Follow 深度日报

Agent 工程转向评审、记忆与开放数据飞轮

基于 Obsidian Follow List active 账号与公开来源，覆盖 2026-07-06 00:00 UTC 至 2026-07-07 00:00 UTC。未使用 Folo CLI；未绕过 CAPTCHA 或做反爬规避。抓取优先级按 Status=active、Priority=high、Cadence=daily/weekly/manual 排序，主要使用公开 Nitter RSS、作者博客/Atom、Hugging Face RSS、项目页面和来源自带公开页面。

发布时间：2026-07-07 08:00 CST 窗口：上次运行以来来源：Follow List.md、Simon Willison、Hamel Husain、Shreya Shankar、Thomas Wolf、Hugging Face、LangChain 社区、Google DeepMind、公开 X/Nitter RSS

总览：今天的主线不是单一模型发布，而是 agent 工程的“操作系统化”：Simon Willison 的 sqlite-utils 4.0rc3 显示强模型之间的交叉评审正在成为真实发布流程的一部分；Hamel Husain 和 Shreya Shankar 把自动化 eval 的边界讲得更清楚，重点不是让 AI 一键判分，而是辅助发现未知失败模式；Thomas Wolf 用 agent 协作搭建 RL for LLMs living wiki，把“agent 写资料、互审、沉淀成 wiki”做成可观察的小型知识生产系统；LangChain/OpenWiki 继续围绕 agent 是否需要 wiki 展开讨论；Hugging Face 侧出现 Xet 数据规模、Factory agent traces、Kernels 更新和 Photoroom 数据策略，说明开放模型竞争正在从权重走向数据、traces、kernel 和本地应用生态。噪音主要是体育、会议预告和转发庆祝，保留为背景，不扩展成结论。

核心主题

1. 模型交叉评审进入真实发布流程

Simon 的 sqlite-utils 4.0rc3 不是“AI 写了点代码”，而是 Claude Fable 与 GPT-5.5 分别承担实现、复审、文档和边界检查，最终由维护者合并判断。

2. 自动化 eval 的价值在发现失败模式

Hamel/Shreya 强调 AI 可以帮助 error analysis 和 trace 标注，但不能把“找到未知未知”简化成让供应商工具自动给分。

3. Agent 记忆从文档走向协作系统

Thomas Wolf 的 RL living wiki 与 LangChain/OpenWiki 讨论同频：长期 agent 需要共享知识、互审流程、出处和可更新结构。

4. 开放模型飞轮变成数据 + traces + kernels

HF Xet、Factory agent traces、Kernels 更新和 Photoroom 数据策略说明，开放模型竞争的重点正在从“有没有权重”转向“有没有可复用训练和运行资产”。

重要更新

Simon Willison：sqlite-utils 4.0rc3 延续 Fable + GPT-5.5 的发布前交叉评审

来源账号/机构：Simon Willison；发布时间：2026-07-06 05:40 UTC；链接：Simon 原文

Simon 发布 sqlite-utils 4.0rc3，解释原本希望周末发 stable，但在 Claude Fable 5 和 GPT-5.5 的协助下，rc2 之后的 changelog 继续变大。主要变化包括 compound foreign keys 的 introspection/creation、大小写不敏感列名匹配，以及围绕 Python 3.12+ sqlite3 autocommit 行为的修复。

更重要的是流程信号：Simon 让 GPT-5.5 审查 rc2 之后的变更并确认 changelog，模型发现 db.query() 写语句副作用和 INSERT ... RETURNING 生成器提交语义问题；随后他把发现交给 Fable 复现实验并修复。这里的价值不是“谁替谁写代码”，而是把一个模型当实现者，另一个模型当审计者，再由维护者做最终发布判断。

为什么值得看：这给重要软件发布提供了可复制模式：模型交叉评审尤其适合事务、数据持久化、兼容性、文档承诺和 changelog 一致性这类人类容易疲劳的边界检查。

后续行动：为关键代码仓建立“异构模型发布前复审”模板：实现模型、审查模型、复现实验、文档 diff、changelog 对齐、维护者最终签字。

Hamel Husain / Shreya Shankar：自动化 eval 的重点是迭代发现失败模式

来源账号/机构：Hamel Husain、Shreya Shankar；发布时间：2026-07-06 21:22 UTC；链接：公开 X/Nitter 线索 / YouTube 视频

Hamel 发布与 Shreya 的新 session，主题是如何正确地用 AI 自动化 eval。核心信息很明确：eval workflow 里最重要的部分是发现问题，而不是把数据丢给工具自动打分；AI 可以辅助 error analysis、构建 review interface、标注 traces、形成 failure mode taxonomy，但需要人反复引导和检查。

这条内容和过去几天 Follow List 的“AI 生成物需要消化”“不能只信 vendor 自动 eval”形成连续主线。它也提醒，通用 agent 与专用 eval 工具的边界不同，产品团队不能把所有应用都套同一个 accuracy bar。

为什么值得看：OpenClaw 的日报、代码修改和资料整理本质上也需要 eval。真正要自动化的是候选筛选、失败模式发现和证据整理，而不是让模型替人宣布“质量通过”。

后续行动：给 Follow 日报加一个小型误差记录：每天记录漏选、误选、来源失败、事实待验证项，逐步形成日报筛选 eval 集。

Thomas Wolf：用 agents 维护 RL for LLMs living wiki，并把事件日志可视化成协作系统

来源账号/机构：Thomas Wolf / Hugging Face；发布时间：2026-07-06 09:36 UTC；链接：公开 X/Nitter 线索

Thomas Wolf 展示了一个 Fable weekend project：围绕 Hugging Face 上的 Reinforcement Learning for training LLMs living wiki，构建一组协作 agents。agents 会阅读新旧论文、写 arXiv digest、互相 review PR，再把内容沉淀进人类可读的共享 wiki/book。

他还让 Fable 和 GPT Image 2 把事件日志变成一个等距小镇：不同建筑代表发消息、开 PR、审稿、更新 wiki 等动作。这不是单纯好看，而是在探索如何让多 agent 知识生产过程可观察、可调试、可解释。

为什么值得看：这正好击中 OpenClaw 的知识库需求：不是让 agent 一次性总结一篇文章，而是让多个任务持续读取、互审、沉淀、更新，并给人类一个能看懂的运行状态。

后续行动：为 Obsidian/Follow 日报试一个 living wiki 流程：抓取 agent、摘要 agent、复审 agent、主题 wiki agent 分开运行，中间状态全部可追踪。

LangChain / OpenWiki：agent 是否需要 wiki 继续成为记忆层核心问题

来源账号/机构：Harrison Chase / LangChain 社区；发布时间：2026-07-06 16:15-17:15 UTC；链接：Harrison 线索 / webinar 线索

Harrison Chase 继续围绕 LLM Wikis 和 OpenWiki 讨论 agent memory。今天的线索从“OpenWiki 很热”推进到更尖锐的问题：agent 到底需不需要 wiki？人和 agent 是否应该共享同一个 wiki？应该一个 wiki 还是多个 wiki？甚至有人提出 wiki 可能不是正确抽象。

这说明 memory 讨论正在变得更工程化。它不再只是“存不存上下文”，而是涉及权限、同步、粒度、schema、冲突、更新频率、人类可读性和 agent 可检索性。

为什么值得看：OpenClaw 当前有 daily memory、MEMORY.md、skills、项目 README、状态 JSON 和报告索引。如果没有清晰边界，agent 很容易把日志、事实、偏好和长期规则混读。

后续行动：把 OpenClaw 记忆分层写成小规范：运行日志、项目事实、长期偏好、技能规则、发布状态各自放在哪里，何时更新，谁能引用。

Hugging Face 生态：Xet 数据规模、Factory agent traces、Kernels 更新和 Photoroom 数据策略形成开放飞轮

来源账号/机构：Clem Delangue / Hugging Face / Factory / Photoroom；发布时间：2026-07-06 15:30-22:03 UTC；链接：HF Xet 线索 / Factory traces 线索 / HF Kernels 更新 / Photoroom PRX 数据策略

Clem Delangue 提到 AI builders 在 HF Xet 上存储的数据规模，并转发 Factory 与 Hugging Face 合作开放 agent traces 的线索：Droid agent traces 可以直接上传到 Hugging Face datasets。与此同时，Hugging Face Blog 在窗口内发布 Kernels 重大更新，Photoroom 也发布 PRX 系列的数据策略文章。

这些内容放在一起看，开放模型生态正在从“开放权重”扩展为“开放数据资产 + agent traces + 推理 kernel + 产品公司训练经验”。这会影响下一代开放 coding model、agent model 和垂直模型的训练素材与复现能力。

为什么值得看：投资和产业链观察不能只盯模型发布。数据存储、trace 标准、kernel 优化、dataset 托管和产品数据策略，都是开放模型生态的基础设施环节。

后续行动：建立“开放模型基础设施”观察表：数据托管、agent traces、kernel/serving、评测集、许可证、企业产品数据策略分别跟踪。

Francois Chollet：benchmark 必须带成本和耗时，否则单一分数失去意义

来源账号/机构：Francois Chollet；发布时间：2026-07-06 21:22-21:25 UTC；链接：公开 X/Nitter 线索 / 后续说明

Chollet 指出，仅报告某 benchmark 的标量分数已经没有意义，必须同时报告效率，例如每个任务的成本。他的追问很直接：如果一个系统能完成 75% 的任务，仍然要问每个任务多少钱、需要多久。

这与 agent 评测尤其相关。长程 agent 可以用更多 token、更多工具调用、更多尝试来提高完成率，但如果不报告边际成本和延迟，结果很容易被误读。

为什么值得看：Follow List 多个主题都在靠近同一个评价框架：模型能力、agent harness、eval、开放模型部署，最终都要回到质量、成本、延迟和可控性。

后续行动：以后记录 agent/模型线索时固定加四列：任务成功率、每任务成本、耗时、人工介入次数；没有数据时标为待验证。

Google DeepMind / Apptronik：真实机器人数据进入 Gemini Robotics 训练闭环

来源账号/机构：Demis Hassabis 转发 / Google DeepMind；发布时间：2026-07-06 15:43 UTC；链接：公开 X/Nitter 线索

Demis Hassabis 转发 Google DeepMind 与 Apptronik 的线索：Apptronik 扩展 Robot Park facility，Apollo 2 humanoid 平台收集的真实世界数据将帮助训练和推进 Gemini Robotics。

这条不是纯软件 agent，但与 world models、physical AI 和多模态数据闭环相关。机器人方向的核心资产很可能不是单个模型，而是持续采集、清洗、反馈和仿真/现实对齐的数据系统。

为什么值得看：Follow List 里 Jim Fan、Fei-Fei Li、DeepMind 等世界模型/机器人线索都指向同一趋势：真实数据飞轮会成为 embodied AI 的壁垒。

后续行动：把 physical AI 观察表分成模型、数据采集设施、机器人平台、仿真环境、产业合作五列，后续持续补充。

人物/机构动态

Simon Willison：继续用真实开源项目展示 coding agent 在发布前评审、文档审查和交叉模型复审中的高价值用法。
Hamel Husain / Shreya Shankar：把 AI eval 自动化拉回 error analysis 和 failure taxonomy，而不是供应商式一键评分。
Thomas Wolf / Hugging Face：探索多 agent 协作维护 RL for LLMs living wiki，并把运行事件转成可观察系统。
Harrison Chase / LangChain：持续推动 OpenWiki、LLM Wikis 和 agent memory 的工程讨论。
Clem Delangue / HF 社区：放大 Xet 数据、Factory traces、本地 apps 和开放模型基础设施信号。
Francois Chollet：继续强调 benchmark 的成本和边际效率，避免只看标量分数。
Google DeepMind / Apptronik：展示 humanoid 真实数据进入 Gemini Robotics 训练闭环的产业线索。

值得跟进项目

异构模型代码评审模板：把 Claude/GPT 交叉复审落实到重要发布流程，先从事务、数据持久化、兼容性和文档承诺开始。
日报 eval 集：记录每日候选链接、入选理由、漏选/误选和来源失败，形成可回放的筛选质量数据。
OpenClaw living wiki：试验“抓取、摘要、复审、沉淀”多 agent 流程，并保留中间状态和引用来源。
开放模型基础设施图谱：跟踪 HF Xet、agent traces、kernels、serving、dataset、许可证和产品公司训练策略。
成本化 benchmark 模板：所有 agent/模型评测记录成功率、成本、延迟和人工介入次数。
Physical AI 数据闭环：持续关注 Apptronik/DeepMind、World Labs、NVIDIA 等真实数据采集与仿真生态。

待验证信息

Simon 的 sqlite-utils 4.0rc3 案例来自作者公开博客，本报告未复现其代码问题；对其他项目的可迁移性取决于测试质量、上下文和维护者审查能力。
Hamel/Shreya 的 eval session 当前依据公开 X 摘要和视频入口，完整方法论需要看完整视频或课程材料后再沉淀成操作手册。
Thomas Wolf 的 living wiki 项目是公开 X 线索，本报告未验证仓库结构、agent 日志格式和实际 PR 审查质量。
HF Xet 数据规模、Factory traces 与 Kernels 更新需要分别查官方文档、dataset 示例和实现细节，才能判断可直接用于本地 agent 训练/评测。
Google DeepMind/Apptronik 线索是公开社交帖，真实数据规模、授权方式、训练效果和 Gemini Robotics 进展仍待官方技术材料。
Nitter RSS 本轮可读，但可能漏掉登录态内容、删除帖、限流内容或原帖上下文；本次未使用私密 cookie、token 或账号内部信息。

低优先级噪音

Nathan Lambert 的美国队/体育庆祝、独立日延续话题和部分社交转发不进入技术主线。
Noam Brown 的 ICML booth Q&A 是会议提醒，有价值但缺少可总结技术内容，列为轻量跟进。
swyx 转发 AIEWF 社区会议文章，偏社区氛围，不重复展开昨天的 loops/AIEWF 主线。
Fei-Fei Li 相关线索主要是 Dwarkesh 线下活动提醒，值得关注访谈产出，但今天没有可引用的新观点。
Hugging Face Blog 的 PRX 数据策略和 Kernels 更新值得后续细读，本日报只提炼为开放基础设施主题，不大段转载。

Follow 深度日报：Agent 工程转向评审、记忆与开放数据飞轮