数据来源：AI HOT（aihot.virxact.com）
今日头条
Cloudflare 为 AI 智能体推出临时账户
Cloudflare 在 Workers 上推出 Temporary Accounts，直接把“先注册账号、再配置部署权限”的人工流程压缩成智能体可调用的默认能力。现在 AI 智能体可以直接执行 wrangler deploy --temporary，几秒内拿到一个可访问的实时 Worker；部署默认保留 60 分钟，期间用户可以选择认领账号并转为正式资源。这类设计很适合代码助手、原型智能体和自动化演示场景，等于把“先跑起来再说”做成了产品层能力。
📎 Cloudflare Blog：Temporary Cloudflare Accounts for AI agents
产品发布/更新
SpatialClaw：NVIDIA 发布免训练空间推理框架
SpatialClaw 将“代码”而不是固定工具调用协议作为空间推理智能体的动作接口：模型在持久化 Python 内核里逐步写代码、观察中间结果、再继续推理。按照项目主页与论文摘要，SpatialClaw 在 20 个 3D/4D 空间推理基准上平均准确率达到 59.9%，比近期对比方法高 11.2 个百分点，而且不需要针对单个基准或骨干模型重新训练。这说明在复杂空间任务里，工具如何被组合，可能和工具本身一样重要。
Claude Code v2.1.183 发布，自动模式进一步收紧高风险操作
6 月 20 日的 AI HOT 将 Claude Code v2.1.183 列为当天更新重点。该版本最值得关注的是自动模式的安全边界继续收紧：对 git reset --hard、非本轮提交的 git commit --amend 以及部分基础设施销毁命令增加了默认拦截，避免智能体在未获明确授权时执行破坏性操作。同时还补充了 /config 交互改进和一批稳定性修复，方向很明确，就是把“能自动做事”继续往“能安全自动做事”推进。
Humanize PPT v0.9 开源更新，强调“先为演讲服务，再为排版服务”
Humanize PPT v0.9 继续沿着 AST 大纲驱动的路线演进：先重组表达逻辑，再把页面渲染交给下游 Skill。AI HOT 提到的新版本强化了四页真实预览、渲染前占位、质检修复与演讲模式，核心不是再加几个模板，而是把“演讲者如何讲清楚”前置到内容组织阶段。这类工作流对 AI 辅助生成 PPT 很关键，因为多数问题并不出在美术资源，而是叙事顺序和信息密度。
📎 GitHub：LearnPrompt/humanize-ppt
Deli AutoResearch 开源框架页上线，长周期自主研究流程被产品化表达
DeepSeek 研究员 Deli Chen 公开了 Deli AutoResearch 框架页面，把其长期自主研究协议整理成可复用的框架说明。这个项目不主打“给你一段代码立刻跑”，而是强调长周期任务中的状态持久化、停滞检测、守护机制和多智能体协同约束，面向的是“连续跑几天到几周”的研究工作流。相比一次性写报告，它更像是把自主研究从 demo 推向流程工程。
行业动态
Figure CEO：公司内机器人数量首次超过人类员工数量
Figure 创始人 Brett Adcock 在 X 上表示，Figure 的机器人数量第一次超过公司的人类员工数量。虽然这更像一个里程碑式信号而非完整经营披露，但它很能代表具身智能行业当下的叙事变化：衡量一家机器人公司的尺度，开始从“团队有多大”转向“系统能否复制自身产能”。如果这一趋势持续，未来行业更关心的会是单个工程师能放大出多少稳定运行的机器人系统。
📎 X：Brett Adcock (@adcock_brett)
JAWBONE Act 提出，直指政府借平台之手压制合法言论
美国参议员 Ted Cruz 与 Ron Wyden 提出的 JAWBONE Act，本质上是在回应“政府通过平台、AI 公司和服务商间接施压内容审查”的问题。EFF 的解读指出，这项法案试图为被政府胁迫的广播商、互动计算机服务商和 AI 提供商建立可诉权，并提升政府与中介平台沟通表达问题时的透明度。对 AI 行业来说，这不仅是互联网治理议题，也会影响模型平台和内容分发产品未来如何处理监管压力。
📎 EFF：A New Bill Takes Aim at Government Pressure to Silence Lawful Online Speech
AlphaFold 负责人 John Jumper 将离开 Google DeepMind，加入 Anthropic
John Jumper 宣布将在休整后加入 Anthropic，结束其在 Google DeepMind 近九年的工作。Jumper 是 AlphaFold 关键负责人之一，他的去向变化不只是个人职业选择，也再次提醒市场：顶级 AI 人才本身正在成为最稀缺、最具战略性的竞争资源。和算力、资本相比，能够持续产出突破性研究的人，正在重新定义头部 AI 公司的壁垒。
📎 X：Demis Hassabis / John Jumper 离职帖链接
技巧与观点
OpenRouter 对比 LiteLLM：LLM 网关之争开始回到基础设施取舍
OpenRouter 官方把自己与 LiteLLM 的差异讲得很直接：前者是托管网关，重点是多模型接入、故障转移和免运维；后者是自托管代理，重点是数据留在自有网络、策略可深度定制，但要承担 PostgreSQL、Redis、Docker 等运维成本。这个比较之所以重要，是因为 2026 年的“模型接入层”正在变成独立基础设施选择题，团队需要决定自己买的是速度，还是控制权。
📎 OpenRouter Blog：OpenRouter vs LiteLLM
Elastic 公开 Agent Builder 记忆层设计：R@10 达 0.89
Elastic 详细拆解了 Agent Builder 的持久化记忆层：把情景记忆、语义记忆和程序性记忆拆到不同索引里，通过 BM25、稠密向量与 RRF 融合召回，再用重排序模型提升最终命中率。官方给出的评估结果是 168 道问题上的 R@10 平均达到 0.89，并强调了多租户隔离与零跨租户泄漏。这个案例的价值在于，它把“智能体记忆”从抽象概念拉回到了可实现、可度量的搜索系统工程。
📎 Elastic Search Labs：How we built a persistent agent memory layer on Elasticsearch
AI 热点日报 · 作者：钟懿 · 数据来源：AI HOT（aihot.virxact.com）