核心观点摘要 (Executive Summary)

• 起点与转折：2024–2026年，具身智能领域出现了开源大模型全方位挑战闭源巨头的现象。以参数量仅 70 亿的 OpenVLA 击败 550 亿参数的谷歌 RT-2-X 为标志，证明了在具身智能领域“大不代表聪明”，良好的数据设计和架构创新能实现“以小博大”。
• 技术四派：开源 VLA（视觉-语言-动作）模型已分化为四大派别：学院派（OpenVLA/OCTO）、巨头生态派（NVIDIA GR00T/Google Gemini Robotics）、创业派/中国力量（小米/蚂蚁/自变量/OpenMind）、技术极致派（Physical Intelligence π0）。
• 开源动因：商业公司开源并非单纯慈善，而是通过“开源模型引流、闭源专有数据/训练 Pipeline 变现”或“用模型绑定自身硬件/计算生态”等策略抢夺行业标准制定权。
• 对抗巨头的武器：开源社区依靠 “数据（Open X-Embodiment） + 工具（LeRobot/Genesis） + 架构” 的三层组合拳，降低了硬件与训练门槛，打破了特斯拉等闭源自研孤岛。

逐章节完整详解

一、 背景与破局：OpenVLA 的“以小博大”

• 打破闭源神话：2024 年 6 月推出的 OpenVLA 仅有 70 亿参数，却在 29 项机器人操作任务中，以 16.5% 的成功率优势击败了谷歌 DeepMind 拥有 550 亿参数的旗舰闭源模型 RT-2-X。
• 架构巧妙设计（“三个臭皮匠”战略）：
• 谷歌 RT-2-X 仅使用单视觉编码器，信息处理效率较低。
• OpenVLA 引入双视觉编码器：DINOv2 负责空间物理关系理解；SigLIP 负责语义与常识理解。结合 Llama 大语言模型作为决策大脑，将空间与语义信息解耦优化再统一决策，实现了更高的综合性能。

摘要

大语言模型驱动的代码生成技术正在重构传统软件工程的生产模式，软件开发重心逐步从手工代码编写迁移至需求定义、约束建模与质量验证环节。上海交通大学林云副教授提出 需求编译（Requirement Compilation） 理念，以 ARC（Agentic Requirement Compilation）智能体需求编译框架为核心，探索把大规模多模态业务需求文档直接转化为可运行软件系统的技术路径，同时开展面向智能体软件工程的课程教学改革，推动开发者从“代码工人”向“智能体架构师”转型。本文基于该前沿报告，梳理智能体软件工程范式变革背景、ARC框架技术原理、现存技术痛点、教学实践方案，同时分析产业落地瓶颈与未来研究方向，为Agent软件工程领域提供研究参考。

关键词：智能体软件工程；需求编译；ARC框架；大语言模型；测试驱动开发；DSL领域特定语言

一、引言

传统软件工程流程以人工编码为核心，需求、设计、编码、测试环节由人主导完成。生成式大模型出现后，单轮提示词生成小程序代码已经较为成熟，但面对包含数十至数百业务场景的大规模真实业务需求时，通用大模型普遍存在需求理解不全、逻辑幻觉、边界场景遗漏、架构混乱、需求‑代码不可追溯等问题，很难直接产出完整可维护的软件系统，形成AI编程的“复杂性高墙”。

现有Agent编程大多聚焦于代码补全、小脚本生成，缺少一套完整的、工程化的端到端链路：即从非结构化

大道：call, put

🏑网友: 港交所最新披露显示，段永平控制的 H&H International Investment 对泡泡玛特的申报好仓，由 7.65%降至5.55%……

⛳️大道: 就是put expired, 部分被call走了。（2026.8.5） ⛳️大道: 其实主要是put到期影响比较大，另外有部分当时买的时候就直接卖了call了。可能未来在一定的价格区间我会一直这么做。从一开始我就说过了，泡泡玛特保险公司开张了。很多人看不懂这句话！ 🏑网友: 卖出这么多，本质还是短期认为这个价位也不低，否则不可能舍得卖的，当然也有可能后面低位再吸进来，涨不上去，反复put低吸call高抛还是会挣钱。 🏑网友: 你完全理解错了啊，买入正股+卖call=卖put，大道是之前put卖的太多了超上限不能卖了，所以就买入正股+卖call，相当于以162.5的价格卖了一个put啊。 ⛳️大道: 哈，居然有个真懂的! 是的，港交所对卖put 总量有上限，所以有时候会用， 买入正股+卖covered call的办法（数学上是一样的)。我卖的call都是股票买入的时候直接就卖了call了，比如161买入的就直接卖了一个月162.5的call，当时好像能收3-4个点（目前8/28到期的160的put 可以收6.85，162.5的call可以收7.

课程来源：microsoft/AI-For-Beginners 12 周 · 24 节课 · 涵盖符号 AI、神经网络、计算机视觉、NLP、强化学习与伦理 核心框架：TensorFlow / PyTorch · 辅助工具：OpenCV、Keras、NetLogo、OpenAI Gym

课程总览

这门课程由微软开源，面向 AI 初学者，采用「理论 + Jupyter Notebook 实操 + 实验室练习」三位一体的教学模式。整个课程从 AI 的历史与哲学出发，先建立符号推理的经典视角，再系统进入神经网络与深度学习，随后分两条主线深入——计算机视觉和自然语言处理——最后以遗传算法、强化学习、多智能体系统和 AI 伦理收尾。

课程刻意不覆盖传统机器学习（如 SVM、决策树）和云端认知服务，而是聚焦于深度学习范式和符号 AI 的对立统一，帮助学习者建立对 AI 全貌的结构化理解。

第一部分：AI 导论（第 1 课）

核心问题：什么是智能？机器能否思考？

课程从图灵测试切入，回顾了 AI 的两次浪潮：第一次是基于符号逻辑的规则系统（1950s–1980s），专家系统曾一度繁荣但因知识获取瓶颈和扩展性差而遭遇「AI 寒冬」；第二次是数据驱动的连接主义（2010s 至今），廉价算力与海量数据的结合催生了深度学习革命。

关键概念：窄 AI（专用任务）vs. 通用 AI（AGI，尚未实现）；符号推理 vs.

• Kimi K3: Open Frontier Intelligence

一、研究背景

大型语言模型（LLM）的发展一直沿着两条轴线推进：

• 第一轴：预训练规模扩展——在部署前投入更多计算，训练更大的模型、使用更多的数据。这是传统意义上的"Scaling Law"。
• 第二轴：测试时计算扩展——通过强化学习和推理时增加思考预算，让模型在回答问题时"想得更久"。

近年来，OpenAI的o系列、Anthropic的扩展思维模型、DeepSeek-R1和Kimi K1.5等工作，让"测试时扩展"成为前沿研究的核心焦点。然而，开源社区在第二条轴上进展迅速，但在第一条轴上却明显滞后——大多数开源模型仍停留在1T参数规模左右。随着越来越复杂的推理和智能体方法被应用于规模相近的预训练模型上，开源进展面临趋同风险，而与最强大专有系统（Claude、GPT系列）的差距可能持续扩大。

与此同时，真实世界的智能体任务需要处理超长上下文（如软件工程仓库、数万页文档、多天跨度的对话），要求模型同时具备大参数规模、长上下文窗口和原生多模态理解能力。Kimi K3正是在这一背景下诞生的：同时推进两条扩展轴，将预训练基础扩展到前所未有的3T类参数规模，同时在1M上下文长度上扩展强化学习、推理努力和长周期交互。

二、要解决什么问题

Kimi K3要解决的核心问题可以概括为以下

WAIC 2026 腾讯 AI 应用创新论坛 · 首次系统性打通「感知—身体—行动」闭环

资料来源：腾讯官方发布稿、腾讯云开发者社区技术文章、Robotics X 实验室 & 福田实验室 & 腾讯混元联合发布内容（2026-07）

核心理念

腾讯首席科学家张正友提出：今天最聪明的人工智能本质是「缸中之脑」——善于逻辑、文本与问答，却缺少与物理世界直接互动的闭环。真正的智能要让 语言、视觉、空间认知、身体控制和环境反馈 在「感知—身体—行动」闭环里接受验证。

本次发布的五项成果，体现了腾讯「从离身走向具身、从分裂模块走向整体闭环」的探索思路：三个基座模型 + 一个智能体框架 + 一个 Always-on 智能体 + 升级的开源平台 + 云端 EaaS 服务。

一、全栈四层架构总览

整套方案贯穿四个层级，从下到上分别是 云底座 → 模型层 → 智能体框架层 → 平台层，最上层是零售导览、养老照护、工厂作业等真实应用，形成「数据/算力 → 模型 → 调度 → 本体 → 反馈」的完整链路。

graph TD
  A[应用层 · 真实场景落地<br/>零售导览/文旅导览/养老照护/工厂作业/按摩服务] --> B
  B[平台层 · Tairos 钛螺丝开放平台<br/>开源模型/智能体/工具 · RoboFusion · HAL · Isaac Sim 仿真] --> C
  C[智能体框架层 · TairosAgent + Apexio Always-on<br/>调度左右脑/大脑/小脑/身体 整合为闭环整体] --> D
  D[模型层 · 混元基座之上的具身模型矩阵<br/>VLM-1.0 右脑 / RxBrain-1.0 大脑 / VLA-0.5 小脑+身体] --> E
  E[云底座 · EaaS 三层体系<br/>算力底座 / 模型服务 / 感知交互]

云底座 EaaS 三层体系明细：

研究对象：上海蚂蚁灵波科技有限公司（Shanghai Ant Lingbo Technology Co., Ltd.），对外品牌 Robbyant，模型系列 LingBot

方法说明：本报告基于公开信息（官网、arXiv、GitHub、工商登记、媒体报道、第三方论文）交叉验证撰写。全文严格区分「已核实事实」「厂商宣传口径」「媒体传闻」三类信息，并在关键处标注冲突口径。

一、核心结论（TL;DR）

1. 它是一家"模型公司"，不是"机器人公司"——但立场并不纯粹。灵波的战略主张是"不做本体、只做通用大脑"，对标 Physical Intelligence；可它同时推出了自研本体 R1（2025.09）与 R2（2026.07）。官方解释是本体用于"定义参考构型、暴露软硬件问题、支撑数据采集"，但客观上使其处于软件叙事不够纯粹、硬件能力不足以对抗本体厂的中间态。

2. 技术体系的完整度是国内第一梯队，且明显超出同体量公司。7 个模型家族、11 个已发布版本，覆盖深度补全 → 空间视觉基座 → 3D 重建 → VLA 操作 → 世界模型 → 视频生成 → 世界动作模型。同时押注 VLA 与"世界动作模型（WAM）"双线，在国内属少数派，等价于对两条尚未收敛的技术路线做了对冲。

调研日期：2026-08-04 ｜ 调研方式：公开网络检索（知乎、少数派、V2EX、App Store、Reddit、Hacker News、掘金、博客园、Product Hunt 索引、官方博客等），小红书/抖音/微博等平台因站内封闭，以搜索引擎收录内容与第三方转述间接佐证。

产品现状：纯前端单文件 HTML 图像工具，支持多图水平/垂直拼接、裁剪、条带移除（整行/整列删除后自动拼合）、旋转翻转、撤销重做、PNG/JPEG 导出。定位目标：发布为正式产品。

一、摘要：五个核心结论

1. 需求真实且常青。「长图拼接 / 截图拼接」是一个持续十年以上的稳定需求：知乎 2015 年的提问至今仍有新回答，App Store 2025 年仍在密集上架新品，Reddit 上 2016–2025 年持续出现求助帖。它"低频但广泛"，几乎人人偶尔需要。
2. 现有供给口碑普遍差。头部 App（Tailor 仅 3.1 分）、在线工具（限 2 张、要上传、广告多）、综合修图 App（拼图入口难找、订阅套路）都有明显缺口；用户对"画质压缩、水印、广告、注册墙、先做后收费"怨声载道。
3. 你的两大天然优势恰好命中行业最痛的点：① 纯前端、图片不上传（隐私是 HN/Reddit 反复验证的好感点，Photopea、Squoosh、Upscayl 都靠它出圈）；② 「条带移除」功能在全网没有发现任何同名竞品，是差异化杀手锏。
4. 最该优先补齐的不是 AI，而是「自动重叠对齐拼接」。这是滚动截图场景的核心痛点，已被 MeTool、LongPic、Stiiitch 验证为付费卖点，且用纯 JS 传统算法即可实现，零成本、零隐私负担。
5. 变现走「核心免费 + 一次性买断 Pro」（建议 ¥28–48 / <span class="katex-error" title="ParseError: KaTeX parse error: Unexpected character: '&#x27; at position 78: …ch ¥68、Upscayl \̲" style="color:#cc0000">6–10），避开订阅制与注册墙——国内外社区证据都强烈反感订阅，买断制在该品类有大量成功先例（Picsew ¥15、Stitch ¥68、Upscayl </span>25）。

本文档基于Strix 多智能体网络安全渗透测试工具，对开源 Java 漏洞实训平台 JavaSecLab 开展深度白盒代码审计与系统性安全渗透测试。依托 Strix 多智能体协同检测能力，本次测试覆盖项目全部源代码、框架配置、业务逻辑及第三方依赖组件，完整挖掘、归类、验证项目内置的各类安全漏洞。

JavaSecLab 作为面向安全学习、代码审计、安全开发与工具测评的综合型 Java 漏洞靶场，集中复现了 Web 安全、代码缺陷、组件漏洞、业务逻辑风险等大量典型安全问题。本次通过 Strix 深度扫描模式，完成全量代码静态分析、漏洞溯源、数据流审计、风险定级与攻击路径复盘，累计检出严重、高危、中危、低危多维度安全漏洞，覆盖反序列化 RCE、SQL 注入、认证绕过、SSRF、XXE、XSS、模板注入、文件操作漏洞及第三方依赖高危 CVE 等核心风险场景。

Strix 命令行帮助文档

一、项目定位与设计哲学

OpenClaw 不是 AI 模型，而是一个开源（MIT）的 AI Agent 运行时框架（Runtime Framework）——它坐在 AI 模型与外部世界之间，作为一个常驻运行的单体运行时网关（Gateway），负责把自然语言指令转化为真实的系统操作。

定位公式：

OpenClaw = Gateway（网关） + Agent Runtime（运行时） + Skills（技能） + Memory（记忆）

五项核心设计哲学：

理念	说明
Local-first（本地优先）	数据不离开用户设备，记忆为本地 Markdown，配置为 JSON；使用 Ollama/vLLM 本地模型时内容永不外传
网关而非框架	不是 SDK/库，而是独立运行的控制平面进程
模型无关（Model-Agnostic）	一行配置切换 Claude/GPT/Gemini/DeepSeek 等，按任务路由不同模型
插件化内核	Skills、Channels、Providers 均可热插拔（v2026.3.22+ 全面插件化）
工程化 Agent	从聊天机器人升级为任务调度执行系统，强默认不阉割能力，危险路径暴露为操作者可控开关

命名含义： Claw（龙虾钳子）= 抓取/操控/执行能力；Open = 完全开源、社区驱动。

调研时间：2026 年 7 月 ｜ 覆盖国际 / 国产 / AI 新势力共 16 款工具 ｜ 数据综合自多份 2026 行业榜单与厂商官网

• 【WorkBuddy】prototype-tools-research-2026

一句话结论

2026 年原型设计市场已形成「Figma 一超多强 + 国产工具快速追赶 + AI 生成式原型崛起」的格局。通用团队首选 Figma（或国产 MasterGo / Pixso）；复杂业务逻辑仍离不开 Axure；追求「原型即可上线」可看 Framer / v0 / Bolt；Adobe XD 已于 2024 年停止主动开发，不建议新项目选用。

1. 市场格局速览

原型设计已从「单机绘图」走向「云端实时协作 + 设计系统 + 研发交付」一体化。

指标	说明
Figma 市场份额	~45–62%（来源口径不一，均居首）
Figma 月活设计师	4M+；2025 年已于纳斯达克上市（FIG）
Sketch 市场份额	~18–25%，多为 macOS 存量用户
本报告对比工具数	16+（国际 8 + 国产 6 + AI 新势力）

⚠️ 关键变化：Adobe 收购 Figma 的交易于 2023 年被监管叫停后，Adobe 在 2024 年停止了 XD 的主动开发，转入维护模式。

基于 strix 1.3.1 源码（https://github.com/usestrix/strix）逐行核对 CLI 与运行逻辑编写。所有命令参数对应真实代码位置，可直接复制使用。

⚠️ 合规前提：Strix 是自动化渗透测试工具，仅可用于你拥有或已获书面授权的应用/资产。未经授权扫描他人系统属于违法行为。本指南所有示例目标均假设你拥有测试权限。

一、项目定位

Strix 是一个开源 AI 渗透测试工具，部署自主 AI agent 团队对应用进行漏洞发现与验证。核心区别于静态扫描器（SAST）：agent 像真实红队一样动态运行代码、构造 PoC、验证可利用性，产出可复现的漏洞报告而非误报堆积。面向开发与安全团队，支持 CI/CD 集成。

仓库：https://github.com/usestrix/strix ｜ 版本：1.3.1 ｜ License：Apache-2.0

二、技术栈