作者分享自用的 ChatGPT 与 Codex 提示词，用于规范输出语言：避免“不是…而是…”等冗余对比句式，禁用不规范单字缩写与浮夸黑话，要求完整执行多步骤任务、测试后再交付、产物不留修改痕迹。Codex 版另加 PowerShell 7 命令规范、SSH 多层解析注意事项，以及子智能体分工策略：写作与代码开发由主模型负责，测试、检索等机械任务交给 Luna。

量子计算被视为继CPU、GPU后的第三种算力，能突破经典计算在分子模拟、组合优化等指数级难题上的瓶颈。相干科技聚焦超导路线，芯片已达百比特规模，单比特门保真度超99.9%，并布局测控、整机与千比特云平台，推动金融、超算、气象等应用及开发者生态，目标是让量子算力像云服务一样易用。

Koog 的模型调用层包含 Prompt、LLM 参数、LLM 客户端、Prompt 执行器和提供商。Prompt 用于表达消息与参数，推荐通过 Kotlin DSL 或 Java builder 创建，支持 system、user、assistant 等消息类型及 Markdown、XML 富文本。LLM 客户端直接对接具体提供商，支持执行、流式、多选、模型列表、嵌入和内容审核。Prompt 执行器提供更高层统一抽象，可管理多提供商、路由、回退、重试、超时和缓存。

本文介绍用Python为Agent工具调用构建安全闸门：只读工具自动放行，退款等写操作需一次性审批令牌，所有操作共享累计预算。核心原则是模型只负责提出计划，执行必须在模型外验证白名单、参数、成本与人工批准，并记录审计事件，以防提示注入与令牌重放。

文章以Python示例说明Agent工具调用安全：模型仅建议调用，应用须设白名单、参数校验、预算与人工审批。代码只允许search_kb和draft_email，邮件参数须精确匹配，搜索限3次，允许后仍返回待审批。强调不信任模型输出，适合低风险场景，付款、删数据等须人工确认。

文章介绍用 Java 17 为 Agent 工具调用添加执行门禁：调用前校验工具白名单、金额合法性与累计预算，任一失败即拒绝并记录审计日志。示例中首笔通过，越权工具与超额调用被拒。强调执行权应在应用侧，预算分单次、任务、租户三层，生产环境需数据库事务、幂等键与人工复核。

文章以 Java 为例说明 Agent 工具调用必须由宿主程序控制：先设置工具白名单并默认拒绝，再校验参数格式与范围，最后限制调用次数等预算。模型只能建议调用，不能直接产生副作用。日志需记录拒绝原因，支付、删除等高风险操作应人工确认并使用幂等键。

SpaceXAI 成为 Omarchy 系统所属 Omacom 基金会的创始企业赞助方，提供价值 150 万美元的 Grok 模型调用额度。该基金会由 DHH 创立，Grok 将用于代码审查等。阿里云、DigitalOcean 各捐 300 万美元现金，Meta 捐 150 万美元额度。

NVIDIA发布NeMo Relay教程，介绍Agent轨迹可观测格式ATOF等三类轨迹，主张将结果验证与过程证据分开。轨迹是按时间排序、带关联标识的执行事件，通过开始/结束事件配对还原工具调用，可定位错误、重试与成本问题。文章给出解析JSONL的最小实践，并提醒避免混淆请求与执行成功、忽视脱敏等误区。

文章比较了AI智能体的两种动作机制：工具调用与代码执行。工具调用由模型逐次发起单个请求，结果返回上下文，适合单次、低延迟查询，便于审计；代码执行让模型编写脚本在沙箱中批量调用工具，仅返回最终结果，适合扇出与聚合任务，可减少token消耗并提升准确率。选择取决于调用次数、数据敏感性、延迟、基础设施与审计需求，多数生产智能体会按任务混合使用两者。

OpenBMB推出MiniCPM5-2B，采用Llama架构，面向端侧部署。官方评测平均分53.9，达2B级开源领先，部分超4B模型，覆盖代码、数学推理、长文本与工具调用，原生支持131,072 token上下文。HyperAI已上线配套教程，支持在线体验与一键部署。

Anthropic发布Claude Opus 5.5，价格较Opus 5降低约20%，缓存费用同步下调，且完成任务所用token更少、速度更快，综合成本节省近40%。该模型在多项智能体编程基准上领先Fable 5.1，企业测试显示其步骤和token消耗大幅减少。它沿用同类安全分类器，敏感请求会被转至旧模型处理，可能影响多轮智能体工作流的一致性。

Go核心开发者Matloob提交提案#81450，拟让cgo在仅调用预编译C库时摆脱C工具链依赖。方案将“理解C声明”与“生成胶水代码”分离，引入Go语法的binding文件，由cgo自行理解C ABI并生成Go与汇编trampoline，runtime/cgo也改写为Go与汇编。传统含C源码的cgo仍需C编译器，两条路径并存。该方案对跨平台编译及调用CUDA等预编译AI库价值显著，最大风险在binding生态维护。

本文深入剖析Linux系统调用的完整机制，涵盖从用户态通过syscall指令进入内核，经历栈切换、参数保存、分发处理及返回的全过程，并解释errno为何由libc设置。同时揭示clock_gettime等调用通过vDSO在用户态直接完成，无需陷入内核，最后对比两者性能差异（约6倍），强调系统调用边界成本及优化策略。

OpenSquilla提出Meta Skill概念，将调度能力写入SKILL.md，使Agent从调用工具转向组织工具。OpenClaw.NET用C#实现该概念，提供可审计、可治理的工程系统，支持DAG编排、七种节点、失败处理及审计。文章强调Meta Skill本质是将领域工作流投影为机器可执行图，未来价值在于抽象工作流为清晰DAG的能力。

本文比较了Gemma 4、Llama 3和Mistral三种本地部署模型的工具调用功能。Gemma 4原生支持工具调用，适合边缘设备；Llama 3生态丰富，社区支持强；Mistral效率高，适合硬件受限场景。三者均通过JSON格式实现工具调用，但各有优劣，选择取决于硬件和部署需求。

推测式程序化工具调用（sPTC）是一种在生成代码时预启动工具调用的技术，尤其适用于子代理或子LLM等高延迟工具。通过影子REPL解析部分代码，缓存工具输出，可重叠计算与生成，提升推理速度约1-1.2倍。实现需处理字面量、依赖变量及条件循环等场景，并控制安全性与开销。该技术对本地模型和编码代理尤为有效，未来可结合JIT编译进一步优化。

OpenAI宣布将GPT-5.6 Sol模型API调用价格临时下调20%，为期3个月至2026年11月22日。优惠仅限API和Codex额外信用额度充值，不包含ChatGPT订阅用户，Codex订阅使用不降价，维持原状。

普华永道研究对比JSON与程序化工具调用（PTC）范式，基于BFCL v4基准测试14个模型。PTC在长链任务领先18.8%，并行扇出和上下文污染场景更优，但宏平均略低。优势随模型代际分化，GPT-5.6收益最大。PTC以固定输入开销换取长链与高扇出收益，但存在样本量小等局限。