Show HN：sim-xp 用 Agent 把工程博客、故障或想法变成模拟
sim-xp 的 story-to-playbook 技能可把工程博客、事故复盘或想法转成经校验的 playbook.json 模拟并运行。用户可用 npx skills add smarchone/sim-xp --skill story-to-playbook -g 安装，并在 Claude Code 中执行 /story-to-playbook 生成。
#Agent
#Agent
今日 22 条Hacker News · Show HNAI 评分4949 Hacker News · 高分新帖AI 评分7171 HybridAgents：在潜空间推理、通过文本行动的混合推理智能体
arXiv 论文提出 HybridAgents 混合推理智能体，在统一生成过程中动态切换潜空间推理与文本交互。轻量模块 HybridLink 负责两种模式的转换，连续工作记忆在多次交互中保留无损的混合上下文，潜空间中的思考过程可直接检查，同时保留调用工具的能力。
Hacker News · Show HNAI 评分5757 Hypereffect 发布超媒体协议，服务端用 JSON 描述界面由各平台原生渲染
Hypereffect 是一个超媒体协议，服务端发送 signals 和 elements，由各平台 renderer 用自身原生控件绘制，组件固定为 18 个。
Hacker News · Show HNAI 评分5555 TriHerm Labs 发布本地优先的 macOS 视频录制剪辑工具 Cutmark，支持 MCP
TriHerm Labs 发布本地优先的 macOS 视频录制与剪辑工具 Cutmark 0.3.0，素材默认存放在 ~/Movies/Cutmark 并以普通文件管理。
Hacker News · Show HNAI 评分7171 OpenDesk 发布开源客服系统，对标 Zendesk 和 Intercom
OpenDesk 是一个 Apache-2.0 开源的客服系统，把邮件、在线聊天和帮助中心汇成一个共享工单队列，代码在 GitHub 上公开开发。内置 AI 助手 Ollie 能从帮助文档中找答案、起草回复、翻译和分流，所有动作都标注为 Ollie，管理员可为整个工作区关闭 AI。
Hacker News · Show HNAI 评分6464 fin 发布本地财务数据 CLI，可汇总银行账户与 Amazon、Costco 订单
fin 是一个在本地运行的命令行工具，通过 Plaid 连接银行、信用卡和券商，并读取 Amazon 与 Costco 的订单和收据。交易数据存进本地的 DuckDB，终端输出表格、给 Agent 输出 JSON，也可用 fin ui 在浏览器查看净资产走势、月度支出对比和 SQL 编辑器。
Hacker News · Show HNAI 评分6464 Pi-cowboy 开源多智能体编排器，可把 Codex、Claude Code、OpenCode 当作子智能体并行运行
Pi-cowboy 是作者以 MIT 协议开源的 Pi 多智能体编排器，可通过 npm 安装。它把大任务拆成子任务交给后台智能体并行执行，每个智能体运行在独立的 Herdr 终端窗格和 copy-on-write Git worktree 中，可混用 Pi、Claude Code、OpenCode、Codex 等 harness，完成后逐个合并分支并清理。
Hacker News · Show HNAI 评分3636 Show HN：新生儿喂养 GitHub 贡献图变成 SaaS 婴儿追踪器
一位新手爸爸用 Claude 在一周内把记录儿子喂养的 GitHub 贡献图扩展成完整的婴儿追踪器，并向其他父母开放。产品以儿子命名，不追求盈利，只覆盖 Postgres 账单，还接入智能体做统计并自动化 Divoom。
Hacker News · Show HNAI 评分6363 Secret Guard 发布本地 LLM 网关，密钥不出本机
Secret Guard 是一个本地 LLM 网关，把发往模型厂商请求中的密钥替换成等长同字符集的 Mock，响应回来时再还原真实值，Agent 工具照常调用真实系统。
Hacker News · Show HNAI 评分4646 ChatGPT Plugins 最实用开源精选：719 个插件入选 28 个分类
一个开源仓库从 ChatGPT Plugins 官方目录的 4,338 个条目中精选出 719 个插件，覆盖 28 个类别。该仓库还提供可搜索的完整目录、JSON 和 CSV 导出，以及公开 MCP endpoints 列表。并为插件构建者汇总官方文档、SDK、框架、测试工具、模板和提交清单。
Hacker News · Show HNAI 评分6161 CallSitter 开源 AI 接线机器人，拖住诈骗电话并转达真实来电留言
CallSitter 是一个开源来电接听 AI 智能体，号码转接到 Telnyx 后由 OpenAI gpt-live-1 接听，TypeSafe Jev 对通话分类并按 config/call-flow.yaml 的确定性流程处理，诈骗电话被拖着聊，推销电话礼貌拒绝，真实来电记录留言并通过 Telegram 摘要送达。
Hacker News · 高分新帖AI 评分7373 DeepSeek 上线 Search 与 Fetch API，每千次成功请求 0.75 美元
DeepSeek 开放 Search 与 Fetch 两个 JSON API，Search 由自研搜索引擎按查询返回结构化网页结果，Fetch 抓取单个网页并以 Markdown 返回正文，供 Agent 和 RAG 应用获取实时网页内容。
arXiv cs.AI / cs.LG 最新AI 评分5252 推理的单个像素：一句有来源支撑的真话就足以误导 LLM 智能体
arXiv 论文提出单关系攻击（ORA），先定位证据与结论之间的一个隐含前提，再用一句有来源支撑的话把这个前提改写，就能把 LLM 智能体引向错误结论。在生物医学推理和漏洞检测任务上测试 18 个模型，best-of-10 攻击对闭源模型平均翻转 54.9% 原本正确的答案，对开源权重模型为 80.0%。
arXiv cs.AI / cs.LG 最新AI 评分6262 SpriteStage：用渐进式场景编程与回放生成长篇动画
arXiv 论文提出 SpriteStage，一个渐进式场景编程框架，用逐场景生成加引擎重编排来制作长篇动画。每场戏从已验收的世界检查点和叙事快照出发，在共享空间舞台上执行，再依据运行时与视觉反馈修订动作或剧情节点，验收结果成为下一场的起始状态。
arXiv cs.AI / cs.LG 最新AI 评分5858 UVA 方法教代码 Agent 提问时不泄露私有代码
论文提出 utility-verified abstraction（UVA），训练本地代码 Agent 在向云端强模型咨询时用角色和类型描述私有实体，同时保留专家所需的技术细节。
arXiv cs.AI / cs.LG 最新AI 评分5555 RQA 让智能体无需共享奖励也能学会合作
Francesco Morri 提出 Reciprocal Q-Augmentation（RQA），用隐变量对手模型估计自身动作对其他智能体的影响，并据此增强 Q 函数，使智能体仅凭自己的 Q 函数就能同时学到合作与背叛策略。
arXiv cs.AI / cs.LG 最新AI 评分5858 DialogMem 基准：评测 3D 环境中对话与物体绑定的具身记忆
DialogMem 是一个两阶段基准，让智能体用时间对齐的 RGB-D 观测流与对话构建记忆，再用于实例级物体导航和问答。它包含 27 个真实 3D 场景的 142 个 episode、14,193 条 QA 对和 11,890 条导航指令。
arXiv cs.AI / cs.LG 最新AI 评分5353 ReTRACE：面向逆合成规划的反馈引导 LLM 智能体
ReTRACE 是面向逆合成规划的 LLM 智能体，把大语言模型放进整合分子工具、互补单步预测引擎、可采购原料库、路线记忆与多准则路线评估器的化学环境中。它用程序化检查加对抗式 LLM 评审组成的新指标判断路线，并在搜索过程中依据评估器反馈诊断弱路线并回溯修改。
arXiv cs.AI / cs.LG 最新AI 评分5454 研究提出 SEER-Repro 基准与 LLM 智能体，复现 77.4% 的癌症登记研究结论
论文提出 SEER-Repro 基准，包含 20 篇基于美国 SEER 癌症登记数据库的已发表论文，以及复现其结论所需的数据与资源。作者构建的 LLM 智能体复现了 2,190 条原子结论中的 77.4%，并给出可执行基线。另一条智能体分析流水线会识别每项结论背后的分析选择、提出可辩护的替代方案并重跑分析，在完全复现的结论中标记出 9.5% 存在潜在影响的分析选择，交给专家复核。
arXiv cs.AI / cs.LG 最新AI 评分5656 GLOBE 提出面向生成式搜索商品优化的结构化智能体记忆框架
GLOBE 是一个把电商商品优化经验存成可演化行为手册的智能体框架，由 Editor 应用字段级行为并接收排名反馈，Reflector 再把反馈转成行为更新。Moderator 负责剔除冗余提案、Curator 提交采纳的改动，持续有害的行为会被停用。
TechCrunch · AIAI 评分3131 Replit CEO：未来工作是“自动驾驶公司”
Replit CEO Amjad Masad 提出未来工作是“自动驾驶公司”：AI 智能体承担基础工作，人类保留判断与品味。他以客服工单为例称，智能体会先结合 GitHub issues、代码库和 Linear tickets 初步分诊，员工决定修复后一键部署另一个智能体；结果是岗位未被取代，工作内容转向架构和“做什么”的讨论。
arXiv cs.AI / cs.LG 最新AI 评分6161 MobileInject：面向 MLLM 移动智能体的跨模态注入安全评测基准
论文提出 MobileInject，一个评估 MLLM 移动智能体多模态注入与推理到行动安全风险的评测基准，覆盖 11 个场景、9 类安全风险和 108 个可执行风险实例。它引入跨模态一致性注入，并给出多角色协作欺骗与推理伪装注入两种增强攻击方法，配套推理安全诊断框架做细粒度失败分析。系统实验显示移动智能体普遍易受多模态注入影响，不少失败源于早期阶段的推理被劫持。
arXiv cs.AI / cs.LG 最新AI 评分5353 论文提出JointCoreBench基准与JointCore方法，用于LLM智能体记忆充分集选择
论文提出JointCoreBench基准和JointCore记忆选择基线，用于在冗余或联合必要证据下为LLM智能体挑出能保持全量记忆行为的低成本子集。基准包含九类交互、六个工作流域和精确充分集oracle；在6912个精确条件上，按成本排序的JointCore在100.0%的情况下恢复最小成本充分集，子集评估次数从30.00降到11.13，节省87.8%活跃记忆。
arXiv cs.AI / cs.LG 最新AI 评分3535 光网络故障排查中的智能体 AI 如何通过数据引用防止数据幻觉
面向光通信网络自动故障排查的智能体 AI 系统通过将数据引用集成到智能体架构中，防止数据幻觉，并提升根因识别与推理的可解释性和可信度。该系统作为 demo 在 ECOC 2026 展示。
arXiv cs.AI / cs.LG 最新AI 评分5555 FLARE：面向馈线恢复的语言模型智能体物理约束评测基准
FLARE 是一个面向配电馈线故障隔离后恢复的物理约束基准，包含五种观测设置下的 800 个 AC 可行案例，允许智能体在固定运行限制内取证、评估开关并执行恢复动作。
arXiv cs.AI / cs.LG 最新AI 评分5757 arXiv 论文提出 token 预算理论，可预测多智能体辩论的最优智能体数量
这篇 arXiv 论文把阅读上下文与推理生成共用一个固定 token 窗口的权衡形式化为 token 预算理论，将准确率建模为扣除阅读开销后剩余推理预算的函数，并用允许相关误差的 Condorcet 陪审团模型聚合投票。
arXiv cs.AI / cs.LG 最新AI 评分4949 KnowGPO：面向搜索智能体的知识分组策略优化
论文提出面向搜索智能体的强化学习框架 KnowGPO，按轨迹已获得的任务相关知识而非表面观测对齐，并以原子知识条件的状态分组进行组内比较。连续步骤间的增量知识增益被用作环境锚定的过程奖励；在 Xbench、BrowseComp-ZH 和 GAIA 上，KnowGPO 比 GRPO、GiGPO、IGPO 提升 3.8 至 4.2 分。其 8B 模型可媲美或超过多数 32B 开源系统，代码已公开。
arXiv cs.AI / cs.LG 最新AI 评分6363 arXiv 论文提出 MPT 市场化后训练框架，让去中心化智能体群体学会自组织
论文提出市场化后训练（MPT），让去中心化智能体群体在训练中同时学习动作策略与自组织协同。智能体通过竞价表达参与意愿，竞价决定谁行动并分配局部训练积分，全程不需要中央协调者。在具身制作、机器人导航和深度研究三项任务上，MPT 优于单体式后训练，推理时群体规模越大性能越好、智能体掉线造成的损失也更小。代码与训练好的模型已公开。
arXiv cs.AI / cs.LG 最新AI 评分5757 研究提出 steering agent 在线纠偏，抑制 LLM 智能体与多智能体系统的目标漂移
arXiv 论文提出一种 steering agent，在任务执行过程中实时监督 LLM 智能体与多智能体系统，发现目标漂移时把系统拉回原定目标。它用低成本快路径判断何时干预、高成本慢路径决定如何干预，两条路径通过强化学习联合训练，结合成对排序目标与 GRPO。
arXiv cs.AI / cs.LG 最新AI 评分4848 Codex 编码智能体如何跨环境改进：scaffolding 的作用
研究在 ARC-AGI-3、AGI Maze 和 Terminal-Bench 上评测基于 Codex 的编码智能体，仅改一条提示词指令即提升前两者平均得分。但该智能体仍低于 ARC-AGI-3 专用参考方案，即便搭配 GPT-5.6-sol；把重置决策交给脚本控制器可追回部分优势。
arXiv cs.AI / cs.LG 最新AI 评分4444 多智能体强化学习中的理性策略合成：面向 PLTL_f 时序目标
针对动态未知的随机多智能体系统，该研究以 PLTL_f 描述每个智能体的概率时序目标，并把 Nash 均衡等解概念作为联合策略约束，以求解理性合成问题。表格型 Nash-Q 学习获得条件收敛保证，同时给出满足性的有限样本置信界，并用近似最佳响应检验策略稳定性。方法在 8 个一般和并发随机博弈上完成了实证验证。
arXiv cs.AI / cs.LG 最新AI 评分6363 LEASH：按潜在不确定性升级并监督 computer-use agent 的免训练框架
LEASH 是一个免训练框架，让弱模型默认执行 computer-use 任务，仅在其潜在不确定性升高时才把控制权交给强模型，交接后继续监督。它复用动作生成时已有的激活值，与历史成功和失败轨迹比对来判断不确定性，无需额外前向或专门训练监控器。
arXiv cs.AI / cs.LG 最新AI 评分5656 X-RIC 提出融合智能体推理的 O-RAN 智能控制器框架与 BARX 评测基准
X-RIC 是把智能体 AI 引入 O-RAN 智能控制器的框架，并配套提出 BARX 评测基准，论文已被 IEEE MASS 2026 接收。它用领域启发式做自动行为克隆以提升样本效率，用基于 Transformer 的 Telecom Language Model 提供可解释的上下文抽象，并在 Near-RT RIC 控制环路内闭环协同自适应。
arXiv cs.AI / cs.LG 最新AI 评分5656 arXiv 论文提出用模型分歧指导弱模型到强模型的路由
这篇 arXiv 论文提出一种不依赖真值监督的弱到强路由方法，用弱模型与强模型之间的分歧作为判据，决定何时把弱模型的回答交给更强模型处理。作者先刻画了在允许弱模型本地多次推理情况下的最优路由策略，再据此推导出基于模型间比较的近似方法，且强模型越接近真值分布，近似越准确。
GitHub Changelog精选AI 评分6767 GitHub 代码扫描告警的 Agentic autofix 正式可用
GitHub 的代码扫描告警 Agentic autofix 正式可用，把告警指派给 Copilot 后，它会检索相关文件、生成修复、重跑 CodeQL 验证修复确实关闭告警，再提交草稿 PR 供审查，PR 内含修复说明和验证步骤。
推荐理由：用 Code Security 的团队可把默认分支上的告警指派给 Copilot，先在一个仓库试点，观察草稿 PR 是否可合并。
NVIDIA BlogAI 评分4747 NVIDIA 宣布向英国创业生态新增投资，覆盖五家 AI 初创公司
NVIDIA 宣布计划投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 初创公司，涉及生物分子建模、基础设施交付预测、算法自动发现、生物基础模型与量子纠错。
Simon WillisonAI 评分4747 用 Python 3.15 剖析 web-edit：火焰图与源码热力图
用 Python 3.15 内置的 profiling.sampling 剖析未修改的 web-edit 应用，发现混合行尾保留主导了编辑负载：`preserve_endings` 出现在 64.8% 的 15,296 个 CPU 栈中，`SequenceMatcher.find_longest_match` 占 38.3% 的叶子样本。
NVIDIA Blog精选AI 评分7575 NVIDIA 与 Microsoft 发布 RTX Spark 笔记本，并预览 Windows 版 DGX Station
NVIDIA 与 Microsoft 在旧金山活动上宣布，RTX Spark 把完整 NVIDIA AI 栈装进 Windows 笔记本和紧凑台式机，笔记本当日开启预售、10 月 16 日上市，台式机 11 月开卖。
推荐理由：需要离线跑智能体的团队可以在 RTX Spark 笔记本上本地运行 125B 模型，复用 CUDA 栈无需重写代码。
Hugging Face Blog精选AI 评分7474 H 公司发布 Holo4 智能体模型系列，含 27B 稠密版与 35B-A3B MoE 版
H 公司发布 Holo4 系列智能体模型，含 27B 稠密版与 35B-A3B MoE 版，已在 H Models API 上线并在 Hugging Face 开放权重。
推荐理由：业务团队可以用 H Models API 上的 Holo4 27B 跑桌面与 API 混合流程，先替代重复的点击录入。
Hugging Face BlogAI 评分5454 Hugging Face Hub 上线 RL Environments 筛选与框架标签
Hugging Face Hub 新增 RL Environments 专区，带 rl-environment 标签的数据集仓库会出现在新筛选中。首批注册的框架标签有 Harbor、Verifiers、OpenEnv 和 NeMo Gym，每个标签会在数据集页显示图标并生成对应的运行命令，且没有新增仓库类型、注册表或注册流程。