GitHub Copilot 新手教程：如何用 canvases 构建自定义工作流
GitHub Copilot app 的 canvas 是一种用户与智能体共享的可定制界面，可做成看板、issue 分诊板、发布清单或仪表盘，且双向同步更新。用户无需写代码，在 agent 会话中输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体权限，即可生成界面并在右侧面板打开。
#Agent
GitHub Blog · AI & MLAI 评分3838
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 谈为什么 chat 是错的 UI：用 canvas 替代聊天框
GitHub Copilot 提出 chat 大多数时候是错误的 AI 交互界面，主张用 canvas——运行在 GitHub Copilot app 内的全栈小应用，可与 agent 双向通信并调用本地代码。
GitHub Blog · AI & ML精选AI 评分6666 GitHub Security Lab 发布 Fuzzing Taskflow 智能体
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，智能体就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做定级并生成漏洞报告。
推荐理由：GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃定级交给 LLM 智能体，读者可了解其任务流分层与安全边界。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热梗：要不要读 AI 生成的代码、RAG 已死、Skills 杀死 MCP？
GitHub Podcast 最新一期拆解了五个 AI 开发热梗：AI 生成的代码仍需阅读和负责，只是审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是智能体连接工具和数据的标准协议，二者可组合使用。RAG 并未死亡，检索能让模型从训练数据之外获取文档、内部知识和代码库上下文，减少 token 浪费并降低答案不完整的概率。
Berkeley AI ResearchAI 评分3737 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将摘要隔离为自然语言"信念状态"并加以监督，替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重建的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文设置。
Berkeley AI ResearchAI 评分3434 智能免费之后怎么办？面向 AI 智能体的数据系统
UC Berkeley 团队提出"智能免费"时代数据系统面临三大挑战：为智能体设计的数据系统、由智能体运行的数据系统、以及由智能体合成的数据系统。GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间，中位数约 50x。