AI DAILY / 2026-09-07
Agent 开发与 AI 进阶实践
Using Blender with coding agents on macOS
作者分享了在 Mac 上用 ChatGPT Codex 操控 Blender 的经验：先从 blender.org 安装桌面版，再给出自然语言指令即可让 Agent 通过 Blender Python API 渲染场景。他通过追加提示词让鹈鹕骑自行车的画面不断加背景、加细节。任务算入其 Codex 订阅，按 API 价估算约 4.24 美元。
为什么读展示了把 3D 软件变成 Agent 可编程工具的极简接入方式，对想试 Agent 控 GUI 应用的开发者有参考价值。
带着问题读Agent 实际调用的是 Blender 哪个 Python 接口、能否可靠地批量生成多帧动画？
Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO Steps
文章指出结构化输出常被并入推理或抽取评测，缺少独立衡量。作者以 schema 合规为焦点，演示在小模型上做任务级微调也能逼近更大模型表现。流程分两段：微调在 GPU 上跑，配套 Notebook 提供完整复现路径，但说明其管线并非训练 IFStruct 博客模型的同一套。
为什么读提供了一个低成本验证“小模型 + GRPO”能否在格式遵从上追赶大模型的范式。
带着问题读100 步 GRPO 之后在哪些 schema 类型上仍显著落后于大模型？
Give Your Coding Agents a Memory You Own
作者在多机多 Agent 间切换时，发现每个会话都从零开始，过去推理随会话消失。延续《Software Forgets》一文的观点，他主张 Agent 留下的 trace 是潜在记忆，但光有日志不够，需要可被检索的结构化机制来回答“为什么”而非仅“改了什么”，并提出由用户自己掌握这份记忆。
为什么读点出当前 Agent 工作流被忽视的“跨会话知识资产”问题，对团队知识沉淀有启发。
带着问题读如何防止 Agent 记忆沦为可被提示词注入操纵的可信源？
Codex bundles LibreOffice
作者用 OmniDiskSweeper 清理缓存时，发现 OpenAI Codex 桌面应用（现改名为 ChatGPT）的 codex-primary-runtime 目录占 1.7GB，内含完整 Python、Node.js、Poppler、git 以及从 OpenOffice 分支而来的 LibreOffice 原生二进制。其 documents 文件夹里还附带 skills 文件，告诉 Codex 如何发现并调用这些二进制。
为什么读揭示了 Codex 桌面端的真实依赖与体积来源，对评估本地占用和安全审计有意义。
带着问题读这些被捆绑的开源组件是否随官方更新及时同步到最新安全版本？
How AI-native companies turn workflows into operating capability
文章以 Basis、Clay、Exa Labs 为例，介绍 AI 原生企业如何让 Agent 深度介入新员工入职、客户账号管理、开发者集成等环节，把一次性流程沉淀为可复用的组织能力，并提炼出企业领导者可借鉴的做法。
为什么读提供了从“用 AI 提效”到“把 AI 流程固化为运营资产”的具体行业样本。
带着问题读文中案例的工作流编排是自研框架还是依赖第三方 Agent 平台？