Claude Mods:注意力接口的首次实践,人类可编程的代理交互层
Claude Mods 是 Anthropic 推出的 Claude Code 可编程插件系统,代表‘注意力接口’(Attention Interface)的早期形态——它将传统面向机器的代理运行时框架(agent harness),转向面向人类注意力的可定制交互层。用户可通过 TypeScript/JS 编写 Mods,或用自然语言让 Claude 自动生成,从而决定何时被中断、看到什么内容、需做哪些决策。
检索标题、摘要与正文,把分散的信息连起来。
Claude Mods 是 Anthropic 推出的 Claude Code 可编程插件系统,代表‘注意力接口’(Attention Interface)的早期形态——它将传统面向机器的代理运行时框架(agent harness),转向面向人类注意力的可定制交互层。用户可通过 TypeScript/JS 编写 Mods,或用自然语言让 Claude 自动生成,从而决定何时被中断、看到什么内容、需做哪些决策。
欧洲多家领先工业企业正规模化应用NVIDIA CUDA-X、Omniverse、Cosmos及Nemotron等开放模型与工具链,覆盖从产品设计、仿真优化到工厂运营的全生命周期;NVIDIA Factory Operations Blueprint(FOX)已开放早期访问,支持构建实时协同的工业智能体;西门子、梅赛德斯-奔驰、奥迪、空客级供应商等已落地多项验证案例,实现校准时间缩短40%、根因分析成本降低20%等实效。
NVIDIA开源Agent Toolkit新增Agent Knowledge Foundation等核心组件,集成CUDA-X库、Nemotron Retriever与Kumo系列开放模型、OpenShell安全运行时及NemoClaw蓝本,支持企业不迁移数据、不改造现有流程即可构建可审计、可管控、能深度理解业务语义的专用智能体。
在柏林Tempodrom举行的GTC Berlin 2026大会上,NVIDIA CEO黄仁勋发布多项关键进展:推出DSX POD模块化AI工厂、Vera Rubin全栈AI代理平台、OpenShell安全架构、Agent Knowledge Foundation知识层,以及Agile ONE SN人形机器人参考平台;宣布超100亿欧元级欧洲AI投资承诺,覆盖12,000+合作伙伴,并强调欧洲正加速构建自主可控的AI经济基础设施。
成立18个月的AI原生软件公司Tenex,以输出导向薪酬、MetaHarness框架与Opus 5.5主导的AI代理工作流,服务约半数财富2000强企业;其模式聚焦过程标准化、非编码价值重估及企业级AI落地的最后一公里挑战。
Tenex是一家成立18个月(截至2026年)、75人规模的AI原生软件交付公司,服务约半数《财富》2000强及同等数量中型企业。其核心实践包括:以故事点为锚的动态工程师薪酬体系、AI战略师质量把关机制、Git内嵌上下文的MetaHarness框架,以及聚焦‘非编码高价值任务’的能力再定位;同时观察到企业AI采用仍集中于通用LLM部署与工程侧代理,后端办公类生产级AI代理渗透率仅约5%。
Dharma-AI提出VocabX方法,针对特定任务(如葡萄牙语作文自动评分)重构语言模型词汇表,以生成代价而非词频为优化目标,在不修改模型结构、参数或训练流程的前提下,实测推理成本下降77%,同时评估质量(bench score)从0.703提升至0.810。
在多起针对Meta的AI训练版权诉讼中,法院裁定Meta须明确指认授权从Anna’s Archive、LibGen等影子图书馆下载盗版图书的高管;Meta此前将责任归于基层员工,并称早期AI数据收集属‘非正式流程’,无人‘正式决策’下载行为。
Octave Reliance利用Amazon Bedrock构建了严格租户隔离的AI基础架构,集成Cohere Embed v4与AgentCore微虚拟机运行时,实现跨医疗设备、制药及食品制造行业的 Complaint Triage Assistant,支持对超20亿份受监管文档(投诉、CAPA、审计发现等)进行语义搜索,全程杜绝跨租户数据泄露。
亚马逊云科技宣布,加拿大客户可通过Amazon Bedrock在ca-central-1(加拿大中部)和ca-west-1(加拿大西部/卡尔加里)区域,以跨区推理(CRIS)方式调用标称为OpenAI GPT-5.6、GPT-6及GPT-6.1的模型;实际推理发生在北美或全球AWS商业区域,数据静态驻留于加拿大源区域。
Vlad Mihalcea、Patrick Baumgartner和Frank Delporte三位资深Java Champion分享了在生产环境与开源项目中使用GitHub Copilot的实践:强调人类主导问题定义、上下文锚定、迭代验证与最终责任归属,而非依赖AI自动生成代码。