Sarah Guo：模型实验室与智能体实验室的分野
深度Latent Space2026年6月11日12 分钟阅读
No Priors 播客常客、著名投资人 Sarah Guo 在 Substack 上发表了一篇关于“智能体工程”的深度文章。她提出一个核心框架，区分了“可训练”与“不可训练”的能力，并指出真正的护城河在于那些无法被基准测试量化的、肮脏的集成工作。
觉得有用？分享给更多人
相关文章
软件工程师的核心工作正从编写代码转向构建和管理上下文（Context）。Patrick Debois认为，开发者应停止修正AI生成的代码，转而改进支撑智能体的系统。上下文开发生命周期正在取代传统软件开发生命周期，而执行框架（Harness）工程将成为下一阶段的关键。
深度The New Stack·7月25日·5 分钟
Claude Opus 5 在官方基准上接近但略低于 Fable，但独立评测显示其性能更强、成本更低。用户反馈称赞其编码和浏览器控制能力，但基准测试的不一致性引发了对评估方法的讨论。
深度Latent Space·7月25日·6 分钟