https://www.darius.wiki/topics/ai-agents/智能体落地：评测、可靠性、工具调用与成本zh-CNSat, 10 Oct 2026 00:00:00 GMThttps://www.darius.wiki/daily/2026-10-10/google-aqua-ambient-quality-agent/https://www.darius.wiki/daily/2026-10-10/google-aqua-ambient-quality-agent/Sat, 10 Oct 2026 00:00:00 GMT工具不在请求链路上、只读不改，用另一个智能体给线上智能体做体检。 视角: 我更看重核验那一步：先让模型找问题，再让它对照原始记录剔除误报，这和我坚持只引一手信源是同一个道理。智能面试这类会话型产品可以照搬这个思路，每次发版后抽几十个真实会话做体检，一次几美元，比等用户投诉便宜得多。https://www.darius.wiki/daily/2026-10-10/hugging-face-ml-intern/https://www.darius.wiki/daily/2026-10-10/hugging-face-ml-intern/Sat, 10 Oct 2026 00:00:00 GMT工具一个先要预算、再跑小测试、最后训练发布的机器学习智能体，已在 HuggingChat 里可用。 视角: 「从 0 预算开始、花钱先问」是所有会动钱的智能体都该抄的设计。对小团队，这意味着训一个专用小模型的门槛降到几美元一次试验；我会拿内容审核、标签分类这类固定任务先试一版，再和直接调大模型比成本。https://www.darius.wiki/daily/2026-10-08/github-copilot-local-sandboxing/https://www.darius.wiki/daily/2026-10-08/github-copilot-local-sandboxing/Thu, 08 Oct 2026 00:00:00 GMT工具Copilot 在开发者本机执行的工具和命令，现在可以跑在按策略限权的沙箱里，不另收费。 视角: 让编码智能体放手跑，最大的顾虑一直是它在本机能碰到什么。我会先把团队的默认策略定成「只能写当前仓库、禁止读 Git 凭据、联网走白名单」，本地 MCP 服务器也一并纳入；这比事后审查每一条命令省心得多。用其他编码智能体的团队，也该照这个标准检查自己的隔离做法。https://www.darius.wiki/daily/2026-10-08/nvidia-rtx-spark-windows-mxc/https://www.darius.wiki/daily/2026-10-08/nvidia-rtx-spark-windows-mxc/Thu, 08 Oct 2026 00:00:00 GMT行业在微软 Windows AI 与 Surface 发布会上，两家把「智能体在本机常驻运行」从系统层和硬件层一起推了一步。 视角: 和上面 Copilot 本地沙箱用的是同一个 MXC，本机跑智能体的隔离层已经在系统里了。128GB 统一内存能装下百亿级模型，意味着「隐私数据不出机」的需求可以先在单台机器上验证：AI 云盘这类处理私人文件的产品，可以考虑出一个本地推理的版本。但别急着买硬件，先确认你的工作负载在本地模型上的质量够不够。https://www.darius.wiki/daily/2026-10-05/microsoft-thinkingbox/https://www.darius.wiki/daily/2026-10-05/microsoft-thinkingbox/Mon, 05 Oct 2026 00:00:00 GMT研究智能体说「做完了」不算数，数据库里的记录才算。这一条讲它怎么测、测出了什么，以及「稳定完成」到底多贵。 视角: 单次通过率会骗人。我在智能面试的评分环节也会照这个思路改：同一份答卷重复跑多次、校验落库的结果是否一致，而不是只看模型说了什么。选模型时把「20 次全对率」和「稳定完成成本」放进评估表，比看排行榜有用。