Twitter AI 编程 - 2026-04-18¶
1. 人们在讨论什么¶
1.1 Token 优化成为当天最核心的关注点 🡕¶
当天互动量最高的帖子来自 @DeRonin_，整理了 10 个 GitHub 仓库，用于在 Claude Code 中少花 60–90% 的 tokens（559 个赞、1,177 次收藏、60,532 次浏览）。这份清单覆盖了 Token 缩减链路的多个层面：RTK（Rust Token Killer）是一个 CLI 代理，会在终端输出进入上下文窗口前先行过滤，声称可将常见开发命令的输出减少 60%–90%。Context Mode 会把原始工具输出隔离到 SQLite 中，在 Playwright、GitHub 和日志数据上可实现 98% 的缩减。code-review-graph 使用 Tree-sitter 将代码库映射为本地知识图谱，在大型 monorepo 上可实现 49 倍的 Token 压缩。Token Savior 通过基于符号的导航、69 个工具以及零外部依赖，在代码导航场景中实现 97% 的缩减。帖子还列出了更轻量的方案：Caveman Claude 通过限制输出详略程度，将输出 Token 减少 65%–75%；claude-token-efficient 只需加入一个 CLAUDE.md 文件即可使用；Zilliz 的 claude-context 则采用混合 BM25 + 稠密向量搜索，实现约 40% 的缩减。
随附的基准测试表量化了 30 分钟 Claude Code 会话中的节省效果：cat/read 从 40,000 降至 12,000 个 Token（节省 70%），cargo test / npm test 从 25,000 降至 2,500（90%），git add/commit/push 从 1,600 降至 120（92%）；总计从约 118,000 个 Token 降至约 23,900 个，整体减少 80%。@Hamid98927142 回复称：“在 opus 4.7 上，5 次 prompt 就把 token 用光了。”对此，DeRonin_ 建议把 Opus 4.7 留给“通用测试、通用路线图合规性、架构搭建”，日常任务则使用 Opus 4.6。
讨论洞察： 1,177 次收藏——远高于今天数据集中其他任何帖子——表明 Token 优化已经从小众议题变成了生存技能。DeRonin_ 的表述“多数人都在烧 token，却并不自知”，把上下文浪费定义为一种盲区，而不是主动选择。根据工作流类型（终端输出很重、代码库很大、MCP 服务器很多）叠加 2–3 个工具的建议，也说明优化面足够广，单一工具无法覆盖全部需求。
与前一天对比： 昨天，Token 压缩刚作为一个类别浮现，已有两个已发布工具（ztk 和 Headroom）。今天，这一话题迅速扩展为包含 10 个仓库、基准测试表和 6 万次浏览的完整工具版图，印证了昨天的信号只是更大浪潮的前沿。
1.2 Anthropic 订阅规则不透明，引发开发者反弹 🡕¶
@theo（T3 Stack 创作者）发布了一份详细的投诉（38 个赞、2,131 次浏览）发帖质疑 Claude Code 订阅条款缺乏明确说明：“几个月来我们一直在请求明确答复。结果得到的只是一次又一次‘我们正在处理’。”这条帖子源于有关 Anthropic 在未提前警告的情况下封禁 T3 Code 用户的报告。Theo 描述了影响：“有几十位非常出色的构建者想做出很棒的东西，但他们甚至不知道自己是否被允许这么做。”@mjtechguy 的回复则补充：“我个人都愿意每月给他们花几千美元，我只是想知道我到底被允许做什么。”
@GergelyOrosz（The Pragmatic Engineer）在两条帖子中把这一问题与其他供应商联系起来。在 一篇（99 个赞、9,852 次浏览）中，他称“在不给理由、也不给申诉渠道的情况下，封禁付费客户使用 AI 工具，是不可接受的”，并指出自己“Google 对 Antigravity 用户做同样的事时，我也公开批评过”。在 配套帖子（94 个赞、8,877 次浏览）中，他回忆 Google 曾封禁“给他们造成过高负载的 Antigravity 用户：没有沟通，也无法申诉”。他在自回复中披露：“我与 Anthropic 和 OpenAI 都没有任何关联。我两家都付费。”
@milan_milanovic 列出了连锁故障（2 个赞、61 次浏览）：“Claude Code 基本每两次尝试就会失败一次。你在 Substack 里输入内容时，页面会刷新。ChatGPT 加载后 4–5 秒就会把你写的内容清空。”
讨论洞察： 这场反弹的核心并不是价格，而是互动规则。Theo 明确表示，只要有官方指引，他愿意遵守，甚至如果被要求，也愿意停止支持。真正的问题在于 Anthropic 没有发布针对第三方集成的明确使用政策，导致构建者无法放心投入。Gergely 把 Anthropic、Google 以及更早的 GitHub Copilot 限流问题放在一起讨论，说明这更像是行业性模式，而非单一厂商的问题。
与前一天对比： 昨天记录的是 The Register 对 Copilot 限流危机的调查，以及 Opus 4.7 的 Token 膨胀。今天，信任侵蚀直接延伸到了 Anthropic 本身，高知名度构建者（theo、Gergely）公开质疑其订阅规则不透明。供应商信任问题如今已覆盖三大主要提供方。
1.3 多工具工作流取代对单一智能体的忠诚 🡕¶
“一个工具统治一切”的叙事继续瓦解。@smartnakamoura 记录下了这种模式（3 个赞、2 次收藏、65 次浏览）写道：“Cursor、Claude Code 和 OpenAI Codex 已经不再彼此竞争。开发者现在会在同一个工作流中把三者一起跑。Cursor 负责界面，Claude Code 负责推理，Codex 负责代码生成。‘一个 AI 工具赢者通吃’的说法是错的。”
@jtlin 提出了一个具体的技术栈（1 个赞、1 次收藏、61 次浏览）写道：“Claude Opus 4.7 负责策略，OpenAI Codex + GPT 5.4 负责编码，本地 Qwen 3.6 35B A3B 负责其余一切。”@cblatts 更进一步（2 个赞、4 次收藏、475 次浏览）则把 Codex 集成进 Claude Code，“这样我就能拿到两份互相较劲的深度研究报告，或者让 Codex 作为外部批评者来审视 Claude 的计划、技能和代码。”
@BillydaAnalyst 介绍了一套双工具配置（1 次收藏、38 次浏览）：“我在 2026 年的 AI 编程栈不是单一工具，而是 Google Antigravity + 在终端里同时运行的 Claude Code。这个组合替代了我整个工作流。”
@maskaravivek 分享了一个三步原型设计工作流（1 个赞、32 次浏览）：先用 ChatGPT 头脑风暴，拿到详细 prompt，再用 GitHub Copilot 把它实现出来。他还称赞 Copilot 的定价模式：“按 PR 收费，不是固定月费。”
讨论洞察： 多工具模式已经不再是设想，而是现实操作方式。用户正在给不同工具分配明确角色（Cursor 做 UI，Claude 做推理，Codex 做生成，Qwen 处理本地任务）。这会让市场按能力维度而不是按品牌忠诚度发生分化。如今这种叠加仍需要手动编排，因此也催生了对自动在工具间路由的集成层的需求。
与前一天对比： 昨天的重点还是 Claude Code 与 Codex 之间的二选一争论。今天，这种二元框架已经瓦解，问题不再是“选哪一个”，而是“怎么组合、各自扮演什么角色”。
1.4 Google Antigravity 教学内容刷屏信息流 🡒¶
@JulianGoldieSEO 发布了多门 Antigravity 课程：一门 4 小时版本（17 个赞、10 次收藏、731 次浏览）、一门 2 小时版本（15 个赞、10 次收藏、828 次浏览）、另一篇 4 小时帖子（14 个赞、10 次收藏、535 次浏览）、一门 第二篇 2 小时帖子（7 个赞、7 次收藏、943 次浏览），以及题为“OpenAI Codex AI：全新的万用超级应用”的 Codex 视频（7 个赞、2 次收藏、324 次浏览）。Antigravity 相关帖子的总收藏数达到 37，说明用户对参考资料的需求很强。
与此同时，@xdadevelopers 发布了一份为期一个月的对比（10 个赞、5 次收藏、2,141 次浏览）对 Cursor、Google Antigravity 和 Windsurf 做了对比评测，并宣称“胜者已经很明显”。
@FyzureX 走了相反的方向（1 个赞、1 次收藏、213 次浏览）：“正式放弃 Google Antigravity，转投 Windsurf！受够了 429 错误和 Gemini 锁定。Windsurf 带来了真正的稳定性和模型自由：可以用 Opus 4.7、GLM 5.1，或者免费的 Kimi 2.5。”
讨论洞察： Google Antigravity 处在一个矛盾位置：它产出了最多的教学内容（6+ 小时课程），却也因 429 错误和模型锁定把用户推向其他平台。XDA 的对比评测获得 2,141 次浏览，表明主流用户正在积极评估 IDE 格局。Windsurf 正成为 Antigravity 挫败感的受益者，尤其因为它提供了模型自由。
与前一天对比： 昨天对 Antigravity 的报道重点是免费叠加策略（用 Stitch MCP 做 $0 网站）和身份验证政策风险。今天，教学内容数量上升，同时出现了转投 Windsurf 的并行趋势，说明该平台一边吸引普通用户，一边流失重度用户。
1.5 Copilot 限流继续消磨付费用户体验 🡒¶
@mkurman88 报告了（15 个赞、1,393 次浏览）：“几天前 GitHub Copilot 还是最好的选择，但他们做出了我见过最蠢的举动。我是按请求付费的，也就是额外 credits 我都还没买/没付，却还是被限流了 32 小时。”
@MelansonIndus 附带截图证据进行了抱怨（1 个赞、68 次浏览）：“我们付 4 周的钱，却每周都被 GitHub Copilot 限流，为什么还一直往里加功能？太离谱了。我工作 2 小时就撞到限流。以前只是某个模型被限，现在是所有模型一起全局限流。”
@chrisklumph 指出（1 个赞、34 次浏览）：“即使 GitHub Copilot 里 4.7 的价格比 Opus 4.6 高出两倍多，我还是看不出它到底比 Opus 4.6 强在哪。”@789HZ 公开发声呼吁（2 个赞、23 次浏览）则表示，自己的订阅因共享支付方式而被暂停。
相比之下，@martinwoodward（GitHub）提供了内部视角（4 个赞、1 次收藏、123 次浏览）表示：“我们看到，高绩效团队会投入一些定制指令 / skills，好把效果调准，并在团队内部获得可复现的体验。也许人们从 greenfield 项目转向现有代码库时，缺的正是这一块？”
讨论洞察： 用户对限流的不满，已经从昨天的结构性解释，转变为今天的大量亲历报告。从按模型限流升级为全局限流（MelansonIndus），代表明显收紧。MartinWoodward 的回复表明，GitHub 认为解决方案是更好的上下文工程（定制指令/skills），而不是更高的限额；但这种框架并没有回应用户所描述的“工作 2 小时就被锁死”的体验。
与前一天对比： 昨天 The Register 给出了结构性分析（Token 计数 bug、定价模型崩塌）。今天，用户层面的证据持续累积：明明为 credits 付费却仍被锁 32 小时，全局限流取代按模型限流，以及因共享支付方式而被暂停订阅。
1.6 OpenCode 转向 Electron，Tauri 失宠 🡕¶
@TechieUltimatum 记录了 OpenCode 的切换（6 个赞、3 次收藏、21 次浏览）解释了从 Tauri 转向 Electron 的原因：“修复性能问题。跨平台体验更一致。崩溃更少（Windows + Linux）。用 Chromium 实现统一渲染。”帖子指出，OpenCode 拥有 140K stars 和 6.5M 用户。
@ibuildthecloud 也跟着这么做了（1 个赞、276 次浏览）：“看来我要把 discobot 移植到 electron 了。我一直不太满意 tauri，不过老实说我就是照着 @opencode 做。他们用 tauri，我就也用了。我之前有两个项目试过 tauri，都不行。”
@LukeParkerDev 报告了持续存在的 Tauri 痛点（6 个赞、259 次浏览）：“我的 opencode desktop WSL 分支已经变得特别大了，哈哈，没做到顺滑、真正好用之前我不会合并。还有很多很多小修复。WSL/windows 里坑太多了。”
讨论洞察： OpenCode 从 Tauri 迁移到 Electron 是一个重要信号：一个拥有 140K stars 的项目，选择了稳定性和跨平台一致性，而不是 Tauri 更轻的体量。连锁效应已经出现（ibuildthecloud 也因为“我就是照着 @opencode 做”而切换），这可能会让智能体桌面应用的默认选择从 Tauri 回摆到 Electron。
与前一天对比： 昨天 Tauri 和 Electron 还不是话题。今天，随着一个大型项目完成迁移，这一议题浮出水面，并把 Electron 确立为生产级智能体桌面应用的务实选择。
1.7 OpenAI Codex 黑客松与生态势头 🡒¶
@gabrielchua（OpenAI）宣布了（12 个赞、1,177 次浏览）表示，OpenAI Codex Hackathon Bengaluru 的申请者已收到 API credits：“可以搭配 Codex 一起用，Codex 在 ChatGPT Free 和 Go 中都可用。”@vipulgupta2048 称赞了组织团队（13 个赞、1,130 次浏览）。@Dev_Maqbool 分享了一张截图（2 个赞、12 次浏览）分享了 API credits 邮件截图，并表示虽然自己没被选中，仍然很感谢。
@freeCodeCamp 发布了一套完整课程（84 个赞、66 次收藏、3,484 次浏览）介绍了一门关于 OpenAI Codex 用于智能体式开发的课程，由 @andrewbrown 授课：“AI 编程工具正在从助手演化为能替你完成任务的完整智能体。”
@bradwmorris 对 Codex 的计算机使用功能作出反应（1 个赞、1,130 次浏览）：“holy sh*t——他说得对。快去试试新的 codex computer use 功能。比 cowork + playwright 强太多了，而且看起来 token 效率很高。”
讨论洞察： OpenAI 正在投入社区建设（通过带 API credits 的黑客松），而 freeCodeCamp 的课程则表明其正在进入主流教育采用。bradwmorris 对 computer use 功能的认可，也说明 Codex 在智能体与计算机交互方面正在推进，而这是一个 token 效率格外重要的方向。
与前一天对比： 昨天报道的是 Codex 向通用平台扩展。今天，生态支持基础设施（黑客松、课程、社区 credits）以及对具体功能（computer use）的热情，进一步强化了这一势头。
2. 什么让人沮丧¶
Copilot 限流打到付费用户头上 — 高¶
@mkurman88 报告了 32 小时限流（1,393 次浏览）显示，用户即使支付了额外 credits，仍遭遇限流。@MelansonIndus 记录了 表示工作 2 小时后就撞上限流，截图还显示限制已从按模型升级为全局限流。@chrisklumph 指出 则认为 Opus 4.7“价格高出两倍多”，却看不到明显质量提升。如今让人不满的，已经不只是有限额，而是限额与付费模式本身相互矛盾。
Anthropic 订阅条款仍然不透明 — 高¶
@theo 详细说明了数月来无人回应的请求（2,131 次浏览）要求明确 Claude Code 订阅条款对第三方集成到底允许什么。还有报告称 T3 Code 用户在未收到警告的情况下被封禁。@GergelyOrosz 类比了不同提供商之间的相似之处（9,852 次浏览）则把这一情况与 Google 封禁 Antigravity 用户相提并论。规则不公开，构建者就无法放心投入。
Google Antigravity 稳定性问题 — 中¶
@FyzureX 切换到了 Windsurf 提到“429 错误和 Gemini 锁定”。@DynastyWillz 描述了（6 个赞、82 次浏览）描述了反复失败：“提示了那么多次，agent 还是会把设计搞乱，始终做不对。”@imnottanmay 称之为（2 个赞、280 次浏览）则称 Antigravity“已经没救了”。
AI 生成代码质量（“Slop”）— 中¶
@d4m1n 记录了（72 次浏览）使用 Claude Code 配合 claude -p，在 4 小时内对 68 个 spec 文件跑了 100 次迭代。结果生成了 65,000 行代码，却只是一个空应用，部署时因 Vercel 的“client-side exception”报错而崩溃。Git 提交历史显示，在 5–6 小时里，“danmindru and claude”做了约 15 次以“feat:”开头的提交，但最终产出的应用仍无法运行。
OpenCode 会话持久化 Bug — 低¶
@eren7262 报告了（55 次浏览）表示，关闭并重新打开终端后，本地目录会话会被清空，而全局会话仍然保留：“整个会话按本地目录维度被清掉了。”
3. 人们希望出现什么¶
AI 厂商给出明确的订阅与使用政策¶
@theo 明确表示：“给我们任何形式的明确说明……我们愿意遵守收到的任何官方指引。”构建者需要 Claude Code、Codex 和 Copilot 针对第三方集成发布公开且可执行的条款。当前这种规则不透明、执行又不可预测的状态，阻碍了生态投资。
自动化的多工具路由¶
多位用户提到，他们在手动分配工具角色：Cursor 负责 UI，Claude 负责推理，Codex 负责生成（smartnakamoura）；或者 Opus 负责策略，GPT 5.4 负责编码，本地 Qwen 负责其他一切（jtlin）。如果有一个编排层，能根据任务类型、成本和可用性自动把任务路由到最合适的工具/模型，就能替代当前这种手动叠加。
在智能体会话中可见 Token 预算¶
@DeRonin_ 建议“在一个新会话里运行 /context，看看你一个字都还没打就已经没了多少”，这说明大多数用户其实看不到 Token 消耗情况。若在智能体会话中集成实时 Token 预算面板，用户就能据此做出更理性的优化决策。
面向非简单项目的可靠 AI 智能体输出¶
@d4m1n 在 4 小时 Claude Code 会话中生成了 65,000 行无法运行的代码，@DynastyWillz 则在 Antigravity 中反复出现设计失败。这些案例凸显了演示级输出与生产级输出之间的差距。长时间智能体运行中的质量闸门、增量验证以及人类介入检查点，仍是未解问题。
4. 正在使用的工具和方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Claude Code | 终端编程智能体 | (+/-) | 深度推理；Token 优化生态（10+ 个工具）；MCP 工具结果提升至 500K Token | 订阅规则不透明；无预警封禁用户；长时间运行会产出 65K 行 slop |
| GitHub Copilot / Copilot CLI | IDE + 终端智能体 | (+/-) | 自动模型选择正式 GA，且有 10% 折扣；按 PR 定价；CLI 可扩展 | 工作 2 小时后出现全局限流；付费用户被锁 32 小时；Opus 4.7 成本翻倍但收益不明 |
| OpenAI Codex | 智能体平台 | (+) | computer use 功能被称为“token 效率极高”；freeCodeCamp 课程；黑客松社区 | 拒绝 Playwright-stealth（dallas_on_ai）；生态仍在成熟中 |
| Google Antigravity | IDE | (+/-) | 教学内容产量高（6+ 小时课程）；免费层；XDA 对比评测 | 429 错误；Gemini 锁定；多次提示后仍会把设计搞乱 |
| Windsurf | IDE | (+) | 模型自由（Opus 4.7、GLM 5.1、Kimi 2.5）；比 Antigravity 更稳定 | 社区较小；教学内容较少 |
| OpenCode | 开源终端智能体 | (+) | 140K stars、6.5M 用户；转向 Electron 提升稳定性 | WSL/Windows 容易踩坑；会话持久化 bug |
| CodexBar | 智能体仪表板 | (+) | v0.21：Abacus AI、Codex Pro $100、多提供方修复 | CPU 占用问题（现已缓解）；需要做配置审计 |
| OpenFang | 智能体框架 | (+) | v0.5.10：AWS Bedrock、Copilot OAuth 重写、armv7、修复 45 个 bug | 配置复杂；受众偏小众 |
| Cursor | IDE | (+) | 在多工具栈中因界面质量受到好评 | 被定位为“UI 层”而不是完整方案 |
| Qwen 3.6 35B A3B | 本地模型 | (+) | ts-bench 成功率 100%；速度匹配 Sonnet 4.6 / Opus 4.6；可运行于消费级硬件 | 需要 32GB+ RAM 或 RTX 3090+ |
最显著的变化，是多工具工作流正在收敛成主流。用户不再争论“该用哪个工具”，而是在组装按角色分工的技术栈。Copilot CLI 的自动模型选择（附带 10% 折扣）与 Windsurf 的模型自由，回应的是同一个需求：用户想同时使用多个模型，但不想手动管理。围绕 Claude Code 形成的 Token 优化生态（10 个仓库、6 万次浏览），现在已经是数据中最大的单一主题集群。
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| CodexBar v0.21 | @steipete，由 @RatulSarna 维护 | 面向编程智能体的多提供方成本仪表板和网关 | 跟踪 Claude、Codex、Antigravity、Ollama 的成本并管理提供方 | macOS、多提供方 API | 已发布 | 帖子 |
| OpenCode Obsidian Plugin | @tom_doerr（分享） | 将 OpenCode AI 助手直接嵌入 Obsidian | 用 AI 做笔记需要切换不同工具 | Obsidian 插件、OpenCode web view、Bun、Node.js | Beta（通过 BRAT） | 帖子、GitHub |
| wterm + agent-browser | @ctatedev | 用 HTML 渲染终端，并结合 a11y tree 自动化做智能体 e2e 测试 | 终端自动化与跨智能体编排 | HTML、a11y tree、浏览器自动化 | Demo | 帖子 |
| OpenFang v0.5.10 | @openfangg | 拥有 15+ 适配器的多提供方智能体框架 | 提供方锁定与部署复杂度 | Rust、TOML 配置、Docker、armv7 | v0.5.10，已发布 | 帖子 |
| Kodelyth ECC | @sifxprime | 面向开发者的 53 个 AI 智能体、185 个 skills 和 79 条命令 | 跨平台复用的智能体工具包 | MIT 许可证、多平台 | v1.1.0，已发布 | 帖子、GitHub |
| Agent-controlled video editor | @om_patel5（分享） | 由 Claude Code 和 Codex 控制的视频编辑器 | 手工视频剪辑过于繁琐 | macOS 桌面、本地处理、可导出至 DaVinci Resolve/Premiere Pro | Demo | 帖子 |
| peon-ping | @chenzeling4（分享） | 游戏主题语音通知，用于提醒 AI 智能体发出注意力请求 | 不必一直盯着终端等智能体完成/报错 | Warcraft/StarCraft/Portal/Zelda 语音包、跨平台 | v2.21.0，已发布 | 帖子、GitHub |
| OpenClaude | @chenzeling4（分享） | 支持 200+ 模型的开源编程智能体 CLI | 终端编程智能体的提供方锁定 | 终端优先、MCP、斜杠命令、提供方配置 | v0.4.0，已发布 | 帖子 |
| Emoji List Generator | @cassidoo | 将项目符号转换为带 Emoji 标注列表的 CLI 工具 | 手动挑选 Emoji 太慢 | @opentui/core、@github/copilot-sdk、clipboardy | 已发布 | 帖子、博客 |
| Claude x TradingView MCP | @AleiahLock（分享） | 把 Claude Code 连接到 TradingView，用于自动化交易分析 | TradingView 没有公开 API；手工分析太慢 | Claude Code、MCP、Node.js 18+、TradingView Desktop | 指南已发布 | 帖子 |
| Cloudflare Agent-Ready Skill | @fctelles | 将 Cloudflare API 集成到编程智能体中的 MCP skill | 手动操作 Cloudflare API | npx，兼容 GitHub Copilot/Claude/Kiro | 已发布 | 帖子 |
最值得注意的构建模式，是智能体生态基础设施正在成形：CodexBar 管理多提供方成本，OpenFang 提供多适配器框架，Kodelyth 打包了 53 个可复用智能体，而 peon-ping 解决的是一个琐碎但真实的问题——如何知道你的智能体何时需要你注意。由 Claude Code 和 Codex 控制的视频编辑器，则把 AI 编程智能体从代码扩展到了创意工作流。OpenClaude 在约 2 周内迅速涨到 20K+ stars，也说明市场对开源、提供方无关的终端智能体需求强烈。
6. 新动态与值得关注的事项¶
Copilot CLI 自动模型选择正式 GA¶
GitHub 推出了自动模型选择，面向所有套餐推出 Copilot CLI 自动模型选择。它会根据套餐和策略自动路由到 GPT-5.4、GPT-5.3-Codex、Sonnet 4.6 和 Haiku 4.5。使用自动模式时，用户可获得 10% 的高级请求折扣。该功能是动态的，可通过选择最高效的模型来缓解限流问题。（@GHchangelog、帖子，26 个赞、1,863 次浏览）
Qwen 3.6 35B A3B 在消费级硬件上匹敌云端模型¶
@TeksEdge 分享了基准测试结果（6 个赞、4 次收藏、308 次浏览）分享的结果显示，Qwen3.6-35B-A3B 在所有测试的智能体（opencode、vibe-local、GitHub Copilot、qwencode、Claude Code）上都取得了 100% 的 ts-bench 成功率；任务速度匹配 Claude Sonnet 4.6 和 Opus 4.6，推理速度则比 Qwen3.5-27B 快 3 倍。它可运行在配备 32GB+ RAM 的 Mac，或 RTX 3090/4090/5090 上。
Android CLI 发布，推进 AI 辅助移动开发¶
@geekyouup 分享了第一印象（1 个赞、2 次收藏、149 次浏览）提到新 Android CLI 于 4 月 17 日发布，并与 Google Antigravity 搭配使用。这将 AI 编程智能体扩展到了移动开发场景，并提供了专用命令行工具。
OpenClaw 衰退加速¶
@Param_eth 预测了 OpenClaw 的 demise（10 个赞、675 次浏览）：“如果 OpenClaw 几个月后彻底死掉，也别惊讶。OpenAI 把 Peter Steinberger 拉进来推动 Codex。然后 OpenAI 让 OpenClaw 变得无关紧要。”帖子还引用了一条 Polymarket 帖子，显示 Google 上“OpenClaw”的搜索量已跌到接近基线。
GPT-Rosalind 与 Codex Life Sciences Plugin¶
@MSaintjour 报告了（3 个赞、209 次浏览）称，OpenAI 推出了 GPT-Rosalind——一款面向生命科学的前沿 AI 模型——同时还推出了 Codex Life Sciences Plugin，把 50+ 个科研数据库整合进统一的自然语言界面。这让 Codex 的适用范围从软件开发扩展到了科研。
Claude Code 更新：500K Token MCP 结果与原生可执行文件¶
@T_ok_AI 总结了（1 个赞）提到 Claude Code 的最新更新：MCP 工具结果上限提升至 500K Token；插件命令现在可以是原生可执行文件；CLI 中还可访问内置教程。
7. 机会在哪里¶
[+++] Token 优化工具与集成 — 当天最热的帖子（6,675 分、1,177 次收藏）汇总了 10 个独立的 Token 缩减工具。用户正根据工作流类型手动叠加 2–3 个工具。若有一种集成式方案，把 shell 层过滤（RTK）、API 层压缩和上下文感知代码导航统一进单一配置，就能覆盖完整的优化空间。需求驱动是结构性的，而且还在增强：限流收紧加上 Opus 4.7 的 Token 膨胀，使上下文效率成为每次会话都必须面对的硬性经济约束。
[+++] 多工具编排层 — 用户正在手动指定 Cursor 做 UI、Claude 做推理、Codex 做生成、本地模型负责成本优化。当前没有工具能自动把任务路由给最合适的模型/智能体。一个轻量编排层——识别任务类型（设计、推理、生成、本地可安全处理）并结合成本意识路由到最适配的工具——将能替代如今每个多工具用户都在独立进行的手动叠加。
[++] 提供方中立的订阅管理 — Anthropic 会无预警封禁，Google 会因负载过高而封禁，Copilot 会对已付费 credits 限流。构建者需要一款工具，能跨提供方监控订阅健康状态、在接近限额时告警、追踪执行动作，并自动故障切换到替代提供方。三大主要提供方的信任同时下滑，使这成为一项横跨全局的需求。
[++] Agent Run Quality Gates — @d4m1n 在一次 4 小时自主运行中产出了 65,000 行无法运行的代码，这说明长时间智能体会话中迫切需要增量验证。一种能够在执行过程中定期编译、测试和验证智能体输出，并在生成不可用代码时终止或改道运行的工具，可以避免“规模化 slop”这种失败模式。
[+] 面向编程智能体的本地模型部署 — Qwen 3.6 35B A3B 在消费级硬件上达到云端模型级表现（所有智能体上 ts-bench 均为 100%），使本地部署对许多任务都变得可行。若有工具能简化编程智能体的本地模型配置，并在本地资源不足时自动回退到云端，就能帮助用户降低云成本，并在日常任务中规避限流。
8. 要点总结¶
-
Token 优化如今是 AI 编程领域互动最高的话题。 一份整理 10 个 Token 缩减仓库的清单获得了 60,532 次浏览和 1,177 次收藏，收藏量超过第二名 10 倍以上。基准数据表明，在 30 分钟 Claude Code 会话中，整体可节省 80%。这是社区当前最优先关注的问题。（帖子）
-
供应商信任侵蚀如今已覆盖三大主要提供方。 Anthropic 在未警告的情况下封禁 T3 Code 用户，并拒绝公布订阅条款（@theo、帖子）。Google 因负载过高封禁 Antigravity 用户（@GergelyOrosz、帖子）。GitHub Copilot 则在 2 小时后就对已购买 credits 的用户实施限流（@mkurman88、帖子）。目前没有哪家主要 AI 编程提供方能给出可预测、透明的规则。
-
多工具叠加已取代对单一工具的忠诚。 开发者正在给不同工具分配明确角色——Cursor 负责界面，Claude 负责推理，Codex 负责生成，本地 Qwen 负责控制成本——并让它们同时运行。竞争问题已经从“谁会赢”转变为“怎么组合、如何编排”。（帖子、帖子）
-
本地模型如今已能在消费级硬件上匹敌云端编程性能。 Qwen 3.6 35B A3B 在所有测试的编程智能体上都实现了 100% 的 ts-bench 成功率，任务速度匹配 Claude Sonnet 4.6 和 Opus 4.6，同时可运行在 32GB+ 内存的 Mac 或 RTX 3090+ 上。这使本地优先开发对越来越多的任务变得可行。（帖子）
-
Copilot CLI 自动模型选择预示了具备成本意识的智能体路由未来。 GitHub 正式推出自动模型选择，可将请求路由到最高效的模型，并提供 10% 的高级请求折扣。这是厂商层面对用户手动构建的路由模式的首次实现，也验证了多模型编排的机会。（帖子）
-
AI 智能体在大规模运行下的输出质量仍未解决。 一次持续 4 小时的 Claude Code 自主会话生成了 65,000 行无法运行的代码，说明当前智能体在长时运行中仍缺乏自我验证能力。从演示级输出到生产级输出之间的差距，是 AI 进一步跨越 greenfield 项目、扩大采用的下一道主要门槛。（帖子）