跳到正文

#Agent

今日 2 条

6月3日星期三

阿里技术 · 公众号

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。

推荐理由:作者许晓斌结合自身实践提出,AI Agent 可将从想法到出代码的周期由数周乃至数月压缩至几分钟,并给出周报系统、多角色协同等落地场景。

NVIDIA 博客

英伟达和微软搞了一套统一方案,让 AI 能在 Windows 电脑、云端和本地服务器之间来回跑

微软 Build 大会上,两家宣布把 AI 部署的底层打通了。简单说,就是同一个 AI 应用,既能在你笔记本的 RTX 显卡上跑,也能无缝切到 Azure 云或者公司本地的 DGX 工作站上,不用重写代码。现场还亮了两款新硬件:RTX Spark 是个小盒子,能提供 1 petaflop 的 AI 算力(大概相当于每秒一千万亿次计算)。

推荐理由:英伟达与微软打通 AI 部署链路,同一应用可在 Windows 设备、Azure 云和本地 DGX 工作站间切换而无需重写代码,并公布 1 petaflop 算力的 RTX Spark 硬件。

6月2日星期二

claude.dev 开发者博客

Claude Code 动态工作流如何为每项任务定制执行框架

Claude Code 上周发布动态工作流,Claude 可按当前任务即时编写执行框架,并支持保存、共享和复用。工作流通过 JavaScript 中的 agent()、parallel() 和 pipeline() 协调子智能体,可选择模型和独立 worktree,中断后恢复会话可继续执行。

推荐理由:Claude Code 用独立上下文的子智能体拆分执行与对抗验证,为复杂任务减少自我偏好和目标漂移提供了具体编排方法。

5月28日星期四

NVIDIA 博客

NVIDIA 在 ICRA 发了 8 篇论文,核心是让机器人在仿真里练完直接去现实世界干活

NVIDIA Research 在 ICRA 上展示了 8 篇论文,都围绕一个思路:在仿真里训练机器人,然后直接部署到真实环境。ScheduleStream 让多机械臂并行规划,速度提升 3 倍,代码已开源。COMPASS 导航框架完全不靠真实数据,在仿真里训练后迁移到真机,20 次真实导航测试成功率约 80%,比纯模仿学习基线高了 4.5 倍。

推荐理由:NVIDIA Research 在 ICRA 发布 8 篇论文,其中 COMPASS 导航框架不依赖真实数据,仿真训练后迁移到真机,20 次测试成功率约 80%,为纯模仿学习基线的 4.5 倍。

Mistral AI

Mistral 将 Le Chat 升级为统一智能体 Vibe,覆盖办公与编码

Mistral 把 Le Chat 升级为统一 AI 智能体 Vibe,一个许可同时覆盖办公与编码,原有对话、设置和套餐全部保留。Work Mode 支持企业知识搜索、结构化数据分析、文档报告生成、多步任务定时调度和可复用技能,可连接 Google Workspace、Outlook、SharePoint、Slack、GitHub 等。

推荐理由:Mistral 把 Le Chat 升级为统一智能体 Vibe,一个许可同时覆盖办公与编码,原有对话、设置和套餐全部保留,这次升级对现有用户的实际影响是主要看点。

阿里技术 · 公众号

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:周志伟用两个 Git 仓库配合 AI 编程助手和脚本,把催周报、搬数据、出效能报表这些流程自动化,提供了一套可迁移的项目管理改造方法。

Hugging Face 博客

ITBench-AA 发布:最前沿的模型在企业 IT 运维任务上得分不到 50%

Artificial Analysis 和 IBM 搞了个新基准 ITBench-AA,专门考模型能不能像真人一样处理企业 IT 的活,第一波先考站点可靠性工程(SRE)任务。结果最厉害的 Claude Opus 4.7 也只拿了 47%,GPT-5.5 是 46%,所有顶尖模型都没过半。

推荐理由:Artificial Analysis 与 IBM 推出 ITBench-AA,首轮考站点可靠性工程任务,Claude Opus 4.7 得 47%、GPT-5.5 得 46%,顶尖模型均未过半。

5月27日星期三

阿里技术 · 公众号

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。

推荐理由:阿里技术专家吕若凡提出 Agent Room 模型,让多个 AI 智能体在共享上下文与任务账本中协作,并以两个软件工程案例说明其如何从跑流程转向协作判断。

5月22日星期五

Mistral AI

Mistral 在 Studio 发布 Connectors,支持内置与自定义 MCP

Mistral 在 Studio 发布 Connectors,所有内置连接器和自定义 MCP 现可通过 API/SDK 用于全部模型与智能体调用。新功能包括直接工具调用、human-in-the-loop 审批流程,以及对连接器的创建、修改、列出和删除等编程访问。

推荐理由:Mistral 把内置连接器和自定义 MCP 统一注册进 Studio,并给出创建、调用与人工审批的代码示例,展示企业集成层如何从各团队重复实现转为平台内一次配置。

5月21日星期四

阿里技术 · 公众号

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。

推荐理由:作者 Zhan Xupeng 用一篇长文拆解 Agent 的记忆、ReAct Plan、skill 加载与 subagent 分工等设计,并给出从零搭建个人助手的实践路径。

5月20日星期三

claude.dev 开发者博客

使用 Claude Code:HTML 为何比 Markdown 更适合复杂输出

Claude Code 团队成员 Thariq Shihipar 分享用 HTML 替代 Markdown 生成复杂输出的方法,以改善阅读、可视化、分享和交互体验。

推荐理由:Claude Code 团队成员用 HTML 生成可交互文档,并将界面调整导出为提示词,让人工修改接回智能体工作流程。

阿里技术 · 公众号

阿里平头哥发布真武 M890 AI 芯片,128 卡超节点服务器已在百炼平台上线

阿里平头哥的真武 M890 AI 芯片首次公开,主打 Agent 场景的算力底座。配套的 128 卡超节点服务器,卡间直连延迟低于 150 纳秒,机架带宽达到 Pb/s 级别。这套硬件已经在阿里云百炼平台跑起来了,支持通义千问、DeepSeek 和 Kimi 等模型。

推荐理由:阿里平头哥公开真武 M890 AI 芯片,配套 128 卡超节点服务器已在百炼平台上线,支持通义千问、DeepSeek 和 Kimi 等模型,可了解国产 AI 芯片在 Agent 场景的落地进展。

5月18日星期一

Google DeepMind

Google DeepMind 为 Project Genie 加入 Street View 真实场景能力

Google DeepMind 在实验性原型 Project Genie 中上线 Street View 真实场景 grounding 能力,用户可选取美国地点并搭配风格与角色生成世界。

推荐理由:原文说明 Genie 接入 Street View 真实影像后,智能体和机器人可在贴近现实的虚拟环境中训练与导航。

5月17日星期日

Google DeepMind

Google DeepMind 推出 Gemini for Science 科学工具集

Google DeepMind 发布 Gemini for Science,包含 Google Labs 上三个实验性工具:基于 Co-Scientist 的 Hypothesis Generation。

推荐理由:Google DeepMind 将 Co-Scientist、AlphaEvolve 等研究原型打包为 Gemini for Science,在 Google Labs 开放三个实验工具,覆盖假设生成、计算发现与文献分析。

5月16日星期六

Google DeepMind

Google DeepMind 发布 Gemini 3.5 Flash

Google DeepMind 发布 Gemini 3.5 模型家族,首款 Gemini 3.5 Flash 当日上线 Gemini 应用、Google Search AI Mode、Google Antigravity、Gemini API 及 Gemini Enterprise。

推荐理由:Gemini 3.5 Flash 在编码与智能体基准上超过 Gemini 3.1 Pro,输出速度是其他前沿模型的 4 倍,发布当日即接入 Gemini 应用、搜索 AI Mode 和 Gemini API。

5月15日星期五

阿里技术 · 公众号

阿里发布 Qoder 1.0,从 AI 写代码工具升级成能自己干活儿的开发工作台

阿里推出了 Qoder 1.0,支持 Windows、macOS 和 Linux。这次最大的变化是它不再只是一个帮你补全代码的编辑器,而是加了一个叫 Quest 的独立工作区,能让多个智能体同时跨项目跑任务。团队知识引擎可以把项目文档、代码库变成可检索的上下文,省得你反复解释。

推荐理由:阿里发布 Qoder 1.0,新增 Quest 独立工作区,可让多个智能体跨项目并行跑任务,团队知识引擎把项目文档与代码库转为可检索上下文,减少重复解释。

5月13日星期三

OpenAI News

OpenAI 给 Windows 版 Codex 造了个沙箱,让编程助手能干活又不乱碰文件

Codex 是 OpenAI 的编程助手,能在开发者电脑上直接跑命令。Windows 版之前没有沙箱,用户要么得每条命令都点同意,要么就得开“完全访问”把安全交给运气。OpenAI 工程师 David Wiesen 写了篇文章讲他们怎么从零给 Windows 造沙箱。

推荐理由:OpenAI 工程师撰文说明 Windows 版 Codex 此前缺少沙箱,用户只能在逐条确认命令与开放完全访问之间取舍,文章讲述他们如何从零构建沙箱。

5月12日星期二

Google DeepMind

Google DeepMind 发布 Co-Scientist 多智能体科研系统

Google DeepMind 在 Nature 发表 Co-Scientist 研究,推出基于 Gemini 的多智能体 AI 系统,可迭代生成、辩论和演化复杂科学问题的新假设。

推荐理由:Google DeepMind 在 Nature 发表 Co-Scientist 研究,该系统由 Gemini 驱动的多个专职智能体分工完成假设生成、辩论与演化,并已用于抗微生物耐药等课题。

5月8日星期五

阿里技术 · 公众号

阿里许晓斌内部访谈:工程师用 AI 后,写代码时间从 30% 降到 5%,端到端交付效率提升 2-3 倍

许晓斌在内部访谈里给了几个数:工程师重度用 AI 后,写代码占工作时间从 30% 掉到 5%,跟 Agent 对话的时间从 5% 涨到 60%,端到端交付效率提升 2 到 3 倍,纯编码效率提升 10 倍。这些数字来自内部访谈,不是大规模统计,样本量和统计口径正文没披露,所以我会先打个折看。

推荐理由:阿里许晓斌在内部访谈中给出工程师用 AI 后的时间分配变化,写代码占比从 30% 降至 5%、与 Agent 对话升至 60%,并提到端到端交付效率提升 2 到 3 倍。

NVIDIA 博客

美国能源部长与英伟达谈 Genesis 任务:用 AI 给电网审批提速,从几年缩到几周

美国能源部和英伟达要在阿贡国家实验室建两台 AI 超算。小的一台叫 Equinox,用 10,000 块 Grace Blackwell GPU;大的一台叫 Solstice,计划上 100,000 块还没发布的 Vera Rubin GPU。

推荐理由:美国能源部与英伟达在阿贡国家实验室部署两台 AI 超算,规模从一万块 Grace Blackwell 到十万块 Vera Rubin GPU,指向电网审批从数年到数周的提速目标。

5月6日星期三

NVIDIA 博客

NVIDIA 和 ServiceNow 搞了个企业桌面 AI 代理,叫 Project Arc

两家公司把合作又推了一步,这次是让 AI 代理直接在你的电脑桌面上干活。这个叫 Project Arc 的东西,通过 Action Fabric 连接企业软件,再用 OpenShell 建一个带权限管控的沙盒环境来执行操作,防止乱来。

推荐理由:英伟达与 ServiceNow 合作推出桌面 AI 代理 Project Arc,通过 Action Fabric 接入企业软件,并在 OpenShell 沙盒中执行带权限管控的操作。

5月5日星期二

OpenAI News

OpenAI 把 ChatGPT 默认模型换成了 GPT-5.5 Instant,回答更准、废话更少

OpenAI 把免费用户和默认聊天用的模型升级到了 GPT-5.5 Instant。官方说这次更新主要干了三件事:回答更靠谱、更简洁,并且更能利用你之前聊过的上下文来贴合你的偏好。内部测试里,在医疗、法律、金融这类高风险问题上,GPT-5.5 Instant 比上一代 GPT-5.3 Instant 的幻觉内容少了 52.5%。

推荐理由:OpenAI 将 ChatGPT 默认模型升级为 GPT-5.5 Instant,官方称其在医疗、法律、金融等高风险问题上的幻觉内容比上一代减少 52.5%。

5月1日星期五

NVIDIA 博客

NVIDIA 说 OpenClaw 开源智能体项目 60 天拿了 25 万星,但治理成本才是真问题

NVIDIA 这篇博客主要讲了两件事:一是 Peter Steinberger 做的自托管持久化智能体 OpenClaw 在 GitHub 上火了,到 2026 年 3 月已经攒了 25 万颗星,增速超过了 React。二是 NVIDIA 自己推出了 NemoClaw,用 OpenShell 沙箱和 Nemotron 模型来跑智能体。

推荐理由:OpenClaw 自托管智能体 60 天在 GitHub 攒下 25 万星,增速超过 React,NVIDIA 借此讨论常驻智能体的 token 成本与安全边界。

4月30日星期四

Google DeepMind

Google DeepMind 发布 AI co-clinician 医疗研究计划

Google DeepMind 宣布 AI co-clinician 研究计划,探索 AI 智能体在医生临床监督下协助患者诊疗。在 98 个真实初级保健查询的盲评中,该系统 97 例无关键错误,医生更偏好其回答而非主流证据综合工具;在 140 项问诊技能评估中,它在 68 项达到或超过初级保健医生水平,但专家医生在识别危险信号和关键体格检查上整体仍更优。

推荐理由:Google DeepMind 公布 AI co-clinician 研究计划,在 98 个真实初级保健查询的盲评中 97 例无关键错误,医生更偏好其回答而非主流证据综合工具。

claude.dev 开发者博客

Claude Code 构建经验:如何围绕提示词缓存设计智能体

Claude Code 团队分享提示词缓存的工程经验,通过保持请求前缀稳定来降低长会话智能体的延迟与成本。具体做法包括静态内容前置、通过消息更新状态、避免会话中切换模型或增删工具,以及用 defer_loading 延迟加载工具。上下文压缩时复用原会话的系统提示词、工具定义和历史消息,再追加压缩请求以命中缓存;团队也监控缓存命中率,并将异常下降视为事故。

推荐理由:Claude Code 团队把缓存前缀稳定性落实到提示词排序、工具加载和上下文压缩,为长会话智能体提供可迁移的缓存优化方法。

4月29日星期三

NVIDIA 博客

英伟达发布 Nemotron 3 Nano Omni:一个模型同时看懂图文、听懂语音,做 AI 代理时吞吐量号称是同类 9 倍

英伟达在 2026 年 4 月 28 日开源了 Nemotron 3 Nano Omni,一个能同时处理文字、图片、音频、视频、文档、图表和屏幕界面的多模态模型。它用了 30B-A3B 的混合专家架构(MoE),实际激活的参数量是 3B,配合 Conv3D 和 EVS 技术来处理音视频,上下文窗口拉到 256K。

推荐理由:英伟达开源 Nemotron 3 Nano Omni,一个模型同时处理图文音视频,激活参数 3B、上下文 256K,为想搭多模态 agent 的团队提供了一条开源路径。

4月28日星期二

X · @claudeai

Claude 现在能直接操作 Blender,在聊天窗口里改 3D 场景

Claude 上线了 Blender 连接器,你可以在对话里让它帮你排查场景问题、写新工具,或者批量修改所有物体。正文没提这个功能是免费还是付费、支持哪些版本,也没说清楚 Claude 在 Blender 里的操作权限边界——它能改到什么程度、会不会误删东西,这些都得等实测才知道。

推荐理由:Claude 上线 Blender 连接器,可在对话中排查场景问题、编写工具或批量修改物体,让读者了解 AI 助手接入专业 3D 软件后能承担哪些具体操作。

4月27日星期一

Mistral AI

Mistral AI 发布 Workflows 公开预览版

Mistral AI 发布企业 AI 编排层 Workflows 公开预览版,提供持久化执行、可观测性和人工介入审批能力,ASML、ABANCA、CMA-CGM 等客户已用于自动化关键流程。

推荐理由:Mistral AI 将企业 AI 编排层 Workflows 开放公开预览,ASML、ABANCA 等客户已用它自动化关键流程,材料展示了持久化执行、可观测性与人工审批在货运放行、KYC 审核中的落地方式。

OpenAI News

OpenAI 开源了一套叫 Symphony 的规范,把项目管理看板变成 AI 编程 agent 的指挥中心

OpenAI 放出了 Symphony,一个开源的 agent 编排规范。它的核心思路是把 Linear 这类任务看板当成控制面板,每个待办任务都会自动分配一个编程 agent 去干活,人只负责最后审查结果。OpenAI 内部团队用上后,合并的 PR 数量三周内涨了五倍。工程师不用再同时盯着好几个 agent 会话,避免了频繁切换上下文的痛苦。

推荐理由:OpenAI 开源 Symphony 编排规范,把 Linear 看板变成编程 agent 的调度入口,人只审结果,内部团队三周内合并 PR 数涨五倍。

4月25日星期六

X · @AnthropicAI

Anthropic 让 Claude 在旧金山办公室搞了个内部跳蚤市场,替同事买卖和砍价

Anthropic 发了个新研究叫 Project Deal。他们在旧金山办公室搭了个内部交易市场,让 Claude 替同事买东西、卖东西、谈价格。正文没披露用了哪个模型版本、市场有多大、成交了多少单,也没说最后是赚了还是亏了。这点先别太激动,目前看更像一个内部行为实验,不是产品发布。

推荐理由:Anthropic 在旧金山办公室搭建内部交易市场,让 Claude 替同事完成买卖和议价,可观察模型在真实人际交易场景中的表现。

4月24日星期五

Hugging Face 博客

DeepSeek-V4 发布:百万 token 上下文,这次是给干活用的 agent 准备的

DeepSeek 发了 V4,分 Pro 和 Flash 两个版本,都支持 100 万 token 的上下文窗口。Pro 版总参数 1.6 万亿,每次推理激活 490 亿;Flash 版总参数 2840 亿,激活 130 亿。跑分不是最顶尖的,但这不是重点。

推荐理由:DeepSeek-V4 分 Pro 和 Flash 两版,均支持 100 万 token 上下文,Pro 版总参数 1.6 万亿、激活 490 亿,Flash 版总参数 2840 亿、激活 130 亿。

X · @claudeai

Claude 托管 Agent 的记忆功能开始公测,Agent 能跨对话记住上下文了

Claude 给托管 Agent 加了个记忆层,现在你的 Agent 可以从每次对话里学东西。官方说法是“智能优化的记忆层”,在性能和灵活性之间找平衡。但正文没披露记忆容量有多大、能记多久、怎么收费、哪些账号能用。对从业者来说,关键看两点:一是持久记忆什么时候变成默认配置,二是这会让 Agent 的评测和状态管理怎么变。

推荐理由:Claude 为托管 Agent 加入记忆层,使其能跨对话保留上下文,官方称在性能与灵活性间做了权衡。这条更新关系到 Agent 从单次会话走向持续积累后,评测与状态管理方式会如何调整。

X · @claudeai

Claude 新增 TripAdvisor、Booking、Resy 等十来个生活类 App 连接

Claude 官方发了一条产品更新,说现在能连接更多非工作类 App,列了 TripAdvisor、Booking.com、Resy、Instacart、Spotify、Audible、AllTrails、Thumbtack、TurboTax 等至少 10 个。正文没披露具体怎么连、能执行哪些操作、支持哪些地区、权限范围多大、什么时候推完。

推荐理由:Anthropic 为 Claude 新增 TripAdvisor、Booking、Resy 等十来个生活类 App 连接,助手从办公场景延伸到订餐、旅行、购物等日常事务。

X · @OpenAI

OpenAI 发布 GPT-5.5,强调能干活、会检查,但没给参数和跑分

OpenAI 在 X 上宣布推出 GPT-5.5,已经接入 ChatGPT 和 Codex。官方说法是它面向实际工作和 agent 场景,能理解复杂目标、调用工具、自我检查,把更多任务从头跑到尾。我会先打个折:正文没披露参数量、价格、上下文窗口和任何基准测试结果,所以现在只能看到一句“新的智能形态”和“新的干活方式”,具体强在哪、贵不贵、跑多快都还不知道。

推荐理由:OpenAI 在 ChatGPT 和 Codex 上线 GPT-5.5,官方称其面向实际工作与 agent 场景,能理解复杂目标、调用工具并自我检查,把任务从头跑到尾。

4月23日星期四

Hugging Face 博客

在 Chrome 插件里跑本地 AI:一份给开发者的架构避坑指南

Hugging Face 发了一篇技术指南,拆解了他们刚做的 Chrome 插件“Transformers.js Gemma 4 浏览器助手”。核心是把 Gemma 4 E2B 模型塞进浏览器的后台 Service Worker 里本地运行,不靠云端。

推荐理由:Hugging Face 拆解了把 Gemma 4 E2B 放进 Chrome 后台 Service Worker 本地运行的插件架构,涉及 MV3 环境下的工程取舍。

X · @OpenAI

OpenAI 在 ChatGPT 里加了“工作区 agent”,一个能跨工具、跨团队跑长任务的共享助手

OpenAI 发了一条推,说 ChatGPT 现在有 workspace agents,可以当成团队共享的助手,处理复杂任务和跑长时间的工作流。正文没披露具体支持哪些工具、怎么收费、什么账号能用、权限怎么管、什么时候推。我会先打个折:共享 agent 的协作边界才是关键,比如它能看到什么数据、谁能改它的指令,这些都没说,光看标题别太激动。

推荐理由:OpenAI 在 ChatGPT 中上线 workspace agents,可作团队共享助手处理复杂任务与长时工作流,其协作边界与权限设计是理解共享代理落地方式的关键。

4月22日星期三

OpenAI News

OpenAI 在 ChatGPT 里上线了团队版智能体,能自己跑流程、跨工具干活

OpenAI 给 ChatGPT 的企业版、教育版等付费计划加了一个叫“工作区智能体”的功能。你可以把它理解成能共享给整个团队用的自动化助手,背后由 Codex 驱动,在云端运行,人不在线它也能继续干活。它能跨多个工具(比如 Slack、CRM)执行多步骤任务,像自动筛选销售线索、写跟进邮件、每周五拉数据出报表、审核软件采购请求并生成 IT 工单。

推荐理由:OpenAI 为 ChatGPT 付费计划加入工作区智能体,由 Codex 驱动在云端跨工具执行多步骤任务,团队自动化从对话延伸到实际流程执行。

OpenAI News

OpenAI 给 Responses API 加了 WebSocket,让 Codex 这类 agent 跑起来更快

OpenAI 发现,当模型推理速度从每秒 65 个 token 飙到近 1000 个 token 时,API 本身的处理开销反而成了拖慢 agent 循环的瓶颈。

推荐理由:OpenAI 为 Responses API 加入 WebSocket 长连接与连接级缓存,针对模型推理提速后 API 处理开销成为 agent 循环瓶颈的情况,减少反复建连与重复请求的成本。

4月17日星期五

腾讯技术工程 · 公众号

腾讯工程师用 Claude Code 跑通后台开发全流程,11 个环节在一个终端里搞定

这篇文章来自腾讯技术团队的一次实践复盘,他们用 Claude Code 搭配自定义的 Skills、Commands 和 MCP 服务器,把后台开发的 11 个步骤串成一个终端里的流水线。需求探索这一步花了 20 次工具调用、9.38 万 token、56 秒;执行阶段拆成 4 个任务,产出了 3 次代码提交。

推荐理由:腾讯工程师用 Claude Code 配合自定义 Skills、Commands 和 MCP 服务器,把后台开发 11 个环节串成一条终端流水线,并给出需求探索阶段的工具调用次数与 token 消耗。

X · @OpenAI

OpenAI 说 Codex 现在能操控 Mac 应用、接更多工具,还能自己跑重复性任务

OpenAI 发推说 Codex 现在能干的事更多了:能直接操作你 Mac 上的应用,对接更多工具,还能生成图片、从你之前的操作里学东西、记住你的工作习惯,以及接手那些需要反复做的任务。不过正文没披露具体支持哪些应用、怎么集成、定价和什么时候推,这些关键信息都还缺着,先别太激动。

推荐理由:OpenAI 称 Codex 新增操控 Mac 应用、接入更多工具和接手重复任务的能力,把它的定位从写代码扩展到桌面操作。