OpenClaw 正式发布 OpenClaw 2.0 ，这是开源个人 AI 智能体的一次重大更新，改变了安装流程、浏览器界面、记忆、技能、自动化、插件、安全机制以及协作功能。该版本对应版本号为 2026.8.1 ，包含来自 933 名开发者的 16000 多个 PR。 本次主要变化之一是简化了部署配置流程。OpenClaw 现在能够自动识别用户电脑上已有的可用资源，包括 ChatGPT、Claude 订阅、API 密钥以及本地部署的模型。项目减少了安装阶段所需的配置项，把更多配置工作转移到智能体启动运行之后，通过和它对话交互来完成。 浏览器应用 也已重构成了主要界面，不再是次要的控制面板。用户

HashiCorp 将 HCP Terraform 定位为新一代 AI 驱动基础设施的治理与控制平面，认为编码智能体的快速采用正在将最大的基础设施挑战从编写配置转变为验证和安全执行配置。该公司的 最新指南 描述了一种运行模式：AI 智能体可以自主编写 Terraform 配置、发起变更并触发执行。与此同时，HCP Terraform 提供策略、身份、隔离、溯源和审计控制，防止这种自主性演变为对基础设施的无管控访问。 其核心逻辑十分直白：以机器速度运行基础设施的 AI 智能体从根本上改变了传统基础设施即代码（IaC）工作流背后的假设。人类工程师可能会在应用 Terraform 变更前仔细审查，而

从「构建 AI」到「驾驭 AI」，100+ 实战案例拆解 AI Native 时代的工程新实践！ 推理模型持续突破能力边界，Coding Agent 深度参与研发流程，Agent Runtime、Agent Framework 快速演进……AI 正在从回答问题的模型，演变为能够自主规划、调用工具、执行任务的软件系统。AI 不再只是软件中的一个能力，而开始成为软件系统的一部分。这意味着软件工程面对的挑战也发生了变化：团队需要思考的不再只是如何训练模型、模型、部署模型 或优化 Prompt，而不是如何让具备自主能力的 AI 稳定、可信、可控地运行。 模型决定 AI 能做什么，系统决定 AI 能否真

我不断遇到的一个问题 每当我部署新的持续集成和持续部署（CI/CD）工具，或者向第三方授予 GCP 项目的访问权限时，最终都需要做同样的事情：导航到身份与访问管理（IAM）页面，创建一个服务账户，下载一个 JSON 密钥，然后将其粘贴到某个地方。虽然这样能行得通，但我总觉得哪里不对劲。 你可以为服务账户密钥设置过期日期；为了提高安全性，你应该这样做。但这又会引发新的问题。每次密钥过期时，你都必须为同一个服务账户生成一个新的密钥，然后追踪所有使用旧密钥的系统和团队，并将新密钥分享给他们。实际上，这种运维开销相当大，以至于许多团队干脆完全跳过过期设置，让密钥永久有效，而这显然是一个更糟糕的解决方案

Cloudflare AI Search 是一项内置的搜索和检索服务 ，旨在为 AI 智能体和应用程序提供一个可以直接用于自定义数据的搜索引擎。它支持智能体集成、多模态搜索，并能与其他 Cloudflare 工具无缝集成。 通常，一个搜索管道包含多个组件，其中有爬虫、解析器、嵌入模型、向量数据库、搜索 API 等。Cloudflare 已经将其中的许多组件作为基础组件提供，包括 Workers AI、AI Gateway、Vectorize、R2、Browser Run 等。据该公司称，AI Search 现在将这些能力整合在了一起，能够自动处理端到端搜索管道，并实现更优的效果。 我们的目标是

Amazon 最近宣布推出 Kiro Crew ，一款可以让多个 Kiro Coding Agent 跨 Session、工具和任务协同运行的开源系统。这个全新的工作区允许开发者把 Coding 任务交给 AI Agent 异步执行，这意味着即使开发者不在电脑前，事故调查、工单分诊、迁移以及 PR 监控等工作也可以继续进行，不需要人一直盯着。 Kiro Crew 支持持久化、多 Session 的开发工作，并提供共享记忆、可复用 Skills、定时任务、并发 Agent 以及专门设计的 Apps。Agent 可以保留项目上下文，在开发者离开期间继续执行任务，也可以把工作委派给子 Agent，并

你的 AI Agent 调用退款接口，网络超时了，那退款到底成功没有？ TikTok 站点可靠性工程师 Salman Munaf 用这个例子阐述了他的观点：超时从来不意味着失败，而意味着“未知”。Agent 在遇到任何失败时的第一反应往往是重试，如果没有请求标识符（request identifiers）、幂等键（idempotency keys）以及状态查询（status lookup），这种“先重试再说”的本能就可能导致同一笔退款被执行两次。 Salman 在 TikTok 从事站点可靠性工程工作。他认为，一旦模型开始调用外部服务，问题就不再只是模型问题，而变成了分布式系统问题。这也就意味

过去一段时间，TiDB 团队启动了一项面向 Agent 的基础设施尝试—— TiDB Cloud Filesystem 。它把 Workspace 从 Session 和 Sandbox 的生命周期中独立出来：Agent 仍然通过熟悉的文件系统接口工作，背后则提供数据库级的持久化、版本、分支、回滚和权限控制。即使 Sandbox 被回收，新的 Executor 也能接管同一份文件和状态继续任务。TiDB Cloud Filesystem 保存的不是一台机器，而是 Agent 的工作现场。目前，它已经承载超过数百万个 Agent Workspace。 这次极限测试的背后，是 TiDB 在实践中逐

AI 智能体正在成为连接数字世界与物理世界的重要纽带，并推动企业运营模式从传统的软件自动化，向能够自主决策、跨平台协同和动态解决问题的智能系统演进。据 Gartner 预测，到 2028 年，至少 15% 的日常工作决策将由智能体 AI 自主完成，供应链、金融、生产和客户服务等领域也将随之加速变革。 随着 AI 从“提供建议”走向“自主行动”，智能体既成为企业的重要战略资产，也带来身份认证、权限管理、决策安全和责任归属等新挑战。 9 月 9 日下午 13:30-17:30 外滩大会 C7 场馆，“智能体时代的安全坐标与责任边界”见解论坛 将汇聚产学研各方，共同探讨如何对智能体的身份、权限、决策

做了 12 年漫画后，快看决定制造一种属于 AI 时代的互动内容形态。 这个项目叫做 Livo，将于近期上线应用商店。这是继条漫、漫剧、AI 陪伴互动漫画之后，快看在内容边界上的一次大胆探索。 在试用过程中，我确实感受到了一种非常新的体验。它叙事性极强，用户的一次次选择和对话，都会改变其与角色、环境的关系。在一个个剧情完整的仿生世界里，充斥着诸多 NPC。即使用户离线，或者不与他们交流，这个仿生世界依然会自发运转、产生互动。在既定的故事主线之外，角色们甚至能发展出独立于用户的情节。 传统 RPG 游戏也有 NPC、支线和好感度系统，但这些变化基本被限制在预先写好的有限剧情树里。而 Livo 允

当地时间周四，英伟达正式宣布已与 Hugging Face 达成最终收购协议，将以 129 亿美元买下这家全球最重要的开放模型平台之一。交易预计将在 2027 年上半年完成，但仍需获得监管批准并满足其他惯常交割条件。 表面看，这笔交易的商业逻辑并不复杂：开放基础模型以及基于它们构建的应用，会持续拉动 GPU、推理软件和 AI 基础设施需求；而 Hugging Face 恰好位于开放模型发现、分发、部署和社区协作的核心位置。拿下 Hugging Face，意味着英伟达不再只是站在 AI 产业最底层卖算力，而是进一步向模型分发、开发者生态和社区入口延伸。 但有外媒对这比收购的评价是：“监管机构应该

宇树机器狗隐秘灰产链曝光，改电池标签“偷渡”上飞机；曝钉钉创始人无招或将加入蚂蚁集团；字节跳动贷款 296 亿美元投 AI；天猫上线 token 充值中心，首批接入阿里云、智谱、Kimi、MiniMax；上海交大内部 PPT 曝光：课程迭代远落后技术发展，学生反超老师成常态；何庭波再发「韬定律」论文，回应外界质疑；Anthropic 预计 9 月下旬公开 IPO 招股书，最早 10 月中旬启动路演；苹果新 CEO 上任首日！新 iPhone 被曝恢复赠送充电头、有线耳机，官方回应；史无前例！ChatGPT、Grok、Claude 集体全崩；知情人士回应抖音突发算法推荐错乱：原因为服务器异常……

微软 概要介绍 了一套人工智能治理架构，将治理重点从文档里的政策转向运行时执行、持续评估、可观测性和审计证据，以适应组织在生产环境中部署人工智能应用程序和智能代理的需求。该框架涵盖九个治理领域和四项功能：政策、控制、可视化和证明，目的是保证在人工智能系统运行过程中可以验证治理要求是否得到执行且可被观测。 微软 AI 治理架构（图片来源： 微软博客 ） 该架构将治理视为一个持续不断的运营循环。政策确立要求和风险分类，控制措施将其转化为访问和运行时规则，可观测性捕捉系统行为，而评估则检验质量和安全性。随后，审计流程将运营遥测数据转化为合规性和事件调查的证据。 在随该架构发布的一篇 LinkedIn

研发部门在公司里是个特殊且重要的存在。 系统正常运行时，没人想起他们；系统一出问题，电话第一个打过来。业务部门指望着需求今天提出、下周上线；管理层则常常把 IT 预算看成一笔不得不花的钱。但说起研发究竟创造了多少价值，却很难像销售额那样直接写进财报里。 但现在，这个部门的价值正在被重新定义。 在 AI 时代的传统企业里，研发部门正在完成一次角色翻转——从成本中心，到 AI 转型的发动机。人们常识里，先被 AI 改变的是研发部门；而现在，正在用 AI 能力推动组织转型的，也是它。 为什么 AI 转型能从研发出发？ 最早被 AI 重塑的一群人，开始推动组织进化 企业 AI 转型从研发部门出发，并不

微软最近对 Foundry Models 中的模型路由器 进行了扩容：面向全球标准部署的可用区域由 2 个扩充至 28 个，面向数据区域部署的可用区域扩充至 21 个，并更新了其可选用的模型池。在此版本发布之前，该路由器仅在 East US 2 和 Sweden Central 可用。 模型池新增了 Anthropic Claude Opus 4.8 和 GPT-5.6 系列，并移除了 gpt-5-chat、gpt-5.2-chat、gpt-5.3-chat 和 DeepSeek-V3.1，因为这些模型已到达生命周期终点。使用默认配置的团队无需重新部署即可自动生效本次变更。配置了模型子集的团队

Dirk Lemmerman 已将 FlexGanttFX 开源 ，这是一个用于生成甘特图的资源调度框架。Lemmerman 在开发 15 年后选择开源该库，一方面是为了提升代码的可获取性，另一方面通过采用 AGPL 许可来解决项目的维护问题。 该库基于 JavaFX 运行，因此既可用于桌面端，也可用于 移动设备 。项目提供了 可运行的演示程序 ，展示了图表创建和渲染技术。 甘特图 可用于展示多项任务随时间推移的进展情况，这些任务可以是并行的，也可以是串行的。它们通常被应用于项目或资源规划，用于分析各项工作之间的相互影响，覆盖物流、航空、医疗以及软件项目规划等多个行业。 FlexGanttFX

蓝牙 音频 多点连接 的一项硬件副作用，暴露出 阿里全球速卖通（AliExpress） 首页在悄然执行 设备指纹识别 程序。 开发者 Matt Callaghan 发现 ，阿里巴巴的购物网站会维持一条活动音频流，却不播放人耳可以感知的声音。当时，他正在调试为什么多点连接耳机始终无法将音频焦点从桌面浏览器切换到智能手机。对页面资源进行反混淆后，他发现阿里巴巴的 AWSC 反机器人套件中嵌入了跟踪程序，这再次引发了人们对 Web Audio API 安全模型在架构层面的担忧。 包括 collina.js 和 fireyejs.js 在内的相关脚本，会构建一个合成的 Web Audio 处理图，用于

加州大学伯克利分校和麻省理工学院的研究人员推出了 FreeToken 。这是一款开源推理引擎，旨在弥合前沿混合专家（MoE）模型与消费级硬件之间的差距。该项目的共同作者包括 Databricks 联合创始人 Matei Zaharia 和 Ion Stoica ，以及 Song Han 、 Kurt Keutzer 等人。 该项目改变了边缘 AI 的思路：不再把个人计算机视为资源受限的数据中心节点，而是将其作为可弹性调度的异构计算资源。 虽然稀疏 MoE 架构在处理每个 Token 时只计算全部参数中的一小部分，但解码过程仍需在数千亿个未激活权重之间进行路由。在数据中心环境中，NVLink 等

Uber 推出 Git 即服务平台 GitFarm ，用于在其大规模单体代码库上执行 Git 操作。通过将代码库操作迁移到共享服务，GitFarm 不再要求客户端系统进行本地代码克隆，使客户端资源占用降低了 80% 以上。 Uber 的自动化系统每天会在支持 Go 语言、Java、Python、Web、Android 和 iOS 的单体代码库上调用数百万次 Git。此前，各个服务都维护着完整的代码库检出副本，包括读取文件、验证变更和计算合并基础等操作。克隆 Uber 的 Go 语言单体代码库大约需要 15 分钟，需要约 6 个 CPU 核心、32 GB 内存和超过 40 GB 的磁盘空间。 U

Meta 详细介绍了 MTIA 300，这是其首款专为训练排序和推荐模型而优化的自研加速器。 大语言模型训练往往主要关注原始浮点算力吞吐量——Meta 表示，与之不同的是，推荐模型在加速器之间的通信上花费了更多时间。MTIA 300 通过将网络和集合通信直接集成到芯片中来解决这一问题。 通信压力主要来自嵌入表，Meta 表示，嵌入表可能包含推荐模型 99% 以上的参数量。在数百个加速器上训练这些模型会产生频繁的 AllReduce、AllToAll 和 AllGather 操作，从而形成一种网络与计算本身同等重要的工作负载。 Meta 首先将网络接口移入加速器封装内部。MTIA 300 包含两