檔案系統可以讓Agent更高效地「找東西」，降低了認知負擔，提高了任務執行效率，減少了45%的token消耗和39%的成本，同時保持較高精準率。 當同一個模型面對同一份資料時，介面長什麼樣，會不會直接改變它花掉多少 token（模型上下文與計費的基本單位）？ 答案是會，而且差別不小。 部落格連結：https://nokv.io/blog/agents-want-filesystems

過去兩年，大模型的競爭主要圍繞模型能力展開，而隨著 AI Agent 快速進入開發、辦公和科研等場景，行業關注點正在發生變化：如何讓Agent安全、自主、可靠地完成真實世界中的複雜任務，以及當數以百萬計的Agent開始在網際網路上相互協作、談判和交易時，人類社會將迎來怎樣的重塑？ 在 Google DeepMind 最新一期播客中，研究科學家 Nenad Tomasev 圍繞 AI Agent 的未來展開了討論，內容涵蓋 Agent 的定義、科研應用、智能體安全（Agentic Security）、智能體經濟（Agentic Economy）、認知單一化（Cognitive Monoculture）以及分佈式智能（Distributed Intelligence）等多個話題，並提出一個值得關注的觀點：未來 AI 的演進方向，未必是單一的超級 AGI，而更可能是由大量專業智能體協作組成的智能體社會。 01. 從生成文字到執行行動，Agent相較於模型的重要意義 要洞察這場變革，首先要理解 LLM 與Agent之間的本質區別。雖然Agent在底層依然依賴 LLM 作為“大腦”來制定計畫，但其核心進化在於增加了一個能夠與現實世界互動的“外殼”（Harness）。

在2026年4-6月，Datawhale延續了一季度的高速增長，總Star數從28w進一步提升到35w，在GitHub全球組織榜中的排名從第29名上升到第21名，成為同類組織全球排名第4，中國第1的開源學習社區。 高速增長的背後原因 組織內部的增長仍然由AI Agent和大模型學習類項目驅動，其中hello-agents一個季度新增29809顆Star，單項目貢獻接近千星項目總增量的一半。easy-vibe、Agent-Learning-Hub、all-in-rag和happy-llm組成第二增長梯隊，共同把本季度的項目熱度繼續推高。 按月來看，當前Star數超過1000的37個項目在4-6月合計新增6w+顆Star，其中4月新增1.9w+，5月沖高到2.9w+，6月回落到1.5w+。5月是本季度最關鍵的增長月份，主要由hello-agents單月新增1.3w+和easy-vibe單月新增8000+的Star共同拉動。

2026年，兩件事撞在一起。 產業側，企業開始密集部署Agent。消費側，超級App迎來系統性重構。兩個原本平行的生態，同一時間集體轉向AI。 Agent時代來了。表面看，這是技術升級的擴散，實則背後隱藏著一場對科技廠商的價值重估。 消費側Agent的標誌性事件，是AI版支付寶“阿寶”的率先上線。

大模型變強，並不等於 Agent 在物理場景就能用了。 所有人都在討論 Agent 能寫多少行程式碼、提效多少百分比，但真正值得問的問題是：Agent 什麼時候能替你開門、巡邏園區、調度工廠？ 答案是：還早。 Agent 在數字世界的擴張速度確實驚人：OpenClaw 84 天內 Star 數突破 37.5 萬；57% 的企業已部署多階段 AI 工作流；86% 的企業在生產環境中運行Agent。但當你問，有多少 Agent 在真正操控物理裝置？答案是沉默的。

大模型變強，並不等於 Agent 在物理場景就能用了。 所有人都在討論 Agent 能寫多少行程式碼、提效多少百分比，但真正值得問的問題是：Agent 什麼時候能替你開門、巡邏園區、調度工廠？ 答案是：還早。 Agent 在數字世界的擴張速度確實驚人：OpenClaw 84 天內 Star 數突破 37.5 萬；57% 的企業已部署多階段 AI 工作流；86% 的企業在生產環境中運行Agent。但當你問，有多少 Agent 在真正操控物理裝置？答案是沉默的。

事件： 據支付寶消息，6月16日，AI版支付寶“阿寶”正式發佈。目前AI版支付寶已經開啟邀測，使用者可以在AI版支付寶和經典版之間隨意切換。 阿寶最核心的能力，是幫使用者更好地"辦事"。 過去，使用者要找一個功能，得先想"這個在那個小程序裡""是在那個分類下"，點進去、找入口、填資訊，一圈下來費時費力。現在，這些步驟都交給阿寶來處理，使用者不需要事先做攻略，阿寶已經幫你做好了。

AI 行業，除了拼算力、卷模型，造詞也是一流的。從注意力機制、AI幻覺，到提示詞工程（Prompt Engineering）、上下文工程（Context Engineering），再到後來的 Agent、Skill、Harness Engineering，直至最近火出圈的 Agent Loop，各種概念眼花繚亂。 但是，拋開商業包裝，這些概念的底層邏輯其實非常簡單。 一、AI在思考嗎？ 使用AI時，介面上經常會跳出“思考”、“推理”、“Deep Think”甚至“理解”這些詞。好像AI真的在認真思考一樣。