AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

检索这活，被定义成了决策问题，不再是相似度问题。

实验来自 Assaf Elovic 在 GPT Researcher 里的替换动作：把 embeddings 换成 Jev，二十八个研究任务上跑，两边对照。结果三项全胜。相关上下文多了百分之五十九，七十三对四十六；盲测里报告被选中的比例是十五比三；每份报告的成本一样。

GPT Researcher 现在默认跑 Jev，压根不再需要 embedding，搭法只留 LangChain 加 Tavily 加 Jev。

LangChain 的 Harrison Chase 转发时把标题改成了那句判断：retrieval is a decision problem, not just a similarity problem。这半句我认得很。相似度只管"像不像"，决策才管"这段该不该进上下文"，前面批决策那篇讲的把判断压成有界问题，这里是同一个动作落到检索上。

对做 RAG 的人，账很直接。同成本换五十九个点的相关性，白赚；而且省掉了向量库这一整套基础设施，运维面跟着薄了一层。

我的保留有两处。一是样本二十八个任务、集中在研究型检索，通用问答未必同幅；二是"默认不再需要 embedding"是项目自己的结论，换长尾场景还得自己试。

想验的照那三件套拼一遍，拿自己语料跑一轮，把相关性那栏记下来。

github.com/NVIDIA/OpenShe…
nvidia.com/en-us/solution…

「JUST IN: $NVDA introduces open-source tool duo to boost AI security.」英伟达把 agent 的边界焊进了硬件，开源双件套正式对外。

平台叫 Open Agent Safety Platform，两件套各管一层。OpenShell 是开源的运行时安全软件，给跑在 CPU 上的 agent 划定边界并执行策略，落在自家 Vera CPU 上开销很小，且可扩到 Arm 和 Intel 的第三方平台。

Sentry 是另一码事，带外看门狗跑在 BlueField-4 的 DPU 上，硅内持续盯着 agent 的一举一动，谁越出软件边界，毫秒级隔离并停掉。这套监视对 agent 和攻击者都隐形。

生态阵容是这份发布最重的部分。Anthropic、思科、CrowdStrike、微软、SpaceXAI、Scale AI、Salesforce、SAP 等一百多家在列。Anthropic 的 Claude Managed Agents 把 agent 循环放在与沙箱分离的服务器上，再与 OpenShell、BlueField 打通；SpaceXAI 拿它管 Cursor 编码 agent 和 Grok 模型；Salesforce 把 OpenShell 接进 Slack，团队能直接在频道里批权限请求。

黄仁勋那句被反复引用的话我记下：安全和防护需要全栈工程，能力的前沿要加速，安全的前沿也得同步加速。

这跟前面四家联署那篇正好拼上。联署喊的是"评估跟不上速度"，这份给出的是把评估做进硬件的具体一步，从应用层的叮嘱升级成硅里的强制。前面砍单、IAM 那两篇讲的授权与可见性，在这里都有了落点。

我留的疑问是账。平台再好，agent 得跑在 Vera 和 BlueField-4 上才吃满开销优势，迁到别家硬件的真实代价，等第三方的实测。

已经上车的去开发者资源页领 OpenShell，先给一个非关键 agent 套上边界，看它被拦下那次长什么样。

github.com/google/ax

Google 把 AX 开源了，可以理解成 Agent 版的 Kubernetes。

要处理的问题在规模上。跑一个 agent 是玩具，同时跑几千、几万甚至更多的任务，账就完全不同。执行环境要隔离，CPU 和内存得限住。Git 仓库工作空间、MCP Server、Skills、模型设定、状态管理、任务暂停与恢复、大批 agent 的生命周期，件件都得有人管。

AX 直接跑在 Kubernetes 加 Agent Substrate 上，操作方式故意做得像 kubectl，ax apply、ax get tasks、ax describe task、ax watch task，还能 ax ssh 直接钻进 agent 的沙箱，看它此刻在干什么。仓库挂在 GitHub。

Workspace 那块最有意思。仓库、MCP 服务器、技能包可以预先备好，agent 一启动直接开工，不用现配。Google 给它的定位听着夸张，一个集群执行数十亿级的自主任务。

规划这半是我判断下一阶段的依据。现在的 AI 编程还停在"我开个工具帮我写"，往后会变成：一个 agent 规划任务，拆成一百个子任务，每个建独立沙箱，平行跑完回收环境。这条链一通，要的就不只是框架，是基础设施。这跟前面批决策、工作树隔离那两篇正好接上，规模上去之后，沙箱和回收就是绕不开的账。

我留的疑问是实测。数十亿级是定位不是数字，单集群到底扛多少并发、沙箱冷启动多快，得等有人真跑起来给数。

想试的去把仓库翻出来，先在自家 K8s 上起个小集，拿 ax watch 盯一天任务流水，比读十页文档管用。