跳转至

Twitter AI 编程 - 2026-07-02

1. 大家在讨论什么

1.1 比起单纯比拼模型,控制平面、技能与编排模式更重要(🡕)

最密集的讨论焦点并不是“哪个模型最聪明?”,而是“哪种承载框架能让工作更可靠?” 至少有七条被保留的内容都在强化这一判断:Google 官方的 agents-cli、Antigravity 技能包、Codeman 的会话仪表盘、可复用的 Agentic MapReduce 模式、可视化工作流画布,以及一篇长文,论证定价与任务路由本身已经成为产品边界的一部分。相比 7 月 1 日关于编排的讨论,7 月 2 日又进一步远离了单代理聊天的隐喻,转向控制平面、工作流打包,以及明确的 manager/worker 模式。

@HeyAnjula 分享了(12 次点赞,963 次浏览,12 次收藏)提到 Google 官方的 agents-cli,并将其描述为一种把 Claude Code、Codex、Antigravity 及其他编码代理变成具备 Google Cloud 能力的构建者的方法。公开的 agents-cli README 佐证了这一核心说法:七个官方技能覆盖脚手架、ADK 编码、评估、部署、发布和可观测性,而不只是提示词片段。

agents-cli 文档,展示如何通过 scaffold、eval、deploy 和 observability 能力,将编码代理配置为 Google Cloud agent builders

@DanKornas 发布了(8 次点赞,1,563 次浏览,13 次收藏)提到 Antigravity Skill Vault,这是一个从 Claude Code 生态移植而来的、包含 300 多项技能的集合。公开的 代码库 还补充了一个很有用的运维细节:定向安装、bundle 和 alias 的存在,部分就是为了避免一次性加载过多技能带来的 token 开销和无关的自动激活。

Antigravity Skill Vault 截图,展示了适用于 Google Antigravity 的可搜索安装项、套件以及大型分类技能目录

@tom_doerr 分享了(11 次点赞,2,329 次浏览,13 次收藏)提到 Codeman,其 README 将其描述为覆盖 Claude Code、OpenCode、Codex 和终端会话的“AI 编码代理任务中枢”。这个信号比互动数据看上去更强,因为截图展示的产品形态,正是许多更小帖子逐渐收敛出的方向:会话列表、日志,以及一个用于监督长时间运行代理任务的浏览器界面,而不是局限在单个终端缓冲区里。

Codeman 仪表盘,展示了 Claude Code 和 OpenCode 的会话管理与实时执行监控

@softmax3d 认为(79 次浏览)指出,Cognition 的 “Agentic MapReduce” 实际上是一种可复用的编排原语:先枚举所有相关文件,再分批,然后启动并行子代理,最后合并。附带图示之所以重要,是因为它把“去检查一下仓库”从一种凭感觉的请求,变成了一个由清单驱动的覆盖系统,而且作者明确表示,同样的模式适用于 Claude Code、Codex 和 OpenCode。

Agentic MapReduce 图示,展示了用于仓库级审计的搜索、清单创建、批处理、并行子代理和合并步骤

@0x_codex 撰文介绍了(65 次浏览)指出,下一场编码代理竞赛的赢家将是承载框架,而不是最聪明的独立模型。附带图示就是实质性证据:它以 plan-code-review-deploy 循环为中心,并展示了可见的 Lite/Pro/Max 定价层级,让成本上限、工具访问和路由成为工程界面的一部分,而不再是隐藏的实现细节。

控制平面图,展示了从规划到部署的编码代理工作流,并标明了定价层级和集成点

讨论洞察: 最有力的回复并不是围绕模型排行榜展开,而是聚焦 token 开销、覆盖率、会话管理,以及如何防止 manager 和 worker 代理丢失清单上下文。

与前一天对比: 7 月 1 日已经出现了技能和并行工作区。到了 7 月 2 日,这一模式变得更具体:更多仪表盘、更多可安装目录、更多可视化工作流工具,以及更清晰的认知——真正的产品是承载框架。

1.2 治理、评审纪律与正式操作角色迅速强化(🡕)

第二个重要主题是,代理式编码开始继承专业边界,而不再只是一个自由发挥的 demo 空间。四条有力内容支撑了这一点:GH-600 把代理监督框定为可认证的工作;Godot 划出了人类作者边界;GitHub Copilot 推出了更高投入的评审模式;而一个 Codex 讨论串则认为 PRD 依然重要,因为代理需要持久状态和可评审的意图。相比 7 月 1 日对更广泛平台落地的强调,7 月 2 日的重心转向了:代理行动时由谁负责,以及周围应当建立什么样的评审结构。

@cyrilXBT 声称(68 次点赞,22 条回复,6,306 次浏览,27 次收藏)称,GH-600 标志着“Agentic AI Developer”正在成为一个被认可的工程岗位。官方 Microsoft Learn 学习指南 证实了这一说法中最重要的部分:GH-600 考察工具使用、memory 和 state、评估、多代理协同,以及 guardrails 或问责,这意味着治理和监督正被当作一等技能来测试。

GH-600 认证图片,展示了 GitHub 的 Agentic AI Developer 证书定位

@Pirat_Nation 报道称(136 次点赞,13 条回复,8,106 次浏览,13 次收藏)称,Godot Foundation 将不再接受由自主 AI 代理或 “vibe coding” 生成的代码,但仍允许更窄范围的辅助用途,比如 regex 或小型建议。帖文本身的表述是关键证据:“We require all code to be human authored,” 而回复主要围绕评审者疲劳、责任归属,以及贡献者是否真的能修复自己提交的内容。

@github 宣布了(77 次点赞,9 条回复,24,702 次浏览,27 次收藏)称,GitHub Copilot code review 的中等深度评审现已进入公开预览。它的重要性不只在功能清单,更在产品姿态:GitHub 正在告诉用户,评审质量应该是可调的,而且有些 pull request 值得分配更多推理预算。

@lennysan 发布了(63 次点赞,16 条回复,15,026 次浏览,49 次收藏)提出一句简单的话:“PRDs are not dead”,而最有价值的公开证据来自回复。有条回复认为,在代理时代 PRD 反而更重要,因为它们会变成持久的、模型无关的状态,后续会话可以据此做 diff、测试和更新,而不是依赖最后一个聊天窗口里塞下了什么。

讨论洞察: 最有价值的回复讨论的不是反 AI 论调,而是可审计性与责任。大家反复回到同样的问题:谁拥有输出、如何评审,以及跨会话能保留下来的事实来源是什么。

与前一天对比: 7 月 1 日强调的是交付界面和代理能力。7 月 2 日则增加了更硬的边界:认证、更严格的贡献规范、更深入的评审设置,以及对书面规格重新给予重视。

1.3 成本、路由与可观测性正在成为编码工作流中的显性组成部分(🡕)

第三个主题是,模型选择已不再只关乎质量;它也关乎计费路径、回退规则,以及团队是否看得见使用流向。最强的证据来自一次官方平台发布和三条偏 workaround 风格的帖子:GitHub 把一个低成本 open-weight 选项放进了 Copilot;用户分享了自己用于重置/到期检查的工具;另一条帖子展示了如何关闭从 Fable 到 Opus 的静默回退;而 LangChain 则指出,只要团队同时使用多个代理界面,混合工具日志立刻就会打碎支出可见性。

@github 宣布了(340 次点赞,24 条回复,36,069 次浏览,52 次收藏)称,Kimi K2.7 Code 现已在 GitHub Copilot 中正式可用。链接的 GitHub 更新日志 证实,它是 Copilot 选择器中的第一个 open-weight 模型,托管在 Azure 上,按供应商标价计费,并且对 Business 和 Enterprise 管理员而言,初始默认关闭,需手动启用。

@LangChain 认为(18 次点赞,3 条回复,2,438 次浏览)称,编码代理账单之所以变得无法解释,真正原因在于 Claude Code、Cursor 和 Copilot 的活动日志记录方式都不一样。该帖带有宣传性质,但痛点非常具体,也与当天其他证据一致:一旦团队混用工具,“可见性”本身就成了缺失功能。

@souravbhar871 分享了(98 次浏览,2 次收藏)提到 npx codex-resets credits list,作为 OpenAI 让到期时间更容易理解之前的临时解决方案。这张小截图信号异常强,因为它展示了真实用户不得不借助本地 CLI 工具,仅仅为了弄清配额何时重置。

codex-resets 截图,展示了 Codex 积分的重置额度和到期时间

@JinjingLiang 建议(320 次浏览,3 次收藏)建议 Claude Code 用户关闭 “Switch models when a message is flagged”,以免 Fable 5 静默回退到 Opus 4.8。引用的讨论串和截图一起,把这个运维问题具体化了:用户现在在意的不只是选择了哪个模型,还在意代理是否悄悄花掉了一个不同预算层级的费用。

Claude Code 设置截图,展示了在消息被标记时切换模型的开关

讨论洞察: 回复讨论的重点并非意识形态,而是那些隐藏的轨道:重置时钟、回退行为,以及缺失的 trace 归一化。人们想要的是更少的意外,而不只是更便宜的 token。

与前一天对比: 7 月 1 日已经把支出视作运维问题。到了 7 月 2 日,这个问题更贴近产品边界:定价、路由、重置时点和 trace 格式都变成了用户可见的工作流问题。

1.4 开发者持续把编码代理基础设施推进到相邻的生产系统中(🡕)

第四个主题是,同样的代理模式如今正被应用到“在我的仓库里写代码”之外的更广范围。最有意思的构建者帖子并不是新的基础模型,而是视频制作、安全调查和营收运营等垂直系统——它们恰好把编码代理当作执行底座。相比 7 月 1 日对记忆和部署缺口的关注,7 月 2 日更明确地展现出向领域专用操作系统扩展的趋势。

@heynavtoor 重点介绍了(10 次点赞,4 条回复,2,443 次浏览,12 次收藏)提到 OpenMontage,其 README 称其为“首个开源的代理式视频制作系统”。推文和 README 在核心点上是一致的:编码助手可以协调调研、脚本撰写、素材生成、旁白、剪辑和最终合成,示例既包括低成本讲解视频,也包括多场景预告片。

OpenMontage 截图,展示了涵盖研究、脚本编写、生成、编辑和合成的 prompt-to-video 流程

@tom_doerr 分享了(12 次点赞,2,795 次浏览,6 次收藏)提到 Security Investigation Automation System。其 README 描述了 25 个专用代理技能,它们结合了 GitHub Copilot、VS Code Agent Skills、MCP servers、Microsoft Sentinel、Defender XDR 和 Graph API,使调查人员能够用自然语言提问,同时获得结构化 KQL、信息补全和报告。

Security Investigation Automation System 截图,展示了 GitHub Copilot、Sentinel、Defender XDR 以及用于自动化调查的专用代理技能

@MichLieben 声称(105 次浏览,5 次收藏)称,Claude Code 现在位于一个包含 19 个 API 的 GTM 技术栈中央,覆盖信号捕获、信息补全、触达编排、CRM、预约和营收追踪。这个帖子营销意味很重,但附带的架构图依然很有信息量:它表明,同样的编排模式正被应用于销售运营,而不只是软件交付。

架构图,展示了以 Claude Code 为核心的七层 GTM 技术栈,涵盖 signal、data、action、automation、CRM、conversion 和 revenue 工具

讨论洞察: 变化的不只是应用领域,更是打包方式:这些项目越来越像由明确阶段、集成和交接边界组成的复合系统,而不是一个聪明的提示词。

与前一天对比: 7 月 1 日“超越代码生成”的主题集中在记忆与部署。到了 7 月 2 日,这一方向扩展成了面向媒体、安全和 go-to-market 工作的相邻操作系统。


2. 什么让人沮丧

隐藏路由、配额重置时点,以及支出可见性的碎片化

严重程度:高。最明显的运维挫败并不是抽象意义上的“模型太贵”,而是“我看不清我的预算到底发生了什么”。@LangChain 认为(18 次点赞,3 条回复,2,438 次浏览)称,Claude Code、Cursor 和 Copilot 的混合使用会摧毁支出可见性,因为每个工具的日志记录方式都不同。@souravbhar871 分享了(98 次浏览,2 次收藏)提到 npx codex-resets credits list,因为重置时点依然隐晦到用户需要一个本地工具才能查看到期日期。@JinjingLiang 展示了(320 次浏览,3 次收藏)显示,人们明确在关闭 Fable 5 到 Opus 4.8 的静默回退,以防使用量未经同意就漂移到另一个定价通道。应对模式非常一致:自己外挂 tracing、本地检查重置,并关闭会隐藏模型切换的自动化功能。这值得去做,因为这种痛点具体、反复出现,而且已经催生出 workaround。

对代理输出的评审负担与责任归属

严重程度:高。几条帖子从不同角度汇聚到同一个抱怨:代理生成输出的速度,已经超过团队能够负责任地评审它的速度。@Pirat_Nation 报道称(136 次点赞,13 条回复,8,106 次浏览,13 次收藏)称,Godot 将拒绝自主代理或大量 AI 撰写的代码,因为维护者希望贡献者真正理解并能修复自己提交的内容。@github 推出了(77 次点赞,9 条回复,24,702 次浏览,27 次收藏)推出了一种中等投入的评审模式,这实际上等于 GitHub 承认,评审深度需要有单独的调节旋钮。@cyrilXBT 将其定义为(68 次点赞,22 条回复,6,306 次浏览,27 次收藏)把 GH-600 围绕生产环境中失败模式监督的能力制度化,而在 @lennysan 的 PRD 帖子(63 次点赞,16 条回复,15,026 次浏览,49 次收藏)下方,有回复认为书面规格很重要,否则下一次会话就无法可靠地恢复原始意图。应对模式是更多流程:更慢的评审、更严格的贡献规则,以及更多书面化状态。

技能与工作流蔓延

严重程度:中。信息流反复暗示,如今技能、提示词和工作流文件已经多到无法手工管理。@DanKornas 开放了(8 次点赞,1,563 次浏览,13 次收藏)写道:“Stop loading every agent skill just to find the one you need,” 并把定向安装和 bundle 作为补救办法。@0x0SojalSec 介绍了(6 次点赞,698 次浏览,5 次收藏)则展示了一个可导出到 .claude/、.cursor/ 和 .github/prompts/ 的可视化工作流设计器;只有在手写这些文件已经痛苦到值得做工具时,这件事才说得通。甚至官方的 Anthropic Skilljar 目录 也在当天帖子中被作为 Claude Code、MCP 和 agent skills 的结构化训练层提及。这值得去做,但机会窗口相比空白市场更偏竞争态势,因为已经有多个团队在交付发现层和打包层。


3. 人们希望有什么

今天直接说“应该有人做这个”的明确请求,比 workaround 式帖子更少,因此这一部分置信度较低,主要基于人们在分享修补方案时明确指出的缺口。

在代理 UX 内提供清晰的成本与回退控制

最明确、最直接的需求,是让产品解释重置、到期日期和回退行为,而不是逼用户自己做侦探。@souravbhar871 发布了(98 次浏览,2 次收藏)提到一个 Codex 重置命令,原因正是到期日期仍然令人困惑;@JinjingLiang 分享了(320 次浏览,3 次收藏)则分享了一个配置变更,用来阻止 Fable 5 静默回退到 Opus 4.8。这是现实需求,不是愿景式需求:人们希望代理明确显示实际运行了哪个模型、花了多少钱,以及用量何时重置。机会:直接。

更好的技能发现与工作流创作

@DanKornas 描述了(8 次点赞,1,563 次浏览,13 次收藏)直接点出了问题本身:人们正在加载所有技能,只为了找到自己需要的那个。@0x0SojalSec 回应了(6 次点赞,698 次浏览,5 次收藏)给出的方案是一个可导出 markdown 技能文件的可视化工作流设计器,而 @SaurabhDub28465 提到了(22 次点赞,97 次浏览)则提到 Anthropic 面向 Claude Code、MCP 和 agent skills 的免费课程目录。这里的需求是可搜索、可教学、低摩擦的工作流打包,而不是再来一个大型提示词倾倒仓库。机会:竞争型。

围绕真实系统提供更安全、可审计的编排

这通常是隐含需求,而不是被直接提出来,但同样的缺口在多个地方反复出现。@cyrilXBT 将其视为 把 GH-600 当作团队需要理解代理失效位置之人的证据;@Pirat_Nation 重点介绍了 提到 Godot 坚持代码责任必须由人承担;@softmax3d 分享了 则展示了一种清单优先的编排模式,专门用来避免不完整的仓库审计。这部分一方面是实际需求,另一方面也是信任需求:人们希望在破坏性事件发生之前,就能看见系统的覆盖范围、权限和评审边界。机会:直接。


4. 正在使用的工具与方法

工具 类别 情绪 优势 局限
GitHub Copilot 编码平台 (+/-) 模型覆盖面更广;中等深度评审模式;企业触达强 定价、政策与 rollout 复杂性仍然明显
Kimi K2.7 Code 模型 (+) Copilot 内更低成本的 open-weight 选项;覆盖面广 上线节奏渐进;Business 和 Enterprise 默认关闭
Claude Fable 5 模型 (+/-) 适合长周期自主任务;高级用户兴趣强 静默禁用/重新启用的历史伤害了信任;回退行为可能不透明
Claude Code 编码代理 (+/-) 许多帖子都展示了强大的子代理和工作流用法;集成广泛 隐藏回退、token 消耗和工作流蔓延反复出现
agents-cli CLI / 工作流套件 (+) 面向多个编码代理的官方 scaffold/eval/deploy/observability 技能 更偏向 Google Cloud 和 ADK 工作流
Antigravity Skill Vault 技能库 (+) 300+ 可搜索、可安装技能,支持 bundle 和 alias 安装过多技能会浪费 token,或引发糟糕的自动激活
Codeman 仪表盘 / 控制平面 (+) 为 Claude Code、OpenCode、Codex 和终端任务提供统一会话管理 今天的证据仍偏早期,且以仪表盘为中心
Agentic MapReduce 编排方法 (+) 清单优先的覆盖方式;清晰的 manager/subagent 分工;可跨承载框架复用 更适合以读取为主的审计;编辑密集型工作仍需谨慎分批
LangSmith 可观测性 (+/-) 归一化混合编码代理工具之间的 traces 建立在本就碎片化技术栈之上的商业层
codex-resets 配额工具 (+) 以可脚本化方式暴露重置额度和到期时点 只是弥补产品原生可见性缺失的权宜之计
CC Workflow Studio 工作流设计器 (+) 可视化创作,并可导出 agent 工作流所需的 markdown 证据仍早期;尚不清楚实际采用范围
OpenMontage 代理式生产系统 (+) 把编码助手变成端到端视频制作流水线 技术栈复杂;更贴近核心软件工作之外的相邻领域,而非通用场景
Security Investigation Automation System 垂直工作流 (+) 结合 Copilot、MCP、Sentinel 和 Defender XDR 的丰富领域工作流 面向安全技术栈,采用门槛更高

整体满意度是复杂但在走向成熟的。人们显然对更丰富的控制界面、官方工作流套件和领域专用代理系统感到兴奋,但各种 workaround 也讲出了故事的另一半:用户仍在自己修补重置时点、隐藏回退、碎片化日志和技能过载等问题。迁移模式也不太像“我彻底切换了”,而更像“我把不同工作路由到不同承载框架上”,与此同时,竞争焦点也从单纯的模型质量,转向编排、可见性和打包能力。


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
agents-cli Google 用于构建、评估、部署和发布代理的 CLI 与技能套件 用打包好的工作流命令替代临时拼凑的云端代理配置 Python, uv, Node.js, ADK, Google Cloud, Gemini Enterprise Agent Platform 已发布 代码库, 推文
Codeman Ark0N 用于监督 Claude Code、OpenCode、Codex 与终端会话的 Web 仪表盘 为长时间运行的代理任务提供控制平面,而不是零散的终端标签页 Node.js, TypeScript, Fastify 已发布 代码库, 推文
Antigravity Skill Vault rmyndharis 可搜索、可安装的 300+ Antigravity 技能仓库 减少手动查找技能,并支持定向安装 npm, JSON catalogs, bundle metadata, Antigravity skill packages 已发布 代码库, 推文
CC Workflow Studio @0x0SojalSec 用于多代理工作流的可视化设计器,可导出 markdown prompts 和 skills 让工作流创作比手工编辑原始 prompt 文件更容易 Drag-and-drop canvas, markdown exports for .claude/, .cursor/, and .github/prompts/ Alpha 推文
OpenMontage calesthio 将自然语言请求转成成品视频的代理式视频制作系统 将编码代理工作流扩展到调研、脚本、生成、剪辑与渲染流水线 Claude Code/Cursor/Copilot/Codex, Remotion, FFmpeg, Kling, Runway, Veo, TTS and music tools 已发布 代码库, 推文
Security Investigation Automation System SCStelz 具备专用技能和 MCP 集成的自然语言安全调查框架 自动化重复性的调查、信息补全和报告撰写步骤 GitHub Copilot, VS Code Agent Skills, MCP, Microsoft Sentinel, Defender XDR, Graph API, Python 已发布 代码库, 推文

最强、最反复出现的构建模式并不是“新的模型封装器”,而是“工作流打包”。agents-cli、Skill Vault、Codeman 和 CC Workflow Studio 都在试图让多步骤代理工作更易安装、更可观测或更可复用,这与当天更广泛的控制平面主题完全吻合。

OpenMontage 之所以突出,是因为它把同样的编排思路推进到了一个完全不同的生产领域。它的 README 和推文都强调从 prompt 到 pipeline 的组合,而不是一次性生成,这使其成为编码代理基础设施正在走出软件工程、进入相邻创意工作的一个很好例子。

Security Investigation Automation System,以及 @MichLieben 这里 分享的那个置信度较低的 19 API GTM 栈,还暗示了另一个可重复模式:一旦团队开始信任终端中的代理循环,他们就会把它接入安全运营、销售运营和其他实时业务系统。这比又一个泛化的“AI app”发布,更能说明构建者信号的强度。


6. 新鲜且值得关注的内容

GH-600 把代理监督变成了一个明确的认证目标

@cyrilXBT 提到了(68 次点赞,22 条回复,6,306 次浏览,27 次收藏)将 GH-600 视为一项面向代理式 AI 工作的全新 GitHub 认证,而官方 Microsoft Learn 学习指南 证实,考察领域包括 memory/state、多代理协同和 guardrails。这很重要,因为它把监督代理视作一种具有可测试能力要求的运维工程工作,而不是非正式的提示词民间经验。

Godot 划出了当天最清晰的反低质内容边界之一

@Pirat_Nation 报道称(136 次点赞,13 条回复,8,106 次浏览,13 次收藏)称,Godot 将不再接受由自主 AI 代理或 “vibe coding” 生成的代码,同时仍允许更窄范围的辅助任务。无论其他项目是否会跟进,这都是当天最强烈的公开表态之一:评审负担和责任归属已经大到足以塑造贡献政策。

免费代理技能教育正从小众走向默认

@SaurabhDub28465 汇总了(22 次点赞,97 次浏览)提到 Anthropic 的免费课程目录,而公开的 Anthropic Skilljar 中心 突出了面向 Claude、Claude Code、MCP 和 agent skills 的课程。再结合 Google 的 agents-cli 资料,这表明工作流知识正在以比许多“AI 课程”卖家更快的速度被标准化并免费发放,从而削弱它们的差异化空间。


7. 机会在哪里

[+++] 统一的代理控制平面,用于成本、路由与 trace 可见性 —— 证据来自第 1 节中的 Codeman 和承载框架帖子、第 2 节对隐藏回退与重置时点的抱怨,以及第 4 节的 LangSmith 与 codex-resets 条目。团队已经在自行拼接仪表盘、trace 层和本地配额工具,因为没有任何单一界面能清楚解释到底运行了什么、花了多少钱,以及原因是什么。

[+++] 面向代理生成工作的评审与治理层 —— 第 1 节显示 GH-600、Godot 的政策转向,以及 Copilot 的中等深度评审都在朝同一个方向移动,而第 2 节则明确点出了评审负担。围绕审计轨迹、权限边界、评审队列,以及从规格到输出的可追溯性,存在明显机会。

[++] 技能发现与工作流打包 —— 第 1 节的 Skill Vault、agents-cli 和 Agentic MapReduce 帖子,加上第 3 节对更好工作流创作的直接需求,都指向同一个缺口:人们拥有的有用代理模式,已经多到难以方便地浏览、教学、安装或分享。这里看上去竞争会很激烈,但需求是真实存在的。

[+] 超越软件交付的垂直代理操作系统 —— 第 1 节和第 5 节都显示,同样的编排思路正在被重新应用到视频制作、安全调查和 GTM 系统中。正在浮现的机会,不是再做一个泛化助手,而是构建具备强集成、安全默认设置和可衡量输出的领域专用工作流。


8. 要点

  1. 市场关注点持续从模型转向承载框架。 当天最强的帖子讨论的是技能、仪表盘、编排模式和工作流打包,而不是原始 benchmark。(来源, 来源, 来源, 来源)
  2. 治理已不再是边缘话题。 GH-600、Godot 对人类作者的要求,以及 Copilot 的高投入评审模式,都指向同一个结论:代理监督、评审深度和责任归属,正在成为产品层面和招聘层面的显性问题。(来源, 来源, 来源)
  3. 如今的成本控制,意味着要理解底层轨道,而不只是买更便宜的 token。 Kimi 在 Copilot 中的低成本席位、LangSmith 对日志的抱怨、codex-resets,以及 Fable 回退开关,都表明用户正试图让计费、路由和重置行为变得可理解。(来源, 来源, 来源, 来源)
  4. 编码代理基础设施已经开始从软件工程外溢到相邻运营领域。 OpenMontage、Security Investigation Automation System,以及 GTM 栈那条帖子,都把同样的代理编排思路复用到了媒体、安全和营收工作流中。(来源, 来源, 来源)