今日聚焦：AI Coding 范式从 Loop 向 Graph 加速演进，具身智能触觉感知赛道迎来"觉醒时刻"，国产工业软件性能优化首次实现全自动闭环。技术深水区的突破正在重新定义"智能"的边界。
Anthropic 发布 Claude 5 上下文工程新规则：删除 80% 系统提示词，性能不降反升
2026 年 7 月 24 日，Anthropic 技术团队发布了一篇具有范式意义的技术博客《The new rules of context engineering for Claude 5 generation models》。团队在 Claude Opus 5 和 Fable 5 上做了一个惊人实验：删除了 Claude Code 超过 80% 的系统提示词，编码评估结果没有任何可衡量的下降。
核心发现是——Claude 5 代模型的判断力大幅提升，导致旧时代的过度约束策略反而成为一种负担。当系统提示词、Skills 和 CLAUDE.md 中存在相互冲突的指令时，模型必须花费额外的思考时间理清矛盾。Anthropic 提出了六大新规则：从"给规则"转向"让 Claude 自行判断"；从"给示例"转向"设计接口"；从"前置加载"转向"按需渐进披露"；从"重复指令"转向"精简工具描述"；从"手写 CLAUDE.md 记忆"转向"自动记忆"；从"简单规格"转向"丰富引用"。
这一发现对整个 AI Coding 生态具有深远影响：它意味着模型能力的跃升正在倒逼开发者重新思考"如何与 AI 协作"——不再是越详细的提示越好，而是给模型留出判断空间。
- 信息来源：Anthropic 官方博客 / MTRT 中文解读
面壁智能开源 ForgeStencil：全球首个全自动工业软件性能优化系统，一周优化 100+ 应用
面壁智能联合 OpenBMB 开源社区正式发布并开源了全球首个 Stencil 优化"自动研究 + 自动部署"大闭环 AI 系统——ForgeStencil。该系统仅用一周时间就完成了 100 多款真实工业和科学计算软件的自动重构优化，覆盖油气勘探、计算流体力学、电磁仿真、医学影像、气象气候等 8 大工业领域及 5 大科学领域，全程 0 人类专家介入，端到端加速中位数达 1.41 倍。
ForgeStencil 采用双 Agent 协同架构：Kernel Agent 负责"写代码"，针对不同场景和硬件自动生成逼近硬件极限的高效计算核心；App Agent 负责"装软件"，自动分析应用、定位瓶颈、验证正确性并集成回原软件。在单精度（fp32）下，相比 Halide、Devito 等主流框架获得 2.35 倍几何平均加速；混合精度（fp16）下额外提速 1.95 倍。
这一突破标志着国产工业软件性能优化从依赖顶尖专家逐行手写的"手工作坊"，正式迈向可并行、可复制的"自动化生产线"，为高端装备、能源勘探、芯片设计等自主可控关键领域提供了更坚实的底座。
- 信息来源：中国日报 / GitHub 开源仓库
AI Coding 范式再迁徙：从 Loop Engineering 到 Graph Engineering 仅用六周
2026 年 8 月初，AI Coding 领域发生了一次概念层面的"快迭代"。OpenClaw 创造者 Peter Steinberger 在 X 上发问："我们还在谈 Loop，还是已经转向 Graph 了？"——距离他让 Loop Engineering 走红仅过去六周。几乎在同一时间，拥有 20 年经验的机器学习工程师 Hamel Husain 发布调侃文章《Loop Engineering Is Dead. Enter Graph Engineering》。
Loop 解决的是"单个 Agent 如何根据环境反馈不断检查、修改、再次尝试"；但当 Coding Agent 从一次回答走向连续执行，又从单个 Agent 走向多个执行单元协作时，工程师需要处理的问题扩展到了"这些工作该怎样连接"——研究需求的 Agent、写代码的 Agent、做测试的 Agent，谁先开始？哪些工作可以并行？测试失败后应该回退到哪里？
Graph Engineering 本质上是一个任务编排系统，管理多个工作单元之间的连接、共享状态与选择路径。这一概念跃迁揭示了一个深层趋势：AI Coding 的竞争焦点正在从"模型能写多少代码"转向"多 Agent 如何协同完成复杂工程"。
- 信息来源：钛媒体
具身智能迎来"触觉觉醒"：前 7 个月融资超 70 亿元，VTLA 模型成新方向
据证券时报报道，触觉感知正成为具身智能领域增长最迅猛的细分赛道。据不完全统计，今年前 7 个月该领域新增融资超 70 亿元，至少两家企业跻身新晋独角兽。行业共识正在形成：仅靠视觉无法完成复杂作业，机器人需从"看得见"升级为"摸得到、做得好"。
将触觉信息融入具身智能大模型的技术路线已成为主流探索方向。VTLA（视觉—触觉—语言—动作）模型的需求日益高涨，依托视触融合技术，机器人工业柔性操作已诞生应用测试场景，规模化量产有望上线。但触觉数据具有不可替代性，数据缺口仍是阻碍机器人规模化落地的核心瓶颈之一。业内呼吁在强化多模态数据真实采集的同时，进一步完善数据仿真等技术路线；触觉传感器等核心零部件则需在耐用性、数据一致性等方面精益求精。
这一"触觉觉醒"标志着具身智能从"感知—决策—执行"的简化链条，向多模态深度融合的复杂系统进化。
- 信息来源：证券时报/网易
银河通用机器人"迎宾小盖"上岗全家便利店：全球首个 WAM-TTT 框架实现部署阶段持续学习
银河通用机器人开发的 Galbot G1 具身智能机器人"迎宾小盖"已在北京中关村鼎好 DH3 大厦的全家便利店正式上岗。它不仅能主动与顾客聊天、夸赞穿搭，还能精准地从货架取物、从烤箱取烤肠递到顾客手中——在客流密集、消费需求多变的复杂城市零售场景中实现了稳定运行。
背后核心技术是银河通用自主研发的"银河星脑"（AstraBrain），全球首创的"大脑—小脑—神经控制"端到端具身大模型架构。更具突破性的是近期发布的 WAM-TTT（World Action Model Test-Time Training）——全球首个面向具身智能世界模型的测试时后训练框架。它首次实现了机器人在部署阶段持续学习和持续适应，仅需"观看"少量人类操作视频，就能把已掌握的技能快速迁移到全新场景，无需机器人本体数据，也无需任何动作标注。
在宁德时代动力电池产线上，Galbot S1 重载机器人已在模组与电池包生产环节承担物料转运任务，7×24 小时连续作业超过 3 个月，全程零遥操、全自主运行——这是全球首次实现人形机器人在新能源制造产线的"常态化自主作业"。
- 信息来源：北京日报/新京报
本页的评论功能已关闭