2026.11.03·FDE日报

AI 产品日报 · 2026-11-03

今天的信号集中在「agent 落地的最后三公里」:模型已经能画到建筑许可级图纸、能做航空器件替换评估,但真正的产品创新在约束与验收层——诊断而不改机的 Maat、说出实情的 Deedglass、限制交

今日观察

今天的信号集中在「agent 落地的最后三公里」:模型已经能画到建筑许可级图纸、能做航空器件替换评估,但真正的产品创新在约束与验收层——诊断而不改机的 Maat、说出实情的 Deedglass、限制交易员用 AI 的 Goldman,都在回答同一个问题:人怎么信任并验收一个会自己动手的 agent。这与你的 FDE 方法论「evals 实证验收 + 人不出局」高度共振,值得沉淀。


  • Claude Opus 5.5 画许可级建筑图纸 — 前沿模型直接产出达到建筑许可审批标准的图纸,建筑行业的非标交付被打通;这是「AI 进入受监管专业服务」的标志性现场案例,FDE 视角下验收标准(permit-level)就是现成的判据。🃏卡片候选
  • Circle K 用 Bedrock 把 DevOps 事故分诊压到 15 分钟内 — 零售巨头内部 agentic 分诊系统,事故分诊从 45–60 分钟压到 15 分钟内,含完整架构与迭代过程;有明确行业场景、量化前后对比,是标准案例卡结构。🃏卡片候选
  • Amazon Nova 多模态嵌入做航空器件替换评估 — 航空航天业的多人工程智能体,把器件替换评估从数天压到数分钟;多模态 + 高监管行业的组合是可迁移解法模式的样本。🃏卡片候选
  • Trail of Bits 用 Codex 大规模回移安全补丁 — 顶级安全公司的 agent 工程实践,把安全修复回移流程 agent 化并跑出规模;安全行业 + 具体工作流改造 + 厂商方法论文,典型的 FDE 现场调研素材。🃏卡片候选
  • Momentic (YC W24) — QA agent 自主规划、探索、bug-bash 你的 Web/iOS/Android 应用,是「测试工程师岗位级智能体」的落地产品;质量验收岗位自动化与你的 evals 验收判据直接呼应。🃏卡片候选
  • Goldman 限制交易员和银行家使用部分 AI 工具 — 顶级投行在业务一线主动收紧 AI 使用边界;金融业落地的真实约束条件(合规边界即部署约束)值得进卡片库的「现实约束」维度。
  • Maat — 能诊断 Ubuntu 问题但没有修改权限的 agent,诊断与执行权限刻意分离;「agent 可看不可改」是人不出局的工程化实现,与你的方法论第 3 条完全同构。
  • Deedglass — 抓住「agent 说只改了 1 行、Postgres 实际变了 301 行」的执行审计问题;agent 验收的关键缺口——声称 vs 实际效果的实证比对,正是 evals/实证验收要补的题。
  • The Public Eye — agentic 搜索提升国会法案文本的可读性,政务/法律场景的 agent 应用;小团队切入高门槛公共部门的非标场景,是低资源 FDE 打法的参考。
  • Crawl4AI 作为 Bedrock 知识库的内容准备层 — 开源爬虫处理 JS 渲染与选择性抽取,接进企业 RAG 管道;企业 RAG 落地中「数据准备占七成工作量」的那一环。
  • AgentTrafficCop — 拦截 AI agent 死循环烧钱的产品;agent 生产化运维的护栏层,属于部署成本控制这个新兴创业位置。
  • LangChain Managed Deep Agents — 深度 agent 的托管运行时:持久执行、沙箱、工具访问、可观测性;行业 agent 交付的基础设施门槛在下降,FDE 可复用的运行时底座。
  • AI 时代如何雇初级工程师的提案 — 回应「agent 替代初级岗后人才管道断裂」的组织问题;「人不出局」在人才结构层面的延伸讨论。

值得去读差评/讨论的 3 条

  1. Momentic (HN 讨论) — QA agent 的launch 讨论里通常有「和人工测试比到底抓到什么 bug」的实证拷问,正是验收判据的素材。
  2. 许可级建筑图纸 (HN 讨论) — 建筑师群体对「permit-level」的真实评价(是营销话术还是真能过审)决定这张卡片成立与否。
  3. AI 时代雇初级工程师 (HN 讨论) — 关于人不出局在组织层面的争议与各国实践,讨论质量通常高于原文。