Anthropic 的 Thariq Shihipar 谈 Claude Code 下一阶段与智能体安全
Anthropic 的 Thariq Shihipar 在 Latent Space 播客中谈 Claude Code 的下一阶段，包括 Ask User Question、artifacts、Claude Tag、Projects 和可自定义 harness 的 Claude Mods。
#MCP/工具调用
#MCP/工具调用
今日 0 条昨天 · 9月29日星期二
9月21日星期一
Simon Willison 反驳「MCP 一直是坏主意」：终端智能体之外 MCP 仍有价值
Simon Willison 反驳「MCP 一直是坏主意」的观点，认为该文忽略了 MCP 当下的价值：若运行 Claude Code、Codex、Meta Muse、OpenClaw 等拥有无限制互联网访问的完整终端智能体，确实几乎无需 MCP，直接调用 API 即可。
9月18日星期五
GitHub Podcast 拆解 AI 热门观点：该不该读代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是连接工具与数据的标准，可组合使用；RAG 并未死亡，它为模型提供训练数据之外的相关信息，减少 token 浪费并让回答更有依据。
6月10日星期三
Claude Code 团队成员 Thariq 的十条效率建议：从检查它做没做对，转向检查它做没做对的事
Thariq 的核心观点是换个思路用 Claude Code：别老盯着输出结果挑错，先确保它接对了任务。他给了十条具体做法。第一，一上来就把项目背景、限制条件全丢给它，把它当能跟你讨论的同事，而不是个补丁工具。第二，用一份简短的需求文档引导 Claude 反问你细节，把模糊想法聊清楚。第三，让它同时探索几个方案，直接生成 HTML 原型给你看，比看文字...
推荐理由：这篇是 Claude Code 的实战教程，干货密度高。Thariq 没讲大道理，而是给了十条能立刻上手的操作，比如先把项目背景全丢给模型、用需求文档引导它反问细节、让它同时跑几个方案出 HTML 原型对比。核心思路是把 Claude 当能讨论的同事，而不是补丁工具，这个视角切换本身就值回票价。内部人士分享加上三条 HKR 全中，放在 featured 没问题。
6月7日星期日
拆解 Claude Design：从开源插件反推一位 AI 设计师是怎么被组织起来的
Anthropic 没公开 Claude Design 的内部 prompt，但他们在 GitHub 开源了一套设计工作流插件。作者把它拆开看，发现它把设计工作分成了六类活动：设计评审、设计系统管理、开发者交接、UX 文案、无障碍扫描和用户研究综合，每类给 Claude 一份独立的操作指引。这么分不是随意的，因为设计评审和 UX 文案需要的判断标准完全...
推荐理由：这篇文章不是 Anthropic 官方发布，是第三方从开源插件反向推理 Claude Design 怎么干活，所以我会先打个折，但拆解质量够硬。作者把设计工作切成六类活动，每类给 Claude 一份独立 prompt 指引，还分析了工作流怎么串、审美怎么判断、效果怎么评估、插件怎么跟 Figma 等工具对接，信息密度比一般评论高。对做 agent 工作流设计和设计自动化的从业者来说，能直接拿来参考怎么给自己的模型拆任务、写指引。缺点也明显：正文没披露 Claude Design 实际产出的设计质量数据，也没对比其他设计 agent 的效果，所以别太...
6月6日星期六
群聊周报 Vol.2｜这一年你学的 AI 技巧，可能白学了
作者把自己折腾了一个多月的开源 AI 管家“龙虾”（OpenClaw）亲手退役了。这东西需要自己搭环境、接 API、家里留一台电脑常年开着，结果 Claude 官方桌面产品 Cowork 一出，原生就把他那些魔改的功能全包了，还更稳定。文章用投资圈的 Alpha 和 Beta 来解释这件事：追 Alpha 是跟全世界较劲，你精心调的提示词、手动接的插件...
推荐理由：这是一篇个人周报，不是模型或平台发布，但作者亲手退役自己折腾了一个多月的开源项目这件事本身就有说服力。HKR 三项都踩中了：技能焦虑够抓人，部署条件够具体，对从业者的决策有实际触动。正文没披露 OpenClaw 的具体性能数据和 Cowork 的对比测试，所以重要性停在 72 是合理的，等官方模型放出来再看。
6月3日星期三
当 AI Agent 变成主力开发者，研发工具链得从头想想了
这篇文章我没能看到正文，微信页面显示环境异常需要验证。从已有的英文摘要看，作者许晓斌提出了一个判断：用 AI Agent 做开发，能把从“有想法”到“出代码”的周期从几周甚至几个月压缩到几分钟。他举了几个例子，包括用 Agent 搭周报系统、多角色 Agent 协同开发、自动配镜像仓库。文章还点出了现有研发设施跟 Agent 开发模式不匹配的地方，比如...
推荐理由：这篇文章不是产品发布或模型评测，而是一篇基础设施层面的评论。我会先打个折，因为案例都来自作者自己的实践，没有第三方验证，但“周/月级压到分钟级”这个说法配上具体场景，对从业者来说有参考价值。正文没披露多角色 agent 协作的成功率和翻车率，这点先别太激动。整体放在 featured 里合理，属于那种看完会让你重新打量自己团队流水线的东西。
智能体工程实战窍门全录
@mvanhorn 分享了一套让 AI 智能体干活的工程方法，核心是把开发流程从“人写代码”扭成“人定方向、智能体执行”，工作台从 IDE 搬到了终端和一份 plan.md 计划文件。整体走 Research → Plan → Work 循环，用 plan.md 来约束智能体行为。帖子总结了 22 条实战技巧，覆盖规划、并行执行、输入方式、远程控制这些...
推荐理由：这是一篇从业者的方法总结，不是模型发布或产品上线。正文没披露完整工具栈清单，所以我会先打个折。但 Research→Plan→Work 循环和 plan.md 约束的思路很具体，22条技巧也给了可操作的抓手，对正在折腾智能体工程的人有直接参考价值，放在 featured 档刚好。
Claude Code 团队自述：把编程工作默认交给智能体后，我们的流程和分工全变了
Claude Code 的工程主管在 Code w/ Claude SF 2026 活动上分享了团队内部的变化。他们把智能体编程（让模型直接写代码、改代码）设为默认工作方式后，砍掉了传统的详细需求文档，改成“即时规划”——在动手前先让 Claude 收集上下文、理清任务。代码审查环节，Claude 会先过一遍代码风格和测试覆盖，人则把精力集中在法律合规...
推荐理由：这是 Anthropic 自家团队在 Code w/ Claude SF 2026 上的分享，不是模型发布或重大产品更新，所以分数压在 80 分左右。亮点在于他们公开了内部怎么用 Claude Code 干活：规划从提前设计改成即时按需，写代码前先让 Claude 把上下文理一遍，审查环节把风格和测试甩给 Claude，人只做法律和安全判断。这些机制写得实在，没有画饼，对工程团队有直接参考价值。但正文没披露具体效率数据或量化对比，所以别当性能报告看。
6月2日星期二
Anthropic 开发者公开了一套 Claude Code 工作流，核心是让 AI 当老师逼你真正搞懂代码，而不是只点“同意”
这套流程把 Claude Code 定位成“高效又聪明的老师”，目标不是替你写完代码，而是确保你能把问题、方案和影响讲清楚、辩得动。它沿着问题域、方案域和语境域三条线，拆成 8 个可执行步骤，用增量教学、用户复述、清单加测验的方式，在进入下一步前先确认你真的懂了。这么设计是为了对抗长会话里人慢慢变成“审批按钮”的问题，强制把决策上下文沉淀下来，让理解过...
推荐理由：我会先打个折：这不是产品发布，是一篇实操分享，所以放在 featured 低位。HKR 三项都踩实了——钩子把“人变按钮”这个痛点讲得很透，知识部分有 8 步工作流和验证循环，相关性直击开发者对 agent 失控的担忧。正文没披露这套流程在复杂项目里的失败率，这点先别太激动，但作为可落地的教程，信息密度够。
我花了几个月钻进 verl 的 RL 训练框架，最后还是放弃了：内部机制、维护分支的代价，还有一个 NCCL 的坑
作者深入研究了字节跳动的 verl（一个做 RLHF 强化学习微调的开源框架），把它的核心流程拆了一遍：DataProto 数据协议怎么走，模型怎么生成回答（rollout），怎么打分（reward），怎么算优势函数（advantage），最后怎么更新模型。作者本来维护了一个自己的分支，但因为上游几乎每天都有改动，同步的成本比自己做改动还高，最后只能停...
推荐理由：这是一篇来自一线的 RL 后训练框架使用报告，不是官方发布。作者没在推销什么，而是老实交代了 fork 又放弃的原因和踩坑记录。我会先打个折：信息密度不错，但只覆盖单机场景，正文没披露多机下的 NCCL 表现。对正在选型或折腾 verl 的人有参考价值，对其他人可能就只是看个热闹。
6月1日星期一
AI 正在搅乱音乐圈，格莱美打算怎么接招？
流媒体平台 Deezer 的数据显示，每天有超过 5 万首 AI 生成的歌曲被上传，这个数字还在涨。格莱美主办方录音学院的 CEO Harvey Mason Jr. 说，他最近参与的每一场录音 session 里都有 AI 工具的身影，AI 在音乐制作里已经“无处不在”了。不过，格莱美目前的规则仍然禁止纯 AI 音乐角逐最高奖项。Harvey 还聊了格...
推荐理由：这篇更像播客式的政策讨论，不是模型发布、产品更新或有约束力的法规。最实在的信息就两个：Deezer 每天 5 万首 AI 歌的数字，以及格莱美最高奖的资格冲突。我会先打个折，因为正文没给出具体的规则修改时间表或技术方案，更多是抛出一个行业正在吵的问题。
用 Claude Opus 4.8 把一本书做成 AI 技能，45 分钟、不到 20 块钱
作者拿《非暴力沟通》试了一遍，用 Claude Opus 4.8 把整本书拆成可调用的 AI 技能。流程分六步：先喂全书文本，让模型分析结构，再提炼框架、原则、技法、反模式和作者语气这五类内容，接着生成技能，最后做一轮自检。技能保留了书里的原始命名，比如 OFNR 四要素和“长颈鹿语言”，但触发词换成了“怎么提意见不像在指责”这种日常说法。全程花了约 ...
推荐理由：这是一篇带编号步骤的第一人称Claude实操教程，成本和token数据都摆出来了。因为属于个人教程而非Anthropic官方发布或模型更新，所以放在featured低位。
5月29日星期五
Token 费用难以负担
OpenAI 员工晒出自己一个月的 Token 用量：760 万次请求，6030 亿 Token，按公开费率算价值 130 万美元。虽然他是内部员工不用掏钱，但这个量级让外界看清了一件事——如果放开让程序员用顶级模型，一个人一年光 Token 费就可能上亿人民币。换成国内便宜的开源模型，也要两三百万。Uber 今年头四个月就烧完了全年 34 亿美元的 ...
推荐理由：Peter Steinberger的CodexBar使用数据把Token费用问题算成了一笔明账：一个月760万次请求、6030亿Token，按预设费率估算价值130万美元。这个数字够具体，也够吓人，直接点出了AI编程工具在规模化使用时的成本压力。文章不是产品发布或模型评测，而是从业者的真实账单分享，对正在评估AI工具成本的团队来说，比任何公关稿都实在。
技能提炼：让大模型写操作手册，小模型照着干活
作者 Tomasz Tunguz 分享了他用“技能提炼”让本地小模型跑个人工作流的做法。他会让 Opus 4.7、GPT-5.1 或 Gemini 3 Pro 这类顶尖模型，把处理邮件、管投资 pipeline、发博客等任务写成标准化的 SKILL.md 步骤文件，然后由本地运行的 Qwen 35B 或 Gemma 26B 一步步执行。这套系统基于 P...
推荐理由：这个技能提炼模式把大模型当教练、本地模型当执行者，思路清楚，对控制成本有实际意义。我会先打个折，因为文章没披露任何量化结果——不知道本地模型执行时会不会翻车，也不知道到底省了多少钱。这点先别太激动，等有数据再说。
异步 Agent 时代来了：Cognition 的 Walden Yan 和 OpenInspect 的 Cole Murray 聊背景干活、从需求直接到...
这期播客聊的是 AI 编程工具正在从“在编辑器里帮你补全代码”转向“在后台独立完成整个任务”。Cognition 的首席产品官 Walden Yan 和 OpenInspect 的 Cole Murray 分享了他们看到的趋势：Devin 合并的 PR 数量涨了 7 倍，Cognition 自家仓库里由 AI 生成的提交占比从 16% 飙升到了 80%...
推荐理由：H、K、R 三项都站得住：Cognition 自家仓库的数据让这篇访谈不只是 agent 口号。分数留在 78 分，因为它本质还是访谈和趋势观察，不是重大模型或产品发布。
5月28日星期四
用两个 Git 仓库把周报、洞察和效能报表自动化，省掉 80% 的手工活
周志伟分享了一套项目管理方案：用两个 Git 仓库，配合 AI 编程助手、Shell 和 Python，把催周报、搬数据、画图表、出工程效能报告这些事自动化了。正文没披露具体实现细节和验证数据，但按他的说法，至少能省掉 80% 的手工跟进和报表工作。
推荐理由：我会先打个折：80% 这个数字正文没给验证方法，别当基准看。但思路本身很实在——用两个 Git 仓库当数据源，让 AI 编码助手加脚本去自动拉数据、出图表、拼周报，把项目经理从催收和搬运里解放出来。对 AI 从业者来说，这不是模型或平台发布，而是一个可抄作业的工作流改造，成本低、痛点准，所以给了 featured。
5月27日星期三
阿里吕若凡聊 Agent Room：让多个 AI 共享上下文和任务账本，从跑流程进化到协作判断
这篇文章讲的是阿里技术专家吕若凡提出的 Agent Room 模型。核心想法是不再让 AI 智能体各干各的，而是把它们放进一个共享上下文、任务账本、记忆和产物的“房间”里协作。文章用两个软件工程案例做了验证，说明这套系统不是简单地把任务分发给不同模型，而是让它们能基于共享信息做出协作判断。不过正文因为微信环境验证问题没能加载出来，具体的技术细节、实验数...
推荐理由：这是一篇方法论文章，不是模型发布或开源框架，但 Agent Room 的机制和两个研发现场让它有干货。HKR 三项都踩中了，我会给到 76 分，放在 featured 里。
用好AI的第二步：先写Skill再执行
作者提出一个反直觉但关键的工作习惯：让AI干活前，先把成功标准、踩过的坑和固定工具写成一个Skill文档。因为AI没有记忆，每次新对话都是白纸一张，不把经验外化落盘，它下次还会犯同样的错。文章解释了为什么程序员反而容易掉进“只有代码才能复用”的陷阱，并给出Skill的三个要素：描述最终想要什么而不是微操步骤、只记录AI真正犯过的错、提供确定性的工具调用...
推荐理由：这篇文章没讲新模型或产品能力，也没给实验数据，但“先写 Skill”这个动作把 agent 工作流从一次性尝试变成了可积累的资产，对日常用 Claude Code 或类似工具的人有直接参考价值。三个 Skill 要素讲得清楚，复用方式也具体，所以放在 featured 档。
用好 AI 的第二步：先写“技能说明书”，再让 AI 干活
作者王咏刚提出一个反直觉的习惯：别上来就让 AI 直接做事，先把怎么做写成一个可复用的“技能文档”。他用 Outlook 收邮件举例，第一次花半小时把用户名、手机端批准、客户端选择这些坑都记下来，下次 AI 读这个文件就能跳过所有陷阱。核心逻辑是，AI 没有记忆，不把经验外化成文档，它就会反复踩同一个坑。程序员容易觉得只有代码才值得复用，但文章指出，研...
推荐理由：这是一篇工作流教程，不是产品或模型发布。技能文档化的机制和 Outlook 示例够实在，能上 featured；但来源权威性一般，所以定在 72 分。
5月25日星期一
Hugging Face 发了一篇术语辨析，把智能体的模型、脚手架和线束三层结构讲清楚了
这篇博客把智能体拆成了三层：模型（就是大语言模型本身）、脚手架（通过提示词和工具描述来定义模型的行为逻辑）和线束（负责实际跑模型调用、工具调用和控制循环的代码）。作者认为现在行业里这些词被混用得厉害，比如有人把整个智能体叫脚手架，有人把执行层叫线束，这篇就是想给个实用的参照，不是要定死标准。文章还顺带理了上下文工程、策略、技能、子智能体这些常被模糊使用...
推荐理由：Hugging Face 这篇把 agent 拆成三层：模型本身、Scaffolding（定义行为）和 Harness（管工具调用与控制循环）。这个分法解决了一个很实际的痛点——现在聊 agent 的人经常把“怎么调用工具”和“谁在控制循环”搅在一起，文章直接划了条线。我会先打个折：正文没给出具体的实现案例或性能对比，更像概念梳理，所以重要性停在 72 分。对正在搭 agent 架构的从业者来说，这篇能当一张参考图用，但别指望它直接告诉你代码怎么写。
5月23日星期六
Agent 里的调度模型能做多小？有人用 3B 激活参数的 MoE 跑通了本地 ReAct 循环
这篇帖子来自一个叫 HomoAgens1 的本地部署实验，他把 Agent 的调度模型和写代码的大模型拆开看，专门测调度环节能缩到多小。他用的 Qwen3.6-35B-A3B 是个 MoE 模型，实际干活时只激活约 3B 参数，跑在一块 12GB 显存的 GPU 上，关了 30 个专家做 offload，生成速度能到每秒 40 个 token。实验发现...
推荐理由：我会先打个折：这是 Reddit 上的单人实验，不是正式发布，结论别当定论。但它的发现很实在——用 Qwen3.6-35B-A3B 跑 ReAct 编排，3B 激活参数就能在 12GB 显卡上跑到 40 t/s，成本够低。更小的模型不是推理先崩，而是工具调用纪律先坏，这个失败模式对选型很有参考价值。显存、速度和故障点都给了具体数字，对想在家用显卡上折腾 agent 的人是一手好参考。
5月22日星期五
可塑界面：AI 让软件界面按需变形，不再只有一种固定样子
Salesforce 已经“砍掉”了传统界面，销售不用登录网站就能通过 AI 更新交易记录。作者把这种趋势叫做“可塑界面”——AI 能根据你当下在干嘛，动态生成最适合的交互形式，比如开车时给你念邮件摘要、审文案时弹出网页应用、做预算时直接给个带图表的表格。文章引用了 Airbnb CEO 和 Anthropic 工程师的观点，认为纯文本对话不够用，电商...
推荐理由：我会先打个折：这篇是软件形态的展望，没有上线时间、用户数据或可复现的测试，所以放在评论类里刚好。正文说 Salesforce 已经用无头架构让销售靠 AI 直接改数据，界面不再写死，而是按场景动态生成 HTML、音频甚至网页。这点先别太激动——正文没披露这套动态生成在 Salesforce 里的实际覆盖范围、延迟和出错率，也没说 MCP 具体怎么接。但思路本身对做 B 端产品的人有用，因为它把“界面”从设计稿变成了模型输出，省不省开发成本另说，至少交互逻辑要重想。
5月21日星期四
Cursor 复盘云端智能体踩坑史：环境没配好，模型再强也白搭
Cursor 团队把云端智能体从本地搬到服务器上跑了一年，最大的教训是：开发环境本身就是产品。本地跑的时候，模型直接继承你电脑上的全套工具链，但云端得从零重建，缺个依赖、少个配置，模型不会报错，只会悄悄变笨。他们后来把任务调度迁到 Temporal 上，可靠性从 99% 拉到了 99.9% 以上，现在平台每天处理超过 5000 万次操作。文章还聊了怎么...
推荐理由：HKR 三项都成立：Cursor 在编程 agent 圈子里是核心玩家，文章给出了 Temporal 迁移、99.9%+ 可靠性和 5000 万次日操作量这些实打实的数据。不是产品发布，所以放在 featured 低段位。
从零搭一个 Agent：原理拆解与个人助手实操
这篇文章因为微信环境异常，正文内容没抓到，只看到标题和作者信息。标题说会讲 Agent 的原理分析和从零搭建个人助手的实践，作者是 Zhan Xupeng，预计阅读时间 50 分钟，属于长文干货。但具体讲了什么——比如记忆模块怎么设计、ReAct 规划怎么落地、技能加载是渐进式还是一次性、子 Agent 怎么协作、故障恢复怎么做——这些细节正文都没披露...
推荐理由：我会先打个折：标题确实平平无奇，像又一篇入门教程。但点进去会发现，作者把 Agent 的骨架拆得很实在——记忆怎么存、ReAct Plan 怎么跑、skill 怎么按需加载、subagent 怎么分工、harness 怎么兜底，这些设计都写到了。对正在折腾个人助手或想让 Agent 稳定跑业务的同学来说，这篇比大多数水文有料。不过正文没给出量化验证，效果到底怎么样还得自己试。
用 API 原生结构约束替代提示词校验，Claude 输出解析成功率从 65% 跳到 90%+
一位 Reddit 用户对比了两种让 Claude 稳定输出结构化数据的方法。靠提示词描述格式再事后用正则或 JSON 解析（方案 A），首次解析成功率只有 65%–70%；换成直接调用 tool_use 功能，用强类型 schema、枚举值约束和分步校验（方案 B），成功率拉到 90%–95% 以上。方案 B 的原理是让 API 在模型生成前就卡死输...
推荐理由：我会先打个折：数据来自 Reddit 个人测试，样本量和具体任务都没披露，不能当正式基准看。但 hook 很清晰——从提示词正则校验换成 schema 强制输出，首轮解析率从 65–70% 拉到 90–95%+，说明让模型按类型 schema 直接吐结果比事后用正则捞靠谱得多。这点先别太激动，正文没交代测试条件，但方向对工程选型有参考价值，所以给 featured 低档。
5月20日星期三
Cursor 和 Claude Code 没变笨，是它们的 agent 循环在盲目翻文件，把上下文窗口撑爆了
有 Reddit 用户扒了 API 日志，发现 Cursor 和 Claude Code 的 agent 干活时，会在上万行的代码库里反复用 grep 搜大约 40 个文件，有时为了改 5 行代码就把整个 2000 行的文件塞进上下文。更夸张的是，在真正开始写代码前，光工具定义和操作日志就先吃掉大约 3 万个 token。帖子认为工具本身没降智，是这种...
推荐理由：这篇 Reddit 帖子没走“模型降智”的老路，而是从 API 日志里挖出一个更扎心的解释：agent 在工作时自己把上下文窗口塞满了。我会先打个折——这只是单帖爆料，没附原始日志，也没第三方复现，所以不能当定论。但它的价值在于把模糊的“变慢变蠢”翻译成了可排查的结构性问题：仓库一大，递归检索就失控，工具描述和日志占掉大量 token，留给真正写代码的空间反而不多。对正在用这类工具的从业者来说，这比猜模型更新管用，因为它指向了可以动手优化的地方，比如裁剪工具定义、限制检索深度。正文没披露具体复现步骤，这点先别太激动，但作为一线信号已经够格上 fea...
5月19日星期二
微软前高管开撕老东家：Copilot 付费用户实际使用率不到 3%，AI 投入产出严重倒挂
微软前 Windows AI 合作总监韦洛索跳出来说，微软又错过了一波浪潮。他列了几个扎心数字：2023 到 2025 年，微软靠和 OpenAI 的合作赚了约 300 亿美元，但搭进去的成本高达 1000 亿美元。更惨的是 Copilot，虽然到处预装，付费用户里真正在用的不到 3%。他还提到，微软在必应搜索上砸了重金做 AI 化，市场份额纹丝不动；...
推荐理由：这条料来自微软前高管，不是官方口径，所以我会先打个折来看。但他甩出的数字很具体：300 亿营收对 1000 亿成本，Copilot 付费使用率不到 3%。如果属实，说明微软这波 AI 投入目前回本压力巨大，Copilot 叫好不叫座的问题比外界想的严重。正文没披露这些数字的统计口径和时间范围，这点先别太激动。
用 Claude Code 两分钟生成一个项目计划页，比 Notion 快了近 20 倍
作者给 Claude Code 下了一段精确的提示词，两分钟就吐出一个单文件 HTML 页面，暗色主题、时间线、可折叠表格全都有，没有外部依赖，拿来就能用。他以前在 Notion 里搭同样的模板要花 30 到 40 分钟，效率差了近 20 倍。核心是把视觉、内容结构和交互细节一次性写进提示词里，让模型直接交付成品。正文没披露具体提示词全文，也没说生成后...
推荐理由：HKR 三项全中：有具体的 Claude Code 实操钩子，有 2 分钟 vs 30-40 分钟的硬数字对比，对一线干活的人直接有用。范围虽小，但信息密度够，放在 featured 没问题。
2026 年 Hermes Agent 替代品实测：11 款工具谁值得折腾
作者团队里有人搞不定 Hermes 的部署，加上自托管 agent 的安全问题越来越复杂，于是把市面上 11 款替代品拉出来测了一遍。开源这边，OpenClaw 有 34.7 万 GitHub 星标和 24 个以上的平台集成，但安全记录很差，3 月曾 4 天内爆出 9 个 CVE 漏洞，独立审计发现 ClawHub 上约 20% 的包是恶意的，要用得先...
推荐理由：这是一篇 Reddit 用户做的 Hermes Agent 替代品横评，11 个选项分开源和托管两档，OpenClaw 的数据（347k stars、24+ 集成、9 个 CVE）让对比有抓手。我会先打个折：单帖来源，没披露测试方法和版本，结论不能当权威报告用。但“替你试完”这个角度确实省时间，安全漏洞数量也提醒选型时别光看 star 数。整体对正在搭 Agent 的人有参考价值，所以放在 featured 档。
5月17日星期日
龙虾之父自曝月烧130万美元token，账单OpenAI全包
Peter Steinberger 晒出后台数据，30天里跑了760万次请求，烧掉6030亿个token，账单超过130万美元。他提到关掉“快速模式”后费用直接砍了七成，而且这笔钱目前由 OpenAI 承担，他自己不用掏。
推荐理由：我会先打个折：这是个人晒账单，不是 OpenAI 官方调价，但 130 万美元这个数本身就够从业者心里咯噔一下。文章给了很实的用量——6030 亿 token、760 万次请求，还点出关掉快速模式能砍掉七成费用，对正在跑 agent 的团队有直接参考价值。不过正文没披露他具体跑了什么任务、模型怎么选的，也没说 OpenAI 为什么免单，这点先别太激动。整体更像一条带数据的成本警示，不是产品发布，所以放在 featured 刚好。
5月16日星期六
Anthropic 内部手册：AI 反而会让创业失败率变高
Anthropic 发了份内部手册叫《Founder's Playbook》，结论挺反直觉：像 Claude Code 这类 AI 工具，不是让创业更容易成功，而是会把失败率推高。手册把创业拆成想法、原型、发布、扩张四个阶段，逐个拆解 AI 放大风险的方式。最核心的问题是，AI 能几分钟跑出一个能用的原型，创始人很容易把“能跑通”当成“市场需要”，再用...
推荐理由：Anthropic 这份创始人手册没在吹自家工具多好用，而是警告 Claude Code 这类 AI 会让创业者在四个阶段更容易踩坑。我会先打个折：正文没给出具体数据或可复现的测试，更像经验总结。但“降低建造成本却放大判断错误”这个角度确实少见，对正在用 AI 加速开发的团队是个清醒提醒。
5月15日星期五
Claude API 提示预缓存：先预热系统提示，再让真实请求直接命中缓存，首 token 生成更快
一个减少长提示首 token 延迟的实用技巧。在用户请求到达前，先单独发一次系统提示给 Claude，让它把提示写进缓存，但跳过输出。等真实请求进来时，缓存已经热好，直接命中，省掉重复处理长提示的时间。正文没披露具体提速多少，但思路很直接，适合系统提示固定、用户提示多变的场景。
推荐理由：Claude API 搞了个提示预缓存，相当于提前把系统提示塞进缓存里热着，真实请求一来就能省掉首令牌的等待。正文没给出具体能省多少毫秒，也没说缓存能热多久、会不会额外计费，所以省钱效果先打个折看。整体是个实用的推理优化小更新，不是模型能力或大版本发布，放在 featured 里当个中等权重的消息刚好。
5月14日星期四
双卡 RTX 3090 跑 Qwen 3.6 27B：48G 显存、26 万上下文窗口，生成速度 113 token/秒
一位 Reddit 用户用两张 RTX 3090 在 Ubuntu 上跑 Qwen 3.6 27B 模型，没上 NVLink。处理长文本时每秒能啃 4000 个 token，生成回答的速度是每秒 113 个 token。这个速度日常聊天或做文档处理都够用。不过帖子正文被 Reddit 的安全策略挡了，看不到具体配置细节，比如用的是哪个量化版本、功耗和温...
推荐理由：我会先打个折：这是单个 Reddit 帖子，没披露量化方式、批处理大小和功耗，复现细节不够。但 HKR 三条都踩中了——配置具体、数字清楚、直击本地推理玩家的痛点，所以给到 featured 的低位。
5月13日星期三
Andrej Karpathy 说，AI 编程账单九成花在了没用的上下文上
Karpathy 点出几个常见的浪费行为：每次请求都把整个代码库丢给模型、用最贵的模型干简单活、Agent 重复发送相同内容。他给的省钱思路是管好上下文、打开提示词缓存、按任务难度分模型——日常用便宜的，关键任务再上贵的，再建一个 SKILL.md 文件避免每次都重新教模型。正文没给出具体测试数据，但逻辑上确实能省。
推荐理由：Karpathy 这条吐槽本身信息量不大，但胜在把“无效上下文”这个老问题用账单浪费的角度重新讲了一遍。我会先打个折：正文没给出具体账单样本或可复现的测试，所以没法验证 90% 这个数字。不过它确实把三种典型浪费场景列清楚了——重复传代码库、杀鸡用牛刀、不开缓存——对正在付钱的开发者有直接参考价值。这点先别太激动，但值得看一眼自己的 API 调用是不是也犯了这些毛病。
5月12日星期二
Anthropic 工程师提议用 HTML 替代 Markdown，Karpathy 也表态支持
Anthropic 工程师 Thariq 发了条推，列出 5 个理由主张模型输出 HTML 而不是 Markdown，Karpathy 随后转发表示认同。他的核心论点是 Markdown 的语法歧义太多，解析器各家实现不一致，模型生成时容易出错；HTML 虽然啰嗦但结构明确，对自动化处理和前端渲染更友好。正文没披露具体是哪 5 个理由，只提到生成 HT...
推荐理由：Anthropic 工程师 Thariq 主张用 HTML 替代 Markdown，Karpathy 也表态支持，这事在开发者圈子里容易吵起来。我会先打个折：这不是模型发布或产品更新，只是一场格式辩论。但文章给了具体数字——HTML 生成时间是 Markdown 的 2 到 4 倍，说明成本差距不小，从业者会关心 token 消耗和维护复杂度。正文没披露实验环境或代码，所以别太激动，目前只是一篇 Reddit 帖子，没有独立复现或论文支撑。
AI 怎么让我失眠，又怎么帮我找回了睡眠
作者三月底开始严重失眠，每晚只能睡两三个小时，辞职后也没好转。他没靠瞎猜，而是让 AI 花五分钟写了个 app，把苹果手表和手机里 HealthKit 的健康数据（咖啡因、酒精、入睡时间、深睡时段等）全导出来，再让 AI 跑多变量回归分析，看哪些因素和睡眠时长负相关最明显。结果发现，晚饭后最后一次用 AI 的时间是头号变量——用得越晚，睡得越差；而喝咖...
推荐理由：这篇是个人量化实验，不是行业大新闻，但数据很具体。作者先写了个 app 拉出 HealthKit 数据，做回归发现晚饭后最后一次用 AI 的时间越晚，当晚睡眠越短；停用后平均多睡 1 小时 40 分钟。我会先打个折：这只是单人数据，没有复现，也没公开代码或论文，所以重要性停在 78。但 HKR 三项都成立，角度新鲜，数字也够硬，对开源微调那批人来说，既戳中 AI 过劳的焦虑，又给了个可复现的追踪思路。
我用 AI 治好了 AI 造成的失眠
作者在 2026 年 3 月左右开始严重失眠，每晚只能睡两三个小时。他让 AI 写了个工具，把 Apple Watch 和 iPhone 里的健康数据全导出来，再让 AI 跑多元回归分析，结果发现最影响睡眠的变量是晚饭后使用 AI 的时间——用得越晚，睡得越差。咖啡因、酒精这些反而没表现出明显关联。原因可能是用 AI 时人一直在高强度阅读、思考和并行处...
推荐理由：HKR 三项都成立：个人反转有传播力，HealthKit 加回归分析给了可验证的细节，睡眠损失直接打在 AI 从业者的痛点上。不过这只是单篇 Reddit 帖子，没有独立复现或论文/代码公开，所以保持在 featured 档的 72 分。
把大模型命令塞进脚本第一行：用 shebang 直接跑 LLM
Simon Willison 试了一种很野的玩法：把 LLM 命令行工具直接写在脚本的 shebang 行里，让一个纯文本文件变成可执行脚本。最简单的例子是 `#!/usr/bin/env -S llm -f` 下面直接跟一句“画个骑自行车的鹈鹕 SVG”，就能生成图片。复杂一点的可以用 `-T` 参数调用外部工具（比如报时），或者直接在 YAML 模...
推荐理由：Simon Willison 这次没发新模型，也没推平台，就是演示了一个把 LLM 当 shebang 解释器的命令行玩法。我会先打个折：这更像一个巧妙的黑客技巧，不是生产级方案，正文也没披露错误率或延迟数据。但它的价值在于把“用自然语言写脚本”这件事拉到了终端里，fragments 和 -T 这些参数让例子能直接跑通，对经常写胶水脚本的开发者来说，看一眼就会想试试。整体属于低配 featured，因为影响范围还在 CLI 自动化这个圈子里，没往外扩。
Karpathy 聊人机交互下一步：别只让模型吐 Markdown，试试让它直接写 HTML
Karpathy 觉得现在大模型默认输出 Markdown 太简陋了，他建议直接让模型生成带排版、图形和交互的 HTML，界面会好用很多。更远的想法是“交互式神经视频”——用扩散模型实时生成能操作的画面，但他也承认这玩意儿怎么跟精确的传统软件配合还是个没解的问题。输入这边，光靠语音、文字或视频不够，得加上手势指点这类更自然的交互。在脑机接口到来之前，输...
推荐理由：Karpathy 这条推文没给数据，就是个人判断，所以重要性只能打到 featured 的及格线。但他把 LLM 输出形态的变化串成了一条线：从纯文本到带格式的 Markdown，再到能直接渲染的 HTML，最后抛出“交互式神经视频”这个方向。我会先打个折——神经视频现在连跟传统软件精确配合都做不到，正文也没说怎么解决，这点先别太激动。不过对做 AI 产品的人来说，这个框架确实能帮他们想清楚下一步该把界面做成什么样。