作者在 HuggingChat 中开启 ML-intern，用提示词驱动智能体完成数据构建、训练、评测与发布，几天内做出六个模型，总计算成本约 103 美元。其中把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏成 0.8B 版本，可在 CPU 上运行，输出有效率 99.7%，token 用量约为教师模型的四分之一。作者公开了七个提示词，并建议在提示中要求基线分数、冒烟测试和预算上限。
推荐理由：作者用 ML Intern 从零训练六个小模型的完整提示词与成本清单，可迁移到自己的微调与蒸馏流程。
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。
推荐理由：GitHub 把模糊测试的 harness 编写、覆盖率追踪和崩溃分诊交给 LLM 智能体，可参考其任务流与工具分层设计。
JetBrains 撰文分享其为 Air Context 构建语义代码搜索 RAG 流水线的第一阶段经验，覆盖解析、分块与向量化。其结构感知分块支持 Kotlin、Java、Python、JavaScript、TypeScript、C#、PHP、Go 和 Rust 九种语言，其他语言回退到按行切分。
推荐理由：JetBrains 公开了语义代码搜索 RAG 流水线的解析、分块与向量化细节，含二进制量化的取舍经验。
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++，对象是一个无测试套件、无集中文档的物理储层模拟器。团队先搭建数值一致性校验框架，再用 Vibe CLI 启动上百个智能体解析调用树并补文档，最终采用人工把关的 coder、tester、reviewer 结构化工作流逐模块迁移。
推荐理由：Mistral 用智能体迁移 4 万行 Fortran 的完整流程，可迁移到自家遗留代码改造。
JetBrains 发布 JetBrains Central CLI，把第三方终端 Agent 的请求统一走自家 AI 路由层，从而对 Claude Code、Codex 等工具施加 AI credits 形式的 token 预算。
推荐理由：JetBrains 公开了内部 AI 成本治理的完整路径，读者可参考其用 CLI 统一路由第三方 Agent 并设置 token 预算的做法。
Anthropic 工程团队发文介绍 claude.ai、Claude Code 和 Claude Cowork 三款智能体产品各自的隔离架构，分别采用临时容器、人在回路沙箱和本地虚拟机三种模式。
推荐理由：Anthropic 公开了三款产品各自的隔离架构与真实事故复盘，可用来对照自家 Agent 的沙箱与出网策略。
Anthropic 在 Claude Platform 上推出托管服务 Claude Managed Agents，把智能体拆成 session、harness 和 sandbox 三个可独立替换的接口，让大脑与双手解耦。
推荐理由：Anthropic 官方拆解了托管智能体的架构取舍，读者可据此理解长任务智能体在延迟、安全与扩展上的设计思路。
Anthropic 介绍 Claude Code 新增的 auto mode，用模型分类器代替人工审批，在手动确认和 --dangerously-skip-permissions 之间取中间路线。
推荐理由：Anthropic 公开了 auto mode 的两层分类器设计与实测数据，可据此判断能否用它替代逐条人工审批。
Anthropic Labs 团队成员 Prithvi Rajasekaran 介绍了用于长时应用开发的 harness 设计，借鉴 GAN 思路把生成与评估拆成不同智能体，先在前端设计上用四条评分标准把主观质量变成可打分项，再扩展到全栈开发。
推荐理由：Anthropic 工程团队公开了生成器加评估器的多智能体 harness 设计细节，可迁移到自家长任务编码流程。
Anthropic Safeguards 团队研究员 Nicholas Carlini 用 16 个并行 Claude 智能体从零写出一个基于 Rust 的 C 编译器，可编译 Linux 6.9 的 x86、ARM 和 RISC-V 版本。
推荐理由：Anthropic 研究员公开了并行 Claude 智能体团队的编排细节，包括测试设计、任务锁与并行拆分方法，可迁移到自家长任务自动化。