AI 安全初创公司 AIR 融资 5000 万美元，监控 AI 代理技能供应链
AI 安全初创公司 AIR 宣布获得 5000 万美元融资，用于构建监控 AI 代理所用技能、插件和 MCP 服务器的平台。该公司由以色列 8200 部队退伍军人创立，提供代理发现、持续审查和拦截功能，目前已有 20 多家客户。融资由 Sequoia 和 Greenoaks 领投，资金将用于招聘和拓展市场。
Agent 智能体
技术方向 · 让模型自主规划、调用工具、完成多步任务的技术方向 · 共 4271 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
9月1日周二 · 20 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
Fambot 推出家庭 AI 首席参谋，帮助家长管理家庭事务
初创公司 Fambot 推出面向家庭的“AI 首席参谋”服务，帮助家长管理子女活动、学校通知等家庭事务。该服务由前 Instagram 工程师和 Uber 产品主管联合创立，已获 350 万美元种子前融资，目前处于免费测试阶段。Fambot 通过连接邮箱、日历和 WhatsApp 群组，提供每日待办清单，并计划整合更多应用，成为家庭沟通中心。
正文结构化主题已通过公开置信门槛
InfoQ 九月在线认证项目开放报名
InfoQ 宣布其在线认证项目九月班次开放报名，涵盖架构、工程领导力和 AI 辅助工程三个方向。每个项目为期五周，每周一次四小时的在线课程，参与者通过观看 QCon 演讲并应用框架到实际工作中来获得认证。AI 辅助工程课程由 Thoughtworks 专家授课，强调构建验证框架，使用 Claude Code 进行实践。
正文结构化主题已通过公开置信门槛
HCP Terraform 定位为 AI 驱动基础设施的控制平面
HashiCorp 将 HCP Terraform 定位为 AI 驱动基础设施的治理与控制平面，强调在 AI 代理自主编写和执行 Terraform 变更时，通过策略、身份、隔离和审计等机制确保安全。该模型主张代理提出变更，而 Terraform 负责治理，并采用短期动态凭证限制风险。此举反映了平台工程向定义 AI 安全操作边界转变的趋势，与 Pulumi
正文结构化主题已通过公开置信门槛
MoziAI发布35B多模态模型，支持本地免费部署
MoziAI团队发布了MoziAI-35B-V3.8，一个基于Ornith-1.5-35B-A3B的开源多模态AI模型，支持本地部署，大小仅15.9GB。该模型集成了动态七维思考框架、Agent LOOP迭代机制、MoziSmartBit混合量化算法，并针对金融领域优化，支持免费商用。
正文结构化主题已通过公开置信门槛
DeepSeek V4 多模态开源：视觉链路深度拆解
DeepSeek 开放了 V4 多模态模型的权重和推理代码，揭示了其视觉处理链路：通过 32 层 ViT 编码图像，使用 Aligner 将视觉特征压缩并映射到语言空间，视觉 Token 直接融入 V4 主干参与 Attention 和 MoE 路由。该设计针对 Agent 场景优化，支持长上下文和工具调用，但面临重复计算和视觉状态管理的挑战。
正文结构化主题已通过公开置信门槛
n8n 发布 2.38.1 版本，修复多项 AI 构建器与核心问题
n8n 发布 2.38.1 版本，包含多项 bug 修复，涉及 AI 构建器、API、核心功能等。修复了 MongoDB 参数绑定、AI 助手工具调用事件、OAuth 令牌授权等问题，并改进了代理环境变量处理和 S3 连接检查。
正文结构化主题已通过公开置信门槛
流沙之上：中国AI应用创业者的三种选择
雷峰网报道，2026年中国AI应用创业公司面临模型能力快速升级和大厂竞争的双重压力，被形容为“在流沙上盖房子”。文章以Lovart、Genspark和Flowith为例，分析了三种应对路线：深入专业工作流、扩大任务边界、构建长期工作系统。创业者陈冕、景鲲和倪正民分别做出不同选择，但都面临模型升级可能吞噬应用层价值的挑战。
正文结构化主题已通过公开置信门槛
DeepSeek Harness插件生态乱象：1.1万插件仅千个可用，安全机制缺失
雷峰网对DeepSeek Harness插件生态进行了全面调查，发现其1.1万个插件中仅不到1000个可用，官方缺乏治理机制，包括无插件目录、无安全校验等。调查还发现插件权限形同虚设，存在安全风险，且生态中充斥着大量无关或低质量插件。文章指出DeepSeek将工程制品当作产品发布，导致用户需自行承担安全责任，生态可能被老玩家占据。
正文结构化主题已通过公开置信门槛
DeepSeek V4 Pro与Harness深度拆解：后训练成主战场，缓存优化控成本
雷峰网发布万字长文，拆解DeepSeek V4 Pro与Harness框架。文章通过实测发现，V4 Pro在Terminal Bench等agentic任务上大幅提升，但相比Flash性价比不高，且其1M上下文是通过YaRN外推实现，但实测未衰减。DeepSeek通过缓存优化和定价策略控制成本，并开源Harness框架，强调后训练成为旗舰模型升级主战场。
正文结构化主题已通过公开置信门槛
GLM 5.3实测：更强但更谨慎，自动化开发易卡壳
雷峰网对智谱最新旗舰模型GLM 5.3进行了实测，通过让其与GLM 5.2开发同一款基于OpenStreetMap数据的北京驾驶游戏，发现GLM 5.3在开发效率、真实感和工程组织能力上更优，但因其更强的安全策略，在自动化工具链中更易触发拒绝判断，导致流程卡顿。
正文结构化主题已通过公开置信门槛
实测Qwen 3.8-Max vs GPT-5.6：完成度更高但耗时3.5小时且额度耗尽
雷峰网作者通过Qwen Code和ChatGPT Codex分别调用Qwen 3.8-Max与GPT-5.6，要求它们从零搭建并迭代一个3D大模型演进宇宙网站。实测显示，Qwen 3.8-Max在页面完成度和视觉细节上优于GPT-5.6，但耗时更长（3小时29分钟）且因额度耗尽中断，而GPT-5.6在37分钟内完成但完成度较低。文章认为Qwen 3.8-Ma
正文结构化主题已通过公开置信门槛
GitHub最热架构图Agent Archify走红，开发者专升本逆袭引热议
开源项目Archify登上GitHub热榜，它能用AI一键生成美观且支持实时更新的架构图，兼容Claude Code、Codex等Agent。开发者“也无风雨也雾晴”是专升本出身，曾因学历在求职中屡遭挫折，后通过开源作品证明自己并获大厂Offer。Archify通过生成JSON IR并验证渲染，支持多种图表类型和交互功能，旨在解决AI生成架构图准确性问题。
正文结构化主题已通过公开置信门槛
Claude明升暗降额度引众怒，OpenAI重置额度修复Bug获好评
Anthropic宣布从9月14日起永久提高Claude Code标准周额度25%，但此前临时50%的加量将结束，实际额度反而减少约17%，引发用户不满。与此同时，OpenAI的Codex负责人Tibo重置了用户额度，并修复了多个后台消耗额度的Bug，使用户实际可用额度增加10%-50%。两相对比，Claude的沟通策略受到批评，而Codex则获得好评。
正文结构化主题已通过公开置信门槛
VAST完成约30亿元融资并发布Tripo P2.0，刷新AI 3D融资纪录
VAST宣布完成约30亿元B轮和B+轮融资，由经纬创投领投，多家产业资本和财务投资机构参投，累计融资约50亿元，刷新AI 3D领域融资纪录。同时发布旗舰3D原生基座模型Tripo P2.0，首次实现原生四边面拓扑网格的端到端生成，并已在游戏、3D打印、影视等领域落地。融资将用于模型迭代、基础设施扩建和商业化加速。
正文结构化主题已通过公开置信门槛
Violoop获亿元融资，让AI在真实工作中学会一个人
Violoop完成亿元级天使轮及Pre-A轮融资，投资方包括联想创投、中金保时捷等。其产品为桌面设备，通过HDMI和USB接入电脑，让AI通过视觉和键鼠操作学习用户工作方式，实现个人化自进化。产品计划9月上线，已获约1.2万人预订。
正文结构化主题已通过公开置信门槛
MoziAI-35B-V3.8：15.9GB 本地部署多模态金融模型
MoziAI-35B-V3.8 是由中国金融领域意见领袖陈雨墨团队开发的开源多模态 AI 模型，基于 Ornith-1.5-35B-A3B 基础模型，采用 MoE 架构，通过自研 MoziSmartBit 量化压缩至 15.9GB，支持本地部署和免费商用。模型具备动态七维思考框架、Agent LOOP 迭代机制、金融垂直优化和无审查特性，支持多语言、视觉理解
正文结构化主题已通过公开置信门槛
筷子科技推KP钱包，统一视频商业AI价值计量
筷子科技发布视频商业AI能力统一价值单位“KP”及企业“KP钱包”，旨在统一管理模型调用、内容生产、分发等环节的预算与能力。KP建立在Token之上，覆盖模型、算力、Agent、工具等资源，企业可通过KP钱包分配预算并管理多业务环节。目前Kuaizi已积累超1.2亿条商业视频，服务13500多家付费企业，并展示了多个客户效率提升案例。
正文结构化主题已通过公开置信门槛
ASTRA：用于工单解决和分析的智能体系统
ASTRA 是一个用于工单解决和分析的智能体系统，通过中央编排器协调三个专业信息收集智能体（工单相似性、日志分析和领域知识），并利用法官-编排器循环生成有证据支持的故障排查报告。该系统在 987 个真实电信故障工单上评估，平均质量得分 4.13/5.0，其中 59.9% 的报告正确识别了组件级或更细的故障区域，且硬件故障的诊断难度显著高于软件和配置故障。
正文结构化主题已通过公开置信门槛
AgenticRag-R1：基于栈内存的智能体强化学习实现多步推理与检索
AgenticRag-R1 是一个基于强化学习的框架，通过内存栈和细粒度动作空间深度融合推理、检索和记忆，并采用分层动作感知奖励和信息感知轨迹拒绝策略，以解决现有 RAG 系统在多步推理中自适应检索和上下文修订的不足。实验表明，该方法在多个多跳、开放域和智能体推理基准上优于强基线，并展现出更稳健、可解释且记忆感知的推理行为。代码已在 GitHub 上匿名公开