Almost no one uses AI agents to book their Uber, company says
Uber数据显示，在十月最繁忙的一周内，仅有4次行程通过AI智能体预订，Uber Eats通过AI智能体的订单量为500单。CEO Dara Khosrowshahi表示目前AI智能体的采用处于“非常早期且受限的牵引期”，但预计市场上的主要AI助手数量将从目前的约8个增长到10个以上。
#Agent
TechCrunch · AIAI 评分2525
TechCrunch · AIAI 评分2525 Y Combinator CEO Garry Tan 使用 AI agents 每年花费高达 $200K tokens
Y Combinator CEO Garry Tan 使用 AI agents 进行工作和生活管理，每年花费约 $100,000 到 $200,000 tokens。
Latent SpaceAI 评分4545 Building Legal Agents When You Can't See the Data - Jacob Lauritzen, CTO of Legora
Legora 帮助律师起草和编辑 Word 文档、审查 10,000 份合同，并协调律师、客户及其他 Agent 的工作。Legora 运行所有服务于 Azure，并采用模拟世界构建测试环境，成功将模型引用准确率从 70% 提升至 99%。该公司在纽约、斯德哥尔摩和伦敦招聘工程师。
MIT Technology Review · AIAI 评分7878 智能体网络已至 探讨其对人类网络的变革与挑战
智能体网络已实现，Meta Muse、OpenAI Dots 和 Anthropic 等工具已接入用户邮箱和银行账户。该转变可能重塑人类网络，带来便利的同时也引发了控制权和商业模式的挑战，如出版业和电商的收入变化。
Simon WillisonAI 评分6666 利用自主Fable级模型构建多人游戏世界案例分析
Jacob Sansbury描述了如何构建Spawn这一多人游戏环境，该环境允许玩家通过提示词修改游戏世界，并由Fable驱动的智能体群自主开发，每月消耗超过300万美元的token。智能体直接修改实时代码并每小时部署，60%的工作源于生产错误或Savi的Bug报告，实现小时级交付和30秒回滚。
Simon WillisonAI 评分1010 Quoting Ben Hylak
Ben Hylak 认为所有产品都应是 headless mcp，并输入到 agent 中，用户无需关心底层细节。 他的产品因其 UI 受到客户喜爱，具有特殊性。
Latent SpaceAI 评分4545 Why Agents Love Supabase
Supabase 推出本地无 Docker 运行的 alpha runtime，支持声明式 schema 存储在 Git 中，简化了 Agent 的后端开发流程。
The Decoder精选AI 评分7878 Anthropic 称单 AI 智能体优于多子智能体因模型可独立处理复杂性
Anthropic 发现具备按需上下文的单智能体在质量成本和延迟上优于多智能体设置，并发布了迁移工具包供团队评估。Opus 4.5、Opus 5.5 和 Fable 5.1 等新模型可直接管理复杂计划，单智能体架构运行速度比多智能体设置快约两倍。
推荐理由：Anthropic 发现单智能体在质量成本和延迟上优于多智能体设置，并发布了迁移工具包供团队评估。
MIT Technology Review · AIAI 评分4949 AI安全灾难的关注忽视了日常危害
文章指出，技术公司在满足基本安全要求后，仍在制造让年轻人沉迷、依赖AI伴侣和社交媒体的产品，导致日常危害被忽视。研究显示，青少年使用ChatGPT写作会出现大脑连接弱化，且“认知债务”在任务后仍持续存在。
MIT Technology Review · AIAI 评分1212 The Foundations of Scalable AI
可扩展的 AI 系统需要数据、工程、平台、运营模型和治理等基础要素的融合。MIT Technology Review 在 EmTech Future 会议上探讨了在高度监管环境中构建这一基础的要素。该系统需实现负责任和可信的实施，将 agentic systems 等新兴能力转化为持久的投资价值。
Latent SpaceAI 评分4545 You are the Team — Anekha Sokhal, Moshi
Moshi 是一款为交易员构建的推荐引擎，旨在连接市场信息与交易员的投资组合需求，融合了 Bloomberg、Claude 和 Netflix 的特点。Anekha Sokhal 拥有数学、运营研究、统计学背景，曾于 JPMorgan 从新兴市场转向能源衍生品交易。该工具关注可信数据源、文档提取以及构建与购买模型的决策。
MIT Technology Review · AIAI 评分2828 Celonis 论上下文感知 AI 的必要性
Celonis 首席科学家 Devavrat Shah 认为，企业 AI 必须具备上下文感知，才能在决策智能中避免误判并提升效率。 他建议先将 AI 与现有流程和数据对接，在单一业务决策上验证速度与价值，再逐步扩展。 此举可解放员工从重复任务中解脱，并推动财务、人才、营销等领域的快速决策。