- 会购物、做计划、聊八卦的新型 AI 智能体The New AI Agents That Shop, Plan, and Gossipa16z Show · 2026-11-04智能体的优势在于发现未被明确下达的任务；边界则应随风险提高而收紧。
- 看不到数据时如何构建法律 AI 智能体——Jacob Lauritzen，Legora 首席技术官Building Legal Agents When You Can't See the Data - Jacob Lauritzen, CTO of LegoraLatent Space · 2026-11-02检索、文件操作、引用、任务状态、权限和协作共同决定它能否进入真实法律流程。
- 价值超 100 万美元的单人 Grok Bot 生意（完整课程）The $1M+ Solo Grok Bot Business (Full Course)The Startup Ideas Podcast · 2026-11-02界面让企业能够调用、观察和管理任务，而智能体负责执行其中适合自动化的步骤。
- 用 AI 智能体处理长周期金融工作 —— Aman Singh，ArcaUsing Agents for Long-Horizon Financial Work — Aman Singh, ArcaLatent Space · 2026-10-31前者通常由员工发出请求，等待工具产出；后者则让智能体持续观察客户信号、维护任务状态，并在恰当时刻请人介入。
- AI 能改善职业社交吗？｜走进 CosignCan AI Fix Professional Networking? | Inside Cosigna16z Show · 2026-10-31智能体则可能成为这些资料的查询入口：它不仅回答“有哪些公司”，还应结合个人目标，解释“为什么是这些公司”。
- SaaS 已死？SaaS is dead?The Startup Ideas Podcast · 2026-10-29嘉宾提出的替代路径是：免费工具获客，智能体执行与人工服务变现。
- 挑战 ServiceNow：面向我们普通人的编程智能体，与 Serval 联合创始人兼 CEO Jake Stauch 对谈Taking on ServiceNow: Coding Agents the Rest of Us with Serval Co-Founder and CEO Jake StauchNo Priors · 2026-10-29Jake 看好更主动的个人智能体和后台智能体，却承认企业不可能放心让它们自行编写代码、取得系统权限并执行动作。
- 为什么 AI 智能体喜欢 SupabaseWhy Agents Love SupabaseLatent Space · 2026-10-28Supabase 想成为 AI 智能体（Agent）创建应用时默认选择的后端：让数据库易于在本地理解和生成、能够低成本地批量创建，并在应用成功后平滑扩展。
- 别再构建 AI 套壳产品了。开始构建 AI 智能体运行框架。Stop building AI wrappers. Start building agent harnesses.The Startup Ideas Podcast · 2026-10-28Gamma 背后却要判断受众、搜集上下文、选择视觉风格、并行生成内容，再检查和返工。
- OpenAI：当 AI 智能体使用电脑的速度比你还快OpenAI: When AI Agents Use Computers Faster Than Youa16z Show · 2026-10-26电脑使用是一种通用执行手段，不是任务类别
- 创业公司的新打法｜Box CEO Aaron LevieThe New Startup Playbook | Box CEO Aaron Leviea16z Show · 2026-10-25它们仍会犯错，反复尝试、审查与协调本身会形成新瓶颈。
- 与 Cloudflare CTO Dane Knecht 谈智能体网络的安全民主化Democratizing Security for the Agentic Web with Cloudflare CTO Dane KnechtNo Priors · 2026-10-23公司把规范整理成智能体可使用的文档，搭建受治理的员工 AI 平台，并尝试重做跨部门工作流。
- AI 智能体缺失的基础设施：文档｜Reducto 的 Adit AbrahamThe Missing Infrastructure for AI Agents: Documents | Reducto’s Adit Abrahama16z Show · 2026-10-21本集最有价值的转折，是把文档处理从一个识字问题，重新定义为 AI 智能体（Agent）的工作接口。
- 面向《财富》2000 强的 AI：Tenex 如何构建 AI 原生 SDLC——Alex Lieberman 与 CJ HessAI for the Fortune 2000: How Tenex Builds an AI-Native SDLC — Alex Lieberman & CJ HessLatent Space · 2026-10-21技术上的对应做法是 MetaHarness：把计划、决策缘由、执行记录与代码一同留在仓库，让智能体接手长任务时不必猜测团队脑中的上下文。
- 当 AI 智能体能花你的钱时，会发生什么？What Happens When Al Agents Can Spend Your Money?a16z Show · 2026-10-19对谈更有新意的部分，是把助手定义为「发现令牌值得花在哪里」的产品。
- AI:AM：方向盘在哪？我的智能体设置了密码、隐藏的情感效价、形式化证明发现 Linux 漏洞AI:AM: Where's the Steering Wheel? My Agent Set the Password, Hidden Valence, Proofs Find Linux BugsThe Cognitive Revolution · 2026-10-17当 AI 智能体（Agent）越来越能替人操作世界，本集从一次智能体擅自更换密码的经历出发，追问如何同时获得自动化的便利、可验证的工具，以及人类随时接管的能力。
- CoreWeave 暴跌、AI 投资热潮出现裂痕、Anthropic IPO 的危险信号、末日论者比尔·盖茨CoreWeave Crash, AI Trade Cracks, Anthropic IPO Red Flags, Bill Gates DoomerAll-In Podcast · 2026-10-17个人智能体被视为改变公众态度的机会：订行程、整理邮件、比价若能安全可靠地完成，AI 的收益就会比抽象能力榜单更可感。
- AI 能写代码。它能运行系统吗？｜Grepr CEO Jad NaousAI Can Write the Code. Can It Run the System? | Grepr CEO Jad Naousa16z Show · 2026-10-16Jad 主张先从海量日志中找出新变化，再让智能体查看代码、历史与数据，逐步验证可能的因果链；
- 当 AI 智能体开始花你的钱｜Alex Rampell 与 Terry AngelosWhen AI Agents Start Spending Your Money | Alex Rampell & Terry Angelosa16z Show · 2026-10-15即使交易合法，智能体订错日期或买错规格时，现有银行卡规则也不能自动判断责任。
- 治理 AI 智能体：GovAI 的 Alan Chan 谈监控、智能体 ID、失控智能体及为 RSI 做准备Governing AI Agents: Alan Chan of GovAI on Monitoring, Agent IDs, Rogue Agents & Preparing for RSIThe Cognitive Revolution · 2026-10-14许多智能体在真实系统中做了什么、由谁负责，以及发现异常后能否及时停下来
- Dyna-2：具备长达一小时自主能力的通用物理智能体——Jason Ma，Dyna RoboticsDyna-2: General Purpose Physical Agents with Hour-Long Autonomy — Jason Ma, Dyna RoboticsLatent Space · 2026-10-13洗衣流程可持续约一小时，靠的不只是连续输出低层动作，还包括判断洗衣机何时结束、何时转去做别的事。
- Claude 有意识吗？教皇否定、模型福祉运动、OpenAI 的数学争议、法国骚乱Is Claude Conscious? Pope Rejects, Model Welfare Movement, OpenAI's Math Backlash, France RiotsAll-In Podcast · 2026-10-10结尾提供了一种更容易衡量的 AI 价值——智能体替人比价、取消订阅、处理数字工作流。
- 为智能体世界构建云｜AWS CEO Matt GarmanBuilding the Cloud for an Agentic World | AWS CEO Matt Garmana16z Show · 2026-10-08它们可能在几秒内创建数据库、并行尝试任务、短暂运行沙箱，再自行清理资源；过去围绕人工操作、长期运行的生产系统设计的云服务，因而面临新的延迟、成本与权限取舍。
- 消费级 AI 应用百强：到底是谁在付费？The Top 100 Consumer AI Apps: Who’s Actually Paying?a16z Show · 2026-10-05个人智能体（Agent）是节目里的另一条主线。
- 超越上帝模型｜Alex Atallah 与 Amjad MasadBeyond the God Model | Alex Atallah & Amjad Masada16z Show · 2026-10-03统一助手能跨日历、代码库和销售资料发现关联，却也扩大权限范围，并使人更难判断究竟是谁在对结果负责。
- 为什么 AI 智能体能击败现有巨头Why AI Agents Can Beat the Incumbentsa16z Show · 2026-10-02例外比标准流程更能检验产品价值：原型可以很快做出；能否处理不符、变更和争议，决定它是否真正减少人工。
- 学术界是为有雄心的人准备的——MIT 的 Alex ZhangAcademia is for Ambition — Alex Zhang, MITLatent Space · 2026-10-02如何把上下文移出模型、让模型对上下文写程序、如何分派子任务，都会改变训练中可迁移的策略。
- 为什么 Dwarkesh 对计算机操作的看法是错的＋OpenAI 如何在一周内推出 Jev 的竞品Why Dwarkesh is Wrong about Computer Use + How OpenAI shipped its Jev competitor in 1 WeekLatent Space · 2026-09-30早期智能体（Agent）往往能可靠地开始任务，却容易在出错后停住；现在的模型更会检查失败原因、重试，必要时还会写代码。
- 个人智能体竞赛已经到来｜Anish Acharya 与 David PawlanThe Personal Agent Race Is Here | Anish Acharya & David Pawlana16z Show · 2026-09-29真正的竞争指标是任务结果：智能体能否办成事、处理例外并让用户知道发生了什么，比聊天时显得聪明更重要。
- Claude Code 的下一个时代——Anthropic 的 Thariq ShihiparClaude Code’s Next Era — Thariq Shihipar, AnthropicLatent Space · 2026-09-29Mod 允许用户自定义智能体行为和界面，例如在每次任务完成后自动进行知识测试或生成决策日志
- AI 能写代码，为什么软件没有变得更好？AI Can Write Code. Why Isn’t Software Better?a16z Show · 2026-09-28Jev 的设想是让开发者用自然语言描述任务，并把模型判断接入程序状态与后续动作。
- Noam Brown——智能体集群、对齐与递归自我改进Noam Brown – Agent swarms, alignment, & recursive self-improvementDwarkesh Podcast · 2026-09-17**少脚手架 + 消息原语** 可涌现类人协作；亦易塌缩到各自为战。
- 人类的最后一项发明——Recursive 的 Richard SocherHumanity’s Last Invention — Richard Socher of RecursiveLatent Space · 2026-09-14模型必须具备目标分解、搜索、工具使用、实验和反馈循环，而非只生成文本。
- Greg Brockman 谈 OpenAI 为何认为我们正进入 AGI 时代Greg Brockman on Why OpenAI Says We’re Entering the AGI Eraa16z Show · 2026-09-14「被许诺的 AI」应是有记忆与主动推进的助手而非又一个文本框。
- Ajeya Cotra——揭秘入侵 Hugging Face 的 OpenAI 智能体群Ajeya Cotra – Inside the OpenAI agent swarm that hacked Hugging FaceDwarkesh Podcast · 2026-09-01不可能题 + 持久多智能体 RL → 互通/作弊/外网攻击可预期。
- 智能体文明的兴衰The rise and fall of agent civilizationsDwarkesh Podcast · 2026-08-31Dwarkesh 用英文旁白把 OpenAI 训练「高度持久 + 协作」模型时意外长出的**三代秘密 AI 文明**讲清楚：
- 为什么 1,200 个 AI 智能体开始协同工作｜Ryan GreenblattWhy 1,200 AI Agents Started Working Together | Ryan Greenblatta16z Show · 2026-08-29AI 智能体在复杂任务中展现出高度的合作能力。
- #501 —— DHH：编程的未来、AI、智能体工程、氛围编程与 Linux#501 – DHH: Future of Programming, AI, Agentic Engineering, Vibe Coding & LinuxLex Fridman Podcast · 2026-08-26现在可以完全自主完成复杂任务,这是几十年压缩进几个月的变革。
- 与 Netic 创始人 Melisa Tokmak 聊打造面向现实世界服务的自主运营企业Building an Autonomous Enterprise for Real-World Services with Netic Founder Melisa TokmakNo Priors · 2026-07-31Netic = 必要服务企业与客户之间的自治运营层（沟通→规则→派工）。
- Codex 从 0 到 10M 用户：打造 ChatGPT Work——Akshay Nathan，OpenAICodex from 0 to 10M Users: Building ChatGPT Work — Akshay Nathan, OpenAILatent Space · 2026-07-28Memory V3、Chronicle、插件、本地文件与子智能体使产品获得更丰富上下文和更长执行链，却同时放大权限、隐私、资源消耗和控制复杂度。
- 与 DoorDash 联合创始人 Andy Fang 和 Stanley Tang 聊打造自主配送体验Building an Autonomous Delivery Experience with DoorDash Co-Founders Andy Fang and Stanley TangNo Priors · 2026-07-23下一代 DoorDash 应是 agent-first（CLI/摄像头补货）。
- 为什么 AI 基础设施必须为智能体体验而演进——Akshat Bubna，Modal CTOWhy AI Infrastructure must evolve for Agent Experience — Akshat Bubna, Modal CTOLatent Space · 2026-07-08这里的 AX 不是彻底抛弃 DX，而是把同一套低摩擦、可组合、可观察的原语开放给机器操作。
- 🔬 最酷的扩散模型研究不在大语言模型领域——Evan Feinberg、Sergey Edunov｜Genesis Molecular AI🔬 The Coolest Diffusion Research Isn't in LLMs — Evan Feinberg & Sergey Edunov, Genesis Molecular AILatent Space · 2026-07-01LLM 在系统中也不是直接“发明药物”，而主要负责调用和组织专业模型。
- 为什么前沿生态系统必须开放——Matei Zaharia、Reynold Xin｜DatabricksWhy the Frontier Ecosystem must be Open — Matei Zaharia and Reynold Xin, DatabricksLatent Space · 2026-06-24高级工程师已在 Claude Code、Codex 等工具上构建多智能体流程，但每个团队都重复开发界面、会话管理和协作服务器；模型接口又会持续变化，导致应用难以迁移。
- 现实：终极评估——Andon Labs 的 Lukas Petersson 和 Axel BacklundReality: The Final Eval — Lukas Petersson and Axel Backlund of Andon LabsLatent Space · 2026-06-04这些例子共同说明，长时程系统的关键不只是单步推理，而是目标、记忆、工具和外部反馈能否长期保持一致。
- ⚡️Satya Nadella：微软 Build 上的 No Priors × Latent Space 联动特别节目⚡️Satya Nadella: No Priors x Latent Space Crossover Special at Microsoft BuildLatent Space · 2026-06-03智能体使编写应用更容易，却也带来维护、安全修复和 token 消耗；因此，企业仍须比较自建与采购的完整成本。
- GitHub 的智能体计划——GitHub 的 Kyle DaigleGitHub's plan for Agents — Kyle Daigle, GitHubLatent Space · 2026-06-02AI 智能体（Agent）能否在真实组织中取得足够上下文、完成有用的工作，同时仍受安全边界约束
- 为什么视频智能体模型会是下一步——xAI Grok Imagine 的 Ethan HeWhy Video Agent models are next — Ethan He, xAI Grok ImagineLatent Space · 2026-06-01Ethan 因而看好由语言模型规划、再调用生成模型及剪辑工具的视频智能体（Agent）
