2026.10.20·FDE日报

AI 产品日报 · 2026-10-20

今天的信号集中在「agent 怎么被验收和治理」:Laminar 用 RL 训模型专挑 agent 执行轨迹里的错,Numan 把 eval-first 做成医疗健康产品的合规骨架,法律助手干脆拒绝引

今日观察

今天的信号集中在「agent 怎么被验收和治理」:Laminar 用 RL 训模型专挑 agent 执行轨迹里的错,Numan 把 eval-first 做成医疗健康产品的合规骨架,法律助手干脆拒绝引用自己验证不了的法条——验收标准正在从“人肉看输出”变成产品内置能力。另一条线是 MCP 继续往实体行业钻(PCB 采购下单),而 AWS FDE 团队亲自出场讲了一次模型移植交付,是 FDE 视角难得的第一手案例。


  • Deepgram × AWS FDE 团队 — AWS 前置部署工程团队把 Deepgram 的语音转写模型 Nova-3 移植到 Trainium2 做离线批推理,完整讲了移植 Neuron 栈的过程;FDE 角色的第一手交付叙事(调研→移植→优化),可直接抽象成“模型迁移类交付”卡片的流程骨架 🃏卡片候选 https://aws.amazon.com/blogs/machine-learning/how-deepgram-optimized-voice-ai-at-scale-with-aws-trainium/
  • Numan「Nu」AI 健康教练 — 用 LangGraph + LangSmith 做的 eval-first 健康教练,按品类拆 evals、模拟对话测试、在监管红线上加安全门;医疗行业 + 实证验收 + 人机分工,方法论四条全占 🃏卡片候选 https://www.langchain.com/blog/how-numan-built-an-eval-first-ai-health-coach-with-langgraph-and-langsmith
  • Laminar(YC S24) — 用 RL 训练的模型自动在 agent 执行轨迹里找错误,做 agent 可观测性;agent 验收从人肉看 trace 走向自动化判错,是“evals 验收”这条方法论的产品化机会点 https://news.ycombinator.com/item?id=50154029
  • AI Legal(ailegal.legal) — 法律助手,拒绝引用它自己无法验证的法条;把“验证不过就不输出”做成产品核心约束,是高风险行业(法律/医疗/金融)验收标准的可迁移模式 🃏卡片候选 https://ailegal.legal/
  • ProvenMetal:PCB 采购 MCP — 给“下单组装好的 PCB”做了一个 MCP server,让 agent 直接对接硬件供应链;MCP 钻进制造业采购流程的早期样本,行业 × 痛点(非标硬件采购)× 解法的典型结构 🃏卡片候选 https://provenmetal.com/mcp
  • Yila — 定位“科研版 Codex”的 AI 研究助手;科研是典型的非标知识工作,值得跟踪它怎么定义科研工作流而非只做问答 https://yila.ai
  • Towards Company World Models — Beacon 提出“公司世界模型”概念:把企业内部的运营知识建模成可推理的结构;对“能力沉淀复利”这条方法论是很好的理论锚点——企业 know-how 如何被结构化复用 https://www.beaconholdings.com/research/towards-company-world-models
  • Agent-Skills.market — agent 技能(skills)的交易市场;能力打包成可复用单元再流通,正是“能力沉淀复利”的市场化形态,可关注哪些技能类目先跑出付费 https://agent-skills.market/
  • Agentic Monitoring(Benjamin Congdon) — 系统梳理 agent 运行期的监控实践:监控对象从 API 指标变成 agent 的决策轨迹;agent 落地后“运维谁、怎么报警”是 FDE 交付后必须回答的问题 https://benjamincongdon.me/blog/2026/10/19/Agentic-Monitoring/
  • OpenAI:低资源语言编程(含 COBOL 迁移) — ChatGPT 改进 COBOL 等遗留语言并配套新 evals;COBOL 迁移是银行/保险行业的经典痛点,模型能力 + 配套评测的组合值得作为“遗留系统改造”场景跟踪 https://openai.com/index/low-resource-programming-languages
  • Lights-on Software Factory — 基于 Claude Code 的“亮灯软件工厂”脚手架,来自真实产品 Votito 的编排器实践,宣称比裸 Claude 工作流省 token;多 agent 编排落地的成本数据点 https://github.com/gojko/lights-on-software-factory
  • Strot — 把 LLM 的决策意图编译一次、本地执行判断;对数据不出域的行业场景(医疗、政务)是“模型在人边界内”的一种部署形态,可迁移到隐私敏感落地 https://github.com/strot-ai/Project-STROT
  • 美国要求全部文官机构移除 DeepSeek 及其衍生工具 — DHS 下令连基于 DeepSeek 构建的第三方工具都要拆除;对 FDE 的启示:客户侧模型选型有强合规变量,交付方案必须预留可替换性 https://madrobot.blog/2026/10/19/us-bans-deepseek-federal-agencies-dhs-order-remove-third-party/

值得去读差评/讨论的 3 条

  1. Laminar(agent 找错的 RL 模型)— 社区对“RL 训的 judge 可不可信”必然有交锋,正好呼应你 9-28 那条“小模型 judge 做 agent 验收可行”的正面反馈:https://news.ycombinator.com/item?id=50154029
  2. Harness2 by Google Research(递归 agent harnessing)— 概念很响,去看 HN 评论区怎么拆“harness 工程化”是真方法还是新包装:https://hn.algolia.com/?q=harness2+google+research
  3. 美国 removing DeepSeek 令 — 评论区讨论第三方工具连带拆除的可行性,对交付方案的合规冗余设计有参考:https://hn.algolia.com/?q=deepseek+federal+agencies+ban