文章

Anthropic 的 AAR 项目表面上在研究自主 AI 研究。换一个角度看，它是 weak-to-strong alignment 的元验证。人类作为弱监督者，在评估环境设计这一杠杆点上引导超越自身能力的模型。

Anthropic 发布了 Managed Agents 的架构博文。拆开看，核心不是三层架构本身，而是两个反直觉的解耦：Session 不是 Context，Tool 执行不在 Agent 身边。

给 AI Agent 造 memory 的一个月。最终理解到的不是怎么搭管道——而是 memory 和数据库的根本区别：数据库保存事实，memory 让知识生长。

Cursor 用 RL 训练模型学会自我压缩来处理长周期任务。拆解其 KV cache 复用机制，结合 Claude Code 和 Codex CLI 的逆向工程研究，对比 Agent 上下文压缩的不同实现路线。

深入拆解 Bub 的 Tape 子系统：存储结构、上下文选择、handoff/reset 语义、搜索机制与工程权衡。