Carson 为 Jason 搭建完整 CRM

Meta 的 AI 助手 muse 被用于一次日常跑腿：用户需在一小时内取印度外卖、买牛排食材和奶茶，muse 给出取货顺序建议并提前下单，随后推送订单摘要和支付审批，用户点击确认即可取货，最终提前 3 分钟赶回舞蹈课接孩子。用户称这是 muse 最平淡却最实用的用法之一。

Meta 首席 AI 官 Alexandr Wang 转发用户 @jaystar524 的实测反馈，称 muse spark 1.3 表现可靠。该用户用多个 sub-agents 并行完成任务，耗时约一小时。

Alexandr Wang 发帖号召大家试用 Muse Spark 1.3，并引用用户 @DeryaTR_ 的体验：用该模型快速构建了一个海盗平台跳跃游戏，一次生成即无缺陷运行，作者称其正在继续美化美术、精灵图并添加新关卡，认为这是一个快速、便宜、好用的编码模型。

Anthropic 工程师撰文分享如何在智能体编程压力下扩展测试影响分析服务。Claude 编写约 80% 的代码，测试数量增长 10x，六个月内 CI 任务增加 25x。文章复盘了三个临时补丁（扩容、按包分片、每日重启）分别只维持 70 天、29 天和不到一天，最终用三周重设计为无状态、内存存储加 journal 的可水平扩展架构，并建议团队按两季度内 25x 负载做容量规划。

GitHub 日韩地区营销负责人 Tomoko Tanaka 分享如何不写代码，把活动运营交给 GitHub Copilot 自动化。

OpenAI 发文（系列上篇）讲述其在线存储平台 Habitat 的演进：现每秒处理超 7000 万请求、服务每周超 10 亿用户、管理超 500PB 数据，覆盖近 40 个地区。

LlamaIndex 博客提出 just-in-time Agentic OCR 模式：先用 LiteParse 等免费解析器粗读全部文件供检索，再仅对相关页面调用 VLM 做 OCR。

卡兹克发文讲解GPT-6 Astra的推理强度等级（Reasoning Effort）含义，指出各档位是同一模型的不同思考预算，Ultra则类似拉起多个智能体协作的专项工作组。

OpenRouter 发布教程，演示通过 API 向 google/gemini-3.1-flash-image（即 Nano Banana 2）发送源图和文本指令完成图像编辑，编辑结果以 base64 形式在响应中返回。教程给出 Python 和 TypeScript 示例、提示词写法、多轮小步编辑方法，以及更换模型只需改一个字段，并介绍了 Nano Banana 系列四个成员的价格与质量差异。