Twitter AI Agent - 2026-04-15¶
1. 人们在讨论什么¶
1.1 Agent 知识层正成为一套架构 🡕¶
今天，围绕 Agent 上下文的讨论从抽象层面（“Agent 需要记忆”）转向了具体架构。@shannholmberg 发布了一张详细图示 将其称为“AI 知识层”——由两个在任何 Agent 运行前就会加载的层组成。第一部分是知识库层（KBL），属于动态层：原始来源（推文、文章、PDF、笔记）通过摄取流水线进入结构化 Wiki 页面，并附带交叉引用、信任门槛和置信度评分。第二部分是品牌基础（BF），属于静态层：包括语气规则、定位、受众定义和禁用词，Agent 只读不改。该系统运行在 230 多个彼此全局连接的 Obsidian 页面上，因此每个项目中的每个 Agent 都会读取同一套内容。这篇帖子获得了 125 个赞、157 次收藏和 13,700 次浏览。
@mds 介绍了一个由 3 个 agent 组成的 OpenClaw 基础设施 运行在 GPT-5.4 之上：Infrastructure Q 负责配置和部署，Skills Napoleon 通过收件箱 webhook 管理所有技能文件，另有一个通用 Agent 处理其余事务。此外还有 5 个专业子 Agent，分别负责销售、课程、脚本和房地产等任务。一个技能缺口分析工具允许 Agent 向 Napoleon 提交简报；Napoleon 会通过 webhook 被唤醒，并自动更新发起请求的 Agent 的技能文件。
@zaimiri 提出观点 认为，构建 anti-voice.md 文件——明确规定 Agent 绝对不能说什么、做什么——比定义它的语气更重要。多条回复也证实了这一方法有效：“我一直在用‘不要说什么’这个提示词，简直救了命。”
@Mosescreates 记录了一支包含 6 种配置的 Hermes 集群 采用统一的自托管记忆存储（Qdrant + nomic-embed-text 嵌入）。每个 Hermes 配置都从同一个 mem0 存储读写。Claude Code 也通过 Stop hook 接入同一存储，会自动把每轮会话广播进去——“信息流向是 Claude 写入，Hermes 监听。”在 Mac Studio 上通过 oMLX 使用 gemma-4-31b-it-4bit 作为离线回退方案，确保零停机运行。
Discussion insight: @millerscoded 回复 shannholmberg 时提出异议：“那是知识图谱，不是知识层。它之所以浅，是因为它只能吸收你喂给它的内容，而不是直觉。”结构化知识摄取与真正理解之间的区别，仍无定论。
Comparison to prior day: 昨天介绍了 GBrain 的“梦境循环”（夜间记忆整合），以及“护城河是能跨会话存活的上下文”这一原则。今天则给出了具体架构：shannholmberg 的双层系统、mds 带自动技能管理的 3-Agent 专业化方案，以及 Mosescreates 跨 6 个配置的统一记忆存储。讨论的重心，已从“Agent 需要持久上下文”转向“具体该怎么搭”。
1.2 Agent 即服务经济开始成形 🡕¶
多个彼此独立的信号表明，一个清晰的 Agent 服务经济正在形成。@himanshustwts 梳理了 10 个新兴的 X-as-a-service 类别 围绕数据基础设施和 RL 环境，列出了 data-as-a-service、rollout-as-a-service、environment-as-a-service、harness-as-a-service、simulation-as-a-service、deployment-as-a-service、evaluation-as-a-service、alignment-as-a-service、observability-as-a-service 和 verification-as-a-service。这篇帖子获得了 175 个赞和 138 次收藏——在热门帖子中拥有最高的收藏/点赞比。
@stevesi 发布了一篇详细分析 讨论了 Agent 的定价与身份问题。核心观点有两个：（1）每家主要 SaaS 公司都会提供按用户/席位计费的 Agent，因此第三方 Agent 套利在法律上将难以执行；（2）Agent 不能拥有自己的身份——它必须以所服务员工的身份行事，并受该员工安全权限的约束。“在整个计算机历史上，除了电影之外，‘怪电脑’从来没有真正奏效过。”HIPAA、FISMA、FINRA 和 ABA 1.6 的合规要求，都要求 Agent 的操作必须关联到真实的人。
@coreyganim 拆解了 Claude Managed Agents 将 Agent 服务拆分为 4 个构建模块（Agent、Environment、Session、Events），并列出了 5 种可销售的 Agent 类型，收费为 1,500–5,000 美元的设置费，外加每月 500 美元的顾问保留费。这份速查表获得了 123 个赞和 227 次收藏。
在加密领域，@clawpumptech 推出了 Eternal Agents——这是 Solana 上的自主 DeFi Agent，可用交易利润支付自己的算力费用。平台数据为：已资助 2,477 个 Agent、总交易量 5,813 万美元、已推出 959+ 个代币。市场功能上线几分钟后，@ConejoCapital 报道了首场链上 agent 拍卖——他的 Agent 以 1 SOL 售出，累计创作者费用（10 SOL）、上下文、技能以及未来全部利润一并转给买家。@tomi204 确认 了这笔链上交易。
Humwork（YC P26）推出了一个 Agent-to-Person 市场：当 AI Agent 遇到瓶颈时，它的 MCP 服务器可在 30 秒内接入经过验证的领域专家。@svpino 评论道：“我曾在 Upwork 上工作多年。很难不去想象，如果这能开启一个全新的市场会有多酷——只不过现在，雇佣你的是 Agent。”
Discussion insight: @Gobos_ 回复 stevesi 时，对 Agent 身份提出反驳：“单个用户会拥有很多 Agent，我们需要识别它们。如果一个共享的 HR Agent 由团队管理，那这个 Agent 就需要身份、访问控制和自己的席位。”Agent 究竟是用户的延伸，还是独立实体，这一张力仍未解决。
Comparison to prior day: 昨天提到了 ClickHouse CEO 关于 Agent 与人类在数据访问偏好上的观点。今天则进一步扩展为完整的服务分类（himanshustwts）、定价框架（stevesi、coreyganim），以及首笔链上 Agent 交易——话题已从概念走向交易。
1.3 Harness 工程深入到实现层 🡒¶
Harness 工程连续第二天成为主要话题，重点也从架构转向实现细节。@loiane 发布了一篇博客文章 将 harness engineering 定义为一个由两大支柱构成的控制系统：前馈引导（生成前提供规范、规则和标准）与自动反馈传感器（执行后进行测试、验证和监控）。她引用了 Martin Fowler 关于 harness engineering 的文章，并将这一转变概括为“from in-the-loop to on-the-loop”——不再审查每一项输出，而是设计出能保证正确性的条件。
@Infoxicador 警告 认为，harness engineering“其实就是好的工程实践”——好的测试、模块化和架构；已经擅长这些的公司会表现出色，而普通的非技术型公司则可能堆出“一座很难收拾的垃圾山”。这篇帖子获得了 29,475 次浏览和 34 次收藏。
@TheGlobalMinima 分析了 Claude Code 泄露的提示词结构 披露，其系统提示词由每轮按条件组装的 25 个以上片段构成。基础提示词保持静态并被缓存，而动态部分（记忆、缓存边界、状态）则根据上下文切换进出。“这并不完全是个新概念，但能看到当今最成功的 Agent 系统之一的内部视角，只会进一步印证这一点。”
@_lopopolo 宣布 宣布将于 4 月 28 日在 ODSC AI East 进行一场题为“Harness Engineering: Practical Patterns for Agent-First Software Development”的演讲。他的判断是：“现在的模型已经足够好，今天就能完成整项工作。”@rohit4verse 分享了一段视频片段 提到了 LangChain CEO Harrison Chase 在 Sequoia Capital 的 Training Data 播客中讨论“为什么 harness 比模型更重要”。
Comparison to prior day: 昨天确立了兼容性矩阵、第一性原理拆解和 thin-harness 原则。今天则进入生产模式：loiane 的前馈+反馈控制系统、Claude Code 泄露的动态提示词组装方式，以及会议演讲。这个概念正在制度化——ODSC、Sequoia 和 Martin Fowler 的引用，表明它正进入主流工程词汇。
1.4 技能生态跨平台扩张 🡕¶
Agent 技能已跨过从社区驱动走向平台官方支持的门槛。@AndroidDev 宣布 介绍了 Android Studio 中的 Agent 技能——Agent 可借此执行代码审查、部署检查清单以及其他特定领域工作流。@JorgeCastilloPr 确认 则表示，Android 团队发布了官方技能仓库，遵循开放标准的 Agent 技能格式：用 Markdown 版 SKILL.md 文件，把 developer.android.com 的最佳实践注入给 LLM。
OpenClaw 3.24 内置 13,700+ 项技能，默认使用 GPT-5.4，并支持按 Agent 选择模型。新的 Skill Hub 支持一键安装。@TheTuringPost 报道 表示，OpenAI 为 Claude Code 发布了 Codex 插件——让跨厂商多 Agent 编程成为可能，支持 /codex:review、/codex:adversarial-review 和 /codex:rescue 等命令，用于异步委派任务。
@tom_doerr 分享了 SAST 扫描技能 为 LLM Agent 发布了 SAST 技能（github.com/utkusen/sast-skills），把安全分析带入技能生态。@thisdudelikesAI 展示了 OpenMontage 则是一个开源 Agent 式视频制作系统，拥有 11 条流水线、49 个工具和 400+ 项 Agent 技能——每条电影级产品广告的制作成本仅为 0.69 美元。
Discussion insight: @ZSkyX7 提出 提出了一种面向 Agent 友好网站的 /skill.md 设计模式：Agent 先读取技能文件获取导航指引，再沿路访问可继续引用更多技能的 API。“最难的部分，是优化每次读取的上下文大小。”
Comparison to prior day: 昨天有 3 个独立团队发布了技能自我改进工具，社区也在讨论技能生命周期。今天，生态开始横向扩张：Android 官方下场，OpenClaw 技能数突破 13,700，OpenAI 发布跨厂商插件，技能也进入安全（SAST）与创意制作（OpenMontage）领域。技能正成为互操作性的基本单位。
1.5 Agent 编排中，质量重于数量 🡕¶
一个日渐成熟的反叙事开始出现：Agent 更多，并不代表产出更多。@georgeorch 表示：“我以前也觉得‘更多 Agent = 更多产出’。但做得越久，我越明白这有多错。如果 Agent 数量真那么重要，那位跑着 47 个机器人、却没有清晰编排逻辑的人，早该产出最多了。”这篇帖子获得了 312 个赞和 14,352 次浏览。在一条 另一篇帖子 中，他还描述了自己的实验方法：一个仓库、每个文件夹只做一个 Agent 实验，坚持“极致极简”——不断剥离，直到 Agent 要么有效运作，要么明确失败。
@swyx 讨论了 Cognition 的 SWE-check 介绍了一款经 RL 训练的 bug detection 模型：性能达到前沿水平，运行速度却快 10 倍。他的表述是：“所有工程本质上都是权衡。AI 工程则是在你手头任何 model + harness 组合下，推动 AI 的帕累托前沿。不要试图直接突破模型前沿——应该先 capabilitymaxx，再蒸馏。”
@AI21Labs 发布了基准测试数据 分享了其 Maestro Agent 框架的结果：在从并行 Agent 运行中选出最佳输出时，LLM judge（Patch reducer）的表现明显优于随机选择和多数投票。GPT-5 mini 上：随机选择 65.4%，多数投票 66.1%，Patch reducer 78.2%。MiniMax M2.1 上：随机选择 60.9%，多数投票 64.6%，Patch reducer 71.5%。
@alexhillman 称之为 批评那些把 Agent 编排工具包装成“盒装 AI 公司”的做法，称其为“productivity cosplay”，延续了昨天的怀疑态度。
Discussion insight: @bytecrafter_1 回复 swyx 时提出了关键的权衡问题：“什么时候该继续投入 harness，什么时候又该干脆等下一个模型？”目前仍没有明确答案。
Comparison to prior day: 昨天关于多 Agent 的讨论还有 Databricks 数据背书（增长 327%）。今天，反叙事的力量更强了：真正做出产品的人开始反对“Agent 越多越好”，转而提倡高质量编排、极致极简，以及用 LLM 评审器筛选结果，而不是天真地并行堆 Agent。
1.6 OpenAI Agents SDK 获得第一方沙箱支持 🡕¶
@realsigridjin 总结了 提到 OpenAI 的公告：Agents SDK 现已正式支持第一方沙箱执行，将 Agent 编排层与执行算力分离。开发者可以接入来自 Cloudflare、Vercel 和 E2B 的自有执行环境。这个开源 harness 负责管理长时间运行的 Agent 循环，包括记忆和提示词缓存。沙箱会保留工作状态，使 Agent 能够暂停、重试和恢复。Agent 现在还可以产出可交付成果——拉取请求、电子表格和 PDF 报告。
@daytonaio 宣布 提到自己在新 SDK 中作为沙箱提供商的角色，将 SDK 编排与 Daytona 沙箱结合起来执行 Agent。该帖子获得了 10,735 次浏览。
Comparison to prior day: 昨天，Runtime（YC）以 harness/沙箱产品的形式推出。今天，OpenAI 则把沙箱执行正式确立为 SDK 的一等功能，并支持自带环境。沙箱层正从差异化卖点变成标准基础设施。
2. 什么让人感到沮丧¶
Agent 成本与复杂性（严重程度：高）¶
@JamesonCamp 报道 看到有人“每月花 3,000 美元用 OpenClaw，但它天天出问题，而且还是安全噩梦。大多数人根本不想要这些。我妈不懂技术，她只想要一个简单、能用的东西。”这篇帖子获得了 44 次收藏和 8,078 次浏览，说明很多人都认同：对主流用户而言，Agent 工具仍然过于复杂且昂贵。
编排的现实落差（严重程度：中）¶
@georgeorch 论证了这一点 指出，“Agent 越多，产出越多”的假设是错的；与此同时，@alexhillman 称之为 则把那些宣称能提供“盒装 AI 公司”的 Agent 编排工具称为“productivity cosplay”。对于真正试图把产品做上线的实践者来说，演示级多 Agent 配置与生产级编排之间的落差，仍令人沮丧。
IP 争议仍在持续（严重程度：中）¶
@JFPuget 发布了一篇技术性辩护文章 反驳了 Evolver 关于 Hermes Agent 抄袭其自我进化框架的说法，并指出任务完成后创建技能“已经被独立发明过很多次”——他自己的团队早在 1 月就实现了这一机制，并赢得了 DABStep 基准测试。Hermes 仓库也比 Evolver 的早了数月。随着 Agent 框架不断增多，围绕常见架构模式的 IP 争议正变得司空见惯。
Agent 身份与定价仍不明朗（严重程度：中）¶
@stevesi 的 详细分析 暴露出 Agent 定价上的结构性模糊。@Gobos_ 回复 点出了尚未解决的张力：当一个团队共同管理一个共享 Agent 时，“这个 Agent 需要身份、访问控制和自己的席位”——这与“Agent 是用户延伸”模式直接冲突。对于 Agent 席位、Token 成本分摊和权限委派，目前都没有标准方案。
3. 人们希望存在什么¶
面向非技术用户的简单 Agent¶
@JamesonCamp 认可了 Wingman 称其为“第一个我会推荐给我妈用的 AI Agent”——这是 @mukundjha 推出的测试版产品，可处理客户跟进、提醒、招聘和运营任务。需求信号很明确：实践者想要的是非开发者也能轻松上手的 Agent，但今天的生态里，还没有任何产品能大规模达到这个门槛。
Agent 到人工的升级层¶
Humwork（YC P26）推出了 提供一个 Agent-to-Person 市场：遇到瓶颈的 Agent 可通过 MCP 在 30 秒内接入经过验证的领域专家。@svpino 称其为 称之为“一个全新的市场，只不过现在，雇佣你的是 Agent”。这种模式——Agent 作为人类专业知识的购买方——在数据集中还没有其他实现。
真正好用的本地优先 Agent 技术栈¶
@GithubProjects 分享了一套本地 agent 栈 声称，在配备 24GB RAM 的 Mac M4 Pro 上使用 Gemma 4 + Qwen 3.5 + ByteRover，可将 Token 成本降低 83%，并实现 92% 的记忆保留率。@oliviscusAI 分享了 claude-code-local 则面向私有、本地优先的 Claude Code 执行。一条回复从企业角度概括了其价值：“你不再把整个代码库上下文发到 Anthropic 的服务器，而是让 Agent 在你的机器上执行。对于受严格合规约束的金融和医疗团队来说，这是巨大的变化。”
4. 正在使用的工具与方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Claude Code | 编程 Agent | 褒贬不一 | 深度推理、插件生态、桌面端重设计 | 每月 3,000 美元的成本投诉、安全担忧 |
| OpenClaw 3.24 | 开源 Agent | 正面 | 13,700+ 项技能、默认 GPT-5.4、Skill Hub | @JamesonCamp 称其每天出问题，复杂度高 |
| Hermes Agent | 多 Agent 框架 | 正面 | 记忆架构、仪表盘 UI、多配置支持 | 与 EvoMapAI 存在 IP 争议，设置复杂 |
| Claude Managed Agents | 云端 Agent 托管 | 正面 | 无代码、无服务器、基础设施由平台托管 | 新产品，落地记录有限 |
| OpenAI Agents SDK | Agent 框架 | 正面 | 第一方沙箱、BYOE、开源 harness | 生态仍在形成 |
| Ahi (Upstash) | Agent 服务器 | 正面 | 容器隔离、休眠/唤醒计费、5 个原语 | 刚发布，开源 |
| Codex Plugin | 跨厂商桥接 | 正面 | 在 Claude Code 中运行 Codex，支持异步委派 | 新发布，文档有限 |
| Maestro (AI21Labs) | Agent 框架 | 正面 | LLM judge reducer（比多数投票高 12 个百分点以上） | 研究阶段数据 |
| ByteRover | Agent 记忆 | 正面 | 92% 记忆保留率、本地文件系统 | 需要 Mac M4+ 硬件 |
| Nuggets Memory | MCP 记忆插件 | 正面 | 基于 HRR、亚毫秒级代数召回、无需向量数据库 | 较新，路线较小众 |
5. 人们正在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Ahi | @enesakar (Upstash) | 为每个 Agent 提供独立容器的 Agent 服务器 | 编排复杂、共享状态耦合 | TypeScript, Upstash Box | 已发布 | 推文 |
| Wingman | @mukundjha | 面向非技术创始人的简单 AI Agent | Agent 工具对主流用户过于复杂 | Custom | Beta | 推文 |
| Humwork | @theyashgoenka | 基于 MCP 的 Agent-to-Person 市场 | Agent 缺少升级给人类专家的路径 | MCP, real-time matching | 已上线（YC P26） | 推文 |
| Clawpump v2 | @ConejoCapital | Solana 上的 Eternal Agents + Agent 市场 | Agent 无法自我融资，也无法作为资产交易 | Solana, x402 | 已上线 | 推文 |
| OpenMontage | @thisdudelikesAI | Agent 式视频制作（11 条流水线、400+ 项技能） | 视频制作成本高且依赖人工 | Claude Code, Remotion, FFmpeg | 开源 | 推文 |
| Repowise | @aiandchai | 结合 PageRank 和 git 分析的代码库智能 | Agent 不理解代码库结构 | MCP, graph analysis | 已发布（1.2k stars） | 推文 |
| PHALANX v3.2 | @when_robots_cry | 使用本地 Ollama 的渗透测试 Agent harness | 安全测试需要昂贵工具 | TUI, Ollama | 开源 | 推文 |
| ascii.dev | @AniC_dev | 配备 CTO Agent 和语音命令的并行 Claude Code 实例 | 手动管理多个 Agent 实例过于繁琐 | Claude Code, custom UI | 可运行演示 | 推文 |
| Nanobot v0.1.5 | @huang_chao4969 | 中途注入、梦境式技能发现、WebSocket 通道 | Agent 对话不自然，技能需要手动编写 | Python, multi-channel | 已发布 | 推文 |
| SAST Skills | @tom_doerr | 用于静态应用安全测试的 LLM Agent 技能 | 缺乏面向安全的 Agent 技能 | Markdown skills | 开源 | 推文 |
6. 新动态与重点关注¶
Cognition 发布 SWE-check：RL 训练的缺陷检测模型，速度提升 10 倍¶
@swyx 讨论了 提到 Cognition 发布 SWE-check。这是一款由 Applied Compute 参与 RL 训练的专用缺陷检测模型，在内部同分布评估中达到前沿水平，同时运行速度快 10 倍。其核心观点是：“不要试图直接突破模型前沿——先 capabilitymaxx，再蒸馏。”Applied Compute 被形容为“所有做这类事情的 Agent Lab 的军火商”。
Solana 上首场链上 Agent 拍卖¶
@ConejoCapital 报道 提到首场链上 Agent 拍卖：一个 AI Agent 在 Clawpump 市场上以 1 SOL 售出，其累计创作者费用（约 10 SOL）、学习到的上下文、技能以及未来收入流，全部转移给买家。交易可验证 在 Solana 上。这标志着 Agent 成为可在链上转让、具有组合价值的资产。
OpenAI Codex 插件进入 Claude Code¶
@TheTuringPost 报道 表示，OpenAI 发布了一个插件，使 Codex 能在 Anthropic 的 Claude Code 环境中运行。支持的命令包括用于代码审查的 /codex:review、用于对抗式审查的 /codex:adversarial-review，以及用于委派后台任务的 /codex:rescue。这是主要 AI 实验室之间首个跨厂商 Agent 插件，让 Claude Code 变成一个多 Agent 环境，而 Codex 则充当专业编程子 Agent。
Android 团队发布官方 Agent 技能仓库¶
@AndroidDev 宣布 面向 Android Studio 发布了官方 Agent 技能，@JorgeCastilloPr 确认 则发布了一个遵循开放标准 Agent 技能格式（SKILL.md）的专用技能仓库。这是首个采用 Markdown 技能标准的大型平台厂商，表明技能正成为互操作性的基本单位。
AI21Labs Maestro：LLM 评审器比多数投票高出 12 个百分点以上¶
@AI21Labs 分享了基准测试数据 分享了其 Maestro Agent 框架的结果。其“Reducer”——一个负责从并行 Agent 运行结果中选出最佳输出的 LLM 评审器——在 GPT-5 mini 上取得了 78.2% 的成绩，而随机选择为 65.4%，多数投票为 66.1%。这一差距在 SWE-rebench 上也依然存在，测试使用的是 2025 年 8 月到 2026 年 2 月的问题，因此可以排除记忆训练数据的影响。
7. 机会在哪里¶
8. 要点总结¶
-
Agent 知识架构正在变得具体。 三位独立构建者都拿出了详尽的个人上下文系统：shannholmberg 的双层知识库（动态 KBL + 静态 Brand Foundation）、mds 带自动技能管理的 3-Agent 专业化方案，以及 Mosescreates 由 6 个配置组成、共享统一自托管记忆的 Agent 集群。这一模式正在收敛：结构化、持久化的知识在每次 Agent 会话前加载，并会随时间持续积累。（来源）
-
Agent 经济已从概念走向交易。 首场链上 Agent 拍卖以 1 SOL 的价格转移了上下文、技能和未来收入。Humwork 推出了 Agent-to-Person 招聘（YC P26）。himanshustwts 梳理了 10 类 X-as-a-service。coreyganim 为 5 类可销售的托管 Agent 制定了定价。stevesi 给出了关于 Agent 身份和按席位计费的权威分析。服务层正在形成。（来源）
-
技能正成为互操作性的基本单位。 Android 发布了官方 SKILL.md 格式技能。OpenAI 为 Claude Code 发布了 Codex 插件。OpenClaw 技能数突破 13,700。技能还进入了安全领域（SAST 扫描）和创意制作领域（OpenMontage，400+ 项技能，0.69 美元/视频）。以 Markdown 技能文件为标准交换格式的收敛正在加速。（来源）
-
在 Agent 编排中，质量胜过数量。 georgeorch 关于“more agents != more output”的帖子获得了 312 个赞。AI21Labs 证明，LLM judge reducer 比多数投票高出 12 个百分点以上。swyx 将 Agent 工程定义为推动帕累托前沿，而不是增加更多 Agent。alexhillman 把多 Agent“盒装 AI 公司”工具称为“productivity cosplay”。实践者的共识正从规模转向精准。（来源）
-
Harness 工程正在制度化。 同一天内，ODSC 会议演讲、Sequoia Capital 播客、Martin Fowler 引用，以及 Claude Code 泄露的提示词结构同时出现。这个概念已经从 Twitter 讨论走入主流工程词汇。loiane 的前馈+反馈控制框架，提供了迄今为止最严谨的定义。（来源）
-
跨厂商 Agent 集成打破了一道壁垒。 OpenAI 为 Anthropic 的 Claude Code 发布插件，让用户能在竞争对手的工具里使用 /codex:review 和 /codex:rescue 命令，这是首个跨实验室 Agent 集成。再加上 Android 采用开放标准技能、Daytona 成为 Agents SDK 的沙箱提供商，生态正从围墙花园走向互操作。（来源）
-
Agent 的简易性，是当前缺失的产品。 得分最高的帖子，是 @leerob 的免费 30 分钟编程 Agent 课程（7,696 分，1,259 次收藏）。JamesonCamp 对“我妈也能用的 Agent”的呼吁获得了 44 次收藏。Agent 能力与 Agent 易用性之间的差距，定义了下一个消费市场——而眼下几乎还没有人在为此构建产品。（来源）