今日 AI 要闻

• 主帖称 Overmind 已开源用于训练小模型的平台。
• 主帖称平台使用 Agent 真实工作记录来构建训练数据和评测。
• 主帖称合同问答测试覆盖 100 多份合同和 4,000 多个问题，训练模型编造引文率为 0.12%。

测试结果来自 X 主帖，缺少独立复测和完整评测设置；适用性取决于任务是否足够重复和可标注。

• 主帖称 OpenAI 正在降低 higher API rate limits 的资格门槛。
• 主帖称五个 paid usage tiers 被简化为 Build、Launch、Grow 三档。
• 主帖称 Grow 最高档的资格从此前累计 1,000 美元付款降至 500 美元。

信息来自 OpenAI Developers 官方 X 帖；具体限额数值、地区和账号适用条件需以开发者后台为准。

• 主帖称 Armadin 自今年 1 月以来在 Fortune 500 客户站点发现 90 多个生产环境 zero-days。
• X 补证称 Armadin 的 agents 会从外部映射服务、路由和系统，并在环境变化时重新攻击。
• X 补证称目标是从已知漏洞到判断真实可利用性，抢在攻击者之前完成验证。

内容来自 a16z 访谈摘录和同账号补充帖；涉及安全产品宣传，缺少第三方披露清单和复现细节。

• 主帖称 Tibo 在采访中提到用户既喜欢 Work 模式能力强，也有人只想用更快、更轻量的普通 Chat。
• 主帖称团队准备把 Chat 和 Work 直接合到一起。
• 主帖称之后会把 Dots 的 Agent 能力慢慢接进 ChatGPT。

内容来自对采访片段的 X 转述，不是正式产品公告；额度是否同步变化属于作者推测，未写入事实判断。

• 主帖称 The Every 团队尽可能把工作交给 agents。
• 主帖称 The Every 用 Claude Managed Agents 构建了一个全团队在 Slack 中使用的 company agent。
• 主帖称该 Agent 内部采用后，已发布给 The Every 的订阅者。

这是 Claude 官方转述的客户案例，缺少独立效果指标；是否适合其他组织取决于内部知识、权限和流程成熟度。

• 主帖称 Addy Osmani 开源了 25 个覆盖工程生命周期的 agent skills。
• 主帖列举 API 设计、测试、简化和 Git 工作流中的 Hyrum’s Law、Beyonce Rule、Chesterton’s Fence、trunk-based development 等原则。
• 主帖称每个 skill 都包含 anti-rationalization table，用来反驳 Agent 跳过步骤的借口。

信息来自单个 X 帖，GitHub 星标和安装覆盖范围未在本流程中复核；适合作为方法信号而非已验证生态规模。

• 主帖称 Waza 增加了一个来源于 ASD-STE100 思路的操作和回复规则。
• 主帖强调同一对象保持同一名称、指代不清时写明对象、条件和例外要靠近对应动作。
• 主帖用“上传完成后删除本地文件”举例，说明删除完成条件会改变操作安全性。

这是个人工具方法更新，不是平台级发布；价值取决于团队是否把规则持续用于真实任务和 review。

• 主帖列出 AI pilots 失败原因，包括缺少流程 mapping、只自动化单步骤、未捕捉基线指标。
• 主帖称 sidekick/chatbot 往往采用率有限，后台 agent 和系统记录集成更关键。
• 主帖还提到 legal、infosec、finance、subject matter experts 和 month 7 预算归属问题。

内容是实践者经验清单，并带有服务推广语境；适合作为落地方法参考，不等同于统计研究。

• 主帖称 Agent 采用和部署被真实工作环境中的测试、调优和优化卡住。
• 主帖列举文件、CRM、邮件等 Agent 需要访问的环境。
• 主帖称每家企业都会需要管理 evals、构建和运行 evals 以及模拟环境的基础设施。

这是行业观点而非产品发布；没有给出具体客户数据，但与今日多条工程化信号方向一致。

• 主帖称 Boris 让 Opus 5.5 为一集 Acquired 播客制作互动网站。
• 主帖把提示词重点概括为做什么、消耗多少推理算力、如何验证自己做对。
• 主帖摘录的原始提示要求用互动形式传达整集商业智慧，并不断迭代直到满意。

这是单个创作案例，不足以证明 Opus 5.5 在所有长内容交互呈现任务上稳定可靠。

• 主帖称 Rippling AI built on Deep Agents + LangSmith。
• 主帖称架构包含一个 supervisor agent，协调 5 到 7 个 specialized subagents。
• 主帖称 tracing、evaluations 和 production monitoring 由 LangSmith 处理。

官方帖信息量较短，缺少性能指标和真实场景细节；作为架构信号保留，不作效果结论。

• 主帖称新视频讲解如何 build a model router into the harness。
• 主帖列出四步：理解任务、理解模型、在 harness 中构建 router、跟踪任务结果。

这是教程预告而非产品发布；没有公开实验结果，适合作为方法提示而非确定趋势证据。

• 主帖称 Hindsight 会读取 git history 和 past sessions，并为每个 repo 维护 memory bank。
• 主帖称它会在新会话开始时把上下文传给 coding agent。
• 主帖称安装命令可接入 Claude Code、Codex、Cursor、Copilot、opencode，并可在本机 Docker 运行。

信息来自单个 X 帖，开源星标和兼容范围未在本流程中复核；需要实际试用确认上下文质量和隐私边界。