Twitter AI 编程 - 2026-10-10¶
1. 大家在讨论什么¶
1.1 Gemini 4 Argon 看起来更像是已完成接入，而不是已经发布（🡒）¶
Gemini 4 Argon 仍是 Twitter AI 编程圈里声量最高的单一话题，但讨论重心依旧围绕隐藏的 UI 状态、上下文限制和套餐行为，而非公开发布。至少有五条高信号内容指向同一种模式：人们看到的更多是 Antigravity 的内部形态，而不是它真正可用的状态。
@LuminaBench 认为（428 次点赞，42 条回复，22,981 次浏览）称，Argon 看起来已经完全接入 Antigravity，而且旧模型可能很快就会退出。相比配文，随附的 diff 卡片更关键，因为其中列出了专门的 Argon 分支、256K、512K 和 900K 上下文选项，以及每轮大约 1.3x 和 1.8x 的配额提示，但同时仍警告可用性和账号访问权限尚未确认。
@testingcatalog 报道（217 次点赞，16 条回复，16,928 次浏览）称，隐藏版 Antigravity 构建现在已引用 Argon 的低、中、高三档推理强度，而 Gemini 网页端也在各模型间显示了同样的选择器。截图还显示 Gemini 3.7 Flash、Gemini 3.6 Flash 和 Gemini 3.1 Pro 被标记为“即将退出”，这让上线时间显得更紧迫，因为可见的替代项仍隐藏在服务端。
@StatsWire 展示（49 次点赞，6 条回复，4,523 次浏览）则给出了同一说法的一个更窄但有用的版本：存在 256K、512K 和 900K 的上下文选择器，其中后两个更大的选项被标记为成本较高。
@VulKan42069 补充说（30 次点赞，3 条回复，1,704 次浏览）称，Opus 5.5 和 Sonnet 5.5 已出现在部分 Google AI Pro 折扣用户或学生用户的账户中，这进一步强化了一种感觉：实际瓶颈是 entitlement 状态，而不是原始能力。
讨论洞察： 回复讨论的重点与其说是 Argon 的质量，不如说是对其发布的信任。一条高关注回复写道：“到这个地步，我已经放弃期待它发布了。”而 testingcatalog 也明确回应称，该功能仍处于隐藏状态，尚未在服务端发布。
与前一天相比： 2026-10-09 的同类讨论主要围绕兑换 credits 和“即将退出”标签展开。到了 2026-10-10，用户已经拿到了更具体的 UI 证据——推理档位和 900K 上下文提示——但仍未公开上线。
1.2 Memory 不再只是模糊的愿望，而成了一个产品类别（🡕）¶
在头部模型热议之下，持久上下文是最明确的增长主题。至少有六条被保留的内容讨论的已不再是 memory 是否重要，而是在比较内置 memory、仓库绑定 memory、项目界面，以及跨 agent 的召回系统。
@TokenGremlin 声称（82 次点赞，11 条回复，4,119 次浏览）称，Codex memory 当前会把工作拆分给 GPT-5.6 Luna 负责提取、GPT-6 Luna 负责标题和描述，以及 GPT-5.6 Terra 负责整合。随附卡片用引用的源代码默认值和一份公开遥测报告为这一说法提供了依据，而这条推文的主要警示是：部分 Plus 和 Team 用户已经看到 memory 流水线带来了明显的用量消耗。
@Nozelcode 认为（15 次点赞，14 条回复，1,586 次浏览）称，编码 agent 遗忘的不只是聊天记录，还会遗忘整个项目，包括那些失败过的尝试，以及看起来古怪但其实已有上下文支撑的函数。来自 @MemoraX_AI 的被引用发布帖将此重新定义为一个正在交付的产品问题，而不是一个模糊的未来愿景，并承诺为 Codex、Claude Code、OpenCode、Trae 和 WorkBuddy 提供一层 memory。
@shadcn 表示（60 次点赞，9 条回复，3,751 次浏览，25 次收藏）称，现在大多数 Claude Code 工作都发生在 Projects 之内。回复串随即暴露出持久化之后的下一个问题：一条回复说仍然缺少 GitLab 支持，另一条则追问，Projects 是否会形成一个围墙花园，让其他工具更难使用。@jetwaniavinash 分享（1 个赞，2 条回复，11 次浏览）为 jevmem 提供了一组规模较小但异常具体的结果：有记忆层时，Claude 在 72 次会话中有 66 次遵循了先前规则；没有记忆层时，这一数字是 72 次中的 28 次。公开仓库的 README 也以更详细的方式说明了这一点，并将 JEVMEM.md 定位为一个由仓库追踪的记忆文件，可供 Claude、Cursor 和 Codex 复用。
@DanKornas 描述（8 个赞，11 条回复，625 次浏览）将 cass-memory 描述为一个跨代理的作战手册系统，可把会话历史转化为可搜索的上下文、结构化摘要，以及带有置信度跟踪的规则。其公开仓库则用三层结构——情节记忆、工作记忆和程序性记忆——来阐述同一理念，因此同样的经验也适用于 Claude Code、Codex、Cursor、Aider 和其他工具。
讨论洞察： 回复并非一边倒地积极。用户立刻问到错误记忆、长期清理、能否迁移到聊天产品，以及记忆系统是否应当采用选择加入机制，因为它们可能会消耗用量，或保留下错误的经验。
与前一天的比较： 在 2026-10-09，持久化主要作为一个有用的功能需求，出现在移动端 shell 和决策层相关讨论中。到 2026-10-10，记忆已经明显分化为彼此竞争的实现方案，并伴随可量化的 A/B 结果、源代码截图和发布帖出现。
1.3 技能包、评测与护栏正成为一等代理基础设施（🡕）¶
第三组高信号推文将代理质量视为需要被传授、衡量或约束的东西，而不只是靠更强的模型“买来”。至少有五条保留下来的内容符合这一模式，涵盖评测设计、按领域划分的技能，以及运行时控制。
@sermakarevich 发布（80 个赞，22 条回复，3,378 次浏览，108 次收藏）讨论了智能体评测，而最有价值的证据来自回复。他表示，在一个示例中，仅基于回复内容的评分器在 60 次运行中有 58 次通过；但基于状态的检查只通过了 48 次，因为有 10 次运行声称“你的退款正在路上”，但系统状态里其实并不存在任何退款。
@alex_verem 曝光（32 个赞，3 条回复，2,398 次浏览，36 次收藏）将 Matt Pocock 的 Skills For Real Engineers 仓库视为修复代理错位的一种方法。公开仓库显示其约有 284,000 个 star，核心是一些可复用的小型技能，例如 /grill-me、/grill-with-docs、/tdd 和 /diagnosing-bugs，而不是单一的端到端框架。
@DanKornas 分享（14 个赞，8 条回复，827 次浏览）介绍了面向基础设施即代码工作的 Pulumi Agent Skills。README 展示了它为何引发共鸣：该技能包被拆分为迁移、Pulumi 操作、包维护和 Neo 交接技能，并明确支持 Claude Code、GitHub Copilot、Cursor、VS Code、Codex 和 Gemini CLI。
@KitPloit 强调（10 个赞，1,412 次浏览）geo-sleuth，这是一项 agent 技能，能够利用 OpenStreetMap 几何信息、海拔天际线、卫星瓦片和街景，对单张照片进行地理定位，并展示其工作过程。其公开仓库显示约有 1,680 个 GitHub stars，并强调按文件逐项举证，而不是依赖黑箱式的模型猜测。
@OrenMe 认为（26 个赞，4 条回复，2,343 次浏览）表示，按组织计费的 Copilot 代码审查和策略控制，让审查成为团队能力，而不再是个人配额下的碰运气；同时，@GHchangelog 宣布（5 个赞，1,089 次浏览）提到，Copilot 会话可在本地沙箱中运行，且无需额外费用。
讨论洞察： 最一致的诉求并不是让模型更聪明，而是让 agent 更容易操控、运行更安全、结果更易验证。即便是在 eval 讨论串中，关注点也转向了状态检查、工具调用轨迹和权限范围，而不是更漂亮的文案。
与前一天的对比： 在 2026-10-09，最活跃的构建者活动集中在路由器、决策模型和私有推理上。到 2026-10-10，同样的驱动力已扩展到标准化技能、正式的 eval 标准，以及内置沙箱。
2. 什么让人沮丧¶
围绕 Antigravity 的发布状态不透明与配额计算¶
严重性：高。@LuminaBench 认为（428 个赞，42 条回复，22,981 次浏览）、@testingcatalog 报道（217 个赞，16 条回复，16,928 次浏览）以及 @StatsWire 展示（49 个赞，6 条回复，4,523 次浏览）从不同角度反映出同一种模式：隐藏的 Argon 分层、被标记为 Leaving Soon 的旧模型，以及在公开发布尚未到来前就被明确标注为昂贵的更大上下文窗口。@VulKan42069 报道（30 个赞，3 条回复，1,704 次浏览）表示，Opus 5.5 和 Sonnet 5.5 已出现在部分 Google AI Pro 折扣用户或学生用户的账户中，这暗示不同的权益路径早已开始分化。人们目前的应对方式是追踪隐藏菜单、尝试其他套餐，并复用任何已经可用的已认证客户端入口。值得构建：高。
agent 仍会在不同会话之间丢失项目记忆¶
严重性：高。@Nozelcode 认为（15 个赞，14 条回复，1,586 次浏览）表示，agent 会忘记项目本身，包括此前的修复，以及那些看起来别扭的代码背后的原因。@shadcn 表示（60 个赞，9 条回复，3,751 次浏览，25 次收藏）表示，如今大多数 Claude Code 工作都存在于 Projects 中；@TokenGremlin 声称（82 个赞，11 条回复，4,119 次浏览）则提到，Codex memory 本身也会消耗可观的使用量，以及 @jetwaniavinash 展示（1 个赞，2 条回复，11 次浏览）中，jevmem 在规则遵循上的结果为 72 次中 66 次，而对照结果为 72 次中 28 次。@DanKornas 描述（8 个赞，11 条回复，625 次浏览）则提到 cass-memory，作为另一种在不同工具之间延续决策和反模式的尝试。人们目前的应对方式，是在 agent 之上叠加 Projects、仓库范围的 memory 文件，以及跨 agent 的操作手册。值得构建：高。
使用上限、重置和成本归属仍在打断实际工作¶
严重性：高。@CodexResets1 抱怨（13 个赞，2 条回复，1,001 次浏览）称，Astra 的使用量似乎在两次提示后就耗尽了，附带截图显示 5 小时限额还剩 25%，周限额还剩 45%。@OrenMe 认为（26 个赞，4 条回复，2,343 次浏览）则表示，开发者会避开 Copilot 代码审查，因为这会消耗他们的个人配额；而 GitHub 的 代码审查计费更新 则明确加入了由组织付费的审查和可选预算。人们的应对方式包括精打细算重置次数，把审查当作一种有限的基础能力，而不是每次 push 都默认启用，并在可能时把支出转移到组织成本中心。
值得构建：高。
某些编码任务对当下的 agent 仍然是顽固的弱项¶
严重性：中。@theo 询问（85 个赞，73 条回复，7,585 次浏览）讨论了 AI 目前到底还非常不擅长什么，最佳回复主要集中在 UX 层级与导航、Xcode 性能优化、批处理文件加 GitHub CI、分布式系统设计，以及 3D humanoid 建模或动画。这只是一条讨论串，但仍然是有价值的一线信号，因为回答点出了具体的失败类型，而不是泛泛而谈地怀疑。人们的应对方式是：即便 agent 能处理更多常规编码，仍让人类更深度参与设计、性能和系统形态方面的决策。值得构建：中。
3. 人们希望出现什么¶
能跨工具、跨会话延续的可移植 memory 层¶
人们明确在要求一种不被困在单一供应商表层中的 memory。@Nozelcode、@shadcn、@jetwaniavinash 和 @DanKornas 都用不同表述描述了同一个问题：agent 会在不同会话之间不断丢失项目特定的决策。如今已有一些部分解决方案——Projects、JEVMEM.md、MemoraX Code 和 cass-memory——但这个领域仍然分裂在供应商原生 memory 与附加 memory 层之间。机会：直接。
能评估最终状态、工具使用和权限范围的 eval 系统¶
今天最强烈、最明确的诉求，是一种能检查 agent 是否真的改对了状态、调用了正确工具，并且始终处于允许范围内的评估方式。@sermakarevich 表示，仅基于回复的评分器在 60 次运行中通过了 58 次，而状态检查只通过了 48 次；多条回复还追问了如何处理非确定性、null-agent 基线和权限可达范围。这是已经在部署 agent 的团队的现实需求，而不是理想化的研究愿望。机会：直接。
面向 agent 产品的清晰发布、配额和计费仪表板¶
Argon 的关注者实际上是在要求一个真实可信的统一控制平面：哪些功能已上线，哪些被隐藏，哪些即将移除，更大的上下文要花多少钱，以及究竟哪个账户具备资格。同样的需求也出现在 OpenAI 一侧对 Astra 限额的抱怨，以及 GitHub 一侧由组织付费的代码审查和预算控制上。当前在模型选择器、套餐页面和管理员策略中已有一些部分答案，但今天的证据显示，用户仍在靠截图和回复串交叉推断。机会：直接。
一次性和移动端的 agent 界面，同时具备相同工具链¶
用户希望在手机上、临时 Linux VM 里，以及更安全的本地沙箱中，都能获得同样的 agent 工作循环，而不必重新安装或重新学习一整套东西。@SahilPanhotra 展示了一个预装 Claude Code、Codex 和 OpenCode 的 Railway 试用 VM；@st7evechou 展示了 OpenCode iOS 配对界面；@bidyut_io 在 Android 上运行了 Antigravity CLI；GitHub 也在 Copilot 各个界面中加入了本地沙箱支持。这很务实，但市场上已经有多种部分答案，因此这里看起来更像是竞争激烈，而不是一片空白的机会。机会：竞争型。
4. 正在使用的工具与方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Gemini 4 Argon / Antigravity | Agent IDE / 模型界面 | (+/-) | 隐藏的推理层级、256K-900K 上下文提示、需求强烈 | 仍处于隐藏状态、更大窗口受配额限制、资格归属不明确 |
| Codex 记忆 | 记忆层 | (+/-) | 自动提取、总结并整合上下文 | 用户反映会额外消耗用量；清理质量也受到质疑 |
| jevmem | 仓库记忆插件 | (+) | 按仓库追踪规则，给出 66/72 的召回示例，可跨 Claude、Cursor 和 Codex 使用 | 需要额外配置和密钥管理；仍是对手写规则的补充，而非替代 |
| cass-memory | 跨智能体记忆 CLI | (+) | 可搜索的历史记录、操作手册规则，以及跨智能体的反模式追踪 | 仍处于 Alpha 阶段，并带来额外的工作流开销 |
| 面向真正工程师的技能 | 技能包 | (+) | 跨智能体的对齐、术语表、TDD 和 bug 诊断工作流 | 需要按仓库定制，并依赖用户自律 |
| Pulumi Agent Skills | 领域技能包 | (+) | 面向主流编码智能体、聚焦 IaC 迁移与运维 | 仅适用于基础设施工作流 |
| geo-sleuth | 专家智能体技能 | (+) | 带有明确证据链的可验证照片地理定位 | 使用场景较窄，且配置并不简单 |
| 在 Claude Code 中自定义多模型路由 | 工作流方法 | (+) | 将规划、编码、搜索和审查拆分给更便宜或更强的模型 | 环节更多，配置也更复杂 |
| GitHub Copilot 本地沙盒隔离 | 安全 / 运行时控制 | (+) | 在不增加额外成本的情况下限制文件、网络和凭据访问 | 需要制定策略，且无法解决模型能力或配额缺口 |
| Railway 试用 VM | 运行时 / 沙箱 | (+) | 即开即用的 Linux 环境，预装 Claude Code、Codex 和 OpenCode | 构建窗口为 60 分钟，领取期为 24 小时 |
在记忆层和控制层周围，用户满意度的分化最为明显。只要能减少反复解释，或让失败更容易排查，用户显然愿意额外增加软件——无论是 Projects、JEVMEM.md、操作手册、技能包，还是本地沙箱。
一种常见的变通模式是角色拆分：@cyrilXBT 共享（33 个点赞，12 条回复，2,045 次浏览）展示了一种 Claude Code 配置：由 Opus 负责规划，Sonnet 负责编码，Haiku 负责搜索，再由一个批评型智能体在合并前审查 diff。
迁移模式的重点并不在于永久从一家实验室切换到另一家，而在于保留选择空间。Projects、仓库记忆文件、Railway 沙箱和 GitHub 沙箱化，都通过让用户能把工作流习惯带到不同工具之间，或围绕选定工具加强控制，来降低锁定效应。因此，竞争态势最激烈的领域是记忆、护栏和技能生态，而不只是基础模型品牌。即便是模型选择，讨论框架也更多围绕任务经济性，而不是标价：@Vladic_ETH 认为（32 个点赞，18 条回复，2,001 次浏览）称，Sonnet 5.5 在 max 档位下每个任务可能花费 $7.67，而 Opus 5.5 在 xhigh 档位下取得相同分数仅需 $3.46。
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 |
|---|---|---|---|---|---|---|
| Skills For Real Engineers | Matt Pocock | 面向编码智能体的可复用工程技能包 | 减少对齐偏差、规格薄弱、测试脆弱和反复出现的 bug 循环 | Markdown 智能体技能、插件安装器、多智能体市场 | 已发布 | 推文, GitHub |
| MemoraX Code | MemoraX AI | 可在智能体之间保存项目经验和既有方法的记忆层 | 智能体会在会话之间遗忘此前的修复、推理过程和本地约定 | 记忆层、Codex、Claude Code、OpenCode、CLAUDE.md 式约定 |
已发布 | 推文, 发布 |
| cass-memory | Dicklesworthstone | 面向多代理的过程记忆 CLI，带可搜索历史和 playbook 规则 | 让一次代理会话中的经验教训之后也能供其他工具使用 | TypeScript、Bun、CLI、playbook 和 diary 分层 | Alpha | 推文, GitHub |
| Pulumi Agent Skills | Pulumi | 面向迁移、Pulumi 运维、provider 维护和 Neo 交接的领域专用技能 | 为编码代理提供可重复的基础设施工作流，而不是临时靠提示词摸索 | Python 和 Markdown 技能包、Pulumi CLI、agentskills 标准 | 已发布 | 推文, GitHub |
| geo-sleuth | Oldcircle | 可对照片进行地理定位并返回有证据支撑的相机位置的代理技能 | 将图像地理定位从猜测变成可复现的工作流 | Python、OpenStreetMap、地平线高程轮廓、卫星瓦片、街景 | 已发布 | 推文, GitHub |
| OpenCode iOS | @thdxr | 可将手机与 OpenCode 会话配对的移动端伴侣应用 | 将编码代理的访问能力延伸到桌面之外 | OpenCode、iOS、远程配对 | Beta | 推文 |
| Thumb-monitor Decisions app | @jamiequint | 监控 Ubiquiti 视频流，并在检测到吮拇指习惯时自动暂停电视 | 基于真实家庭监控需求构建的个人自动化应用 | OpenAI Decisions API、Ubiquiti 视频流、本地控制 | Alpha | 推文 |
记忆基础设施主导了创作者榜单。MemoraX Code、jevmem 和 cass-memory 解决的都是同一个根本痛点——代理反复重新学习本地上下文——但它们把记忆放在了不同的位置：托管层、由仓库追踪的 Markdown 文件，或跨代理的 playbook 系统。
接下来最明显的模式，是范围收窄且可验证的技能。Skills For Real Engineers、Pulumi Agent Skills 和 geo-sleuth 都是在收窄任务、编码预期工作流，并让代理的工作更容易被检视。这种创作者倾向，与再推出一个前沿模型封装器并不相同。
更轻量的载体同样重要。OpenCode iOS 把代理会话带到了手机上，而 @jamiequint 展示了（19 个赞、4 条回复、1,108 次浏览）展示的则是一个可运行的家庭应用，接入的是 Ubiquiti 视频流和 Decisions API，而不是一个泛泛的演示页面。
6. 新内容与值得关注的动态¶
基于状态的代理评测暴露出一个明确的基准缺口¶
今天最有用的 eval 细节不是排行榜，而是一种失败模式。@sermakarevich 写道（80 个赞、22 条回复、3,378 次浏览、108 次收藏）指出，仅按回复内容打分，可能会显著高估成功率；他的回复还给出了一个清晰例子：如果只评估答案，60 次运行中有 58 次通过；而在检查最终状态、必需工具、禁用工具和步骤预算时，只有 48 次通过。这一点很重要，因为它把代理质量从一种模糊感觉，变成了更收窄、可证伪的主张。
Copilot 治理继续扩展到评审、沙箱和 IDE 默认设置¶
GitHub 的 代码审查计费更新 让组织能够将评审计费记到组织账上，而不是计入成员配额，并且还可以选择强制执行授权用户规则。第二天，每周发布说明 在应用中加入了本地沙箱隔离，以及独立的 GitHub 和 Copilot 账户；而 JetBrains 更新 则增加了企业托管的默认模型，并支持手动控制 MCP 服务器启动。整体信号很明确：治理功能不再只是边缘场景下的管理员工作，而已成为核心产品竞赛的一部分。
Agent 可移植性迅速变得更轻¶
@SahilPanhotra 展示了（32 个赞，10 条回复，1,602 次浏览，27 次收藏）展示了一个 Railway 试用 VM，配备 2 vCPU、2 GB RAM、实时预览 URL，并预装了 Claude Code、Codex 和 OpenCode。@st7evechou 开始测试（3 个赞，2,415 次浏览）展示了 OpenCode iOS 版，并演示了远程配对流程；而 @bidyut_io 展示了（4 个赞，2 条回复，86 次浏览）则展示了在 Android 的 Termux 中运行、并搭配 Google AI Pro 账户的 Antigravity CLI。它们共同指向同一个变化：编程 agent 正在摆脱单一桌面壳层的束缚。
7. 机会在哪里¶
[+++] 低开销召回的跨工具项目记忆层 —— 第 1、2 和 5 节的证据都指向同一个痛点：agent 在跨会话时仍会忘记本地决策、失败路径和代码仓库约定。用户正在测试 Projects、MemoraX、jevmem 和 cass-memory，因为这个痛点已经切实存在。最有潜力的切入口，是一种能在厂商切换后依然保留、可在仓库内检查、且不会明显消耗使用预算的记忆层。
[++] agent 产品的发布与配额可观测性 —— Argon 的隐藏发布、900K 上下文成本暗示、Astra 配额耗尽投诉，以及组织级 Copilot 计费变更，都表明能力与用户可见状态之间存在断层。如果能在会话开始前就通过一个仪表盘说明可用性、上下文成本、剩余额度和计费归属，就能解决一个用户已经在手动绕开的现实问题。
[++] 基于状态的评测与权限审计工具包 —— 评测帖子里 60 次中 58 次对比 48 次的差距，再加上 GitHub 的沙箱和审查控制，表明市场需要这样一类工具：检查 agent 改动了什么、调用了哪些工具，以及它的权限是否符合策略。这一方向很有力，因为它同时覆盖了质量与安全。
[+] 输出可验证的窄技能包 —— Skills For Real Engineers、Pulumi Agent Skills 和 geo-sleuth 都表明，小型可复用工作流正在不同 agent 之间获得采用。这个机会正在浮现，因为当前证据仍然偏向构建者，但模式已经很一致：当任务足够聚焦、输出又可检查时，信任就会上升。
8. 要点¶
- Argon 在尚未成为公开产品的情况下主导了关注度。 隐藏的模型选择器、Leaving Soon 标签和 900K 上下文暗示，给了用户更多关于发布进展的线索，但主要证据仍然是截图，而不是已正式上线的访问。（来源） 2.持久记忆如今已成为 AI 编码领域的核心战场。 Codex memory、MemoraX Code、Claude Code Projects、jevmem 和 cass-memory 都在攻克同一个痛点：智能体总会忘记代码仓库中特定的决策，以及那些已经走过却失败了的路径。（来源）
- 高质量对话的重心，正从“输出够不够聪明”转向状态、工具和防护约束。 目前最清晰的评测案例显示：如果只检查回复本身，60 次里有 58 次通过；而把状态和工具使用也纳入检查后，通过次数就降至 60 次中的 48 次。（来源）
- 开发者的精力正集中到那些狭窄但可审查的技能上。 Skills For Real Engineers、Pulumi Agent Skills 和 geo-sleuth 都在把可重复的工作流封装起来，使其能够在多个智能体 shell 之间迁移使用。（来源）
- 可移植性正成为一种默认预期。 Trial VMs、OpenCode iOS pairing，以及 Android 上的 Antigravity CLI，都指向这样一个趋势：智能体工作流不再被固定在某一台桌面机器上。（来源）