前 Anthropic 员工创立 AIUC，用 SOC 2 模式为 AI 智能体做审计认证

文章从人类学家 Gladwin 对楚克人航海方式的研究出发，结合 Suchman 关于计划与情境行动的经典理论，指出当前与 AI 智能体协作规划的三大问题：欧洲式提前计划的局限、纯文本规划界面对人类思考不友好、以及个体孤立规划的缺陷。呼吁为智能体协作设计更丰富、更厚的界面和更好的边界对象。

Y Combinator 支持的 Specific Labs 发布 Real-SWE 基准测试，用真实公司的私有代码库考察 AI 编程智能体，避免公开代码被训练数据污染。Claude Fable 5.1 搭配 Claude Code 以 38.8% 的成功率排名第一，但仍有超过六成的任务失败。测试中 10 个任务中有 6 个成功率低于 15%，一个分析流缩减任务在 64 次尝试中无人解决。