科技剪报 · 2026-11-03
整理：henri
本期关注Agent的评测和商业化：GDPx把测试放入真实工作环境，Legora介绍客户数据保密条件下的法律Agent评测，a16z讨论应用收费如何体现实际成果。另有个人Agent对比、管理经验、AI基础设施投入和自动化实验的报道。
评测 / 前沿能力
GDPx的真实任务评测
SemiAnalysis推出GDPx，用芯片设计、网络安全、生物、金融、法律等领域的真实任务测试Agent，包括处理数千份文件和操作模拟实验室。最佳模型的综合得分约为12%。报告指出，部分模型会因安全限制拒绝执行某些任务，从而影响总分；一次性提供全部背景的问答任务，也难以反映Agent在真实环境中的工作能力。
newsletter.semianalysis.comGDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains
垂直 Agent / 法律
Legora如何在客户数据保密时评测Agent
Legora CTO Jacob Lauritzen介绍法律Agent的评测方法：客户资料保密，团队无法查看实际任务的运行记录，便由律师和工程师搭建模拟环境，例如让Agent审阅一万份文件并找出尽职调查中的风险。约100名有律师从业经验的法律工程师参与评测与交付。他认为，成本、延迟和复杂长文编辑仍需改进。
latent.spaceBuilding AI for Lawyers - Jacob Lauritzen, CTO of Legora — Latent Space
AI应用如何证明收费价值
a16z讨论推理成本下降后，AI应用如何证明收费合理。文章提出，应用需要在完整工作流程中胜过客户自己使用通用模型的方案，替客户收集、整理和维护业务资料，并用完成一份合同审查或解决一次客服问题等实际成果来衡量价值。文中以Repsol测试Harvey和Notion采用Decagon客服为例。
a16z.newsHow AI Applications Earn Their Premium
管理 / 工作流
管理Agent所需的基本技能
Mike Taylor把指导Agent与管理团队相比较：清楚的指令、充分的背景和可以检验的任务，都能减少协作中的误解。文章将五条提示词原则用于团队沟通，讨论管理者如何从安排单项任务，逐步转向协调多个Agent和决定工作目标。
every.toWhat AI Is Teaching Us About Management
四款个人Agent的九项任务测试
Claire Vo用九项日常任务比较Grok Bot、Dot、Muse和Claude Duet。测试中Grok的综合成绩约为93%，Muse更偏向生活任务和响应速度，Duet较慢且经常请求授权。她提醒，各工具接入的服务不同会影响结果，例如Muse缺少Slack和GitHub；因此她按工作、生活等任务分别选用工具。同一期还介绍了Figma的共享AI技能与自动化工作流程。
lennysnewsletter.com🎙️ How I AI: Grok vs. Dot vs. Muse vs. Duet: which one crushes the competition? + How Figma’s PMs actually use AI every day
市场 / 叙事
AI基础设施投入的资金约束
Hedgie把私募信贷违约、区域银行逾期和科技股回调联系起来，认为AI投资正受到融资成本、电力供应和现金流的约束。作者指出，数据中心等资产也依赖借贷，相关风险可能传回银行；市场对AI公司的关注正从快速扩张转向基础设施费用和实际盈利。
hedgie.marketsThe Great AI Reckoning
科学 / 社会
AI Agent参与小鼠脑内给药实验
WIRED报道一支创业团队让Agent选择并注射实验性基因疗法，由模型控制机械臂和针头，人类负责开颅，并可随时终止实验。Claude Opus担心中途停止会危及动物而拒绝执行，团队随后改用Sonnet完成注射，期间还借助Agent排查装置故障。报道讨论真实实验如何补充文献中缺少的失败记录和临场判断，小鼠事后状态良好。
科技与产品
不停机演进应用需要哪些工程安排
The Architect’s Notebook介绍Zero Downtime Architecture一书，把部署策略、API兼容、渐进交付、CI/CD、服务韧性与连接排空放在一起讨论。作者说明，单项部署成功仍可能破坏接口约定或让数据库回滚失效，持续运行需要各环节协同。
thearchitectsnotebook.substack.com📘 Introducing: Zero Downtime Architecture — Volume 1: Application Layer