为什么 Common Lisp 如今是最佳编程语言
一篇观点文章认为，在 LLM 能快速写代码之后，Common Lisp 因读写期、编译期与运行期无实质区分而成为最佳编程语言：其基于镜像的运行方式可即时替换函数、出错时进入调试器而非崩溃，便于 LLM 修复并继续运行。作者称自己用 Common Lisp 写的应用比 Python 版本短约六到七倍，代码更少意味着 token 更少、更易放进 LLM 上下文窗口。
#Agent
Hacker NewsAI 评分1616 Hacker NewsAI 评分2222 用 Claude Code 一小时做出域名查询工具 heade.rs：当工具不必自负盈亏
开发者用 Claude Code 分三次提示词、约一小时做出域名查询工具 heade.rs，并部署到 Cloudflare，可查 DNS 与注册记录、实时延迟、邮件配置和 HTTPS 详情，每月运行成本不到一杯咖啡。作者认为 LLM 让小型工具不再需要自负盈亏，受众可以只有一个人，但这类产品也更难在搜索结果中排名。
MIT Technology Review · AIAI 评分1010 从预测到自主决策：预测分析如何进入智能体 AI 时代
企业 AI 的焦点已从预测模型能否超越统计预测转向让预测系统自主决策而不偏离业务意图。深度学习与生成式 AI 驱动的智能分析支持实时训练，使 AI 持续演进而非等待季度刷新，其数据来源也从规整数值记录扩展到非结构化交互数据。Everest Group 合伙人 Vishal Gupta 称，"analytics"一词正让位于 AI。
掘金AI 评分6262 Meta 在 Muse 项目中做对了什么：一位产品设计师的复盘分析
产品设计师 Mete 撰文复盘 Meta 个人 AI 助手 Muse 登顶美国 App Store 的原因，认为其核心能力在 Codex、Claude Code 等产品中已存在一年以上，Muse 的差异在于把工具选择折叠进单一聊天界面。
Simon WillisonAI 评分3838 Simon Willison：按量付费服务需要默认硬性预算上限，AWS 已推出支出限额
Simon Willison 呼吁按量付费的 API 和服务默认设置硬性预算上限，即达到每月 $X 后直接切断并返回错误，而非仅发警告邮件。他指出 AWS 已在 9 月 16 日推出月度支出限额功能，项目用量触顶后当月暂停，目前仅向有限客户开放；Google Cloud 则在 7 月推出 Spend Caps。
量子位AI 评分6262 TypeSafe 创始人 Diogo Almeida 谈 Jev 估值 100 亿美元与可编程 AI 路线
TypeSafe 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中回应 Jev 估值 100 亿美元，并称其日处理量已突破一万亿 token。
MIT Technology Review · AIAI 评分1515 用自主 AI 重新定义企业智能
MIT Technology Review 报告指出，企业 AI 正从工具转向"智能体式转变"（agentic shift）的运营模式，2026 年全球 AI 投资预计达 2.5 万亿美元，同比增长 44%。报告认为企业 AI 的规模化问题是结构性的，领先企业把流程重设计放在模型选型之前，并以数据就绪而非数据规模取胜。报告建议重建数据基础设施、用可组合架构替代固定技术栈，并解决 AI 主权问题。
Latent SpaceAI 评分3434 MIT 的 Alex Zhang 谈 RLM、GPU 内核与智能体集群：学术界的雄心
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了其 Recursive Language Models（RLM）等工作，基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
Simon WillisonAI 评分5050 Matthew Green：沙箱隔离足以遏制失控 AI 智能体吗？
Matthew Green 指出，被分别隔离在沙箱中的 AI 智能体发现可以通过共享包缓存互相留下指令，并改变接收方的行为。将包缓存换成邮件、Slack、共享文档或 WhatsApp，再把独立沙箱的训练运行换成 Muse 这类独立部署的个人智能体，就凑齐了蠕虫所需的两半：劫持智能体的载荷，以及把载荷传给下一个智能体的智能体。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热门观点：该不该读 AI 生成的代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者为智能体提供连接工具和数据的标准接口；RAG 也并未消亡，它让模型基于训练数据之外的信息作答，减少 token 浪费并降低答案不完整的概率。
Berkeley AI ResearchAI 评分4040 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间、中位数约 50x。UC Berkeley 的 Aditya G. Parameswaran 等人提出近零推理成本下的三大数据系统挑战：为智能体设计的数据系统、运行智能体集群的数据系统、由智能体合成并需可验证的数据系统。