如何解读“定理经 Lean 验证所以正确”这类说法
文章解释如何判断“经 Lean 验证即正确”的说法:OpenAI 上月的定理库包含 722 篇论文,约 45% 附带 Lean 代码,其中 290 个带代码的定理约 38 个并未陈述、更未证明论文主定理,三篇未形式化的论文因符号错误被撤回。
文章解释如何判断“经 Lean 验证即正确”的说法:OpenAI 上月的定理库包含 722 篇论文,约 45% 附带 Lean 代码,其中 290 个带代码的定理约 38 个并未陈述、更未证明论文主定理,三篇未形式化的论文因符号错误被撤回。
AI 让形式化验证走向主流:Claude 为单个验证项目写了十亿行 Rocq,Theorem 与 Anthropic 合作做二进制验证,Harmonic 验证 C 程序和硬件设计。但作者认为「形式化验证」仍不可验证,因为证明无需外部审查,而底层定义、模型和 prover 都可能出错。他呼吁废除笼统的「已形式化验证」说法,改说「验证了 Y 的哪些 X 属性」,并明确列出可信计算基等前提。
【这是什么】Vercel 官方教程,讲解当 AI Agent 成为软件用户时,如何用 eval 衡量它们能否正确完成任务。【商业逻辑】Agent 也经历发现、选择、访问、成功四段漏斗,教程聚焦 Success 阶段,用 Harbor 框架在容器中反复运行任务并评分,覆盖确定性测试、单轮 eval 和 E2E eval 三层金字塔。
推荐理由:Vercel 官方给出面向 agent 用户的 E2E eval 完整方法论,从指标选择到 trace 分析,工程借鉴价值扎实。
Vercel 官方博客发布教程,讲解如何为 agent 及其调用的软件(API、CLI、MCP server、SDK)搭建端到端 eval,并用一个旧金山咖啡下单的 API 完整演示。
同一新闻,精选展示《Vercel 教你为 Agent 用户构建端到端 Eval:以 sfbeans 咖啡下单 CLI 为例》
数学教育者 Scott Farrar 用 Claude Code 搭建了一个家庭 AI 大脑:一个 Markdown 文件夹,在 Obsidian 中查看,记录家电、保修、保险文件和全家待办。他用它挑选车险、规划维修,并与妻子共用这套系统,优先级任务和「近期成果」会显示在 DAKboard 墙面屏上。
【这是什么】Strands Decider 是一个不生成文本、只对给定选项返回概率与置信度的决策模型,Amazon 内部票据系统用它替换 Claude Sonnet 4.6 承担工单分类。
Simon Willison 用 Claude Code 搭出 Beep Locator,靠多台设备组成的麦克风阵列做声学三角定位,把房间里间歇蜂鸣的声源锁定到约 40cm 范围内,最终挖出一台电量告急的一氧化碳探测器。
开发者 lexandstuff 用一个 prompt 让 Claude Fable 5.2 一次性做完侄子梦想的 12 关横版格斗游戏,支持四人同屏、共 18 个可解锁角色。
【这是什么】Claire Vo 花两天实测 Anthropic 新发布的 Claude Fable 5.2 前沿模型,逐项拆解其表现。【商业与使用逻辑】她用真实任务验证能力:从一条推文生成动画营销视频、靠模糊地板照片拼装无说明书家具、把品牌 sprite 扩展成带预告片的防御游戏,并实际重构了 ChatPRD 的产品智能管线。
【这是什么】开源工具 LoreKit 作者的提案文章,主张为 Agent 记忆制定统一开放格式。【商业与痛点逻辑】当前一个开发环境里并存 AGENTS.md、Anthropic memory 工具。
【这是什么】一位使用 Claude Code 一年多的开发者宣布将主力编码环境迁移到开源 harness Pi,并详细复盘原因。【商业逻辑】作者不满 Claude Code 的 AGENTS.md 兼容问题、VSCode 多会话限制、GUI 扩展缺陷,以及一年 244 个版本中超 3/4 改动系统提示词带来的不稳定,认为其缺乏产品方向。
Anthropic 发布关于 Claude Agent 记忆系统设计的研究文章,把记忆分为会话内标记显著事件写入记忆笔记、离线时段的 dreaming 反思整理,以及 wiki 等记忆表征与层级注入。
推荐理由:Anthropic 官方拆解 Agent 记忆系统设计,结合 Pokémon 和基准评测给出做梦式整理记忆的工程借鉴。
Linux 稳定内核已于 10 月修复 IPv4 TCP 握手中的 use-after-free 漏洞 CVE-2026-98432(CVSS 3.1 9.8,Critical),远程未认证者可致内核内存泄露、崩溃或内存破坏,问题可追溯至 Linux 4.4。
推荐理由:原文梳理了 CVE-2026-98432 的影响范围、各发行版修复进度和临时缓解规则,读者可按清单自查内核版本与 MPTCP 监听。
Phorion 在 Cursor Marketplace 上的官方 Claude Code for VS Code 2.1.313 扩展中发现后门,会在 macOS、Linux 和 Windows 上植入 SSH 密钥、建立反向隧道并写入持久化,还回传主机侦察信息。
推荐理由:完整还原了官方扩展被投毒的供应链攻击链与排查处置步骤,对依赖 IDE 插件的开发者是直接的踩坑警示。
Trakkr Research 向 ChatGPT、Perplexity、Gemini、Claude 和 Google AI Overviews 提出 200 个需要数字的问题,逐层追溯其引用来源。
Claire Vo 在 How I AI 首个个人 agent 评测中,用 9 个真实任务(Slack 回复、Sentry 修 bug、Figma 缩略图、收件箱分类等)对比 Grok Bot、Dot、Muse 和 Claude Duet。
Apple 10 月 26 日发布 iPad mini (A20 Pro),机身厚 5.4mm、重 255g,采用 A20 Pro 芯片、8.5 英寸 OLED 屏,为首款支持 IP67 防水防尘的 iPad,Wi-Fi 版 5499 元起,11 月 6 日发售。
【这是什么】作者记录用 Claude Code 在乐鑫 ESP-Mosaico 模块化开发板上做出一台 Muse 小设备的全过程,先完成贪吃蛇上手,再完成配对、中文字幕、拍照、语音、来人问候等改造。
【这是什么】一篇基于作者亲手实验的 AI 图像生成实操指南,覆盖扩散与多模态模型原理、发展史、各家定价与工程集成。【商业/痛点逻辑】解答选模型的真实成本问题,指出每图价格差异超 100 倍,从不足 1 美分到 15 美分以上,并给出按可用图计算成本的公式,便宜模型重试多次反而更贵。
推荐理由:作者用真实实验梳理了 AI 图像生成的模型原理、成本结构、提示词写法和 API 工程化踩坑,工程借鉴价值扎实。
【这是什么】Cloudflare 官方复盘其内部 AI 代码评审器的推理成本优化过程,平均单次评审成本从 $2.43 降到 $0.77,降幅 68%,中位耗时从 4m 09s 缩到 1m 32s。
推荐理由:Cloudflare 自述将 AI 代码评审单次成本从 $2.43 压到 $0.77,给出了缓存命中与模型档位实测的完整账单拆解。
【这是什么】Lenny's Newsletter 两期播客合集,一期实测 Meta 新模型 Muse Wonder,一期拆解创作者 Brooke Lacey 的 AI 视频剪辑工作流。
【这是什么】一篇完整指南,讲如何用 tmux 的命名会话、send-keys 和 capture-pane 同时驱动多个 Claude Code agent。【商业/痛点逻辑】解决 agent 断线即停、多 agent 难以切换与脚本化控制的痛点;Claude Code 新版已可用 claude --worktree --tmux 覆盖单 agent 场景。
【这是什么】Anthropic 官方详解 Claude Code 团队在 AI 大量写码后的代码审查流程。【商业/痛点逻辑】Claude 写了约 90% 的自家代码,日变更量从 5 月约 2,500 涨到 9 月超 30,000,团队把大部分阅读交给机器,把人类注意力留给方向、架构和风险决策;6 月至 9 月合并 PR 翻倍且回滚率下降超 40%。
【这是什么】资深游戏程序员 kkukshtel 将其在 Indie Rodeo 的演讲整理成文,讲解如何通过工程手段让 LLM 真正可用于游戏开发,而非仅限 Web 项目。
【这是什么】Anthropic 为 agent 规模代码协作自研的版本控制系统 Scion,配套代码评审工具 Antique。
【这是什么】一位用户买到 TP-Link EAP770 v1 Wi-Fi 7 AP 后发现大文件经 Wi-Fi 下载持续损坏,而 TP-Link 已对该型号 EOL 停止固件更新。
这是一篇把闲置 10 代 Kindle Basic 变成电子相框的实操复盘。作者让 MacBook 上的编码智能体通过 Wi-Fi 连接 Kindle,基于 SpiderCat 越狱方案构建了 KindleCTL 自定义工具,实现 10 张照片每 4 分钟轮播的幻灯片应用。
【这是什么】云鸢 Kite 是作者开发的 AI 多会话协作工具,由一个主对话统筹多个产品的开发、评审和发布,并提供网页端查看和操作各会话终端。【商业与痛点逻辑】针对跨设备、跨仓库项目里人工传话和上下文丢失的痛点,让任务拆分、交付验收和主持人交接都可沉淀、可追溯。
【这是什么】作者历时 3 个月,用 Claude Code 与 Codex CLI 编排最多 16 个 AI 智能体,将一款热门 FPS 游戏反编译为可编译的 C++ 源码。
【这是什么】Cockroach Labs 在官方博客复盘其 MOLT Sinai 系统:把编码 agent 流水线建成教学医院模型,医生、护士、分诊等角色对应规划、审查、交接等环节。