高密度、少废话。结论优先，链接为重。今日重点：资本市场 + Agent 工程化 + 第一视角动作分析（与攀岩 app 直接相关）。

一、今日最重要的 5 条

二、按我的目标分类

A. 前沿模型 / 一手发布

• 事件：Anthropic 完成 $30B+ 融资，pre-money 估值 >$900B

• 核心内容：Sequoia / Dragoneer / Altimeter / Greenoaks 各约 $2B，超越 OpenAI March 2026 $852B 估值

• 为什么重要：Claude 商业化路径被资本背书，预示 Claude Code / Skills / MCP 生态会被继续重投入

• 我需不需要点开：需要

• 链接：Build Fast with AI 综述

• 事件：Transformers v5.8.0 + Gemma 4 / Granite 4.1 Vision 落地

• 核心内容：DeepSeek V4 / Gemma 4 Assistant / Granite Speech Plus / Granite 4.1 Vision / EXAONE 4.5 进入 Transformers 主线；Gemma 4 E2B 可在 <1.5 GB 内存设备运行（2/4-bit）

• 为什么重要：edge 端多模态推理生态从 "自己 patch" 进入 "开箱即用"

• 我需不需要点开：需要（特别是 Granite 4.1 Vision 与 Gemma 4 E2B/E4B）

• 链接：Transformers Release Notes · Gemma on Edge by Edge AI Vision

• 事件：NVIDIA Nemotron 3 Nano Omni 开源 omni-modal 推理模型

• 核心内容：吞吐据称比同级开源多模态高 9×

• 为什么重要：开源 omni-modal 模型在视频/图像/语音三模态推理 throughput 上首次显著拉开差距

• 我需不需要点开：可以速读

• 链接：llm-stats LLM updates May 2026

• 事件：研究 - Generative AI 在 Alternative Uses Task / Remote Associates Test 等创造力测验上首次跑赢人类平均（10 万人样本）

• 核心内容：本周发表，>100k 受试者

• 为什么重要："创造力" 这条人类 last-mile 防线开始被定量挑战。对产品定位（哪些任务可以放心交给 AI）有直接影响

• 我需不需要点开：可以收藏，留作面试 "AI 与人类对比" 话题

• 链接：Build Fast with AI · May 27

B. AI 工程 / Agent / Coding workflow

• 内容：Microsoft Copilot Studio Computer-Using Agents GA

• 可落地价值：把 "屏幕操作" 写进了企业级 SLA。对没有 API 的内部系统/legacy 系统是直接补丁

• 对我当前开发/学习的意义：研究它的 fallback、retry、视觉定位策略；这是 production-grade 屏幕 Agent 的最新公开范例

• 链接：Build Fast with AI 综述

• 内容：DeepEval v4.0.3（2026-05-21）+ Inspect AI v0.3.225（2026-05-23）双更新

• 可落地价值：DeepEval 内置 RAG 三件套（Answer Relevancy / Faithfulness / Contextual Recall+Precision）和 Agent 三件套（Task Completion / Tool Correctness / Goal Accuracy）。Inspect AI 提供 200+ 预置 eval 跨 OpenAI / Anthropic / Google / Mistral / vLLM / Ollama

• 对我当前开发/学习的意义：任何 Agent / RAG side project 都应该把 eval 写在 Day 1。面试 "如何评估你的 Agent" 这一题的高质量答案模板

• 链接：DeepEval · Inspect AI

• 内容：CooperBench — 600+ 协作编码任务，评估 Agent 作为 "队友" 的协调能力

• 可落地价值：multi-agent / pair-coding 场景的第一个像样 benchmark；可用来比较 Claude Code / Cursor / Cline / Aider 在协作分工下的差异

• 对我当前开发/学习的意义：side project 选题候选 — "用 Claude Code 做一个 git workflow 内的 multi-role agent"

• 链接：AAMAS 2026 论文索引

• 内容：Genkit Middleware（2026-05-14）

• 可落地价值：在 generate/model/tool 层提供 retries with exponential backoff、model fallback、tool approval gate、scoped filesystem access、skill injection 等 hook

• 对我当前开发/学习的意义：这就是 Agent 工程的 "middleware 模式"，可以直接借走思路套到自己的 agent 框架，特别是 tool approval gate 思想

• 链接：Build Fast with AI / Genkit blog

• 内容：Karpathy CLAUDE.md 现象

• 可落地价值：70 行的提示词模板冲到 GitHub 全站 #94，本质是一份 "agent coding 反模式手册"。Karpathy 在 1 月 26 日 X 帖里总结了用 Claude Code 长时间工作后总结的几条反模式，被 Forrest Chang 浓缩成 CLAUDE.md

• 对我当前开发/学习的意义：自己仓库立刻加一份；面试可作为 "prompt engineering 真正有效的方法" 切入点

• 链接：CLAUDE.md 分析文章

C. 视觉 / 视频 / 运动人体分析

• 内容：Map-Mono-Ego — Map-Grounded Global Human Pose Estimation from Monocular Egocentric Video（arXiv 2605.20889）

• 与 "攀岩动作分析 app" 的相关性：极高。岩馆/岩壁是固定结构，完美匹配它 "预扫描 3D 点云作几何先验" 的假设；它解决的单目漂移问题正是手机视频的核心痛点

• 可迁移到项目的点：（1）pre-scan 一个 demo 岩壁的 3D 模型（用手机 LiDAR / Polycam 即可，不用 TLS）；（2）借鉴它的三阶段 pipeline，把第一阶段 synthetic database localization 改成相对简化的特征匹配；（3）使用 diffusion-based motion estimator 平滑长时间动作

• 优先级（高/中/低）：高

• 链接：arXiv 2605.20889

• 内容：Granite 4.1 Vision 进入 Transformers v5.8.0；Gemma 4 E2B/E4B 边缘可跑

• 与 "攀岩动作分析 app" 的相关性：高 — 攀岩 app 想做端侧推理与上传后端分析两条路；端侧路线直接受益

• 可迁移到项目的点：用 Gemma 4 E2B 做客户端轻量描述/分类，重模型留在 server

• 优先级（高/中/低）：高

• 链接：Transformers v5.8.0 · Edge AI Vision: Gemma 4

• 内容：Rhoda AI "FutureVision" — robotic intelligence built on video-predictive control（Series A $450M）

• 与 "攀岩动作分析 app" 的相关性：中 — 不直接给方案，但它的 "video → future action prediction" 思路与攀岩动作改进建议是同构问题（给定当前帧 → 预测下一步最佳动作）

• 可迁移到项目的点：参考 video-predictive control 的训练目标，把 "下一手该抓哪个点" 形式化成预测问题

• 优先级（高/中/低）：中

• 链接：Crescendo AI VC News

• 内容：Climbing motion analysis 综述类研究（speed climbing 中 keypoint detection + 标准化 boundary conditions 的范式）

• 与 "攀岩动作分析 app" 的相关性：高（直接领域文献）

• 可迁移到项目的点：定义 app 的 "输出指标体系" 时可对齐这条研究线（contact time、reach time、center-of-mass trajectory）

• 优先级（高/中/低）：高（用于面试/项目立意阐述）

• 链接：Performance Insights in Speed Climbing (PMC) · Climbing technique evaluation via skeleton stream (PMC)

D. 产品化 / 商业化 / 行业动态

• 动态：Anthropic 估值反超 OpenAI；Sierra（Bret Taylor）拿下 $950M，估值 >$15B

• 背后的趋势判断："agent infra + 垂直 agent" 是 2026 资本核心叙事。Pit / CodeWords / Rhoda AI 都在做 "取代 SaaS / 替换业务工作流" 而非 "再做一个 chatbot"

• 对 side project / 求职 / 项目方向的启发：选题应该是 "workflow 替换者" 而不是 "再封装一个 LLM"。攀岩 app 的差异化定位也应往 "训练计划生成 + 教练替代" 走，而不是 "展示分析结果"

• 链接：Sierra raises $950M (TechCrunch) · Crunchbase top funding rounds

• 动态：China 对 AI 研究人员的出境限制扩大

• 背后的趋势判断：人才与技术管控趋紧，可能进一步推动开源生态在地化发展（DeepSeek V4、Qwen、MiniMax 等会继续高强度迭代）

• 对 side project / 求职 / 项目方向的启发：在选择技术栈时不应只押注 closed-source 一边，掌握开源模型评测和部署是核心竞争力

• 链接：Build Fast with AI · May 27 summary

E. 学习价值 / 求职价值

• 内容：Map-Mono-Ego（arXiv 2605.20889）

• 适合我怎么用：精读 + 复现一个简化版

• 推荐动作：本周内通读全文，列出依赖（点云扫描工具、diffusion motion model 候选），并把 "3D map prior + monocular pose" 写进项目 README 的方法论部分

• 链接：arXiv 2605.20889

• 内容：DeepEval + Inspect AI 文档与样例

• 适合我怎么用：收藏 + 在自己项目里用一次

• 推荐动作：在攀岩 app 的 "动作改进建议生成器" 模块加一个 LLM-as-judge eval（Faithfulness + Task Completion）。这是简历亮点

• 链接：DeepEval · Inspect AI

• 内容：Karpathy CLAUDE.md

• 适合我怎么用：收藏 + 直接抄进自己仓库 + 面试讲

• 推荐动作：今天 5 分钟把它放进你的项目，做一些攀岩 app 上下文化修改

• 链接：CLAUDE.md 分析

• 内容：Simon Willison PyCon US 2026 LLM 半年回顾

• 适合我怎么用：精读（节省你独立追踪 5 个月新闻的时间）

• 推荐动作：作为面试 "过去半年 LLM 最关键变化" 的现成答案骨架

• 链接：Simon Willison's Weblog

三、今日高分 GitHub Repo（5–10 个）

• Repo 名称：huggingface/transformers

• GitHub 链接：github.com/huggingface/transformers

• 方向标签：infra / multimodal / training

• 这项目是干什么的：Transformers 库主线

• 为什么今天值得关注：v5.8.0 加入 DeepSeek V4 / Gemma 4 Assistant / Granite 4.1 Vision / EXAONE 4.5 支持

• 与我的相关性：高 — 端侧多模态部署主路径

• 上手成本（低/中/高）：低

• 是否建议我收藏：是

• 是否建议我复现：先用 Gemma 4 E2B 跑一遍图像描述

• 一句话判断：边缘多模态 baseline 直接刷新

• Repo 名称：confident-ai/deepeval

• GitHub 链接：github.com/confident-ai/deepeval

• 方向标签：eval / agent / RAG

• 这项目是干什么的：LLM/Agent/RAG 评估框架

• 为什么今天值得关注：v4.0.3（2026-05-21）刚发布，Agent + RAG metrics 完整

• 与我的相关性：高

• 上手成本：低

• 是否建议我收藏：是

• 是否建议我复现：在攀岩 app "动作建议生成" 模块加一个 eval pipeline

• 一句话判断：side project 加 eval 的最低门槛工具

• Repo 名称：UKGovernmentBEIS/inspect_ai

• GitHub 链接：github.com/UKGovernmentBEIS/inspect_ai

• 方向标签：eval / safety / benchmark

• 这项目是干什么的：UK AISI 出品的评估框架，200+ 预置 eval

• 为什么今天值得关注：v0.3.225（2026-05-23）刚发布

• 与我的相关性：中-高（求职 / 工程能力体现）

• 上手成本：中

• 是否建议我收藏：是

• 是否建议我复现：可作进阶 eval 选择

• 一句话判断：把 "eval" 这件事正规化，求职加分

• Repo 名称：Karpathy / Forrest Chang 的 CLAUDE.md 风潮

• GitHub 链接：（搜索 "CLAUDE.md karpathy" 看示例，例如 pasqualepillitteri.it 总结）

• 方向标签：prompt / agent / coding

• 这项目是干什么的：一份给 Claude Code 用的 70 行行为准则

• 为什么今天值得关注：GitHub Trending #1 已 28 天，证明 prompt-as-policy 是 production agent 必备

• 与我的相关性：高（直接抄）

• 上手成本：低

• 是否建议我收藏：是

• 是否建议我复现：放进自己仓库即可

• 一句话判断：今天可以做的最高 ROI 动作

• Repo 名称：nous-research/Hermes（Hermes Agent）

• GitHub 链接：（详见 NVIDIA 介绍）

• 方向标签：agent / memory / self-improvement

• 这项目是干什么的：跨 session 持久化 memory、自动从成功任务里写出 procedural skill 文件

• 为什么今天值得关注：12 周达到 160k+ stars，被 OpenRouter daily usage 引用频次跑到第一

• 与我的相关性：中（架构借鉴价值高）

• 上手成本：中-高

• 是否建议我收藏：是

• 是否建议我复现：先读 skill-file 自动化的源码，再决定要不要本地跑

• 一句话判断："agent 长期记忆 + skill 提炼" 的当下最受欢迎实现

• Repo 名称：langflow-ai/langflow

• GitHub 链接：github.com/langflow-ai/langflow

• 方向标签：agent / RAG / dev tools

• 这项目是干什么的：可视化 agent / RAG 流构建器

• 为什么今天值得关注：146k+ stars，仍是 RAG / agent prototyping 主流首选

• 与我的相关性：中（快速验证想法用）

• 上手成本：低

• 是否建议我收藏：是

• 是否建议我复现：不必复现，会用就行

• 一句话判断：原型期省时间利器；生产环境慎用（warning：拖拽框架在 production 维护成本高）

• Repo 名称：infiniflow/ragflow

• GitHub 链接：github.com/infiniflow/ragflow

• 方向标签：RAG / search / infra

• 这项目是干什么的：抓取、清洗、index、检索一体化的 RAG 后端

• 为什么今天值得关注：125k+ stars，企业 RAG 落地常被对标

• 与我的相关性：中（攀岩 app 后续如果加教练手册检索可用）

• 上手成本：中

• 是否建议我收藏：是

• 是否建议我复现：日后做攀岩教程检索时再上手

• 一句话判断：靠谱企业级 RAG 基线

• Repo 名称：google-gemini/gemini-cli

• GitHub 链接：github.com/google-gemini/gemini-cli

• 方向标签：dev tools / coding agent

• 这项目是干什么的：把 Gemini 接进终端的开源 agent

• 为什么今天值得关注：105k+ stars，且配合本周 Gemini API schema 变更需要紧跟

• 与我的相关性：中（Claude Code 已主用，但可对比）

• 上手成本：低

• 是否建议我收藏：是

• 是否建议我复现：用一次做横向对比

• 一句话判断：Claude Code 之外最值得对比的 coding CLI

• Repo 名称：VoltAgent/awesome-ai-agent-papers

• GitHub 链接：github.com/VoltAgent/awesome-ai-agent-papers

• 方向标签：survey / paper list / agent

• 这项目是干什么的：2026 agent 论文持续汇总（engineering、memory、eval、workflow、autonomy）

• 为什么今天值得关注：维护频率高，是看 agent 论文最高效入口

• 与我的相关性：高（节省阅读检索时间）

• 上手成本：低

• 是否建议我收藏：是

• 是否建议我复现：N/A

• 一句话判断：每周顺手扫一遍

四、今日最值得我看的 3 篇 / 3 个链接

1. Map-Mono-Ego（arXiv 2605.20889） — 直接服务攀岩 app：3D map prior + 单目第一视角姿态估计 + diffusion motion smoothing。

2. Build Fast with AI · 2026-05-27 12 Biggest Stories — 一篇看完今日所有非论文宏观信息（Anthropic 融资 / Copilot Studio CUA / Gemini schema / 创造力研究 / SpaceX IPO）。

3. Karpathy CLAUDE.md 现象总结 — 5 分钟即可复用到自己工作流的高 ROI 内容。

五、今日行动清单（最重要）

• NVIDIA Nemotron 3 Nano Omni 资料（llm-stats）

• Rhoda AI FutureVision 公开材料（Crescendo AI）

• VoltAgent agent papers 仓库（GitHub）

• Map-Mono-Ego 全文 + AIST-Living 数据集说明（arXiv 2605.20889）

• Simon Willison PyCon US 2026 LLM 半年回顾（simonwillison.net）

• 在自己仓库放一份 Karpathy 风 CLAUDE.md（半小时）

• 用 DeepEval 给攀岩 app 的一个生成接口跑一次 Faithfulness + Task Completion（半天）

• Gemma 4 E2B 端侧跑通图像描述（mobile 部署 baseline，1 天）

• 攀岩 app："3D 岩壁地图 + 单目位姿估计" 列为 R1 核心技术路线（参考 Map-Mono-Ego）

• 攀岩 app：用 video-predictive control（参考 Rhoda AI 思路）将 "下一步动作建议" 形式化

• Agent 通用：tool approval gate 模式（来自 Genkit Middleware）抽象成自己 agent stack 的一层

• "过去半年最关键的 LLM 变化" → Simon Willison PyCon 总结 + Karpathy "coding agents started to mostly-work since December" 引用

• "如何评估你的 Agent" → DeepEval + Inspect AI 两套体系 + LLM-as-judge 在自己项目里的实践（攀岩 app 案例）