Codex AI Digest 深读版 · 2026-07-24
Codex 真读真写 · 24 篇原文 / 9 个渠道 / 论文、趋势、技能、工具、行动。这是 Codex 深读版。今天先更新三个判断：第一，agent 训练正在从“做 benchmark”转向“把真实 harness 带进 RL”；第二，多模态模型开始从生成内容外溢到动作预测、机器人和浏览器端运行；第三，健康、企业…
Codex AI Digest 深读版 · 2026-07-24
Codex 真读真写 · 先看方向，再看行动。这是 Codex 深读版。今天最值得你调整判断的，不是某个单点模型分数，而是三条更耐久的线索：一，agent 训练开始进入真实 harness 和真实环境；二，开放权重在高风险能力上的追赶速度继续压缩治理窗口；三，多模态系统正从“会生成”走向“会感知、预测、动作”。如果你…
上下文学习像临时做贝叶斯：为什么大模型不改权重也能跟着例子走
一篇从零开始的 In-Context Learning 深度讲解：模型没有更新权重，却能根据 prompt 里的几个例子临时跟上任务。一个有力解释是，它在上下文里推断当前任务是什么。
经典数学函数图鉴：让每一条曲线都经得起坐标查验
16 张可交互的经典函数图像：线性、二次、三次、反比例、根式、绝对值、指数、对数、三角、反三角、双曲、sigmoid、高斯、取整。用 function-plot 的区间算术精确绘制,滚轮缩放、悬停读坐标。附精确性质速查表和工具选型指南。
Codex AI Digest 深读版 · 2026-07-22
Codex 真读真写 · 方向 / 判断 / 行动。这是 Codex 深读版。今天最值得尽快更新的判断有三条：第一，AI 安全叙事正在从“模型能力有多强”转向“评测与部署边界是否足够硬”；第二，长上下文与 agent 的下一阶段不只是更长，而是更会取证、检索、验证和回退；第三，真正能拉开差距的护城河越来越像数据生成、…
一万亿个参数，没有一个是给你拧的：函数、大模型与 Claude Code 的控制面迁移史
函数的控制面是参数：改参数，结果就变。大模型呢？它有上万亿个参数，但没有一个是旋钮——真正的控制面迁移到了数据、目标函数和上下文里。到了 Claude Code / Codex，控制面又搬回模型外面，变成一整个分层的驾驶舱。这篇讲清一条主线：计算史就是控制面的迁移史，每次迁移都在拿确定性换能力，然后人类立刻在新的一层重建确定性。
穿透控制面：你写进 CLAUDE.md 的每一行，最后变成了模型内部的什么
上一篇找齐了 Agent 的控制面，这一篇把 X 光打进去：指令、示例、人格设定、测试反馈，穿过 tokenizer 之后分别控制了 Transformer 内部的哪个机制？结合 induction heads、task vectors、persona vectors 三条机制学证据链，得到一个统一答案——上下文控制的从来不是模型会什么，而是在一座冻结的能力库上做"寻址"：选择并组合已有的回路。
零基础陪读 Scaling Laws：那篇深读读不动？你缺的其实只是一条直线
Scaling Laws 深读的陪读篇。用正方形、身高预测、餐巾纸记账几个能手算的真问题，把幂律、log-log 直线、拟合、外推、C≈6ND 五件工具逐件装好，每件装完立刻回扣深读原文。读完再回去，0.73 vs 0.5 之争会变成一个很直观的故事。
从 vLLM ChatCompletionRequest 看懂大模型请求参数
把 vLLM 的 ChatCompletionRequest 当成推理控制面地图，讲清 messages、chat template、token 预算、采样参数、结构化输出、工具调用、streaming 和服务调度分别作用在大模型推理的哪一层。
Streaming 不是逐字打印：从 vLLM 看大模型增量输出的状态机
从 OpenAI SSE 协议、LLM prefill/decode、vLLM chat_completion_stream_generator 和 Parser.parse_delta 四个层次，理解大模型 streaming 为什么不是简单 append 文本，而是增量状态机。
OpenAIServingChat 深度解读：vLLM 怎样把一次 Chat Completion 跑成 OpenAI 响应
从 vLLM 的 OpenAIServingChat 源码看懂 /v1/chat/completions 的服务编排：chat template 渲染、SamplingParams 构造、EngineClient.generate、streaming SSE、tool/reasoning parser、usage、metrics 和 KV transfer cleanup。
Loop 还是 Graph?这是个假问题——Agent 架构之争的真正变量,是控制流的真相放在哪里
Loop 派信模型,Graph 派信代码,吵的其实是同一个坐标轴上的两个点:下一步由谁决定。用调度器理论把二元对立拆成连续谱,再看 AFlow/GPTSwarm 给出的第三条路——结构本身也可以被搜索出来。
Codex AI Digest 深读版 · 2026-07-21
Codex 真读真写 · 方向 / 判断 / 技能 / 工具 / 行动。这是 Codex 深读版，不做关键词拼盘。今天 23 篇材料里最值得你调整判断的，不是又一个更大的模型，而是三条更耐久的线索：机器人开始把采数工具链产品化；agent 与自动发现系统开始暴露评测与验证短板；模型对措辞和软上下文的脆弱性，已经足以反…
Agent 工程七问：如何把一个随机内核，包装成能托付长任务的可靠系统
状态记录、失败恢复、沙箱隔离、多轮评测、test-time compute 分配、上下文组织、速度/成本/成功率联合优化——七个问题共享同一个答案结构：把真相移到模型外面。
Codex AI Digest 深读版 · 2026-07-20
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。我先把今天 7 个渠道的 19 篇正文压成三个判断：一是开源大模型竞争已经从“能否追上”转到“谁能稳供给、稳工作流、稳生态”；二是 agent 提效的瓶颈正从写 prompt 转向写循环、设停机条件、少拥有代码；三是下一波高杠杆数据不只…
所谓点拨：不是贵人一句话，而是把自己送进高价值反馈场
从清华到 OpenAI、Meta Superintelligence Labs、Google DeepMind 等公开案例出发，拆解“点拨”的真实机制：识别热场、压缩路径、构建可验证筹码，并给出 AI 学习者的 90 天行动协议。
PPO 的训练循环:每一个部件,都是同一对矛盾的产物
从 REINFORCE 的"数据用一次就作废"出发,一步步推出 PPO 训练循环的全部部件——重要性采样比率、clip、critic、GAE、多 epoch 复用——再落到 RLHF 的四模型循环。读完你能口述一次 PPO 迭代的每个阶段,以及每个阶段为什么非存在不可。
Lilian Weng 新文深读：当 Harness 本身成为被优化的对象
《Harness Engineering for Self-Improvement》深度消化：递归自我改进不会从模型改写自己的权重开始，而是从部署层开始。被优化对象的爬升路径（prompt → context → workflow → harness 代码 → 优化器代码），以及为什么评估器必须留在循环之外。
零基础陪读 Big-O：那篇复杂度深读读不动？你缺的是六件初中数学工具
上一篇 Big-O 深读的陪读篇。用折纸、猜数字、握手、排队照相六个能手算的真问题，把指数、对数、求和、阶乘、递推式、「阶」的眼镜逐件装好，每件工具讲完立刻回扣原文公式。读完这篇再回去，那些公式会自己开口说话。
Codex AI Digest 深读版 · 2026-07-18
Codex 真读真写 · 深读判断 / 论文雷达 / 工具 / 行动。这是 Codex 深读版。今天最值得形成的判断不是“谁又发了一个更大的模型”，而是前沿竞争正在转向效率栈、数据生产栈和 agent 运行时三条系统能力：Kimi K3 把开源前沿继续往前推，Lila 把实验室当成数据中心来制造可验证训练数据，vLL…
KV cache 是内存管理,上下文管理是 GC 吗?——把 LLM 推理栈当操作系统读一遍
一个常见直觉的精确化:KV cache 层确实对应操作系统内存管理——PagedAttention 就是把虚拟内存搬进显存,前缀缓存的 ref_cnt 就是字面意义的引用计数 GC;但语义层的上下文管理对应的不是 GC,而是页面置换加有损压缩。给出三问判据。
Agent 的内存管理:Claude Code 与 Codex 如何决定"忘掉什么"
深度拆解 Claude Code / Codex 的上下文淘汰策略:分层压缩管道、compaction 幸存规则、KV cache 淘汰的同构问题,以及 arXiv 论文给出的反直觉证据——简单丢弃常常不输昂贵的摘要。
Claude Code 和 Codex 还在用 RAG 吗？——代码检索为什么回到了 grep
拆解 Claude Code / Codex 的代码检索机制：为什么两家都放弃了向量索引式 RAG，改用 agentic search（grep + 模型闭环）；Fetch 工具到底是干什么的；以及 arXiv 论文链条给出的证据与边界。
给「物料搭建 + 还原业务逻辑」设计一套 AI Harness
前两篇讲了设计稿出码的难题和物料驱动搭建的问题地图。这一篇动手：从「AI 可被控制、可被配置的切面」出发，设计一套能真正跑起来的搭建 harness——用一条「逐步降低不确定性」的窄专家流水线，每步产出可校验的 typed artifact，把 skill.md / tool schema / MCP / 结构化输出 / 编排 / 校验门 / 人机门 当成控制阀装上去。含可直接参考的 SKILL.md、工具契约、IR schema 与编排流程图。
Codex AI Digest 深读版 · 2026-07-17
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。今天读完 24 条候选、拿到 23 条正文后，最值得提前建立判断的不是又一个模型 headline，而是三条更耐久的线索：开源 MoE 正在从“更便宜”转向“更强但更贵”；科研和工业都在把 memory、planning、data pi…
搭建系统最会流血的两处，其实是同一种病：PRD 抽取与双向同步
系列深挖篇。把「PRD→交互规格的 intake agent」和「schema↔代码的 round-trip」这两个搭建系统里最疼的单点挖到底，并揭示它们是同一种病——同一份信息在两种表示之间来回翻译时的边界问题。前者会静默编造缺失的逻辑，后者会静默漂移。负责任的解法都是同一句：把有损与歧义的部分显式化，而不是替它糊过去。含 intake 的完备性矩阵设计与 round-trip 四种策略的取舍。
Codex AI Digest 深读版 · 2026-07-16
Codex 真读真写 · 先读方向，再定行动。这是 Codex 深读版，不是关键词拼接。今天最值得你更新的判断有三条：第一，开源模型竞争正在从“谁更大”转向“谁能被部署栈和 agent 栈当天接住”；第二，coding agent 的真正护城河不在 prompt，而在 harness、权限、回归控制和人工接管；第三，…
从 Agent 供给工程到设计即交付：三份 AI 研发规范背后的生产线逻辑
结合论文与 KaiHub、Echo Builder、设计上下文、物料渲染等实现，解读 Skills & MCP、提示词与上下文工程、D2D 如何组成公司级 AI 研发生产线。
上下文窗口里的干预权重：为什么模型更听开头、最近和当前任务
基于长上下文与多轮对话论文，拆解上下文里哪些信息最能干预模型输出、哪些信息会被有效淘汰，以及如何安排系统提示、历史、摘要和当前任务。
提示词之后：上下文工程如何接管 LLM 应用质量
从系统提示词、用户提示词、会话上下文、检索上下文、Token 窗口、幻觉抑制和提示词模板库出发，结合 arXiv 论文解释为什么 LLM 应用的核心工程对象正在从 prompt 变成 context。
Codex AI Digest 深读版 · 2026-07-15
Codex 真读真写 · 今天先读/论文/趋势/技能/工具/行动。这是 Codex 深读版，不是关键词拼装。今天最值得记录的不是单条新闻，而是三条更耐久的工程信号正在收敛：AI 工程的重心从模型本体转向 harness、loop 和 eval；代理开始需要按任务复杂度控制执行范围，而不是默认全仓审计；设备侧与本地化代…
vLLM 是顶流，但不是终点：LLM 推理框架的五条路线
从 vLLM、SGLang、TensorRT-LLM、TGI、llama.cpp 到 RTP-LLM，梳理当下 LLM inference serving 框架的主流路线、学习价值和选型边界。
从提示词到工作制度：Superpowers Skill 的结构上下文哲学
结合 Superpowers 的 brainstorming、TDD、worktree、writing-skills 设计，以及 Agent Skills、Externalization、SkillsBench、Parametric Skills、HASP 等论文，解释为什么 skill 的本质不是更多 prompt，而是把 Agent 的工作上下文做成可触发、可验证、可复盘的结构。
把智能体当人用：Claude Agent SDK 的架构设计哲学
不是功能罗列，而是深读 Claude Agent SDK 的设计思想——为什么"给智能体一台电脑"、agent loop 为什么是控制循环、上下文窗口如何成为一切设计的隐形主线、以及为什么可靠性工程发生在 harness 而不是模型里。
Codex AI Digest 深读版 · 2026-07-14
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。今天先读完 25 条原文后，我认为最值得抓住的不是某一个模型 headline，而是四条线同时变清楚了：模型正在从“单点能力”变成“路由与预算系统”，评估正在从最终分数转向过程与偏差机制，记忆与技能正在被包装成可迁移资产，agent 安…
Graphify 源码深潜：从 AST 构图到 LLM 任务的上下文装配
从语法树构图、跨文件消歧和图遍历查询，到 Skill、AGENTS.md、CLI 与 MCP 接入，讲清 Graphify 如何在构图期与任务运行期分配 LLM 职责。
Agent 能力会被内化吗：外部系统、模型训练与研发护城河
深读 Externalization、Toolformer、TInR、RISE、Agent Skills 等论文：哪些 Agent 外部系统会被模型内化，哪些不会，未来研发竞争力会迁移到哪里。
Agent 长记忆不是向量库：从记忆流到内存管理
消化 Generative Agents、Reflexion、MemGPT、Mem0 和 A-Mem：为什么 Agent 长记忆不是简单存聊天记录，而是一套写入、整理、检索、更新和评估系统。
Agent 的工具调用机制：从 Function Calling、MCP 到 Skill
拆开一次 Agent 工具调用：模型只提出结构化调用意图，运行时负责校验、执行和回填；MCP 标准化外部能力，Skill 标准化可复用工作流。
Agent 做长任务为什么会崩：从时间跨度到失败归因
消化 Voyager、METR long tasks、TheAgentCompany、SWE-Bench Pro、Odysseys、WildClawBench 和 HORIZON：长任务能力为什么不能只看成功率。
AI Coding 时代，Git Worktree 为什么突然变成刚需
从 Git 原理、AI agent 并行任务、hotfix、PR review、命令用法和常见坑出发，讲清 git worktree 解决的真实问题。
Codex AI Digest 深读版 · 2026-07-09
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。今天最值得调整的判断，不是又一个模型名次变化，而是 agent 已经开始同时侵入研发生产函数和基础设施设计：上游是 Fable 写 GPU kernel、AtCoder 竞赛表现、Remote Labor Index 这类能力信号，下游…
Fable 写出 GPU Megakernel：AI 研发自动化真正值得盯的信号
深读 Import AI 464：从 Fable 的 KernelBench-Mega 结果出发，串起 GPU kernel、远程数字劳动、OSWorld 2.0、企业知识系统和 AI 研发自动化的真实边界。
AgentBench 学习笔记：评测 Agent，不能只看它怎么回答
消化 AgentBench 论文：为什么 LLM Agent 需要交互环境评测，AgentBench 如何用 8 类环境测试长期推理、决策和指令遵循，以及它对 Agent eval 的启发。
Codex AI Digest 深读版 · 2026-07-08
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版：我先抓取 source pack，再逐篇阅读原文摘录，并用 `publish-to-lei-blog` 的“质量十大思维”做了一轮审稿。今天的主线是：AI 能力正在从“模型会不会”下沉到“harness、sandbox、数据系统、推理栈…
Evoflux 学习笔记：小模型不会稳定用工具时，先别急着微调
消化 Evoflux 论文：为什么紧凑模型在 MCP 风格工具调用里容易失败，Evoflux 如何把工具调用看成可执行工作流的推理时演化修复，以及它对 Agent 系统设计的启发。
从 .codex 目录反推 Codex 内核：一个本地 Agent OS 的剖面
从 CODEX_HOME 的目录、SQLite schema 和官方文档出发，把 Codex 拆成控制面、状态面、执行面、扩展面、安全面、后台面和记忆面，理解它为什么更像本地 agent runtime。
Agent Jail：把 AI Agent 关进可审计的企业权限边界
从 untrusted tenant 视角重新设计 Codex、Claude Code 和企业 Agent 的运行边界：Capability Manifest、策略引擎、短期凭证、MCP Gateway、审计和绕过防护。
PrologMCP 学习笔记：别让大模型硬想，把演绎推理交给符号系统
消化 PrologMCP 论文：为什么 LLM 在深层演绎推理上不稳定，PrologMCP 如何把 Prolog 标准化为 MCP 工具，以及“模型做翻译、求解器做推理”的系统分工。
SWE-bench 学习笔记：代码模型评测，终于从刷题走向真实修 Bug
消化 SWE-bench 论文：为什么传统代码生成评测不足以衡量软件工程能力，SWE-bench 如何用真实 GitHub issue、仓库上下文和测试执行构造可执行评测。
Codex AI Digest 深读版 · 2026-07-07
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。我先读了 9 个渠道的 23 篇原文包，今天最值得你投入注意力的不是又一个模型名，而是三条更硬的信号：验证正在成为 agent 能力的新缩放轴；弱模型上的 RL 成果开始有机会迁移到更强模型；内容站点已经开始把 agent 抓取当成独立…
Masked Softmax 到底在 mask 什么：把 QK 分数变成注意力权重
面向初学者拆解 masked softmax：先补 softmax 的 exp、求和、归一化，再讲 causal mask 如何把未来 token 权重变 0，最后对上 GQA 下的 Q/K/V shape 和 llama.cpp attention graph。
AI Infra 工程师日常工作地图：以 OpenAI 岗位为镜，明自己的学习坐标
基于 OpenAI 公开 AI Infra 相关岗位描述，按训练、推理、数据、GPU 集群、可靠性、评测发布、Agent Infra、安全和开发效率拆解 AI Infra 工程师每天实际做什么，并映射到个人学习路线。
Codex AI Digest 深读版 · 2026-07-06
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版：我先抓取 source pack，再逐篇阅读原文摘录后重写判断。今天最值得放进脑子的主线是：agent 不再只是“会调用工具的模型”，而是在逼工程体系补上运行时、权限、验证、成本和产品界面这几块短板。
计算图不是在算，而是在排活：从伪代码到 ggml 看懂 llama.cpp 的 Qwen2 forward
用一段极简伪代码解释计算图，再拆开 ggml_tensor、ggml_cgraph 和 llama.cpp 的 Qwen2 graph builder，看懂一次 forward 如何从 logits 反向追出完整执行图。
Parametric Skills 学习笔记：把 Agent 技能从上下文说明书编译成 LoRA 参数
深入拆解 Parametric Skills：为什么文本技能会在长上下文 Agent 中失效，如何用 hypernetwork 把 SKILL.md / 轨迹经验转成 LoRA adapter，以及它和 Program-as-Weights 的关系。
Codex AI Digest 深读版 · 2026-07-04
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版，不是关键词卡。今天先读 26 篇候选、24 篇正文后，我的主判断是：Agent 的竞争正在从“谁回答得更好”转向“谁能被当作软件运行”。这意味着评测要看预算曲线，安全要在线监控，隐私删除要能定位到参数，工具链要补齐技能、沙箱、可恢复执行…
Codex AI Digest 深读版 · 2026-07-03
Codex 真读真写 · 论文/趋势/技能/工具/行动。基于 aibrief 当日 25 条高信号内容生成。
Codex AI Digest 深读版 · 2026-07-02
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版，不是关键词卡。今天先读 24 篇候选、23 篇正文后，我更看重四条主线：Agent 竞争从模型能力转向反馈回路；推理架构开始重写多线程协作方式；企业真正缺的是把 AI 嵌进交付链路的人与流程；安全执行环境、技能包与网关正在成为开发者基础…
Agent Skills 与 MCP 的研究前线：从能力包到执行边界
深读 2026 年 6 月底 arXiv 上 Skill/MCP 相关论文：Skill 如何获取、调用、参数化和治理，MCP 如何从连接协议走向安全执行层。
Codex AI Digest 深读版 · 2026-06-30
Codex 真读真写 · 论文/趋势/技能/工具/行动。基于 aibrief 当日 37 条高信号内容生成。
Codex AI Digest 深读版 · 2026-06-30
Codex 真读真写 · 方向 / 判断 / 行动。这是 Codex 深读版，不是关键词拼接。今天最值得你投入注意力的，不是“又有新模型”，而是三条更底层的变化：agent memory 开始从 RAG/长上下文转向结构化记忆；评测开始把“会不会作弊”当成能力边界的一部分；本地与开源 agent 正在逼近可用阈值，但…
Codex AI Digest 深读版 · 2026-06-29
Codex 真读真写 · 论文/趋势/技能/工具/行动。基于 aibrief 当日 20 条高信号内容生成。