 |
| Anthropic 发布 Claude for Small Business | Anthropic 推出面向中小企业的 Claude for Small Business 自动化服务套件。 |
| Google 发布 Gemini Intelligence 与 Googlebooks | Google 在 Android Show 发布 Gemini Intelligence，并推出 AI 原生笔记本 Googlebooks。 |
| 阿里巴巴发布通义千问购物智能体 | 阿里巴巴推出基于通义千问的 AI 店小蜜与 AI 购物助手，并全面接入淘宝平台。 |
| OpenAI 考虑起诉苹果 | OpenAI 被报道考虑对苹果采取法律行动，指控其阻碍 ChatGPT 在 iOS 生态中的集成。 |
| 快手拟分拆可灵 AI 融资 | 快手正评估分拆 AI 视频生成业务可灵 AI，计划以 200 亿美元估值融资 20 亿美元。 |
| GitLab 与通用汽车裁员转向 AI | GitLab 重组并押注 AI 代理，通用汽车也裁减 IT 员工以推进 AI 自研转型。 |
| OpenAI 升级 Codex 为通用开发代理 | OpenAI 全面升级 Codex，新增电脑控制、浏览器集成和 PR 审查等开发代理能力。 |
| xAI 发布 Grok Build 编程智能体 | xAI 推出 Grok Build，强调“先规划后执行”的编程工作流，并支持多平台与自动化集成。 |
更多资讯可查看Infinitum AI日报：https://infinitum.shawnxie.top/daily
佳文共赏
Forward Deployed Engineer：AI 时代的新宠岗位，到底干什么？
OpenAI、Anthropic、Google正集中押注FDE岗位：OpenAI以40亿美元外部资金成立部署公司并收购150人团队，Anthropic筹建独立企业AI服务公司，Google则压缩面试加速自招。FDE负责进驻客户现场，把AI模型接入真实业务。AI竞争重心正从模型能力转向企业落地，FDE成为商业化关键，但独立公司模式可能使其更接近咨询而非产品反馈枢纽。
裁员将持续进行，直到我们学会使用人工智能
科技公司裁员并非因AI直接替代员工，而是AI让代码等“投入”暴增，却未同步转化为功能、收入等“结果”，还推高token成本并放大组织协同摩擦；裁员短期可抵消AI开支、减少对齐成本，因此在企业学会把AI效率转化为真实业务增长前，相关裁员仍会持续。
技术博客
Claude Code 在大型代码库中的使用：最佳实践与入门指南
Claude Code在大型代码库落地的关键不在模型本身，而在围绕代码库建立可导航、可维护、可治理的配置体系：用分层CLAUDE.md提供上下文，配合hooks、skills、plugins、LSP、MCP和subagents提升检索、执行与分发效率，并由专人或团队持续维护规则和治理；组织若提前建设基础设施、控制上下文噪音、定期更新配置，采用效果和规模化速度显著提升。
我把 22 号端口开放在公网上长达 54 天，看看都有哪些“访客”找上门来
作者将伪装成 Ubuntu SSH 服务器的蜜罐开放 54 天，记录到 26.9 万次连接、7556 个攻击 IP、25.5 万次登录尝试；多数为自动化脚本，先用弱口令和默认凭据爆破，再执行 uname 等指纹探测，少数进入交互 shell 并部署 Mirai、反连载荷或尝试清痕。流量主要来自云 VPS 与被控家宽设备，Solana 节点成为明确目标，结论是公网 22 端口会在数秒内被持续扫描，SSH 必须禁用密码登录并使用密钥认证。
语音智能体中的记忆问题比你想象的更难
语音智能体的记忆不能沿用文本架构，500至800毫秒响应预算下，同步向量检索和实时总结会破坏对话节奏；可行方案是反转读写路径：通话前预加载用户画像、上次摘要和未结事项，通话中只查热缓存，语义检索和事实写入异步执行，通话后总结并在空闲期整合，最终记忆质量取决于预先准备和筛选，而非临场检索能力。
开源项目
re_gent：AI编程代智能体版本控制工具
re_gent 是面向 AI 编程代理的版本控制工具，用于记录代理每次工具调用造成的代码变更、来源与对话上下文，支持日志、逐行溯源、状态查看、审计和回退；其以 Go 构建，采用内容寻址存储、SQLite 索引和多会话 DAG 追踪，与 Git 互补。目前核心存储与 Hook 集成已完成，正开发分支探索、时间旅行和多工具适配能力。
Rowboat：本地优先的AI协作者工具
Rowboat是开源、本地优先的AI协作者，连接Gmail、日历和会议记录，将工作数据以Obsidian兼容Markdown存入本地并构建长期知识图谱，用于会议准备、邮件起草、文档生成和实时追踪主题；支持本地或托管模型及MCP外部工具集成，核心价值是让上下文可编辑、可备份、可迁移，降低平台锁定。
Open Design：Anthropic Claude Design 的开源替代方案
Open Design 对标 Claude Design，提供 Apache-2.0 开源、本地优先、可自托管的设计生成方案，自动接入 16 种编码代理或 BYOK API，结合 31 项技能与 72 套设计系统生成原型、演示、图像和视频，支持 Vercel 与 Electron 部署，降低云端锁定与模型绑定风险。
资源推荐
Tripo：AI驱动3D生成平台
Tripo是AI在线3D生成平台，可由文字、图片或草图生成可生产3D资产，并提供智能分割、4K PBR纹理、局部重绘、自动绑骨与动画等工具，支持游戏、3D打印、影视、AR/VR、建筑等场景，兼容Blender、Unity、Unreal等流程，已形成650万创作者、1亿模型的生态，核心价值是降低3D资产制作门槛并加速内容生产。
学习资料
从零构建大型语言模型
《Build a Large Language Model (From Scratch)》官方代码库提供从零实现GPT类LLM的完整教学代码，覆盖数据处理、注意力、预训练、分类微调、指令微调与推理，采用纯PyTorch、可在普通笔记本运行，并扩展Llama、Qwen、Gemma、MoE等架构，配套视频、自测、Docker、答疑及推理模型续作资源。