AI 每日热点 · 2026-07-30

🔬 AI 新工艺

1. Ponytail-improved 教 AI Agent 做"最懒的资深工程师"
一个让 AI agent 像最懒的资深工程师一样"少写代码"的开源项目。和你在用的 Agent Plan 模式不同，Agent Plan 倾向于系统化地穷举需求再逐个实现，而这个项目倡导的是"不写的代码就没 bug"——先想哪部分根本不需要写。这种对抗性思维正好补上了 Agent Plan 容易 over-engineering 的短板。
https://github.com/0xwilliamortiz/ponytail-improved

2. Handbook.md 基准测试揭示：长文档策略无法可靠约束 Agent 行为
arXiv 新论文提出 HANDBOOK.md 基准，用 65 个企业级 agent 任务测试发现，20-124 页的策略文档在长时间工具调用中无法可靠约束 agent 行为。这和你在 Agent Plan 里依赖 system prompt 约束 agent 的思路高度相关——光靠写文档不够，需要额外的 guardrails。
https://arxiv.org/abs/2607.25398

3. 研究发现 AI Worm 可通过 Copilot for Word 自我传播
研究者展示了跨域提示注入攻击（XPIA）如何从单次交互扩展为在可信文档工作流中的自我传播 worm，与 Microsoft MSRC 完成 144 天协调披露。对 AI 辅助开发的安全边界提出了新挑战——如果用 Copilot 写代码，注入攻击也可能通过代码注释传播。
https://enklypesalt.com/posts/context-collapse-part3-ai-worming-through-word/

4. autodev-studio：全自主多 Agent SDLC 流水线
描述一个需求，AI agents 自动完成需求拆分、编码、测试、代码审查和 PR 提交。和 Agent Plan 的差异在于它覆盖了从需求到部署的完整研发流程，而不只是实现规划环节。
https://github.com/krishagarwal314/autodev-studio

🛠️ 工具及技巧

1. Tokenless（YC S26）—— 自动模型切换省成本
在 LLM 调用中自动选择最优模型，无需手动配置，在质量不降的前提下省钱。
https://usetokenless.com/

2. OptMem —— 给 AI Agent 的永久记忆
一个 426 token 的 prompt + 脚本，即插即用地为 AI agent 添加持久化记忆能力。
https://github.com/VictorTaelin/OptMem

3. deer-workflow —— TypeScript 图编排运行时
开源图工程运行时，编排逻辑在 TypeScript 中，语义工作委托给可替换的 AI 后端。
https://github.com/deerwork-ai/deer-workflow

⭐ 开源亮点

1. turbo-fieldfare —— 在任意 M 系列 Mac 上用 2GB RAM 跑 Gemma 4 26B
开源推理引擎，让 26B 参数模型只需 2GB 显存即可运行，对本地 AI 开发是重大效率突破。
https://github.com/drumih/turbo-fieldfare

2. numbat —— Perplexity 开源的 AI Agent 活动监控
端点级 agent 活动可见性，支持本地检测、操作前拦截和取证重建。
https://github.com/perplexityai/numbat