🛠️ QM：面向团队的多人 Agent Harness
一句话
Y Combinator 开源的多人 Agent 工作底座，把 Slack 和网页中的个人、频道、项目组织成隔离作用域，并允许同一套核心切换 Pi、OpenCode、Codex 或 Claude Code。
怎么玩
先准备一个可用的云账户和部署目录，进入项目官方 README，执行 npm exec --yes --package=@yc-software/qm@latest -- qm init . --org，让 CLI 生成组织级部署仓库；随后按向导配置数据库、登录方式、连接器和可选的 Slack，再完成部署与验证。第一次实验建议只建一个测试组织和一个成员，先在网页里让 Agent 读一个小型代码仓库或生成一份会议整理，再把同一任务移到 Slack 频道，观察个人作用域、频道作用域、权限和持久化沙箱是否按预期隔离。不要一上来接入生产密钥，先使用 Strict 或需要人工批准的安全姿态。
为什么值得关注
它的关键不是又做了一个聊天界面，而是把“一个人一个 Agent”提升为“一个组织共享 Agent 基础设施”。每个成员和协作空间有自己的记忆、文件、权限、定时任务与持久化沙箱，核心又不绑定单一模型或 Harness。对正在搭企业内部 Agent 的团队来说，这种作用域、连接器和部署层抽象，比单纯追逐模型排行榜更接近真正的生产问题。
应用场景
- 在 Slack 中把财务、法务、工程等重复流程交给不同作用域的 Agent 协作处理。
- 给团队搭建可切换模型供应商的内部研发与知识工作台。
🛠️ DSCode：DeepSeek 优先的本地 Coding Agent
一句话
DSCode 是一个本地优先、多提供商的终端 Coding Agent，提供会话树、安全补丁、并行 Agent、操作系统沙箱和用量透明度，默认面向 DeepSeek 但也能切换多家模型服务。
怎么玩
先确认 Node.js 版本满足官方要求，在终端执行 npm install -g @thinkany/dscode；进入一个可回滚的测试仓库后运行 dscode -C ./repo，首次启动在 TUI 中输入 /login，选择 DeepSeek、OpenAI Codex、Anthropic 或其他已支持的供应商并完成认证。接着先让它做只读任务，例如“扫描项目并列出风险，不要修改文件”，再尝试一个小补丁，让它运行测试并查看 diff。需要更强隔离时保留默认的沙箱策略，网络访问和权限提升都逐项确认；完成后用会话记录、成本统计和 git diff 检查 Agent 到底做了什么。
为什么值得关注
很多 Coding Agent 只是把不同 API 包在相同聊天壳里，DSCode 的差异在于把 provider-aware 路由、本地 JSONL 会话、原生补丁、并行 Agent 和沙箱放进同一个运行时。官方 README 还明确区分 DeepSeek 的原生 Responses 适配与其他供应商，这让低成本模型试验、跨供应商回退和本地可审计开发变得更容易，而不是被某一家模型锁死。
应用场景
- 在个人 Mac 上完成代码理解、补丁生成、测试和 review 的闭环。
- 为开源项目做多模型对比，同时保留本地会话和用量记录。
🛠️ WorkBuddy：面向职场流程的多 Agent 工作台
一句话
腾讯 WorkBuddy 是面向办公场景的 AI 工作台，用户用自然语言描述目标后，它可以拆解任务、调用工具并处理文档、表格、演示、数据分析和授权目录中的本地文件。
怎么玩
从官方产品页进入下载或试用入口，首次使用先只授权一个测试文件夹，并准备一份小型表格或周报素材。用一句完整目标开始，例如“读取这份销售表，按地区汇总，找出异常值，并输出一页带结论的周报”；在执行过程中检查它拆出的步骤、调用了哪些文件和工具，最后打开结果面板逐项核对数据与生成物。再尝试把同一任务拆成资料检索、数据清洗、文字整理三个并行子任务，比较并行前后的耗时。涉及邮件、云盘或企业知识库时，先使用最小权限和脱敏数据。
为什么值得关注
WorkBuddy 的价值不在于让用户学习一套复杂 Prompt，而在于把计划、行动、自检和交付物放进同一个办公流程。官方资料同时强调多 Agent 并行、跨文件操作和最终可验证结果，这意味着 Agent 的竞争点正在从“回答得像不像人”转为“能否在权限边界内把跨工具任务真正做完”，更适合非技术岗位试用。
应用场景
- 自动完成表格汇总、图表分析和周报初稿，再由人复核关键数字。
- 将资料整理、会议纪要、文档改写等跨应用工作串成一次任务。
🛠️ Raven：带长期记忆的自进化 Agent Harness
一句话
Raven 是 EverMind 开源的终端优先 Agent Harness，围绕工具、Skills、记忆、沙箱、会话和可复用 Agent Template，让 Agent 能在多次运行中积累可复用能力。
怎么玩
先进入官方仓库 README 的 Quick Install 段落完成安装，随后运行 raven onboard 配置模型、沙箱、消息渠道和记忆后端；用 raven 或 raven tui 进入交互界面，或者用 raven agent -m "分析这个项目并提出三个可验证改进" 跑一次单任务。建议先在一个独立测试目录中运行，完成后用 raven sessions list 查看会话，用 raven skill list 查看可用 Skills，再试着把一次成功的工作流整理成 Agent Template。需要深度调研时再执行官方文档中的 raven deep-research enable，并用 raven tracing 检查模型、工具和记忆发生了什么。
为什么值得关注
Raven 把“记忆”从聊天历史升级为能驱动下一次行动的运行时资产：工具、政策、环境、技能和成功轨迹都可以持续演化。它还把深度调研、会话管理、主动提醒和模板化数字员工放在同一生态里。对想研究 Agent 如何从一次性脚本变成长期工作的开发者来说，Raven 是一个比单轮 Demo 更接近真实生命周期的实验对象。
应用场景
- 为个人研究、代码维护或资料整理建立可持续改进的数字员工。
- 观察记忆、Skill 和工具策略如何影响跨会话任务质量。
🛠️ docu.md：把 Markdown 变成可交付文档
一句话
docu.md 是本地优先的 Markdown 阅读与导出工具，能渲染代码、公式和多种图表，并将 AI 生成的 Markdown 一键整理成 DOCX、PDF 或 HTML。
怎么玩
打开官网安装适合自己的浏览器扩展、VS Code/Obsidian 插件或移动端版本，然后拖入一个 Markdown 文件、双击本地文件，或直接粘贴一个在线 .md 地址。先检查标题层级、代码高亮、Mermaid/Graphviz 图表和数学公式是否正确，再在预览界面选择导出 DOCX、PDF 或 HTML；如果源文件来自 ChatGPT 或 Claude，建议先让模型输出结构清晰的 Markdown，再用 docu.md 做最后的排版核验。处理含敏感信息的报告时优先使用本地文件和离线流程，导出后打开目标格式检查分页、图片和字体。
为什么值得关注
它解决的是 AI 生成内容从“能读”到“能交付”的断层。官方项目同时覆盖浏览器、编辑器、笔记应用和移动端，并强调本地处理、图表渲染、可编辑公式及多格式导出。对每天把模型输出变成方案、报告、README 或客户材料的人来说，少一次复制粘贴和手工排版，就能显著降低最后一公里成本。
应用场景
- 将 AI 生成的研究报告、技术文档和 README 导出为正式 PDF 或 Word。
- 在浏览器或 VS Code 中检查 Mermaid、公式和代码后直接分享成品。
🛠️ openPangu-2.0-Pro：昇腾 NPU 训练的超大 MoE 模型
一句话
openPangu-2.0-Pro 是基于昇腾 NPU 训练的约 505B 参数 MoE 模型，约 18B 参数激活，支持 512K 上下文，并公开了模型卡与部署线索。
怎么玩
这不是适合 Mac 直接下载试玩的轻量模型，先在 Hugging Face 模型卡阅读许可证、权重体积、硬件要求和 README，再准备具备昇腾 NPU 与 omni-infer 环境的服务器。按模型卡链接的 openPangu-2.0-Infer 部署说明配置推理框架，先用短提示和小并发完成健康检查，再逐步测试长上下文、批量请求和实际业务输入。若只是想研究能力，不要盲目下载整套权重，可以先阅读技术报告、查看官方推理代码和对比公开评测；部署前确认显存、存储、网络和许可证条件，避免把“开源模型”误解成“个人电脑即装即用”。
为什么值得关注
它同时体现了模型规模、国产加速硬件和推理软件栈的耦合：总参数很大，但 MoE 只激活一部分参数，并将上下文窗口推到 512K。真正值得观察的不只是模型分数，而是昇腾训练、模型格式、推理框架和社区部署能否形成完整链路，这会影响非 NVIDIA 环境下大模型的可获得性与成本结构。
应用场景
- 在具备昇腾算力的团队中测试长上下文知识处理和企业级推理。
- 研究 MoE、国产 NPU 训练及大模型部署工具链的协同方式。
🛠️ Supabase Evals：用真实任务评测 AI Coding Agent
一句话
Supabase Evals 是开源的 Agent 评测框架，让 Claude Code、Codex 和 OpenCode 在真实 Supabase 任务上建表、调试 Edge Function 或修复 RLS，并按最终系统状态评分。
怎么玩
先阅读官方仓库的 eval 与 experiment 结构，准备 Docker、对应模型供应商凭证和本地测试环境；然后用 pnpm eval -- --eval resolve-dataapi-001-empty-results --experiment claude-code-sonnet-5 跑一个单场景。第一次不要追求横向排行榜，先打开 prompt、scorer、起始状态和 results，确认 Agent 调用了哪些文档、MCP 工具和 CLI。再选两个 Agent 运行同一场景，比较最终数据库状态、测试结果和错误类型；把自己的业务任务复制成独立 eval，接入 CI 做回归，才能判断一次提示词或技能修改是否真的让 Agent 变好。
为什么值得关注
它把 Agent 质量从“生成的代码看起来不错”推进到“真实环境中的结果是否正确”。官方框架既支持工具模式，也支持带 Docker 和 Supabase CLI 的本地栈，并且可以记录文档检索行为、评分器和回归结果。随着企业越来越多地让 Agent 改数据库和后端，能够复现、比较、回归的评测基础设施会成为发布流程的一部分。
应用场景
- 对比不同 Coding Agent 在数据库、权限策略和 Edge Function 任务上的真实完成率。
- 将 Agent 能力回归接入 SDK、插件或内部平台的持续集成流程。
📡 Astra：AI 产出十项数学与理论计算机科学新结果
事件
OpenAI 公布由内部 Astra 版本模型主导完成的十项数学与理论计算机科学新结果，并为每项结果提供 Lean 形式化材料。
解读
这次发布的意义不只是“模型解了十道难题”，而是把结果放进了可审查的证明工程流程。OpenAI 官方列出的领域包括高维球堆积、编码理论、群论、算子代数、量子复杂度、格密码学和极值组合数学；官方同时发布论文、推理说明和 openai/ten-proofs 仓库。Lean 证书不能自动替代数学家对问题建模、定理边界和论文表述的审查，但它把争论从“相信模型的文字解释”推进到“能否由形式化内核复核关键步骤”，这会提高 AI 科研结果的可复现门槛。
影响评估
如果这种“模型提出候选证明—人类整理—形式系统检查”的链路稳定下来，科研 AI 的评价标准会从答案新颖性扩展到证明可验证性、工具链开放度和失败案例披露。短期内它不会让普通研发团队直接获得自动科学发现能力，因为问题选择、形式化成本和专家复核仍然昂贵；但在密码学、算法、数学软件和形式化验证领域，能够被机器检查的中间产物会更容易进入协作、审稿和后续研究。
📡 Google AI Studio：移动端能力转向 Gemini 统一入口
事件
Google 放弃单独推出 AI Studio 的 Android/iOS 应用，转而把相关能力并入 Gemini；AI Studio 网页版继续服务开发者和应用原型工作流。
解读
这体现的是产品入口收敛，而不是 AI Studio 能力消失。Google 先前把 AI Studio 的移动端定位成从提示词到代码和应用预览的创作工具，但最新方向是让用户在 Gemini 对话中自然生成临时应用或工作界面，同时保留网页版给需要更强控制的开发者。对用户来说，少安装一个 App、少记一个品牌是好事；对开发者来说，真正要观察的是 Gemini 是否开放足够的导出、运行、权限和数据连接能力，否则“对话中生成应用”可能停留在演示层。
影响评估
大厂把独立 AI 工具收回主助手，说明下一阶段的竞争重点是统一身份、上下文、数据和分发入口，而不是不断增加并列 App。这样做能降低产品教育和维护成本，也可能让个人用户更快接触原型生成；代价是平台依赖更强，开发者需要适应一个不断变化的宿主环境，并关注生成应用的持久性、权限隔离、可迁移性与计费边界。AI Studio 网页版是否继续保持面向专业用户的独立能力，将决定这次整合是入口升级还是功能收缩。
