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。
一位伊朗开发者因断网期间难以使用在线音乐服务,用 Zig 自写了音乐播放器 AMP(含用 Zig 写的 blur shader),断网期间靠黑市流量继续开发。网络恢复后他试用 Claude Max 20x 订阅 vibecode 了大部分代码,随后 Anthropic 因其身处伊朗封号,Codeberg 又宣布 no-AI 政策。
【这是什么】艺术家 Niklas Roy 用空饮料纸盒、烤串签、纸吸管、棉线和螺母打造的机械摆钟,含秒、分、时全部齿轮组,上满弦运行一个多小时。【商业逻辑】纯趣味实验项目,验证牛奶盒的 PE 涂层自润滑特性可用于低摩擦齿轮,属于垃圾钟表学(trash horology)的极限挑战。
Claude 出现服务中断,该消息在 Hacker News 首页获得 166 分和 139 条评论。正文未提供具体故障原因与恢复时间等细节。
【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》
fable52.games 上线,收录由 Anthropic 的 Claude Fable 5.2 在单条 one-shot 提示下自主规划、编写并测试完成的单文件 HTML 3D 游戏,可在线试玩并查看源码。
Berth 是一个 VS Code 扩展,在侧栏按项目列出 tmux 里运行的 Claude Code、Codex 等 Agent 会话,可看到在做什么、是否还在跑,并按名称、对话标题或目录搜索,点一下就在编辑器区域打开对应终端。
推荐理由:作者把多个 Agent 的会话管理收进 VS Code 侧栏,并复用已有 tmux 而非另起一套,取舍可借鉴。
Apache HTTP Server 的 HTTP/2 模块 mod_http2 被披露存在严重 RCE 漏洞 CVE-2026-119618,源于 assign_headers() 函数的并发竞态条件,远程未认证攻击者可利用堆内存破坏执行任意代码。
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。
MiniMax 公布图像生成与编辑模型 H3-Image 并开放权重,扩散 Transformer 参数量 331 亿,10 秒内可生成 4096×4096 像素图像。
VulnCheck 对 Anthropic 旗下 Project Glasswing 的追踪显示,其累计报告的 37,966 项漏洞中仅 217 项确认修复,且仅有 2 起在野外被实际利用。
Anthropic 面向所有付费方案上线 beta 版 Claude Whiteboards 与 Claude Sheets,Claude Dashboards 同时转为正式版并更名 Claude Data。
【这是什么】cc-clean 是一个清理 Claude Code 与 Codex 会话存储的命令行工具,用 npx cc-clean@latest 一键运行。【商业/痛点逻辑】作者同时用 Claude 和 Codex,session 越积越多、磁盘吃紧又不敢删,于是移除不影响 resume 的冗余内容,占用最大的是聊天记录里反复出现的 Base64 内嵌图片。
推荐理由:作者从磁盘空间不足的实际痛点出发,拆解 Claude 与 Codex 会话存储结构,给出保留 resume 的精简思路。
【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。
【这是什么】myco 是作者开源的 agent 互联工具,让云端 Claude 把任务派给跑在本地的 DeepSeek agent。【商业逻辑】云端 Claude 有防封与额度顾虑,而糙活本地 DeepSeek 就能胜任,借此节约 80% token。
火山引擎 11 月 9 日发布豆包图像创作模型 Seedream 5.5,支持自然语言专业出图、改图、抠图及原生 RGBA 透明素材生成,2K 方图编辑单张 0.28 元,比 Seedream 5.0 Pro 便宜 60%、生成速度快近 40%,API 将于本周上线火山方舟。
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。
Claude Fable 5.2 在 Artificial Analysis 获得 65 分,是当前最高分。Artificial Analysis 的指标涵盖智能、Token 使用成本、上下文窗口,以及每任务耗时、输出速度、首答 token 时间和首 token 时间等性能数据。
【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】Anthropic 的 Claude Fable 5.2 模型现已在 Vercel AI Gateway 上可用,面向开放式技术工作,改进了编码、推理和视觉能力。
【这是什么】Vercel 发布的 AI Gateway 月度生产流量指数,基于每月超 100 万亿 token 的路由流量分析 AI 使用趋势。【商业逻辑】决策模型六周内占到四分之一请求,但仅占 0.53% 花费,成本约为语言模型的七十分之一,用量越大的团队采用率越高;语音模型团队占比从 7 月的 4% 升至 10 月的 11%。
推荐理由:基于 AI Gateway 真实流量数据,开发者可据此判断决策模型、语音模型与各家实验室的市场走向。
Anthropic 升级 Claude Fable 5.2 与 Mythos 5.2,两者为同一底层模型,Fable 带安全护栏面向所有用户,Mythos 需通过网络安全或生命科学验证计划申请。
Meta 的轻量推理模型 Muse Ember 现已上线 Vercel AI Gateway,面向 agent 运行中的高频子任务,如编码子任务、tool 调用和文档分析。
【这是什么】一条推文发起的讨论,质疑 Claude Opus 5.5 在 11 月 3 日后思考模式发生变化、疑似被削弱。【商业/痛点逻辑】模型行为突变直接影响依赖它的开发者和产品输出质量,社区需要验证依据。
Goldman Sachs 于 10 月更新内部指引,将 Anthropic 的 Claude Code 和 Microsoft GitHub 限制为约 12,000 名工程师可用,交易员和银行家不再能使用这些 AI 编码工具,此前他们曾用其追踪客户交易流和建模。
【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】开源工具 myco,提供 Hub 服务让 Claude Code、Codex、Grok Bot 等多个 agent 互相认识、互相唤醒与调用。【商业/痛点逻辑】解决开发者需要在多个 AI agent 之间当传声筒的痛点,与任意一个 agent 对话即可调度其他 agent 干活。
推荐理由:作者开源了让多个 AI agent 互相发现与调用的 Hub 工具,省去人工在 Claude 与 Codex 之间传话的步骤,可作工程借鉴。
【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。
【这是什么】一个自托管的 Web 项目,把 Claude Code、Codex、OMP / Pi 等 Agent CLI 和终端、文件管理整合进同一个网页。【商业逻辑】作者此前用手机 SSH 操作 Agent,看长回复、翻 diff、传截图都不便,改用常开 Linux 主机加浏览器访问解决。
推荐理由:作者把 Claude Code、Codex 等终端 Agent 搬进浏览器,解决了手机 SSH 操作不便的痛点,工程与安全边界交代清晰。
【这是什么】Apiiro 发布的研究指出,Claude Code 等 coding agent 的 Don't Ask Again 权限选择,与 GitHub 公开仓库中泄露密码相关。
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。
【这是什么】开源项目 ldraw-mecha,输入 LDraw 格式的乐高模型 .mpd 源码文件,AI Agent 会逆向推断其中的机械结构,再生成 Python 脚本在 Blender 中绑定骨骼并自动生成动画。
【这是什么】开源项目 agent-hub(由 codex-hub 升级),把多个 coding agent 的会话管理、任务下发和结果读取集中到一个本地 Web 工作台,同时提供 CLI 和技能。
推荐理由:作者开源了统一管理多个 coding agent 的工作台,并演示从微信远程派活的接入路径,可参考其主控与 Worker 分工设计。
METR 发布关于 Anthropic AI 研发加速的公开报告,作者认为 Anthropic 负责任扩展政策中“AI 大幅加速进展”的阈值已经越过。报告显示 2025 年 10 月至 2026 年 10 月间,Anthropic 的能力进步速度约为此前十二个月的两倍,测量基于内部版 Epoch Capabilities Index(AECI),多数支撑证据已被删减。
【这是什么】作者为 Claude Code CLI 开发的侧边栏插件,补齐桌面 App 才有的信息面板。【痛点逻辑】日常同时使用 App 和 CLI 时,CLI 可见信息太少,插件展示当前会话的目录、分支、模型、上下文、5h/周额度、子 Agent 状态与耗时、涉及的 PR/Issue 实时状态及链接。
【这是什么】一位开发者提交的 Claude Code 缺陷报告,指出其在执行网络搜索时通过 User-Agent 请求头把用户邮箱发送给任意第三方网站。【商业/痛点逻辑】作者因此每天收到大量诈骗邮件,认为该行为应从 harness 中整体移除而非提供开关,并宣布把公司迁移到 Pi 与 OpenRouter。
【这是什么】Stripe 宣布 Claude、Cursor 等兼容 agent 可通过 Stripe MCP 或 Queries API、Reports API 直接访问并分析商户的 Stripe 数据,现已向所有用户开放。
推荐理由:Stripe 官方宣布 AI agent 可直连分析商户数据,Queries API 免费期与计费方式对出海团队的财务分析成本有直接参考。