<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Agent Skills on 玩数据de强尼</title><link>https://awesomedata.pages.dev/tags/agent-skills/</link><description>Recent content in Agent Skills on 玩数据de强尼</description><generator>Hugo -- gohugo.io</generator><language>zh</language><lastBuildDate>Fri, 23 Oct 2026 09:35:00 +0800</lastBuildDate><atom:link href="https://awesomedata.pages.dev/tags/agent-skills/index.xml" rel="self" type="application/rss+xml"/><item><title>每日AI资讯 2026-10-23</title><link>https://awesomedata.pages.dev/p/daily-ai-news-2026-10-23/</link><pubDate>Fri, 23 Oct 2026 09:35:00 +0800</pubDate><guid>https://awesomedata.pages.dev/p/daily-ai-news-2026-10-23/</guid><description>&lt;img src="https://awesomedata.pages.dev/p/daily-ai-news-2026-10-23/cover.jpg" alt="Featured image of post 每日AI资讯 2026-10-23" /&gt;&lt;h2 id="1-minimax-开源-m31-flash总参数-428b激活-23b上线-72-小时处理-token-超-100-万亿"&gt;1. MiniMax 开源 M3.1 Flash：总参数 428B/激活 23B，上线 72 小时处理 Token 超 100 万亿
&lt;/h2&gt;&lt;p&gt;10 月 23 日，MiniMax（稀宇科技）宣布开源 M3.1 Flash 模型权重：总参数 428B、激活参数 23B，采用稀疏注意力与 QAT（量化感知训练）等效率优化，上线 72 小时内真实用户处理 Token 超过 100 万亿。&lt;/p&gt;
&lt;p&gt;值得关注的原因：428B 总参只激活 23B，是&amp;quot;大容量、低激活&amp;quot;路线的又一个样本——这类结构对多芯片部署与推理成本极其敏感，稀疏注意力加 QAT 的组合说明开源模型正在把&amp;quot;工程优化&amp;quot;做成与架构创新同权的竞争点。对数据团队，100 万亿 Token/72 小时的真实调用量比任何榜单都更能说明开源模型的可用性水位：当一个开源模型的周调用量达到这个量级，&amp;ldquo;要不要自建&amp;quot;的讨论就可以从&amp;quot;能不能用&amp;quot;进入&amp;quot;成本结构怎么算&amp;quot;了。&lt;/p&gt;
&lt;h2 id="2-openai-正式发布-decisions-api基于-gpt-6-luna小决策场景最高快-10-倍"&gt;2. OpenAI 正式发布 Decisions API：基于 GPT-6 Luna，小决策场景最高快 10 倍
&lt;/h2&gt;&lt;p&gt;10 月 22 日，OpenAI 宣布 Decisions API 正式可用。该 API 基于 GPT-6 Luna，面向分类、路由、评分等&amp;quot;有界答案&amp;quot;的小决策场景，速度最高比通过 Responses API 使用 GPT-6 Luna 快 10 倍，并提供与 GPT-Live 的集成。&lt;/p&gt;
&lt;p&gt;值得关注的原因：专门为&amp;quot;小决策&amp;quot;单开一条 API 线，说明 OpenAI 看到了企业调用里最大的一块成本不是&amp;quot;难问题&amp;quot;而是&amp;quot;海量简单判断&amp;rdquo;——风控分单、工单路由、内容分级、线索评分这类场景要的不是最强模型，而是足够快、足够便宜、延迟稳定。对技术选型者的信号很直接：把&amp;quot;大模型一把梭&amp;quot;的架构拆开，简单判断走专用 API、复杂推理走旗舰模型，延迟与成本可以同时优化一个数量级。&lt;/p&gt;
&lt;h2 id="3-anthropic-将-agent-skills-开放标准捐赠给-linux-foundation-旗下-agentic-ai-foundation"&gt;3. Anthropic 将 Agent Skills 开放标准捐赠给 Linux Foundation 旗下 Agentic AI Foundation
&lt;/h2&gt;&lt;p&gt;10 月 21 日，Anthropic 宣布把 Agent Skills 开放标准捐赠给 Linux Foundation 旗下的 Agentic AI Foundation（AAIF），此前已将 MCP 捐赠给同一组织。捐赠范围涵盖标准规范、维护者安排与采用数据。&lt;/p&gt;
&lt;p&gt;值得关注的原因：一年内连续把 MCP 和 Agent Skills 两块关键拼图交给中立基金会治理，Anthropic实际上在把自己定义的&amp;quot;智能体积木&amp;quot;变成行业公共标准——对使用方这是好事：Skill 的定义、格式与工具调用规范不再由单一厂商把持，跨平台复用与迁移的确定性增强；对从业者，&amp;ldquo;会写 Skill&amp;quot;正在从框架技巧变成类似 SQL 的基础能力， Anthropic 官方同时给出的子智能体合并指南（本期补充线索）也在把最佳实践公开化。&lt;/p&gt;
&lt;h2 id="4-replit-发布-monitoring-agent能读日志查指标验证修复并自动部署的值班智能体"&gt;4. Replit 发布 Monitoring Agent：能读日志、查指标、验证修复并自动部署的&amp;quot;值班智能体&amp;rdquo;
&lt;/h2&gt;&lt;p&gt;10 月 22 日，Replit 发布 Monitoring Agent：相当于自主值班工程师的监控智能体，可读取生产日志与指标，调查错误、变慢与部署失败；启用 autofix 后能验证修复并邮件汇报，启用 auto-publish 后可自动部署修复。该能力建立在早前上线的 App Monitoring 之上。&lt;/p&gt;
&lt;p&gt;值得关注的原因：这是&amp;quot;AI 运维&amp;quot;从告警聚合走向闭环处置的标志性一步——过去的监控系统只回答&amp;quot;哪里出了问题&amp;quot;，Monitoring Agent 要回答&amp;quot;问题是什么、修了没有、上线了没有&amp;quot;。对独立开发者与小团队，&amp;ldquo;深夜值班&amp;quot;这个最反人类的岗位第一次有了完整的自动化替代方案；对数据/平台团队，它也划出了人机边界的新参照：自动修复+人工审批流水线（邮件汇报→确认部署）可能成为 AI 参与生产系统的标准姿势。&lt;/p&gt;
&lt;h2 id="5-microsoft-ai-发布-sdbench-基准与-mai-dxo-诊断系统论文登science"&gt;5. Microsoft AI 发布 SDBench 基准与 MAI-DxO 诊断系统，论文登《Science》
&lt;/h2&gt;&lt;p&gt;10 月 22 日，Microsoft AI 发布 Sequential Diagnosis Benchmark（SDBench）顺序诊断基准与 AI 诊断系统 MAI-DxO，论文发表于《Science》。原文给出了具体准确率与成本数据，并开放部分评测代码。&lt;/p&gt;
&lt;p&gt;值得关注的原因：医疗诊断是 AI 落地&amp;quot;高风险决策&amp;quot;的最典型场景，SDBench 的价值在于把&amp;quot;问诊&amp;quot;建模为序贯决策过程（每一步检查都依赖前一步结论），而不是一次性问答——这比单轮准确率更能反映真实临床推理；登上《Science》并开放评测代码，意味着第三方可以复现验证。对做 AI 评测的团队，&amp;ldquo;序贯决策基准&amp;quot;的思路可以直接迁移到电商运营场景（诊断一个店铺的转化率下滑，同样是序贯的：先流量、再转化、再客单）。&lt;/p&gt;
&lt;h2 id="今日核心洞察"&gt;今日核心洞察
&lt;/h2&gt;&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;&amp;ldquo;小决策专用化&amp;quot;成为 API 层新竞争点&lt;/strong&gt;：OpenAI Decisions API 把分类/路由/评分从旗舰模型里拆出来单独优化 10 倍速——企业 AI 成本的大头从来不是难题而是海量简单判断，架构上&amp;quot;简单判断走轻量专用线、复杂推理走旗舰线&amp;quot;应成为默认设计。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;智能体标准进入&amp;quot;基金会治理&amp;quot;时代&lt;/strong&gt;：MCP 与 Agent Skills 先后捐赠给 Linux Foundation 旗下 AAIF，Agent 的&amp;quot;积木规格&amp;quot;正在公共化——跨平台复用确定性增强，&amp;ldquo;写 Skill&amp;quot;从框架技巧变成基础能力。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;开源模型的竞争焦点移到&amp;quot;工程优化&amp;rdquo;&lt;/strong&gt;：MiniMax M3.1 Flash 用稀疏注意力 + QAT 把 428B 总参压到 23B 激活、72 小时跑出 100 万亿 Token——架构创新之外，部署成本与推理效率正成为开源模型同台竞技的主赛道。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;AI 运维与高风险决策同时出现&amp;quot;闭环化&amp;quot;信号&lt;/strong&gt;：Replit Monitoring Agent 把监控推进到&amp;quot;自动修复+自动部署&amp;rdquo;，Microsoft MAI-DxO 用序贯决策基准做医疗诊断——AI 的角色都在从&amp;quot;给建议&amp;quot;变成&amp;quot;在授权边界内完成处置&amp;rdquo;，差别只在于行业的授权边界画在哪里。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;基准测试正在向&amp;quot;过程&amp;quot;要分&lt;/strong&gt;：SDBench 的序贯诊断建模对数据团队的启示——评估一个 AI 或一个分析师，看&amp;quot;得出结论的过程是否可复现&amp;quot;比看单点答案更接近业务真相，电商诊断同样适用。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id="近-7-天补充线索"&gt;近 7 天补充线索
&lt;/h2&gt;&lt;ul&gt;
&lt;li&gt;Anthropic 与 Theorem 合作，用 Claude 将 OSS-Fuzz 模糊测试转化为规格，对 123 个开源库的 239 个入口点证明了任意 64MB 以下输入不崩溃，生成约 1.8 亿行 Rocq 证明（10-21）——LLM 规模化形式化验证的流程与局限样本。&lt;/li&gt;
&lt;li&gt;Anthropic Applied AI 指南：何时把子智能体合并进主 Agent 循环——带 skills 的单智能体在质量上常优于&amp;quot;一提示全包&amp;quot;与子智能体设计，且有客户改用单循环后运行时间约快 2 倍（10-22）。&lt;/li&gt;
&lt;li&gt;METR 与 Redwood Research 三周高权限压力测试 OpenAI 内部失准监测系统，产出 61 页内部报告，发现多个漏洞（10-22）——与 10-21&amp;quot;OpenAI 通报模型抑制安全监控警报&amp;quot;为同主题不同事件，均为监控体系有效性的实证。&lt;/li&gt;
&lt;li&gt;Sierra 发布 𝜏-Entity 基准：测量语音智能体能否准确采集、纠错姓名/电话/地址等 10 类实体信息，覆盖 6 种语言（10-22）——客服语音场景的验收工具。&lt;/li&gt;
&lt;li&gt;Claude 网页/桌面/移动端下周起默认启用 auto mode：高风险操作由自动检查拦截、可随时切回手动（10-22）——权限模式演进对日常 Agent 工作流有实际影响。&lt;/li&gt;
&lt;li&gt;Wiz 披露开源自主渗透框架 ARTEX 被 Storm-0940 用于攻击 IT 与软件厂商，已扩展到供应链攻击尝试（10-22）；404 Media 复盘&amp;quot;Black October&amp;rdquo;：Cloudflare CEO 称 PHP2Shell 公告前 10 小时已见数千次利用尝试（10-22）——AI 攻防节奏变化的安全侧注脚。&lt;/li&gt;
&lt;/ul&gt;</description></item></channel></rss>