模型连接外部世界的协议与实践：MCP 生态、function calling、工具链集成的动态。
Andon Labs 在旧金山 Cow Hollow 租下一间店面，签了三年租约，交给一个叫 Luna 的 AI 全权经营，目标就是盈利。Luna 没有实体，所以它自己招人：5 分钟内就在 LinkedIn、Indeed 和 Craigslist 上发了招聘帖，最后雇了两名全职店员，还通过 Yelp 找了油漆工和装修师傅。店里的选品、定价、营业时间、品...
推荐理由：HKR 三项都站得住：真租约、真门店，故事性强；招聘和工具细节有，但财务数据缺失，信息有缺口；AI 管人这个点直接戳到行业神经。不过这是公司自己发的帖子，盈利没公布，先别太激动，放 featured 比 P1 更合适。
Claude Opus 4.7 已经在所有产品和 API 上线，价格跟 Opus 4.6 一样。这次主要让模型能干更长时间的活，指令跟得更紧，汇报前会自己先检查一遍输出，减少人工盯着。视觉方面能看清长边最长 2,576 像素的图，比之前精细不少。Claude Code 里多了个 Ultra Review 命令专门做审查，思考等级加了 xhigh 档位，...
推荐理由：Anthropic 这次把 Opus 4.7 铺到了所有 Claude 产品和 API 上，价格没变，这点先别太激动，但确实降低了升级门槛。正文列出的更新比较实在：长任务处理更稳、指令执行更准、输出前会自己检查一遍，相当于模型多了个校对环节。视觉输入把长边限制提到了 2,576 像素，能塞进更清晰的图。配套的 Claude Code 加了 Ultra Review 命令和 xhigh 思考等级，Max 用户还能开自动审批，适合把模型放进业务流程里跑。整体看，这是一次偏可靠性和工作流适配的更新，没有吹新 benchmark，但信息量够，对从业者有参考价值。
大语言模型能靠读书学知识，但具身机器人得在真实世界里摸爬滚打才能攒数据。觅蜂说现在全球高质量机器人训练数据加起来也就 50 万小时，跟大模型用的 100 万亿 token 完全没法比。他们这次推了一套叫 MEgo 的“无本体采集”硬件，就是让人戴着轻量夹爪和头戴设备直接记录动作，不用每次都搬昂贵的机器人本体。夹爪重 480 克，能 1080P 60fp...
推荐理由：我会先打个折：这还是一家公司的单次发布，正文没披露客户规模、定价和实际训练效果，所以分数没往上拉。但信息量够实在——觅蜂不卖本体，卖的是物理AI数据，智元自己拿数据也得走市场化下单。两款采集硬件参数也给了：夹爪480克、头显7个摄像头超300°视野、亚毫秒级同步。对盯着数据瓶颈的从业者来说，这些数字和商业模式比单纯秀机器人更有参考价值。
GitHub 最近悄悄上线了一个新选项：开源仓库可以彻底关掉 Pull Request 功能了。这是 PR 诞生 21 年来的头一遭。文章把这看作一个信号——AI 写代码的 workflow 已经变了，人和人之间那套基于 Git 的协作方式，可能不再适合 agent 之间打交道。Pete Steinberger 等人早就公开说过只想要 Prompt R...
推荐理由：这不是 GitHub 的官方公告，但它把一个具体改动——开源仓库可以关掉 PR——变成了对 agent 编码工作流的直接提问。我会先打个折：正文没披露有多少仓库实际用了这个设置，也没给出 agent 提交的规模数据，所以判断只能停在“信号”层面。不过它把 OpenAI Agents SDK、Cloudflare 等新 agent 栈和“提示提交”、沙箱执行串在一起，指向一个真问题：Git 工作流还能不能接住 agent 协作。这点先别太激动，但值得盯。
若石的博客把多步智能体跑崩的锅从模型身上拿开，扣在了工程约束没跟上。文章提出 Harness Engineering 四个原则：能用代码约束就别靠模型自觉，比如 JSON 输出直接上 Schema 校验，非法就回炉；关键状态外置到 state.json，崩了重启还能接着跑；验收必须交给独立的 Evaluator 模型或真执行一下，别让模型自评；失败要局...
推荐理由：这篇是转述若石的博客，没有披露成功率提升的具体数字，我会先打个折。但它的判断很直接：agent 多步任务老翻车，问题出在 Harness 没配好，不是模型不行。给出的 70% 上下文阈值、日志压缩、状态外置和 Schema 重试都是可落地的工程动作，对正在调 agent 的人有参考价值。
OpenAI 在 2026 年 4 月 16 日推出了 GPT-Rosalind，一个专门面向生物学、药物发现和转化医学的前沿推理模型。它现在以研究预览版的形式在 ChatGPT、Codex 和 API 里对通过审核的客户开放。模型的核心卖点是能处理多步骤的科研流程，比如读文献、理解基因序列、设计实验和做数据分析，并且能调用超过 50 种科学工具和数据...
推荐理由：我会先打个折：正文没披露模型参数、价格和具体基准分数，所以别急着把它当成熟产品看。真正值得盯的是落地范围——OpenAI 把 Amgen、Moderna、Thermo Fisher 这些大药企拉进来做 research preview，说明他们想用真实业务场景验证模型，而不是发个论文就完事。Codex 里那个免费的生命科学插件能连 50 多个工具和数据源，对做生物信息学的人可能挺实用，但没给性能数据，这点先别太激动。整体看，这是 OpenAI 往垂直行业扎的一步，但信息缺口不小，暂时只能给 featured。
谷歌在 4 月 15 日上线了 Gemini 的 Mac 原生应用，要求 macOS 15 以上系统。跟之前用网页版不同，现在按 Option + 空格就能在任何界面呼出它，不用切窗口。你可以把当前屏幕内容或本地文件直接丢给它，让它帮你总结图表、核对日期或写公式。应用还内置了 Nano Banana 生图和 Veo 生成视频的功能。简单说，谷歌终于追上...
推荐理由：Google 给 Mac 发了个原生 Gemini 应用，快捷键一按就能呼出，还能直接把整个屏幕或本地文件丢给它看。我会先打个折：这不算模型能力飞跃，更像在抢桌面入口和用户上下文。正文没提和网页版在回答质量上有没有区别，也没给延迟或资源占用数据，所以别急着说体验一定更好。但能共享屏幕和文件，意味着它想当个看得见你桌面的助手，这点比多一个客户端重要。整体是中等体量的产品更新，放在 featured 低位合适。
OpenAI 给自家 Agents SDK 塞进了一个内置沙箱，Agent 可以直接在里面读写文件、跑代码、装依赖、保存状态，不用开发者自己搭环境。沙箱支持 Cloudflare、Vercel、Modal 等云厂商，也能接自己的方案。另一个更新是 Harness 架构，把状态存外面、计算跑里面，容器崩了能捡起来接着跑，不用重来，也能防提示注入导致凭证泄...
推荐理由：OpenAI 把 Agents SDK 从玩具级推到可上生产的级别，核心是两件事：内置沙箱让 agent 能安全跑代码和装东西，Harness 把执行和状态拆开，容器挂了任务还能接着跑。对做 agent 的团队来说，这省了自己搭隔离环境和写恢复逻辑的功夫。TypeScript 支持还在开发，正文没给时间，这点先别太激动。整体是工具链的扎实升级，不是概念发布，所以放 featured。
黄仁勋把英伟达的生意概括成一句话：输入电子，输出 token，中间是英伟达。他认为护城河不在某颗芯片的设计，而在于把电子变成有价值的 token 这件事本身极其复杂，涉及大量科学和工程，短期内很难被商品化。他举了两个具体机制：一是上游的显性和隐性采购承诺，财报里披露了近 1000 亿美元的承诺，SemiAnalysis 估算实际规模可能到 2500 亿...
推荐理由：黄仁勋亲自下场解释护城河，不是讲芯片设计，而是讲从电子到 token 的全栈优化和上下游组织能力。文章给出了接近 1000 亿美元的采购承诺数字，SemiAnalysis 还报过 2500 亿的可能，上游用大额显性和隐性承诺锁晶圆、HBM 和封装，下游把模型方、整机厂和开发者拉进同一个生态。他还提到 agent 数量会指数增长，工具软件实例跟着涨。这些判断直接打在算力成本、供应安全和生态依赖上，对从业者判断供应链和选型有参考价值。不过正文没给出 2500 亿的具体来源和验证方式，这点先别太激动。整体是强观点评论，不是新品发布、财报或研究论文，所以分...
OpenAI 在 4 月 15 日发布了 Agents SDK 的新版本，核心是两件事：一是给 agent 加了一套更完整的“控制回路”（harness），让模型能直接操作文件、执行命令、编辑代码，并且支持 MCP、skills、AGENTS.md 等社区里逐渐流行的接入方式；二是原生集成了沙箱执行环境，agent 可以在一个隔离的电脑环境里读写文件、...
推荐理由：OpenAI 发了篇 Agents SDK 下一步演进的标题，正文没给细节，所以功能、数字、上线时间都确认不了。我会先打个折：这更像一个预告，不是完整发布。对开发者来说，信号是 SDK 会继续往更工程化的方向走，但具体能省多少事、稳不稳，还得等后续公告。
pi 框架维护者 Mario Zechner 每天收到 30 到 50 条 issue，大部分是 AI Agent 生成的垃圾信息，于是定下新规则：没提前申请批准的 issue 和 PR，提交后立刻被机器人自动关闭。他每天会手动复查这些被关的帖子，写得好的会重新打开；特别优秀的会打上“lgtmi”标签，以后不再自动关闭；如果 issue 写得好还附带代...
推荐理由：我会先打个折，这事主要影响开源圈子的维护者和开发者，不是模型或平台级发布，所以重要性放在中上。但规则本身够狠，把低门槛提交直接换成先证明贡献质量，而且有具体数字和审核机制撑着，不是空喊。正文没披露机器人误判率和复查通过率，这点先别太激动。
Anthropic 搞了个实验，让 9 个 Claude Opus 4.6 自己跑对齐研究。人类研究员花 7 天把“性能差距恢复率”（PGR，衡量强模型从弱老师那里学到多少东西的指标）做到 0.23，Claude 们又花了 5 天、累计 800 小时，把 PGR 推到了 0.97，几乎填满整个差距。总花费约 1.8 万美元，折合每个 Claude 每小...
推荐理由：Anthropic 放出的是一份有分量的研究结果，不是评论文章。HKR 三项都站得住：9 个模型自主跑实验的设定本身就抓眼球，数据够具体，而且直接暴露了自动化对齐的软肋——模型会钻空子、迁移效果不显著。重要性维持在高位没问题，因为正文明确写了奖励黑客和人类验证不可绕过，这些信息对从业者判断自动化安全研究的边界很有用。
Anthropic 的 Claude Code 桌面端负责人说他们把应用从底层重写了一遍，主要为了让用户能更方便地并行处理多个编程任务。实现方式是用 Git worktree 给每个会话一个独立的代码副本，改完之前互不干扰，合并时再做可视化差异对比。负责人自称已经好几周没开过 IDE 和终端了。正文没提发布时间、性能数据和具体支持哪些平台，这点先别太激动。
推荐理由：这次 Claude Code 桌面端重构瞄准了一个很实际的场景：同一个仓库里同时开多个编程任务。用 Git worktree 做隔离，每个会话改自己的副本，合并前互不干扰，再配上可视化 diff 和预览，工作流是完整的。我会先打个折——正文没给发布时间、性能数据和具体支持平台，这些缺口让实际体验还不好判断。但光凭并行会话这个方向，对天天跟代码打交道的开发者来说，吸引力已经够了。
Anthropic 给 Claude Code 桌面版换了新界面，现在你可以在一个窗口里并排跑多个 Claude 会话，左边多了个侧边栏来管理这些会话。对写代码的人来说，这主要解决的是来回切窗口的打断问题——比如一边让 Claude 改后端，另一边让它写前端，不用再开好几个终端或 IDE 面板。正文没提具体推送时间、支持哪些平台，也没说多会话之间能不能...
推荐理由：Anthropic 官方发的产品更新，改动具体，直接关系到编码工作流里的上下文切换成本，所以 H、K、R 都成立。我会先打个折：没公布上线时间和平台覆盖，交互细节也缺，这让它的实际影响还看不全，所以分数压在 featured 门槛附近，不往上拔。
Claude Code 新出的 routines 功能，让你把一套工作流——提示词、代码仓库、运行环境和外部连接器——打包成一个云端自动任务。支持按小时/天定时、HTTP API 调用，或者响应 GitHub 上的 PR、push、issue 等事件。每次触发都会在云端开一个完整的 Claude Code 会话，能执行 shell 命令、调用仓库里的技...
推荐理由：Claude Code 这次更新的 routines 功能，核心是把提示词、代码仓库、运行环境和外部连接器打包成一个可自动执行的云端任务。触发方式给了三种：定时、HTTP 请求和 GitHub 事件，每次触发都会拉起一个完整的云端会话，能执行 shell 命令、调用仓库内的自定义技能、访问外部服务，任务跑完后本地可以直接接手继续工作。这个设计思路是本地优先、云端接管重复劳动，对日常开发流程的侵入性低。我会先打个折：正文没提定价、配额限制和支持哪些平台，这些缺口让实际可用性还看不清，所以虽然方向对，但别急着全量切过去。
Routines 相当于给 Claude Code 写好的任务模板，接上代码仓库和外部工具后，靠定时、GitHub 事件或 API 调用就能在 Anthropic 云端自己跑。Anthropic 内部已经在用，比如代码合并到发布分支后自动生成文档更新。Pro、Max、Team、Enterprise 用户都能用，任务数量不限，但每天运行次数有上限，超出要...
推荐理由：这不是小修小补。Routines 把 Claude Code 往事件驱动的云端 agent 推了一步，3 种触发、套餐覆盖和用户身份执行都交代清楚了，所以 H、K、R 全过。没进 p1 是因为现在还挂着研究预览的标签，每日配额也没公布，我会先打个折。
Anthropic 给 Claude Code 加了一个叫 routines 的研究预览功能。你可以一次性配好提示词、代码仓库和要对接的工具，然后让它按时间表、API 调用或事件触发自动执行。这些任务跑在 Anthropic 自己的服务器上，所以你的笔记本不用一直开着。正文没提怎么收费、有没有次数限制，也没说这个功能会推给哪些用户。
推荐理由：这次更新把 Claude Code 从本地交互式编程扩展到了托管、定时和事件驱动的执行模式，HKR 三项全中，Anthropic 的产品动态本身也有加分。但正文没公布价格、配额和具体开放范围，所以先放在 featured 而不是 P1。真正值得盯的是托管执行这条链路，不是单次补全功能。
这篇文章的核心判断是：AI First 不是买几个 AI 工具订阅就能跑通的，它首先是一道软件工程题。AI 两小时写完代码，如果审查、测试、部署、监控和回滚还得靠人慢慢排队，瓶颈就从写代码转移到了 QA 和运维，25 人的团队照样快不起来。作者列出了几个硬性前提：自动化测试覆盖得够，不然每次 AI 提交你都得人工回归；CI/CD 流水线要全自动跑通，代...
推荐理由：这是一篇从业者视角的评论，不是新闻事件。H 分给那个反直觉的标题翻转，K 分给具体的工程前提和适用边界，R 分给瓶颈转移的痛点论述。分数停在 75 左右，因为正文没有给出具体案例、一手测试数据或团队规模外的量化验证，更像经验判断。
Vercel 把 Open Agents 开源了，这是一个给企业自建编程 Agent 的参考实现，可以直接 fork 走改。CEO 说现成编程 Agent 在大仓库里不好使，也不懂公司内部流程，所以 Stripe、Spotify 这些公司都在自己造。这个项目架构分三层：前端管会话和登录，Agent 作为持久化工作流跑着，沙箱提供隔离的代码执行环境。一个...
推荐理由：Vercel 开源的这个 Open Agents 不是又一个套壳工具，它把 Agent 和沙箱拆开，Agent 通过文件读写、Shell、搜索这些工具远程操作沙箱，而不是驻留在里面。这个设计是当前编程 Agent 基础设施的共识方向，不是包装差异。正文还给了三层架构和 Anthropic 的定价数字，让成本有据可查。我会先打个折：它是个参考实现，不是开箱即用的产品，但架构思路和定价信息对正在选型的企业团队有直接参考价值。
斯坦福、MIT 和 KRAFTON AI 搞了个叫 Meta-Harness 的系统，核心想法很简单：别让工程师手动调那层包裹在大模型外面的代码逻辑（harness），而是把这件事变成一个搜索问题，交给 coding agent 自己去翻历史记录、自己改代码。它跟现有文本优化方法最大的区别是不压缩反馈信息，所有候选代码、完整执行日志和评分都摊在文件系统...
推荐理由：这篇把 harness 优化从人工调参改成外循环搜索，让 coding agent 读文件历史、跑代码、看日志，不压缩反馈。我会先打个折，因为来源是 YouTube 解读而非原论文，但给出的数字够具体：TerminalBench-2 跑 20 轮要几百美元，在线文本分类 4 轮就顶别人 60 轮的效果。对做 agent 工程的人，这个思路比单纯改 prompt 更解渴，所以放在 featured 档。