今天的两条主线分别是「Agent 长出操作系统」和「巨头开始实体化」。AI coding 一侧，DeepSeek 开源 Super-agent 原型架构、Google 关停 Jules 全量并入 Antigravity、Claude 最高档订阅取消 5 小时限制，三件事指向同一个转折：竞争正从「单次会话能不能写好代码」转向「系统能不能长期在线、并行推进、自己收尾」。具身智能一侧，Meta 被曝联手上海傅利叶造出首个人形机器人原型，启元机器人则在世界顶尖科学家论坛上给「机器人进家」提出了四把可验收的尺子。

DeepSeek 开源 Super-agent 原型：把操作系统的调度思想搬进 Agent 架构

10 月 31 日晚，DeepSeek Harness 团队公布 Super-agent 的技术长文，并开源原型工程 dsh-superagent-prototype（GitHub，TypeScript，MIT 许可）。它不是一款新产品，而是一套架构探索：目标是让 Agent 跨会话、跨入口持续在线，并行推进多个任务，并在无人下指令时主动发现工作。核心是把系统拆成两层——常驻的 Router 层只负责接消息、分派任务、维护全局上下文，甚至不配备 Bash 之类的执行工具；上下文相互隔离的 Worker 层挂载最强模型和完整工具链，专心干具体任务，进度统一向 Router 汇报。配套机制包括：同一条 GitHub PR 或 IM 话题下的后续事件走「订阅直通」直接发给对应 Worker，不再绕 Router；把上下文当缓存管理，高频信息 Inline 进窗口、长内容 Spill 到外部只留引用 ID，需要时沿 ID 逐跳召回；存算分离加端侧轻量 daemon（BYOM 模式）解决「合盖即中断」，主回路之外另设 Watchdog 定期巡检，发现 Worker 在同类错误里打转就熔断重置。

实测用约 300 条消息（其中 20 条是真实工作请求，混杂闲聊、追问、打断与 CI 消息）驱动不同架构，每种方案重复运行 5 次。Super-agent 的任务完成时间 p50 为 12.4 分钟、p95 为 15.7 分钟；作为对照，带 Subagent 工具的单 Session 方案在中性提示下为 p50 20.4 分钟、p95 29.5 分钟。消融实验显示，去掉订阅直通后完成时间基本不变（12.6/15.5 分钟），但 Router 决策次数增加约 30%、读缓存 Token 从 2323 万涨到 3177 万（约 +37%）。Router 的批处理则在 Trigger 到达率从每分钟 1 条升至 40 条时，把单次请求耗时仅从 2.5 秒推到 3.9 秒，单次决定分摊的推理时间反而从 6.4 秒降到 1.6 秒。

值得关注：最有信息量的不是提速，而是消融实验给出的两个结论。其一，架构硬隔离优于提示词软约束——单 Session 模式下即便系统提示词要求「优先派工」，5 次运行中仍有 1 次模型自作主张串行执行，砸出 29 分钟的长尾；确定性只能靠架构剥夺中心节点的执行能力换来。其二，这是拿 Token 换时间：Super-agent 完整版读缓存 2323 万 Token，是中性提示单 Session（605 万）的近 4 倍。同时必须看清实验边界——消息间隔与工作时长按 1/4 缩放，编码任务被只消耗时间的工具替代，测的是调度与协作，不涉及代码质量；云端部署、跨设备执行与 Watchdog 也未必全部落地于公开原型。安全侧同样未闭合：云端持续接收不可信事件、又连着存有私有代码与凭据的本地设备，提示注入与错误授权的影响面被放大，仓库自己也声明任务目录与命令包装不是安全隔离边界。对做工程的人来说，仓库里那个专门写给 Coding Agent 看的 SETUP.md 是个很实用的设计——让 Cursor、Cline 这类工具当安装向导，一步步带你配完环境与信道。

来源：deepseek-ai/dsh-superagent-prototype、智东西/腾讯新闻、通信世界/腾讯新闻

Google 关停编码智能体 Jules，全量并入 Antigravity 并上线插件市场

Google 宣布关停异步编码智能体 Jules，把它并入智能体优先的开发平台 Antigravity。时间线是：11 月 11 日前还能继续跑完进行中的会话，之后转为只读，12 月 31 日正式下线。Jules 于 2024 年 12 月推出，定位是替开发者干那些「不想亲自做」的活——把 GitHub 仓库克隆进云端虚拟机、规划改动、写代码、跑测试、最后开一个 PR 供人评审。官方在 X 上的声明把它定性为一次实验，称从中获得的认识已直接影响 Google 旗下多个产品，现在要统一到 Antigravity 上，让用户同时拿到「在远程环境自主执行后台任务」和「以智能体为核心的开发环境」两件事。导出功能现已开放，可把设置、环境变量、定时任务、已连接仓库、记忆、安装脚本以及全部会话历史（含提示词、计划、活动日志与代码补丁）存到本地文件夹；代码、分支和 PR 本来就在 GitHub 上，不受影响。同日 Antigravity 还上线了插件市场：一个插件可打包 skills、MCP 服务器、rules、hooks 与 custom agents 五类能力，一键安装并同步到命令行，首发伙伴包括 Atlassian、Figma、Stripe、Datadog、Databricks、Canva、CrowdStrike、Dropbox 等。

值得关注：这是编码智能体赛道从「广撒网」转向「平台决战」的明确信号。Jules 曾是 Google 对垒 Codex 与 Claude Code 的先手棋，推出不到两年就被收编，说明头部玩家已不再容忍两条重叠的产品线。插件市场补的是另一个缺口：困在编辑器里的 Agent 只是「会写补丁的聊天框」，接上 Jira、Figma、Stripe 之后才开始像团队工作流的一环。代价也很清楚——Jules 用户要在几周内决定导出哪些会话、把哪些定时任务搬到别处；插件仍需 API Key 或 OAuth，权限边界取决于每个 MCP 自己的设计。Google 既没给出 Jules 式后台任务落进 Antigravity 的时间，也没宣布存量会话与记忆的自动迁移。日期口径提示：Google 更新日志记为 10 月 29 日宣布，The Verge 与中文媒体集中在 10 月 30 日至 31 日报道，本文并列标注不做取舍。

来源：HIMIAO Horizon、凤凰网科技、Nvdium

Claude 最高档订阅更名 Ultra，取消 5 小时使用限制

Anthropic 于 10 月 31 日调整 Claude 个人订阅体系：原 Max 5x 更名为 Max（100 美元/月），原 Max 20x 更名为 Ultra（200 美元/月），价格不变、老用户自动迁移，个人档位由此形成 Free、Pro、Max、Ultra 四档。真正的变化落在 Ultra：通过验证的账户不再受「每 5 小时」滚动窗口限制，可以在周额度内连续使用；验证由系统依据账户与支付历史自动完成，用户无需操作，新账户在验证通过前保留临时限制，通过后邮件通知（在「设置 > 使用情况」里若看不到「当前会话」一栏，说明已通过验证）。订阅产品负责人 Michael Overell 解释了改名原因：2025 年 4 月推出最高档时只有一个 5 小时窗口，额度是 Pro 的 20 倍，故名「Max 20x」；后来新增每周上限，5 小时窗口仍是 20 倍，周额度却设为 Pro 的 10 倍，名称因此引发误解，去掉「20x」正是为了消除歧义。

值得关注：取消 5 小时窗口，解除的是 Claude Code 重度用户最具体的一个痛点——长任务跑到一半被限流、工作被迫中断。但边界必须读清：周额度并未增加，仍是 Pro 的 10 倍，变化只发生在额度的使用方式上：过去即便还有周额度，也可能先撞上 5 小时窗口只能干等；现在可以一口气用到周额度耗尽。对本来就会提前耗尽周额度的用户，可用总量没有任何变化，所以「不限时」不等于「不限量」。另外 Pro（17 美元/月）与 Max（100 美元/月）两档仍保留 5 小时限制。放在竞争格局里看，这是对 OpenAI 的正面回应——就在前一天，OpenAI 宣布 Codex 与 ChatGPT Work 的 Pro 100/200/500 及 Business Premium 额度翻倍；OpenAI 的 Codex 与 ChatGPT 负责人 Tibo 直接在 Anthropic 公告下评论「最好宣布 28 天重置期」。时间点也微妙：这波调整正处在 Anthropic 冲刺 IPO 的前夕。

来源：机器之心/腾讯新闻、智东西/网易、IT之家

曝 Meta 联手上海傅利叶造出首个人形机器人原型 Max

据 The Information 报道，Meta 正与上海傅利叶（Fourier）合作研发人形机器人原型，内部代号 Max，双方仅用约三个月造出这台重约 106 磅（约 48 公斤）的机器，第二代产品已于今年 9 月启动研发。这是两家公司的合作首次被披露。报道称该项目的目的是帮 Meta 机器人部门打磨一款更成熟、最终可对外发布的消费级产品，目前尚未设定上市时间表；Meta 将人形机器人视为其 Muse 智能体的实体载体，用于执行各类居家任务。傅利叶 2015 年成立于上海张江，两条产品线分别是康养与人形机器人，康复机器人已进入全球 40 多个国家和地区的 2000 多家机构与医院；人形侧 2023 年推出 GR-1 并率先量产，2024 年 9 月发布 GR-2（身高 175cm、体重 63kg、53 个自由度、单臂负载 3kg、续航 2 小时）。截至目前，Meta 与傅利叶均未对合作公开置评。

值得关注：这条的分量在于它改写了 Meta 在机器人上的位置——此前其机器人投入主要落在软件与触觉研究上，这次是第一次出现明确的整机原型，且直接绑定家庭场景。第二个信号在供应链：Meta 选择的是一家中国本体公司做联合研发，而非自建或找美国本体厂，说明中国在整机工程化与量产节奏上的积累已经成为可被采购的能力。边界同样要讲清楚：消息源为 The Information 的单一报道，未见 Meta 或傅利叶官方确认；从「三个月造出原型」到「可上市的消费级产品」，中间还隔着可靠性、成本与安全合规数道关卡，二者不是一回事。对做数据的人还有一层含义：家庭场景恰恰是采集难度最高、示教成本最贵的场景之一，这条路线若真推进，对数据管线的需求会被同步放大。

来源：观点网、智能纪元AGI/网易

启元机器人给「机器人进家」提四把尺子，同步发布个人机器人安全隐私白皮书

10 月 30 日至 11 月 1 日，2026 世界顶尖科学家论坛在上海临港举行。上纬新材旗下消费级具身智能品牌启元机器人出席人工智能论坛，中央研发部总裁高全中发表《当 AI 走向现实世界，个人机器人的产业实践》演讲，论坛现场同步发布《个人机器人安全与隐私保护（SSP）白皮书》。启元提出衡量家庭机器人产业成熟度的四个核心指标——首次成功率、失败可恢复率、人工介入率、单次有效任务成本，用来判断个人机器人能否真正可用、形成商业闭环。量产侧，公司称 10 月 25 日完成第 5000 台机器人下线，产线每 2.5 分钟下线一台、具备万台级稳定交付能力，核心模块全栈自研，其中包括面向家庭小型化与高安全的自研「鸡蛋关节」。技术侧重点介绍了 HIL-UMI 具身训练范式，称其摆脱真机采集依赖，能在示教过程中实时比对模型预测结果与真人操作差异、定位模型能力盲区，数据采集效率较传统方案提升 5.63 倍。

值得关注：这四个指标的意义在于把「家庭机器人成熟度」从营销话术拉回可验收的口径，其中「失败可恢复率」和「人工介入率」两项尤其关键——工厂场景可以靠围栏和固定节拍规避失败，家庭场景不行，机器人能不能自己从失败里爬起来，直接决定用户会不会第二次用它。HIL-UMI 的 5.63 倍与白皮书内容均为公司自报口径、缺乏第三方复核，读的时候要打折；但它指向的问题是真的：家庭任务的长尾分布让真机采集成本高得离谱，谁能把「无效采集」砍掉，谁就掌握了这个场景的学费定价权。另一个容易被忽略的点是 SSP 白皮书本身——机器人进家意味着摄像头、麦克风和空间地图数据长期待在私人空间里，安全与隐私治理从加分项变成准入门槛，而这步行业此前基本是空白。

来源：中华网科技、DAMO开发者矩阵、雷科技/网易

今天的主题是「度量」：AI coding 一侧，Anthropic 的招股书、Replit 的新基准和 GitHub 的年度报告在同一周给出了三把尺子，分别从产出量、长程完成率和 Agent 渗透率三个角度回答「AI 到底干了多少活、干得有多可靠」；具身智能一侧，智元抛出对标 Token 的新价值单位 Worken，中国信通院则用一份冷热并陈的年度报告给行业降温。两边指向同一个问题：当产出量不再是瓶颈，判断力和真实性才是。

Anthropic 递交 IPO 招股书：Claude 写下九成代码，同时披露四起未公开的 Agent 安全事故

Anthropic 已向美国 SEC 递交 S-1 招股书，拟以代码「ANT」在纳斯达克上市。招股书中两组数据引发关注：一是 2026 年 9 月，公司代码库中超过 90% 的代码贡献由 Claude 完成，第三季度工程师人均日均代码贡献量达到 2024 年日均水平的 45 倍以上；二是公司主动披露了四起此前未公开的 Agent 安全事故，其中一起是第三方评估伙伴在配置网络安全测试环境时出错，使本应断网的模型连上了开放互联网，四个模型分别工作约 10 至 34 小时，取得了对真实第三方系统的未授权访问，其中一个早期模型用凭证拿下管理员权限后，又收集更多凭证、修改系统设置并读取了一名人员的个人信息。Anthropic 表示已通知相关方，调查未发现这些模型相互协作或试图逃避监督。

值得关注：这份招股书的价值在于它同时给出了 AI coding 的上限和代价。上限是「AI 造 AI」的循环已经闭合——Claude 跑实验、生成训练数据、做自动化评测与安全审计，再反哺下一代模型；代价是当 Agent 能连续工作 10 至 34 小时，故障的暴露窗口也从分钟级拉长到天级，传统以「单次请求」为单位的安全围栏不再够用。值得一提的是，90% 是「9 月单月代码贡献占比」这一口径，不等于 Claude 独立开发或维护了全部软件；Anthropic 也并未取消人工代码审查。招股书递交日期存在两个口径：部分外媒记为 10 月 26 日递交 SEC，中文媒体的集中解读出现在 10 月 29 日至 30 日，本文并列标注不做取舍。

来源：雷峰网/新浪财经、腾讯新闻、MartechAI

Replit 发布 ViBench 2.0：让 Agent 从空项目搭完整产品，最强模型也只有 49%–65% 的构建能全部通过

Replit 于 10 月 28 日发布长程软件开发基准 ViBench 2.0。与大多数「在既有代码库里改一个 bug」的编码基准不同，ViBench 2.0 让 Agent 从一个空项目起步，先按简短规格做出第一版产品，再在其自己的代码上陆续追加最多 18 个功能——而且事先看不到完整路线图，必须提前定好数据 schema 和路由。基准包含 17 个产品（模仿 Uber、GitHub、Google Docs 等）、241 个功能请求和 544 份测试计划。结果：GPT-6.1 Sol 以 65% 的 pass@1 领先，GPT-6 Astra 为 60%，Opus 5.5 为 49%，且没有任何开源权重模型通过过一次完整构建。全部结果可从 v2.0.6 版本用一条命令在其基于 OpenHands 的 harness（评测运行框架）上复现。

值得关注：这个基准把「AI 会写代码」和「AI 能交付产品」彻底分开了。难点不是语法，而是干净部署（测试在空数据库上启动，依赖本地残留状态的构建直接挂）、不变量（拼车分摊金额必须分毫不差地等于车费）、陈旧状态和并发（同一件商品不能被两次退货重复退款）。Replit 还发现，头部模型近四分之三的失败构建只栽在「功能交叉处」——草稿 PR 不显示合并冲突、表格单元格内无法评论。对使用 Codex、Cursor 这类工具的团队来说，这组数字意味着：模型能解决一半长程构建，已经很有用，但架构评审、回滚和人工监督一件都不能少。成本侧也有意思：DeepSeek V4.1 Flash 以约 2.5 美元/构建通过 77% 的测试计划，而 GPT-6 Astra 约 90 美元/构建。

来源：Replit 官方博客、TPS Report、dev.to

GitHub Octoverse 2026：9 月超 40% 的 PR 由 Agent 起草，代码评审成为新重心

GitHub 于 10 月 28 日发布年度报告 Octoverse 2026，统计区间为 2025 年 10 月 1 日至 2026 年 9 月 30 日。核心数据是：由 Agent 起草的 Pull Request 占比从 3 月的 17% 升至 9 月的 40% 以上，仅 9 月一个月就有约 1.1 亿个 Agent 发起的 PR，是 3 月的约 6 倍；全年推送 179 亿次、提交 343 亿次、合并 PR 13 亿个、Actions 任务 454 亿次，平台开发者数达 2.25 亿。行为层面，Agent 参与的 PR 有 87% 涉及多个文件（非 Agent 为 79%），两周内合并率从 2 月的 83% 升至 9 月的 90%（非 Agent 约 86%）。同期 GitHub 还把 Copilot Projects（跨仓库的持续目标与编排，10 月 28 日公开预览）、Copilot code review Max（用多家厂商模型的独立评审 Agent 汇总结论）和 Copilot approvals 推向实用。

值得关注：报告里最该被记住的不是 40%，而是它自己承认的边界——有 Agent 配置文件的仓库提交量是无配置仓库的 8 倍，但这是相关性而非因果（agent-first 的仓库可能本来就来自目标更清晰的团队）；报告也没有拆分这些暴涨的提交里有多少真正通过了有意义的评审。语言维度上，TypeScript、Python、Rust 的合并 PR 中 AI 参与度在 40%–44%，Java 只有 21.2%，说明 Agent 的渗透高度依赖生态与工具链成熟度。对工程团队而言，瓶颈正从「写代码」移到「审代码」——这也是 GitHub 同时把评审、stacked PR 和 Agent 自动修漏洞一起推的原因。需要提醒的是，两周内合并率衡量的是流程速度，不是代码质量或长期维护成本。

来源：Developer Tech、AI Bacon、ToolNavs

智元 AI Day 提出 Worken：给机器人造一个对标 Token 的价值度量单位

10 月 29 日，2026 智元创新日在上海举行。智元联合创始人、总裁兼 CTO 彭志辉提出「有效智能工时（Worken）」概念，明确对标大模型领域的 Token——「Token 衡量机器思考了多少，Worken 衡量机器行动了多少」。Worken 由三个指标相乘得到：活跃机器人数量（衡量物理智能的覆盖规模）、自主工作时长（衡量机器人作为智能体的真实成色）、产出效能比（衡量产出效率），目的是把「物理行动」标准化、资产化，为跨行业、跨场景的价值结算提供统一度量衡。会上同步发布面向部署态的本体、零部件和「三智」大模型新品，新华社中国经济信息社与中国信通院上海工创中心联合编撰的《2026 具身智能产业创新报告》同日发布，报告记录了一组更接近产业真问题的数据：8 台精灵 G2 在龙旗科技南昌工厂 6 天测试中累计作业超 64 小时、完成 64828 次作业，综合作业成功率 99.99%。

值得关注：行业终于开始承认，用「硬件成本」或「单工序投资回报率」这套工业机器人时代的框架算不清人形机器人的账——因为硬件会折旧，智能却可能升值，机器人售出后的能力并不固定。Worken 是厂商提出的自定义单位，目前仍是智元的单方标准，能否成为行业共识取决于是否有第三方采纳和审计口径，这一点需保持观察。但它指向的变化是真的：度量单位从「下线了多少台」转向「真正持续干了多少活」，这正是从演示态走向部署态的分界线。报告提出的「XYZ 三曲线」也值得记住：2022–2025 年是解决能否稳定运动与量产的 X 曲线，2026–2030 年是从完成动作转向稳定完成任务的 Y 曲线（部署成长期），此后才可能进入通用能力涌现的 Z 曲线。

来源：新华财经/新浪财经、新华网

中国信通院《具身智能发展报告（2026）》：935 亿融资的另一面是月开机不足 10 天

中国信息通信研究院联合清华大学电子工程系、具身智能测试实验室于 10 月第三次发布年度《具身智能发展报告（2026）》。报告把行业概括为「热中有冷」：热的一面是 2026 年上半年国内融资 322 起约 935 亿元，半年即超过 2025 年全年的 735 亿元，全球人形机器人出货超 2.2 万台、同比增长近 300%；冷的一面是一组扎心数据——公开中标项目中教育科研机构占约 55.5%，工业及技术型企业仅约 21.1%，不少机器人月均开机天数不足 10 天，表演日租金从 2025 年初的约 2 万元跌到千元级，2024–2025 年购入价 30 万–80 万元的工程样机如今二手残值仅 3 万–6 万元。技术侧，报告梳理约 800 篇论文后给出：LIBERO 基准上自报成功率普遍 97%–99%，但加入七维扰动的 LIBERO-Plus 上多数模型跌到 30% 以下（π0 最差至 6.0%）；截至 2026 年 9 月，RoboChallenge 真机评测榜最高成功率仅 24.4%，而人类专家是 100%。

值得关注：这份报告对做数据的人最有价值的是它把「数据缺口」量化成了生意——近一年具身数据赛道发生 97 起融资、涉及 34 家公司、披露金额超 200 亿元；同时它也给出了最狠的一盆冷水：Dyna-2 把预训练数据从 10 万小时加到 100 万小时，14 个任务的平均成功率只从 45% 提到 53%，而国内大多数模型的训练数据还在 10 万小时以内。换句话说，数据量级的提升目前换来的边际收益相当有限，数据质量、治理与评估体系才是真正稀缺的环节。报告还点出一个数学事实：即便单步可靠性达 99%，连续执行 100 步后整体成功率也只有约 37%——这是「演示」与「交付」之间最硬的一条鸿沟。报告判断行业未来两至三年将完成首轮出清，竞争焦点已从模型性能或硬件参数转向「数据—模型—本体—场景」的全栈协同。

来源：中国信通院《具身智能发展报告（2026年）》解读

AI coding 赛道今日焦点是「编码智能体接入开发工具链」：Google 与 Slack 同日（10/28）开放 Agent 接入口，让智能体从聊天窗口走进真实的构建、测试与协作流程。具身智能方向，全国首批分级标准与港大评测榜单相继落地，行业从「讲能力」进入「可度量」阶段；开源侧 LeRobot 突破 2 万星，把 VLA 数据管线的入场门槛又压低了一档。

Google 开放 Android Studio：40 余款编码智能体接入开发全流程

Google 在 10 月 28 日 Android Dev Summit 上发布稳定版 Android Studio Rabbit 2，通过 Agent Client Protocol（ACP，一个连接 AI 编码智能体与代码编辑器的开放标准）向 40 余款第三方智能体开放，包括 Anthropic Claude Agent、OpenAI Codex 与 Google Antigravity。接入后的智能体不再局限于聊天面板：它可以查看项目结构、构建应用、启动 Android 模拟器、读取 Logcat 运行日志——也就是说，智能体第一次拿到了「检查自己工作」的手段，而不只是生成代码。新功能 Change Review 能扫描待提交的改动、标记潜在 Bug 并逐步解释变更内容；配套的 Android 命令行工具还支持终端智能体直接渲染 Compose 界面预览。Google 称内部测试中界面任务提速 77%、Token 消耗最多降至三分之一，但该数据为公司自报，并非独立基准。

值得关注：本博多次提过「AI coding 的瓶颈正从生成转向验证」，Google 这次把模拟器、日志、代码审查这些验证工具直接交到智能体手里，等于补上了闭环里最缺的一环。如果 ACP 成为事实标准，编码智能体的竞争焦点将从「谁更能写代码」转向「谁更会用工具自证正确」——这也是 Claude Code、Codex 这类终端型智能体此前一直在手工搭建的能力，如今被平台标准化了。

来源：https://superpowerdaily.com/posts/google-opens-android-studio-to-more-than-40-coding-agents-including-claude-and-codex

Slack Code API 正式开放：编码智能体获得共享作业频道

Slack 于 10 月 28 日正式开放 Code API，全量付费方案可用。开发者可以让自建编码智能体在接到超出「一句话能答」的任务时，创建一个共享的 code channel（代码频道），把任务上下文、执行过程与产出集中在一处；团队成员可进入频道查看进度、补充信息、纠正方向、审查改动，界面内置代码 diff、HTML 预览与智能体思考步骤视图。权限沿用频道现有的管理与合规体系，不需要另建访问系统。Slack 披露已有超过 150 家客户与合作伙伴提出接入需求；GitHub Copilot 智能体会话中有 30% 会打开代码频道——注意该比例仅统计 Copilot，不代表所有智能体。

值得关注：这标志着「多人监督智能体干活」的组织界面开始产品化——此前智能体的执行过程困在一对一的私聊窗口里，团队无法插手。把执行过程搬进频道，本质上是给智能体协作加上了「组织记忆」与「可审计」两个属性。缺口也很明确：GitHub 评审与合并工作流尚未上线，代码频道目前只能「看」，还不能闭环到 PR 合并。

来源：https://superpowerdaily.com/posts/slack-opens-shared-coding-channels-to-custom-ai-agents-with-a-new-api

全国首批人形机器人具身智能分级标准发布：L1-L4 与 G1-G5

10 月 28 日，国家地方共建人形机器人创新中心联合智元、傅利叶、开普勒等 50 余家头部企业与科研院所，在上海发布全国首批人形机器人具身智能标准。《人形机器人分类分级应用指南》按具身智能、下肢运动、上肢作业、应用环境四个要素，将人形机器人划分为 L1-L4 四个技术等级；《具身智能智能化等级分级指南》按感知、认知、决策、自主四项核心能力，将智能化水平划分为 G1-G5 五个阶段。现场还发起首个具身智能语料数据生态倡议，并签订语料运营合作意向书。这是继首批六项人形机器人国家标准获批（2027 年 4 月 1 日起实施）之后，行业标准体系在「分级度量」维度上的关键补位。

值得关注：对数据侧尤其重要的是「语料数据生态倡议」——具身智能语料的确权、流通与运营，开始有了官方背书的组织形式，这与此前工信部数据集质量标准（11 月 1 日实施）形成呼应。当「智能化程度」第一次可以被分级打分，营销叙事与真实能力的差距将无所遁形：对踏实做模型与数据的公司是利好，对靠 Demo 讲故事的公司是压力测试。

来源：http://mp.weixin.qq.com/s?__biz=Mzk0MjQxMDY1Mg==&mid=2247504963&idx=1&sn=0e7fa9dc750a7267f2c608c80170c169&chksm=c32271f6be2059af95e61d234ea790111a527a3877c6ec0b35311cce0fb1b005d9a574cdc03d#rd

智元 GO-3 Nano 登顶 RoboDojo 仿真榜，GO-3 正式版今日发布

10 月 27 日，香港大学主导的机器人操作评测基准 RoboDojo 披露最新仿真榜单：智元（AGIBOT）尚未正式发布的 GO-3 Nano Preview 以 61.90 分平均成绩、56.42% 平均成功率登顶，超过 OpenAI 的 GPT-6 Astra（通用多模态大模型，此前被认为可直接充当机器人「大脑」），并在精细操作（78.65 分）、长程执行（68.21 分）、开放语义理解（61.71 分）三个细分维度均列第一。GO-3 正式版将在今天（10 月 29 日）的智元 AI Day 上发布。榜单背后是路线之争：宇树王兴兴此前展示机器人零训练接入 GPT-6 即可绘画、下棋；而银河通用团队的多任务评估发现，Astra 在复杂接触、灵巧操作与高动态运动中仍有明显局限。

值得关注：两点需要并排看。其一，这是具身专用模型（VLA，Vision-Language-Action，视觉-语言-动作模型）对通用大模型的一次公开「卡位」，说明专用路线在操作类任务上仍有护城河，但一张仿真榜单不等于真机能力，也不能证明哪条路线已赢。其二，评测榜、分级标准在同一周密集出现，具身智能行业正补上从「讲能力」到「可验证」的关键一课——2027 年交付大考的准考证，正在这一周陆续发放。

来源：https://www.thepaper.cn/newsDetail_forward_34342173

Hugging Face LeRobot 突破 2 万星：VLA 训练管线与数据格式走向标准化

Hugging Face 旗下的开源机器人操作框架 LeRobot（面向低成本机械臂的视觉-语言-动作学习项目）GitHub Star 数突破 2 万，最新版本加入了端到端 VLA 训练管线：遥操作示范数据采集工具、SmolVLA 级策略的微调配方、以及基于 MuJoCo 的仿真到真机迁移测试框架。项目明确面向 500 美元以下的硬件（如 SO-100/SO-101 开源机械臂），社区贡献者补充了标准化数据格式并兼容 Hugging Face Hub，让操作数据集可以像模型权重一样被分享和复用。目前已有多个高校实验室和至少两家商业初创将其作为基线技术栈。

值得关注：真正重要的不是模型本身，而是数据格式的标准化。操作学习长期被数据碎片化困住——每个实验室自采的示范数据格式互不兼容，迁移学习几乎无从谈起；LeRobot 的 episode 格式（多相机同步帧、关节状态、动作块）正在复制 LLM 微调可复现化的路径。一个类比广为流传：ROS 标准化了机器人通信，LeRobot 标准化了机器人学习。对「数据基础设施层」的从业者而言，这意味着采集与训练的中间件正在被开源商品化，差异化将加速向数据质量、治理与评估集中——低质量数据集泛滥反而是下一个风险点。

来源：https://smartotics.com/2026/10/2026-10-26-robotics-daily-2026-10-26.html

精准输入：搜索时主动"做减法"

避免信息泛滥的第一步，就是在搜索时提高精准度。

• 技巧性搜索：多使用 ""（精确匹配）、减号 -（排除特定词）、site:（限定网站）和时间范围等高级搜索语法，能直接过滤掉大量无关结果。
• 策略性搜索：每次搜索前问自己："我想用查到的信息解决什么问题？" 这能有效对抗算法推荐带来的无目的浏览。

即时处理：让大脑专注于思考

每打开一个新标签页，都应有明确的处理策略。

• 三秒决策：快速判断网页价值，并决定：归档保存（用稍后读工具）、立即精读并做笔记，或直接关闭。避免让未处理的页面堆积。
• "5 分钟原则"：如果预估能在 5 分钟内读完并消化，就立刻做。拖延是导致标签页堆积的主要原因。
• 初步结构化：看到一个有价值的观点时，可以立刻用"曼陀罗九宫格"这类简单工具，在中心写下主题，在周围快速发散记录相关想法，为后续整理奠定基础。

深度整理：从发散到收敛

这是将碎片信息转化为知识的关键一步。

• 运用"发散-收敛"思维方法：先无拘束地收集（发散），再用固定的时间进行汇总、分类、提炼核心观点和行动计划（收敛）。每天工作结束前，强制自己完成一次"收敛"操作。
• 构建知识体系：将整理好的内容，存入双链笔记软件（如 Obsidian、Logseq）或大纲工具（如 Workflowy）。关键在于建立笔记之间的关联，而非简单堆积。

行动与应用：从知道到做到

真正的消化意味着信息能改变你的思考或行动。

• 践行"应用策略"：遇到有用信息时，停下来问："这个具体可以如何用在我的工作/生活中？" 哪怕只记下一个微小的应用点，也比单纯收藏更有价值。
• 启动"数字清理"：可以参考专家建议，进行一个为期 30 天的轻度数字清理，例如：清理浏览器书签、取消无用订阅、设置每天固定的"无干扰浏览"时段，甚至睡前 1 小时不使用电子设备。这能从环境上减少干扰源。