ARTICLE · 1305718

X早报|/retro验收;插件自动连;物理世界工程

发布时间：2026-11-04 11:22:01 最近访问：2026-11-04 11:22:02

X_SUMMARY · 早报　·　北京时间 11/03 20:00 – 11/04 08:00｜主时间线约 1091 帖（12 页）+ 白名单新增约 25 帖；体育过滤约 101，AI 候选约 176（再人工分级）

北京时间 11/03 20:00 – 11/04 08:00｜主时间线约 1091 帖（12 页）+ 白名单新增约 25 帖；体育过滤约 101，AI 候选约 176（再人工分级）

今日主线

Harness 自进化要过验收关：有人拿 Matt 的 /retro 写了论文，改说明能改变行为，却几乎抬不起成功率。

Agent 企业面继续扣门：Claude Team/Enterprise 插件自动连上（EMA），NVIDIA 开源 Auto Ontology 给语义层和可控 Text-to-SQL。

物理世界与权重空间各进一步：OpenAI 晒 CAD/PCB/仿真工作流；WSP 被指台阶式跃迁，本机 Qwen 也能读权重猜游戏。

必看

宝玉：有人给 /retro 写了论文——改 harness 行为变了，成功率几乎没涨

转述对 Matt Pocock `/retro` skill 的系统评估（arXiv:2610.34938（https://arxiv.org/pdf/2610.34938））。作者在受控任务上改 CLAUDE.md / 失败清单：AI 更常跑格式检查、对比检查，中位用时明显变长；但「修好没有」每组 5 次里成功次数最多差 1，看不出成功率抬升。结论偏冷：全项目通用信息（怎么跑测试）值得记；某次环境里哪几个测试挂了，换任务就可能对不上。评估一项改动要看：问题有没有再现、AI 有没有读到、行为有没有变；留下来的说明也要持续复评。Matt 本人称「史上最伟大的 issue report」：帖。。

编者曰　本窗 agent 工程侧最该钉住的一条。自进化 harness 不是「多写几句记忆就变强」——没有可复现任务、成功标准和对照实验，改动只会堆成本和噪声。和用户侧「边界用验收和回滚画」同轴：先问三项改动有没有抬成功率、会不会过期害人、值不值得写进默认 CLAUDE.md。样本小、只测一类环境问题，别把论文当死刑判决；但「行为变了≠交付变好」该成默认怀疑。

宝玉 / ClaudeDevs：Team·Enterprise 插件可自动连上（EMA）

Anthropic 开发者账号宣布 beta：登录 Claude 后，公司已开通且接受 Claude 为 trusted issuer 的插件可自动连接，少一轮轮授权。配套 Enterprise-managed auth（EMA）（https://modelcontextprotocol.io/extensions/auth/enterprise-managed-authorization）：管理员经 IdP 给全组织挂插件；IdP 不支持时可由 Claude 为已登录成员背书。文档（https://claude.com/docs/connectors/building/enterprise-managed-auth）。Boris Cherny 同步：帖。官方主帖 ♥4k+：ClaudeDevs。视频封面。

编者曰　Agent 效率经常卡在「又要点一次授权」。企业侧把连接收进 IdP/管理员，比让每人自己攒一堆 OAuth 更可持续；也把风险从个人账号挪到组织策略。落地前核三件事：哪些 MCP 真接受 Claude 当 issuer、ZDR/合规边界、撤销与审计是否跟得上自动连。

邵萌：NVIDIA Auto Ontology——给 Agent 用的企业语义层与可控 Text-to-SQL

开源仓库 NVIDIA/auto-ontology（https://github.com/NVIDIA/auto-ontology）：从元数据生成并调和本体，经 Web / API / MCP 把「指标和实体到底什么意思」交给 Agent，再做受控 Text-to-SQL。维护上刻意拆 CLAUDE.md（维护者）与 AGENTS.md（外部 Agent）；部署走 NGC Helm / Docker Compose，自助注册默认关。文档写明：Vault 未配齐时 UI 写入的连接密码可能以明文 JSON 落在 Postgres。BIRD 类评测在独立仓库 ontology-sql-eval；Apache-2.0，暂不接外部贡献。。

编者曰　企业 Agent 卡点常常不是「会不会写 SQL」，而是指标口径不一致。语义层 + MCP 是对的产品形状；明文密码默认风险、对内/对外文档分叉、贡献政策，都说明这是可跑的研究/内部向开源，不是开箱即用的 SaaS。先在非生产库试 MCP 边界和审计，再谈替换现有 BI 语义层。

OpenAI：ChatGPT / Codex 正在帮工程师做物理世界

官博 Accelerating engineering for the physical world（https://openai.com/index/accelerating-engineering-for-the-physical-world/）（11/3）：机械、电气、仿真与跨学科协调；内部硬件团队自 2 月起 token 用量自称增约 23 倍（用量≠产能）。侧写：两人用 GPT-6 Astra 一周内做出可对话 Codex 的原型设备（外壳 / PCB / 固件 / UI），代工厂约一个月出小批量；量产仍需多轮人工，因公差、装配与产线约束模型经常漏。封面。

编者曰　软件 vibe coding 外溢到 CAD/PCB 是真趋势，但 OpenAI 自己把「制造约束」写成缺口——这才是物理世界和纯软件的分界。看演示时盯验收：尺寸链、DFM、仿真与实装是否闭环；别把「一周出概念」误读成「一周可量产」。

权重空间编程：台阶式跃迁 + 本机 Qwen 也能读权重

早报/晚报已报 Astra 改权重与 Hub 上传；本窗两则增量——① Google 研究员 AlexKrentsel 复现实验并称跨多代扫描时，能力几乎只在最新一批前沿模型上突然变强（台阶，而非平滑）。② simonw 用笔记本跑 Qwen 3.8 27B（约 17GB Q4），无工具纯读浮点权重，约 46–65 分钟内认出 Pac-Man / Pong / Breakout 三款小游戏策略网，Freeway 未中；博文（https://simonwillison.net/2026/Nov/3/qwen-can-interpret-model-weights/）。他明确不把这当成「源码时代结束」。见邵萌帖。

编者曰　读权重猜任务能在本机开源模型上部分复现，比只会刷 Astra 截图扎实一档；台阶式说法若成立，会改变「等下一档算力就平滑出现」的预期。编辑权重、无梯度修模型仍远未形成可审计工程方法——当演示看可以，当交付管道还早。

值得一看

宝玉：Claude Code 产品负责人 Cat Wu 离开 Anthropic　Cat Wu 称周五为最后一天，未说明去向；负责过 Claude Code 与 Cowork。人事向信号，产品路线以官方后续为准。原帖。

宝玉：OpenAI 应用 AI 工程负责人教简历四条　Wulfie Bain：写短、删无关、写成果不写流水账、让人能快速扫到重点。面向想进其创业公司应用 AI 工程团队的求职者。原帖。

国内大厂 AI Coding 实操图景　几乎都有自研（早=Cursor 变体，晚=Claude Code/Codex 变体）；理论上强制内网产品，实操大量「应付着用别的」；内外同一套的更少。雪踏乌云等有转述整理。

邵萌：腾讯微信 WeVisOne-VL 开源　Tencent/WeVisOne-VL（https://github.com/Tencent/WeVisOne-VL） 2B/4B，统一检测/计数/OCR/分割/抠图；拒答率在自建榜上拉高明显。。

openbot：本地优先的多 Agent 桌面工作区　nightly-labs/openbot，自称可挂 Codex/Claude/Gemini/Grok 等，任务队列、内置浏览器、手机遥控、数据本地；下载见 openbot.run（http://openbot.run）。更新快、需自辨安全与账号条款。。

Particle-1 上架 OpenClaw　称较 DeepSeek V4.1 Flash 约少 45% 输出 token、质量接近；介绍见 particle.ai 博文（https://particle.ai/blog/introducing-particle-1）。。

LLM Architecture Gallery 十月版　Sebastian Raschka 一次收 10 个架构图鉴（Kolibri-1 到 Mistral 等）。杂志文（https://magazine.sebastianraschka.com/p/the-llm-architecture-gallery）。

ClaudeDevs：ultrathink 可单轮拉高 effort　消息里写 ultrathink 可将本轮 effort 提到 xhigh；另有对子 agent / 用量可见性的控制补充（官方线程）。早报已提过相关旋钮，本窗是产品面微调。

讨论与论战

**FlashProve 官方回响：** Anthropic 研究账号本窗发 [provable inference 博文](https://www.anthropic.com/research/provable-inference) 与 [FlashProve 开源](https://github.com/anthropics/FlashProve)，与昨晚报必看同题，不重复抬档。

**「关掉思考」段子 vs WSP：** 有人拿「关掉思考数学掉一截」调侃权重编辑神话；当气氛帖，不进分级。

**Canva 重组：** 涉及约 22% 岗位调整（含调岗/搬迁）；非本刊主线 AI 工程，略。

**昨窗话题：** Pando/Scion、Code Mode、Addy 批判性思考、Message Threads、LifeVal 等本窗无版本级新文件 → 不重复抬档（权重空间见上增量）。

可以试试

**/retro 评估论文：** [arXiv:2610.34938](https://arxiv.org/pdf/2610.34938)

**Claude EMA / 自动连插件：** [企业托管认证文档](https://claude.com/docs/connectors/building/enterprise-managed-auth) / [MCP EMA 扩展](https://modelcontextprotocol.io/extensions/auth/enterprise-managed-authorization)

**NVIDIA Auto Ontology：** [github.com/NVIDIA/auto-ontology](https://github.com/NVIDIA/auto-ontology)

**OpenAI 物理世界工程：** [openai.com/index/accelerating-engineering-for-the-physical-world](https://openai.com/index/accelerating-engineering-for-the-physical-world/)

**simonw 本机读权重：** [博文](https://simonwillison.net/2026/Nov/3/qwen-can-interpret-model-weights/)

**WeVisOne-VL：** [github.com/Tencent/WeVisOne-VL](https://github.com/Tencent/WeVisOne-VL)

**openbot：** [openbot.run](http://openbot.run)

**Particle-1：** [介绍博文](https://particle.ai/blog/introducing-particle-1)

**Architecture Gallery：** [Raschka 杂志](https://magazine.sebastianraschka.com/p/the-llm-architecture-gallery)

**MonoDesk（Envato beta）：** AI 助手可查到期/记工时，创意自由职业工作区；见 testingcatalog 等演示帖，自辨条款后再试。