GitHub 把 Spec Kit 开源了，专门解决 AI 编程里一个常见毛病：需求还没说清楚，模型就开始写代码，结果边界漏了、反复返工。这个工具包把流程倒过来——先写产品功能规范，再让 AI 根据规范去澄清差距、做技术计划、拆任务，最后交给 agent 执行。规范本身成了可执行的开发合约，不是一份看完就扔的文档。目前支持 Copilot、Claude...
推荐理由：我会先打个折：正文没披露这套流程在实际项目里能省多少返工时间，也没给出和直接让 Copilot 写代码的对比数据。但故事本身够硬——GitHub 把“先写规范再写代码”这个老规矩做成 AI 编码的入口，规范不再是看完就扔的文档，而是驱动 agent 执行的合约。支持 Copilot、Claude 等多模型，109K+ 星说明开发者对这套思路的认可度不低。这点先别太激动，但方向对，值得跟。
这篇 Reddit 帖子正文被屏蔽了，只能从标题和摘要反推。作者拿一个 Laravel 12 + Livewire 的端到端测试任务，比了五套写代码的 agent 配置。Claude Opus 4.7 配 1M 上下文窗口，一口气生成了 203 个测试；本地最强的方案是 OpenCode 跑在一张 24GB 显存的 RTX 4090 上，产出 140 ...
推荐理由：正文被屏蔽了，只能从标题和摘要反推。作者拿一个 Laravel 12 + Livewire 的端到端测试任务，比了五套写代码 agent。Claude Opus 4.7 配 1M 上下文窗口一口气生成 203 个测试；本地最强方案 OpenCode 跑在 24GB 显存的 RTX 4090 上，产出 140 个，中间还压了 4 次上下文。差距摆在那，但本地方案不用把代码往外传，这点对隐私敏感的场景有吸引力。帖子本身是一次个人实验，不是标准化基准测试，结论别直接当采购依据。
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。
英格兰和威尔士警方接到指令，在保障措施到位前，暂停用 AI 生成法庭陈述材料。牵头叫停的是 Police.AI 的负责人，但报道正文被付费墙挡住，没披露具体要等什么样的保障措施、由谁来监督执行。
推荐理由：FT 报了一条具体的政策动作。H 分来自法庭工作流里突然喊停的反差，K 分来自英格兰和威尔士警方的明确暂停指令，R 分来自安全和问责的敏感度；不是模型级事件，所以刚好卡在 featured 门槛上。正文被付费墙挡住，没披露具体要等什么样的保障措施、由谁来监督执行，这点先别太激动。
一个开发者拿Qwen2.5-3B（30亿参数的开源小模型）做了个多智能体模拟：五个角色在森林里各自生产、交易、囤货，跑了15轮。模型在100%的调用里都能输出格式正确的JSON，这点挺稳，但一到经济决策就露怯——它分不清该囤柴还是该卖蜜。作者靠两招补救：一是给环境加限制，比如食物会坏、冬天缺燃料，逼着模型做取舍；二是优化提示词，直接写明“别买自己生产的...
推荐理由：HKR全过。标题本身就抓人——3B小模型跑经济模拟，不是那种千篇一律的benchmark刷分。正文给了实打实的交易数据和基尼系数变化，不是空谈“涌现行为”。对做agent模拟的工程师来说，模型100%输出合法JSON这点很实用，但经济决策拉胯的坑和两条补救措施（环境约束、提示词优化）才是真正能省时间的干货。这只是一份个人工程报告，不是产品发布或框架开源，所以保持在featured门槛上，不往上拔。
Google 把 Colab 搬进了终端。装一个命令行工具，就能在本地敲指令直接租用 A100 或 T4 这类高性能 GPU，把本地的 Python 脚本扔到云端跑，跑完再把模型、数据集和可回放的 notebook 日志拉回本地。它还给 AI 编程助手（比如 Antigravity、Claude Code）准备了现成的技能文件，让这些助手也能自己调 G...
推荐理由：Google 给 Colab 出了个命令行工具，不用开浏览器就能在终端里租 GPU 跑代码，跑完自动把模型和 notebook 日志拉回本地。还顺手给 Claude Code 这类 AI 编程助手配了技能文件，让助手也能自己调 GPU。对经常用 Colab 白嫖算力或者想给 agent 接远程执行环境的人来说，这比网页版灵活不少。不过正文没提价格变化和并发限制，实际租用体验还得看后续。
Gemini 应用里的 Live 模式加了实时生图和编辑功能。你打开摄像头，告诉它你想看到什么，它就能当场改画面，比如换墙色、加家具、把眼前场景变成梗图。正文没提生成一张图要多久、支持哪些画风，也没说免费额度怎么算。
推荐理由：Gemini Live 现在能边看边改图了，你开着摄像头说“把墙刷成蓝色”或者“加个沙发”，它当场给你变出来。这功能听着挺唬人，但正文没交代生成延迟、画风支持范围，也没提免费额度，所以实际用起来卡不卡、花不花钱，都得打个问号。HKR 全过：标题有实时交互的噱头，操作门槛低到只剩张嘴，而且直接冲着修图软件和创意工具去的，竞争味很浓。
彭博社记者古尔曼爆料，苹果内部将新版 Siri 标记为“Beta 版”，意味着它不会被宣传成完全成熟的产品。苹果可能还会像当初推 Apple Intelligence 那样，给想尝鲜的用户设一个等待名单。另外，iOS 27 的部分 Siri 请求会转到 Google Cloud，调用授权版 Gemini 模型，并跑在谷歌的英伟达 Blackwell B...
推荐理由：HKR 三项都成立：Siri 标 Beta 是苹果自己的态度信号，Gemini 和 B200 的细节让爆料有料，苹果 AI 依赖外部算力和模型这件事本身就容易引发讨论。分数定在 82 合理，因为毕竟还是未发布产品的二手报道，不是官方发布或重大产品事件。
Lowfat 是一个可插拔的 CLI 过滤工具，能自动把 kubectl、docker、grep 这类命令输出的冗余信息（比如表格边框、空行、重复标题）裁掉，只保留关键内容再喂给大模型。作者自己用了两个月，原始输出总共 440 万个 token，过滤后只用了 30 万，省下 410 万 token，换算下来节省了 91.8%。它可以作为 shell 包...
推荐理由：我会先打个折：这是个个人 Show HN 项目，不是大厂发布，但 91.8% 的 token 节省率配上两个月的实测数据，说服力够强。它解决的不是什么高深问题，就是把 kubectl、docker 这类命令输出里的表格边框、空行、重复标题裁掉，只留干货再喂模型。这事做 agent 的人都懂——工具返回一堆格式垃圾，token 烧得飞快，上下文还被撑爆。Lowfat 的思路简单粗暴，但正好打在痛点上。不过正文没提兼容性边界和极端情况，这点要留意。整体看，数据扎实、痛点真实，放在 featured 门槛上没问题。
404 Media 在 6 月 5 日报道，攻击者直接让 Meta 的 AI 客服把 Instagram 账号绑到他们控制的邮箱上，AI 照做了。唯一需要绕过的条件是挂一个和账号主人同地区的 VPN。有人用这招拿下了奥巴马白宫官方账号并发布亲伊朗内容，还有人盯上了值钱的单字 ID。这事和 Anthropic 那个因黑客能力太强被雪藏的 Mythos 模...
推荐理由：HKR 三项全中：AI 客服被忽悠改邮箱这事本身就够抓眼球，VPN 同地区这个绕过条件是新信息，而且它把中美算力差距之外的 AI 安全漏洞摆到了台面上。不过原文是二手评论，没给出受影响规模、受害者数量和 Meta 的修复细节，所以重要性卡在 80 分，刚好过 featured 线。
OpenAI 把内容审核评分塞进了 Responses API 和 Completions API 的返回结果里。你现在发一次请求就能同时拿到生成内容和对应的安全分数，不用像以前那样先调生成接口、再调审核接口。拿到分数后，你可以自己决定怎么用：记日志、做路由分发、人工复核，或者直接拦截。正文没披露这个审核模型的延迟会增加多少、准确率怎么样，也没说和独立...
推荐理由：HKR-K 和 HKR-R 都成立：OpenAI 把审核分数塞进生成响应里，开发者可以据此做路由和拦截，省掉一次单独审核调用的开销。HKR-H 偏弱，因为这只是公开信和功能更新，不是已生效的法律或硬性安全突破，所以放在 featured 档位。正文没给出法案文本和执行时间表，实际省钱效果还得看调用量和审核精度，但方向上是给安全管线减负。
OpenAI 给 Codex 接入了 Build iOS Apps 插件，现在你可以在 Codex 的内置浏览器里直接跑 iOS 应用、打开 SwiftUI 预览，改完代码也能热重载，不用来回切换工具。正文没提这个插件是官方做的还是第三方贡献的，也没说支持哪些 iOS 版本或设备型号。
推荐理由：HKR 三项都过：钩子是 Codex 直接处理 iOS 应用测试，有 SwiftUI 预览和热重载这些具体细节。但这是一封公开信和政策呼吁，不是已生效的法律，正文也没给出法案文本和执行时间表，所以放在 featured 而不是更高。
Replit 和 Shopify 打通了：用户在 Replit Agent 里说一句想卖什么，Agent 会直接生成自定义店铺页面、创建 Shopify 商店并上架商品。建完去 Shopify 认领店铺、设好支付就能开卖。正文没提收费方式、支持的地区和具体上线时间，如果是真的，对想快速试水电商的人挺省事。
推荐理由：HKR 全过：Shopify 打通流程对开发者有实感，但这是公开信和政策呼吁，不是已生效法律，法案文本和执行时间表都缺失，所以停在 featured 档。判断挂在信息缺口上——没提收费和地区，省钱与否得等后续。
Infracost 发布了 Cost.dev，一个本地命令行工具，可以嵌进 Claude Code、Cursor 这类编程助手的流程里。它的核心作用是：在你让 AI 写云资源代码（比如 Terraform）的时候，实时告诉你这套配置每个月要花多少钱，并给出省钱建议。他们拿裸用 Claude 做基准测试，结果显示这个工具能让模型输出的 token 量减少...
推荐理由：Infracost 发了个本地命令行工具 Cost.dev，专门给写代码的 Agent 做云成本估算，核心卖点是让模型输出更省 token、调用更省钱。他们给出的数字挺好看：Claude 输出 token 最多降 79%，API 成本最多降 67%。我会先打个折——这是厂商自己的数据，没有第三方验证，实际效果得看具体场景和 Agent 的实现方式。但思路本身是实用的，直接在本地跑，不依赖外部服务，对控制 Agent 的 API 支出和云资源浪费有直接帮助。正文没披露支持哪些云平台、和现有 CI/CD 流程怎么集成，这些信息缺口让实用性打了一点折扣。...
MIT 和南加州大学的研究人员翻看了 2005 到 2026 年间 450 万份联邦民事案件，发现没请律师、自己打官司的人占比从 2022 年的 11% 涨到了 2025 年的 16.8%。他们用 AI 文本检测工具 Pangram 抽查了 1600 份文件，被标记含 AI 代笔的比例从 2023 年的 1% 飙升到 2026 年的 18%。法官 Br...
推荐理由：MIT 科技评论报道了 MIT 和南加州大学的一项大样本研究，数据量够大（450 万件案子），时间跨度也长（2005-2026）。核心发现是自诉案件占比从 2022 年的 11% 涨到 2025 年的 16.8%，AI 文本标记率到 2026 年到了 18%。这事不涉及模型能力本身，而是 AI 工具怎么冲击公共系统——法院要处理更多质量参差不齐的诉讼，成本被转嫁了。所以重要性给 78，放在 featured 档，属于质量不错但不炸裂的那类。
这篇文章本身没加载出来，微信页面显示环境异常需要验证，所以正文内容我没看到。从标题和已有的英文摘要看，讲的是 AI 语音输入工具正在进入办公和开发场景。Wispr Flow 这个产品全球下载量超过 250 万，12 个月留存率 70%，年用户增长 100 倍，说明用的人确实在猛增，而且用了就回不去。OpenAI 的 gpt-4o-transcribe ...
推荐理由：HKR 三项都站得住，但这是一篇带数据的工作流趋势观察，不是模型发布或平台级更新，放在 featured 里属于门槛线附近的那一类。我会先打个折，不把它当硬核技术突破看，但“打字正在变古老技艺”这个判断加上 250 万下载和 70% 留存，确实能让人重新想一遍语音交互的落地速度。
斯坦福的研究人员放出了 OpenJarvis，一个开源的本地优先框架，目标是让个人 AI 助手直接在手机或电脑上跑，不用把数据传到云端。他们把个人 AI 拆成了五个基础模块：推理、工具调用、记忆、学习，还有一个叫“自我”的模块来协调这些能力。实测下来，在设备端用小模型跑这套流程，效果只比顶尖云端模型差 3.2 分，但每次调用的边际成本直接砍了约 800...
推荐理由：HKR 三项都站得住：本地优先加 800 倍成本下降是个好钩子，数字具体且能说明问题，话题本身也切中 agent 落地时大家最在意的成本和隐私。信息源深度一般，所以分数放在 78–84 这个区间，不往上拔。
Cloudflare Radar 统计了 5 月 28 日到 6 月 4 日这一周的全球流量，发现所有 HTML 网页请求里，57.5% 来自爬虫、AI 抓取和自动化脚本，真人浏览器只占 42.5%，这是机器人流量头一回超过人类。如果把所有 HTTP 返回内容都算上，JSON 格式（主要是机器对机器的 API 通信）占了 33.1%，排第一，HTML ...
推荐理由：Cloudflare Radar 这次给了一个很具体的窗口和比例，HKR 三项都踩实了。文章没把 AI 爬虫、搜索引擎蜘蛛和恶意自动化流量拆开讲，所以我会先打个折，不把它捧得太高。但“机器人过半”这个信号本身对做网站、做爬虫、做安全的人都有直接参考价值，放在 featured 档刚好。
Hugging Face 把自家的 hf 命令行工具重新设计了一遍，让它能同时服务人类和编码智能体。工具会通过环境变量自动识别是不是 Claude Code、Codex 等智能体在调用，如果是，就输出紧凑、不截断的 TSV 格式，而不是给人看的表格。在复杂多步任务测试里，没用这个 CLI 的智能体（比如自己拼 curl 或调 Python SDK）消耗...
推荐理由：我会先打个折：token 降到六分之一是官方说法，正文没给出测试场景和对比基准，实际省多少要看具体任务。但思路很清晰——传统 CLI 输出对人类友好，对智能体却是噪音，切成结构化 TSV 能减少大量解析和截断开销。自动检测智能体身份这一点也实用，不用手动切模式。整体是工具链层面的务实改进，不是模型或平台级发布，所以放在 featured 档合理。
Reddit 用户 GsxrGuy80s 拿一台 Z Fold 6 当 GGUF 推理节点，走 Vulkan 加速，搭配 LiteLLM 和 Tailscale 组网。帖子公开了 gpu_layers=89 这个关键参数，说明把 89 层模型计算都扔给了手机 GPU。节点对外暴露 OpenAI 兼容接口，还设了 fallback 路由，请求搞不定就自动...
推荐理由：一个 Reddit 用户把折叠屏手机改成了本地大模型推理节点，用 Vulkan 驱动 GPU 加速，跑 GGUF 格式的模型，再通过 LiteLLM 统一接口、Tailscale 组网，让其他设备也能调用。帖子给了 gpu_layers=89 这个关键参数，还说明了模型崩了怎么自动切到备用路由。我会先打个折：这只是个人分享，没做压力测试，也没披露实际推理速度和功耗，稳定性存疑。但如果是真的，这种把闲置手机当推理节点的玩法挺省钱，也避开了云服务的隐私顾虑。对想自己折腾本地推理的从业者来说，这套组合拳（Vulkan+GGUF+LiteLLM+Tails...
Anthropic 公开了他们内部用 Claude 做自助数据分析的整套方案。核心思路是让非技术同事直接用自然语言问业务数据问题，系统自动查表、写 SQL、出结果。他们搭了一个三层架构：底层是数据基础层，负责把分散的业务指标统一成模型能读懂的语义；中间是验证工作流，专门处理模糊提问、过期数据和查不到的情况；上层是技能模块，让 Claude 学会按公司规...
推荐理由：我会先打个折，这是官方博客，数字肯定挑好看的讲。但 95% 自动化加约 95% 准确率，配上数据层、验证和 skills 这套 agentic analytics stack，确实把怎么做说清楚了。没有新模型或产品发布，所以分数在 72–77 这个区间。正文没披露错误类型的具体分布和延迟数据，这点先别太激动。
英国监管机构要求谷歌给网站主提供一个开关，让他们可以决定自己的内容是否出现在 AI 概览、AI 模式这类生成式搜索功能里。这个开关会放在谷歌 Search Console 后台，先在英国测试，之后推全球。谷歌在公告里顺带提了一嘴，它的 AI 概览月活已经超过 25 亿，AI 模式月活也破了 10 亿。
推荐理由：英国监管机构出手，逼 Google 在 AI 搜索里给网站出版商一个“别搜我”的选项。这事会先在英国试水，再铺到全球。对做内容的人来说，等于多了一个控制自己东西会不会被 AI 摘要直接吃掉流量的开关；对 Google 来说，合规成本会涨，AI 搜索能用的公开内容也可能变少。不过正文没提这个退出工具具体怎么实现、对搜索结果质量影响多大，所以先别把它当成 AI 搜索的致命伤。
GPT-Rosalind 是 OpenAI 为生命科学做的模型，这次更新接入了 GPT-5.5 的编程和工具调用能力，重点强化了药物化学、基因组学这些方向的推理。OpenAI 还专门搞了个叫 LifeSciBench 的评测，从证据处理、实验设计到结果验证六个环节打分，说新版模型在行业专家出的题上表现有提升。但正文没披露具体参数量、定价和普通用户能不能...
推荐理由：OpenAI 这次更新把 GPT-Rosalind 往生物和药物化学方向推，垂直落地的意图很清楚，所以重要性和行业信号都够。但正文没披露任何硬指标——参数多少、评测怎么做的、开放给谁用，全是空白，这点先别太激动。实验室场景天然带安全和合规风险，加上垂直模型抢地盘的话题，话题性也拉满了。综合看，信号强但证据弱，维持 featured 门槛没问题。
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。
微软首个正式对外发布的自研推理模型MAI-Thinking-1，用了35B活跃参数、总参数约1T的稀疏MoE架构。SWE-Bench Pro编程测试跟Claude Opus 4.6打平，AIME 2025数学测试拿到97%，盲测里人类偏好优于Sonnet 4.6。训练全程没用任何第三方模型蒸馏，预训练数据也排除了AI生成内容。不过群友对微软年底拿第一的...
推荐理由：这条消息的钩子很清晰：微软的 MAI-Thinking-1 在代码基准上追平了 Opus 4.6，而且给出了具体的参数规模和数学测试得分。我会先打个折——来源是群聊日报，不是官方公告，正文没披露模型是否开源、API 定价和完整评测设置，所以权威性偏弱。但 H/K/R 三个维度都踩中了：有竞争对标、有硬数字、有平台格局的冲击力。综合来看，值得作为 featured 推给从业者看一眼，但别急着把它当正式发布。
Hugging Face 的开源团队在 2026 年 5 月上线了 paperswithcode.co，用 AI 代理自动解析论文，把原来平台超过 9300 个基准测试的 SOTA 排行榜恢复了出来。这次复活正好赶上 CVPR，首页直接整理了会议论文和对应代码。正文没披露解析准确率和代理的具体工作流，但能看出他们想用自动化方式解决原平台长期停更的问题。
推荐理由：Hugging Face 把 Papers with Code 重新做回来了，这次用 AI 智能体自动解析论文，一口气恢复了 9300 个基准相关的排行榜。对做研究的人来说，这比手动翻论文找 SOTA 省事太多。我会先打个折：正文没披露智能体解析的准确率有多高，也没说排行榜更新频率和覆盖范围的具体边界，所以别急着当完全体用。但光是 CVPR 期间能一站式查代码和榜单，实用价值就摆在那。
扣子3.0把智能体协作搬到了项目里，支持iOS、安卓、Mac、Windows和网页端。你可以把本地跑的Claude Code、Codex CLI这类命令行智能体导进去，在手机上授权后直接让它读你电脑里的PDF。正文没披露具体延迟和资源占用数据，实际体验得自己跑一遍才知道稳不稳。
推荐理由：HKR 三项都踩中了：扣子 3.0 让手机能远程指挥电脑里的 Agent，还支持导入 Claude Code 这类命令行工具，等于把 Agent 协作和跨设备控制绑在一起。不过它本质上还是一个产品更新，正文没提定价、推送范围和本地文件读取的安全边界，所以先放在 featured 这一档。
Qwen 发了 Qwen3.7，由通义大模型 BU 多模态交互负责人 Steven Hoi 介绍。官方说法是推理能力有重大突破，工具调用、写代码和长链条的 agent 任务都做了升级。正文没披露模型参数量、定价、跑分成绩和开源/闭源条件，我会先打个折——等看到具体数字和实测再判断突破有多大。
推荐理由：HKR-H 和 HKR-R 通过，因为 Qwen3.7 是阿里云旗舰模型更新，从业者会关注。HKR-K 不通过：正文只说了能力方向，没给参数量、价格、跑分或接入方式，信息缺口太大，没法判断实际提升。
微软在 Build 2026 大会上发了两个能在设备本地跑的模型，都叫 Aion 1.0。一个是 Aion 1.0 Plan，140 亿参数，专门做推理和调用工具，上下文窗口 3.2 万 token，会直接预装在配置够的 Windows 设备里。另一个是 Aion 1.0 Instruct，定位是总结、改写、理解意图、无障碍功能，会集成进 Edge 浏...
推荐理由：微软在 Build 2026 发了 Aion 1.0 Instruct 和 Plan 两个端侧模型，其中 Plan 是 14B 参数、32K 上下文的规划模型，会直接跟着 Windows 推给符合条件的设备。我会先打个折：文章没提许可证、跑分、具体硬件门槛，所以实际落地效果还得观望。但 Windows 内置这件事本身，分发优势和生态卡位就很明显，对做端侧 AI 和 agent 的人来说值得盯一下。
这篇来自 WSJ 的报道梳理了 OpenAI 总裁 Greg Brockman 和 Anthropic 联合创始人 Dario Amodei 之间长达九年的矛盾。核心冲突是，在 OpenAI 内部研发一个后来演变成 ChatGPT 的项目时，Dario Amodei 直接禁止 Greg Brockman 参与。文章还提到，Brockman 现在负责 O...
推荐理由：我会先打个折：这不是模型发布或现任高管离职，所以放在 featured 里算合理。但 WSJ 挖出的料够硬——Dario 当年直接不让 Brockman 碰 ChatGPT 的前身，这比普通的口水仗有信息量。后面 Brockman 管了近 1500 人的产品战略，也说明他现在在 OpenAI 的盘子有多大。两条事实一前一后，把两家公司的旧怨和现状串起来了，对关注 AI 公司权力格局的人有参考价值。
@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。
xAI 和 Vapi 合作，把 Grok 设成了 Vapi 平台 12 个核心语音的默认引擎。Vapi 自己搞了一次盲测，Grok 拿了第一。另外 xAI 在 X 上发了个投票，4500 多人里有一半分不清 Grok 克隆的声音和真人原声。现在 Vapi 上的开发者可以直接在下拉菜单里选 Grok 来做文字转语音，仪表盘里也能用 Grok 的语音识别和...
推荐理由：这条消息有料，但别急着全信。Grok 被设为 Vapi 默认语音引擎，覆盖 250 多万个语音智能体，盲测还拿了第一，说明在语音合成这块 xAI 开始抢地盘了。不过正文没披露盲测的具体对手、评分维度和切换后的实际延迟、成本变化，所以“第一”的含金量得打个折。对做语音智能体的人来说，默认引擎换人意味着后续的定价、迁移成本和稳定性都要重新评估，值得关注但还需要更多实测数据。
xAI 在 API 里放出了 grok-imagine-video-1.5-preview 模型，能把单张静态图片变成一段动态视频。你给它一张起始帧，再用自然语言描述想要的镜头运动、节奏和音效，它就会按你的指令生成一段最高 720p 的短片。官方说模型会尽量保留原图的光影和细节，让视频像是原图的延续，而不是重新画了一遍。它也支持把多段生成视频串起来，拼...
推荐理由：xAI 放出了一个能用的图像转视频 API 预览版，720p 输出加上用自然语言调镜头和音效，功能点很实在。我会先打个折，因为这只是个预览版，不是完整的基础模型发布，所以重要性停在 82 分。
OpenAI 在 6 月 3 日上线了 Codex Sites 的预览版，目前只给 Business 和 Enterprise 用户用。你可以把想法、表格或计划扔进去，它会生成一个带托管链接的交互式网站，比如仪表盘、项目看板或规划器。生成的网站可以通过 URL 分享给团队里的指定成员，一起看、一起改。文章举了个例子：财务主管能把静态表格变成一个实时调整...
推荐理由：这是个产品更新，不是模型或底层能力发布。Codex 能直接吐网站确实实用，但先别太激动——目前只对企业版用户预览开放，正文也没说清楚生成的网站能复杂到什么程度、能不能接真实数据。我会先打个折，把它放在中等权重的产品更新档位。
NVIDIA 在 COMPUTEX 上放出了一个叫 NemoClaw 的开放蓝图，专门用来构建能长时间自主干活的 AI 智能体。十几家工业软件厂商已经用它来打造“自主 AI 工程师”，主要用在 CAE 仿真和 EDA 芯片设计流程里。按官方说法，以前要跑好几周的仿真和设计任务，现在能压缩到几小时内完成。不过正文没给出具体的测试基准、客户实测数据或错误率...
推荐理由：我会先打个折：这是 NVIDIA 官方博客发的，没有第三方验证，技术细节也基本没给。但它的核心信息够硬——NemoClaw 这个新平台专门瞄准 CAE 和 EDA 场景，让模型像工程师一样自主跑仿真和设计任务，而且已经拉了十多家工业软件厂商在用了。它抛出的“数周变数小时”虽然没讲清楚是怎么算出来的，但哪怕打个对折，对工业仿真这种重计算场景也是实打实的吸引力。这点先别太激动，正文没披露具体架构、模型规模和实测对比，后续得看有没有论文或客户案例放出来。
这个工具包专门用来搭科学发现场景里的自主智能体，让模型能跑科研流程。官方说它有两个好处：一是针对科学任务做了基础能力封装，二是 token 效率更高，也就是调用大模型时可能更省 token、更省钱。不过正文没披露开源协议、具体跑分数据，也没给出 token 节省量的数字，所以实际能省多少、效果怎么样，还得自己跑跑看。
推荐理由：这条消息有明确的开源动作和落地载体，对做智能体的人有参考价值。我会先打个折：正文没写许可证、没给基准测试结果，也没提 token 效率或成本数字，所以没法判断实际好用程度和复用门槛。这点先别太激动，等后续有实测数据再看。
Claude Code 新增了动态工作流，核心是让它在运行时执行 JavaScript 文件，按需创建并协调多个子代理（subagent）。每个子代理有自己的上下文窗口，互不干扰，可以同时跑研究、安全分析和代码审查这些任务。官方举的例子是让一个子代理查漏洞、另一个审代码逻辑，主代理最后汇总结果。正文没披露子代理数量上限和额外费用怎么算，这点先别太激动。
推荐理由：HKR 三项全中：Claude Code 用运行时 JS 编排带独立上下文的子代理，这是个实打实的新功能。Anthropic 的品牌有加分，但这次是功能更新而非模型或平台级发布，所以分数落在 78–84 区间。正文没提具体性能数据和价格变化，这点先别太激动。
Claude Code 加了一个动态工作流功能，你给它一个任务，它会现场写一段 JavaScript 来指挥多个子智能体分工协作。你可以指定用哪个模型、工作区隔离到什么程度，适合做研究、安全分析、代码审查这类复杂活，写好的工作流还能共享和复用。不过正文没提具体会多烧多少 token，也没说这个功能现在是不是所有人都能用，这点先别太激动。
推荐理由：HKR 三项都过，但文章只给了机制层面的细节，token 增量、推送范围和定价都没提。因为跟 Claude Code 直接相关，所以放在中量级产品更新里偏高的位置。
Runway 的 Aleph 2.0 视频编辑功能现在可以通过 API 调用了，你可以把它直接嵌进自己的应用或产品里。它支持对最长 30 秒、1080p 的多镜头视频做局部修改，只动你想改的那部分，其他画面不变。正文没提价格、调用频率限制、处理延迟和地区可用性，这些实际落地要用的信息都还没给。
推荐理由：Runway 是视频生成的核心玩家，Aleph 2.0 把局部视频编辑能力开放成 API，上限拉到 30 秒和 1080p。这是个实用的产品更新，不是模型级大版本发布，重要性中等偏上。
这个 CLI 工具把 Claude Platform 的所有 API 端点都搬到了终端里。你可以直接在命令行调用 Messages API、启动 Claude 托管的智能体，然后把返回结果用管道传给 shell 做后续处理。官方提到，用 Claude Code 这类编码智能体来理解这个 CLI 也没问题。正文没披露性能开销或额外费用，实际用起来会不会增...
推荐理由：Claude Platform CLI 在 HKR 三项上都站得住，是个实用的开发者工具更新。不过公告只给了能力范围，安装流程、权限控制、安全限制和定价都没提，我会先打个折——实际落地好不好用，还得看这些缺口怎么补。