AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

有个叫 Naive 的团队发了 Naive-N0.5-Flash，标题就写着"用 AI 造前沿 AI"，三个数字值得记（转述自原帖）：309B MoE、仅 15.5B 激活参数，称编码顶尖、AI 研发领先；原生 100 万上下文，且没有全注意力层（混合 SWA＋DSA）；推理运行时也由 AI 构建，Ultrafast 模式可达 2000 token／秒。

权重今日以 MIT 协议开源。技术博客：naive.ai/en/research/ 权重：huggingface.co/NaiveAI/Naive-… 代码：github.com/NaiveAI-Labs/N…

这套参数的看点不在单点，在每一项都在拆一个"人力前提"。15.5B 激活扛 309B 总量，重复劳动给稀疏化；原生 1M、砍掉全注意力层，长上下文的成本直接从架构层降——这与今晚"压缩记忆暴涨"讲的是同一件事的两端：一端让模型记得多，一端让记得多不昂贵。

而"推理运行时由 AI 自己写、跑到 2000 tok/s"，等于把"模型快"从调参问题变成了编译问题：瓶颈不再是"能不能想清楚"，是"想清楚的东西多快能落地"——这正是今晚效率账本最想要的那类答案。

最动人的其实是 MIT 这三个字母。同一天的叙事里，一边是 Pro 额度从两千降到一千二、定价页把数字换成形容词；另一边是把权重、代码、博客整包放上 GitHub——开源阵营此刻卖的是"可退路"，订阅阵营卖的是"不可退的舒适"，两者的价差不再是性能，是反悔权。塔尖留订阅、长尾搬回家那篇说的议价权，这次开源方又往自己那边拨了一格。

"用 AI 造前沿 AI"的标题也别急着当口号：它对应的是循环里最实的一环——运行时是编译器与调度的活，恰是 AI 干得动、且成果能量化的部分（2000 tok/s 就是那张成绩单）。别把它读成"模型自己发明了自己"；更准确的读法是，能交给 AI 的工程环节先交出去，交完能测的先测出来。循环从边缘向中心收拢，从来都是这么走的。

给想上手的人一句落地的：别只看跑分——先照原帖的三个链接各花十分钟验一遍：拉权重看显存占用（15.5B 激活到底要多大卡）、跑一段 1M 上下文看中段是否失忆、拿你的日常任务测 Ultrafast 的实际 tok/s。三个十分钟换一个"可退路模型"值不值得留，比任何榜单都诚实。

DeepSeek Harness 上线的「智能体团队」预览，有人把官方源码拉下来读完了，拿"做一个网页"举例，机制讲得清清楚楚（转述自原帖，源码见文末）。

分工的样子：主 Agent 当队长，招两个队友——一个写页面、一个做检查；每个队友有独立对话，可以零起步、也可以带着队长的聊天记录开工。最有意思的是队友之间能直接传话：写页面的跟检查的说"改好了，你看看"，发现问题也能直接打回，不必每句话经队长转译。

三个工程细节比概念更值钱。一是共享任务板：记着谁负责什么、做到哪、要等谁先完成（检查任务得等页面写完才能领取）；两人同时抢同一项时系统查版本，避免都以为自己领到了。二是传话中途出问题的处理：消息先进日志、再尝试投递——对方接不到就留着等恢复；已收到的，恢复时按消息编号去重，不塞第二遍；分工与进度都有记录，重启后可还原。

三是队长协调的局限说得很直白：任务变成"可以开始"并不会自动叫醒负责人，还得再发消息推动；多个 Agent 共用一个文件夹、谁改了别人立刻可见，任务板会提醒"你俩可能改到同一处"但不锁文件——所以实践建议是目录分清楚，队长只检查最终结果。

这套设计和我们之前读过的两篇连成一条线：59816 讲的是这个团队住的屋子（模块化工作台）、59836 讲的是墙上挂的那块屏（会话内状态面板），这一篇讲的是屋里的人怎么分工、怎么说话、怎么分锅。

任务板＋日志＋消息编号去重，这三样几乎是把单人工程里成熟的协作基建原样搬进了多 Agent——没有发明新轮子，把工程上已验证的队列、幂等与看板搬了过来，这与今晚"零件全是现成的、组合才是发明"是同一个判断在 DSH 内部的自证。

值得记的克制处：官方没有吹"全自动协作"，预览里把边界写明白了——依赖队长协调、不锁文件、不自动唤醒。能讲清楚自己不做什么的预览版，比吹六边形战士的正式版可信；这也和"读取授权不等于传出授权"那类诚实一脉相承：先划清楚，再谈能力。

给想试的人一句落地的：照原帖的做法反着用——先把两个任务板目录分干净（你改这个、他改那个），再让队长只做收口检查；别把宝押在"任务板会提醒"上，目录边界是现在唯一免费的锁。源码入口：github.com/deepseek-ai/de…

有个叫 humanbench 的东西，方向拧了个个儿：不是测模型，是给人类打分——你去测一下，看看自己相当于什么模型尺寸、什么模型人格。试玩：humanbench.ybuild.ai （结果截图见原帖）

这个翻转本身就好玩。今晚的评测线一路都在做同一件事：给模型出题、建表、立对照组，人是考官、模型是考生；humanbench 把座位换了过来——人坐进考位，拿的是模型那张卷子。当"你相当于几档"变成一个可回答的问题，评测第一次变得有体感：不再是对岸的榜单，而是你自己能站上去的刻度。

这与"三道题复现你自己的 12.5 倍"是同一个直觉的两端——那条教你给模型建尺子，这条让你站到尺子上。

"相当于什么模型尺寸和模型人格"这半句也颇有意思。尺寸对应能力档位，比较直白；人格对应性格刻度，就更像一场带娱乐性的自我报告——量出来的分数未必科学，但愿意被测量这个姿态本身挺新鲜：人对自己能力的估计一向偏乐观，肯去跑一个 benchmark 的人，多半已经先接受了"可能没想的那么高"。被测的一侧愿意坐下来，是这类工具能流行的前提。

对做产品的人，这个小东西还有一层用法：把"给人打分"的思路搬回你的系统——你给 agent 建了 evals，有没有给自己留一把同款的尺子？同一套题目、同一个表，人和模型各跑一遍，谁在哪一格、差在哪一类题，立刻从感觉变成数字。评测的终极形态大概是不分对象的：谁在做，谁就上考场。

给想玩的人一句落地的：跑完别急着关页面——把自己的分数和你常用的那档模型对一对，然后回来想一个问题：你平日里让模型替你干的活，是分数高过你的那类，还是低过你的那类。把高于你的活交给它、把低于你的留给自己，这大概是这张尺子最实际的用法。

X 上的人都在嘲笑谷歌的 AI 战略，有位作者公开唱了反调：他觉得谷歌的牌其实打得相当好。（转述自原帖）

论证的第一层是处境。谷歌搜索是第一个真正受到 AI 威胁的大型科技产品，而且是它的主业——命门被顶在刀尖上。第二层是选择：别人把算力烧在超大号的 benchmark 模型上，谷歌却重注 Flash——更小、更快、便宜到可以服务几十亿人，然后把它直接塞进自己最强的现有产品里。

用他的话说，谷歌是用那个所有人都在抱怨的"笨"overview 模型，保住了自己的核心业务。第三层是对照：当其他科技巨头在为疯狂的算力成本倒贴钱时，谷歌把算力用来保卫自己的城堡。

这段判断放进今晚的效率账本，会看到一条熟悉的曲线。我们一路读过 2 倍启动提速、档位分流、6 步出图、$9 与 $200 的对照——全都指向同一条原则：把钱花在"够用且跑得起"上，比花在"最炫"上回报更高。

谷歌是这条原则在公司尺度上的极端演示：不追求榜单第一，追求的是单位成本下能塞进十亿用户的产品里。榜单是给别人看的，渗透率才是自己的；当晚那些个人开发者省 token 的小心思，放大到万亿市值公司，就叫用算力保卫城堡。

"被所有人抱怨的笨模型"这半句也值得多看一眼。overview 被骂了两年——答案保守、措辞含糊、不敢给硬结论；但换个角度，恰恰是这种"笨"让它敢被放在搜索首页这种寸土寸金的位置上：错不起的地方，需要的从来不是最聪明的，是最可控的。

这与今晚"批准之前绝不擅自动工"、"护栏不该拆"是同一套取舍的另一端：在高风险位置上，克制比聪明值钱；聪明留给可以随时重来的场景，比如夜里跑的那个 agent。

留一格清醒：辩护不等于全对——谷歌在生成式产品上的迟缓、gemini 早期的口碑翻车，都是真实的另一面；这段话的价值不在给出结论，而在提供了一个被集体嘲笑时容易被忽略的视角：看一家公司的 AI 战略，别看它发了什么论文，看它的钱从哪个口子进、又在保哪座城堡。

给做产品的人一句落地的：把"Flash 策略"翻译成自己的版本——先找到你真正要保的那块业务（不是最炫的那个 demo），再问哪一档模型能以可承受的成本把它护住，最后把这一档塞进你最强的产品里。守得住的渗透率，比守不住的榜单更值钱；这条不只适用于谷歌。

有人把"/goal 是如何实现的"当成面试题来考候选人，有位老师公开唱了反调，四点讲得相当不客气（转述自原帖）：

一，Prompt 写得足够好，也可以不依赖 /goal——目标线程管理、生命周期、工具设计，靠 vibe coding 实现算不上难；他甚至不觉得 /goal 有多优雅，反而可能消耗额外的 token。

二，Claude Code 早期的 Ralph Loop 加 stop hook，某种意义上就是早期的 /goal。三，在 Codex /goal 发布之前，他一直用"do not stop until"来驱动长时任务——三月份之前的模型就已经能连续执行十几个小时了。

四，/goal 感觉更多是名字取得好听，语义上像在向它许愿、愿望就能达成，实践中几乎没有任何帮助。

结论更狠：就像 /plan、/superpowers 这类工具一样，随着模型上下文与长时任务能力提升，/goal 早已被模型内化，调用这些 command 工具只会产生副作用——只是使用者的操作习惯还没改过来。

这段话的价值在于它给今晚的斜杠命令线补上了必要的一面。我们一路讲"方法论的终点是一组斜杠命令"（59805）、讲 Skill 货架百万条（59493）、讲工具默认先喂 agent——那条线说的是命令怎么让流程变便宜；这位老师说的是另一头：命令是脚手架，而脚手架的宿命是被内化。

当模型自己就会先想清楚再动手，/plan 的价值就从"引导"退化成"多一道仪式"；当模型自己知道不许中途停，/goal 反而成了多余的一声令下。同一组命令，在能力不足时是补药，在能力足够后是阻力——这与"hallucination 会随模型进步自动消失"是同一个判断的翻版：很多当下的技巧，是今天的能力缺口买下的权宜。

但这不构成"命令无用论"。真正的分界在约束的强度：模型内化的是"怎么做"的习惯，命令承担的常常是"不许怎么做"的硬边界——批准闸、预算线、验收条件这些，模型再进步也不会自发给自己上锁。

脚手架可以拆，护栏不该拆；把两者混为一谈，才是 /goal 讨论里最容易摔的坑。今晚从 sandbox kit 的权限注解到"批准之前绝不擅自动工"，讲的全是护栏那一侧——命令退场与否，要看它站在哪一边。

给面试与选型的人一句落地的：遇到"/goal 怎么实现"这类题，别急着背实现——先答它的动机（为什么需要外部驱动长任务），再答它的退化条件（模型强到什么程度就不再需要）。能把一个工具讲到"它何时该被卸载"，比只会装它更能证明你懂工程；而日常用命令的人也记住一条：每年回头试一次，把某个命令摘掉看会不会出事——不出事，就该退休了。

微软悄悄开源的数据分析工具 Data Formulator，两篇介绍拼起来正好把它的价值说全。先看它对准的两个痛点：用 AI 做数据分析时，要么模型甩给你一堆冷冰冰的 SQL／Python 代码让你自己调试；要么图表生成完，你多追问一句，上下文就开始漂移，图表直接崩溃。

微软这个工具的解法是把大模型 agent 能力和拖拽式界面焊在一起。（仓库：github.com/microsoft/data… ）

能力清单里最值钱的是两处。第一是 Anchor（锚定清洗结果）：把已清洗好的中间状态数据牢牢固定，后续多轮连续追问时，分析逻辑绝不倒退或变形——今晚反复讲的"查询别漂移"，这里第一次有了产品级的实体机制：不是靠模型自觉，是把状态钉住。

第二是 Branching（图表分支）：任何一张图都能衍生新分支，像思维导图一样并行探索不同假设——把"试错"从覆盖式改成保留式，比掉一张图重来省得多。

其余几项各有分工：多源即连（CSV、PostgreSQL、BigQuery、实时 URL）；语言驱动加拖拽微调——字段拖到 X／Y 轴或颜色上，配一句大白话，底层 agent 自动写 SQL 完成清洗与重塑，输出的是完全可编辑的交互式图表，而不是一锤子买卖的代码转储；实时联动刷新，接上动态数据就自动更新；以及最关键的一条：支持自带 API Key、本地运行，商业核心数据完全不用担心被云端采集泄露。

"输出可编辑的图表而不是代码转储"这句，和昨晚 open-slide 那篇是同一个判断的两次落地：agent 的产出该从终稿退回初稿，把定义权和最后一笔留给人。而本地运行这条，又和"公司大脑装自己家才敢喂真资料"接上了——数据敏感的场景里，工具的部署位置就是它的可信度。

给要上手的人一句落地的：它最适合的不是一次性出图，而是那个反复追问的下午——先用一句话把原始数据洗成锚定状态，然后放开了问；每次追问都基于同一份被钉住的中间结果，分析就不越问越歪。锚定之前先别急着问，把清洗这一步做对，后面每一轮追问才都算数。

"Harness engineering 是你当下能学的最重要的 AI 技能"——有条帖子这样开头，随后给出的不是口号，是一组让人没法反驳的对照：
Anthropic 做过一个实验，同一个模型（Opus 4.5）、同一句提示"做一个 2D 复古游戏编辑器"——不配 harness：9 美元、20 分钟、做出来的东西不能用；配上完整 harness：200 美元、6 小时、做出了一个真的能玩的游戏。

**模型没变，变的是它周围的环境。而配套的整门课程，刚刚被人开源了，免费。仓库：github.com/walkinglabs/le…

"9 美元失败、200 美元可用"这两个数字，是今晚 harness 主线一路攒下来的论点第一次被折算成钱。我们说过它决定输出（定义篇）、说过 agent 的人格是环境的投影（仓库四件套）、说过 92% 的错误与权重无关（Dartmouth）——这次的实验把三者合并成一句采购建议：你可以为同一个模型多付 21 倍的钱换更强的，也可以把这笔钱花在围绕它的那套结构上，拿到从"不能用"到"能玩"的跨越。前者的边际收益递减，后者的起点是从零到一。

课程的设计也相当对路：14 讲、8 个实战项目、覆盖 15 种语言、GitHub 已 15.4k 星——但真正的骨架是一路建到底的一个真实应用（Electron 知识库），让学习者亲眼看着自己的 agent 从"弄坏了测试还说 done"，变成"停下之前先自验"。

这句话几乎是对今晚"完成判定""验收先立""机器铺量人守门"全部讨论的课程化转写：要教的不是提示词，是那条闭环怎么被搭起来。帖子给出的上手三步也朴素得可以照抄：先拿四个起手文件（AGENTS.md、init.sh、feature_list.json、progress log）放进项目；跑它的 audit-harness 脚本，按五大子系统给你的仓库体检；再装 harness-creator skill 让它替你补缺。

"四个起手文件"这个细节值得单拎出来。AGENTS.md 是 why 与 map 的容器、feature_list 是任务与验收的清单、progress log 是可追溯的过程——它们正是四件套的最小实体版；而那个 audit 脚本把"你的 harness 完不完整"变成了跑一遍就能出的分数，与今晚"表立起来之前别谈自动化"是同一个动作：先把感觉变成测量，再谈改进。

当社区开始批量生产这类课程与体检工具，说明 harness 已经从先锋手艺变成了需要正规教学的学科——这大概是今晚这条线最值得记的里程碑。

给想上手的人一句落地的：今晚就做那三步中的第一步——把 AGENTS.md 和 progress log 放进你手头最活跃的项目，明天让 agent 干活时观察两个变化：它还要不要中途问"我该干什么"、它的收尾有没有附自验记录。

两个变化出现任意一个，你就亲手验证了那个 9 美元与 200 美元之间的差距；课程可以慢慢读，先把今晚的九美元省下来。

有条帖子给 OpenAI 扣了顶"透明问题"的帽子，证据很具体：Pro 定价页据称不再显示 5× 和 20× 这两个使用量数字——此前是"$100 Pro＝比 Plus 多 5 倍用量、$200 Pro＝多 20 倍"，如今只剩一句 "More usage than Plus"；而他们自己的文档里仍然列着具体额度。

奇怪的地方就在这：你每月付的是一百到两百美元，"更多"算不上一个清晰的答案——为什么数字是现在消失的？（转述自原帖）

把这件事放进今晚的脉络，它的刺点不是涨价、是话术替换数字。我们一路讲"可兑现的透明才是可信的透明"、讲披露要到定量的颗粒度——5×、20× 正是那种可核的定量口径：写下来就能对账、变了就能被发现。

而"更多用量"是一句不可证伪的话：它既可能是降级也可能是没变，用户无从判断、更无从申诉。从数字退到形容词，是透明度的倒退方向；今晚刚发完"评测是变更的准入证"，这里恰好是反例——没有了量化的基准，每一次变更都不再留下痕迹。

"自家文档仍写着具体数字"这个细节，把问题从"改口径"推向了"改得不彻底"。如果文档里还有，说明数字没有消失、只是从最显眼的决策页面挪走了——付费前看的那一页变成了模糊话术，付费后查的那一页藏着真相。

这与"知识活在流转里"那篇是同一枚硬币的反面：信息放在哪，决定了谁能看到它；把数字挪到没人翻的文档里，等于选择性失明。对正处在订阅线讨论（席位 vs 计量、额度归属、故障重置）中的用户，这一页的改动比任何一次调价都更值得警觉——计价透明是所有后续谈判的前提。

也留一格给另一种可能：数字消失也可能是页面改版的临时状态、或在酝酿新的披露口径——在没有官方说明之前，"为什么"仍是个开放问题；转述帖的问号，我们原样保留。但用户侧的应对不依赖答案：只要你还在订阅，就自己记录用量——每周截一次图、数一下实际能跑多少任务；你的记录才是"5 倍还在不在"的裁决证据，比任何页面措辞都硬。

给正在选套餐的人一句落地的：把"它说多少"换成"我实测多少"——连续两周记录任务数与实际消耗，和宣传口径对个账；对得上，留下；对不上，页面上那句"更多"就有了具体含义。可核的从来不是广告语，是你自己那本账。

Box 的 levie 把 AI 在企业落地的闸门点得很准："你无法自动化你无法测量的东西。所以，evals 是 AI 在企业里扩散的闸门之一。"（转述自原帖）

他的论证分两步。第一步是对照：确定性流程（软件能测的那类）早就有测试托底；但企业对非确定性流程——也就是 agent 正在替他们干的那些活——至今没有任何像样的理解方式。第二步是清单：没有好的 evals，你根本不知道什么在工作、什么坏了、什么变了、什么改进了、什么可以再多做一点——而所有变更、升级、部署，都必须排在"好 evals"的下游。换句话说：评测不是质量部门的爱好，是每次改动的通行证。

这段话与今晚的评测线是同一枚硬币的两面。我们从"判卷可靠、学习才发生"讲到"三道题复现你自己的 12.5 倍"，一直在个人与任务的粒度上转；levie 把它抬到了组织粒度：个人的 evals 是调优的尺子，企业的 evals 是信任的凭证——前者决定模型好不好用，后者决定敢不敢让 agent 碰业务。

没有它，"什么在工作、什么坏了、什么变了、什么该多做"这四个问题一个都答不上，而所有变更、升级、部署都排在好 evals 的下游——评测不是质检环节，是变更的准入证。

"确定性流程可用软件测试，非确定性流程却无从理解"这个对照，点出了企业落地真正的断层。传统软件的质量保障（单测、集成测试）之所以有效，是因为行为可预期——同样的输入理应同样的输出；agent 恰恰打破了这个假设，老一套测试文化面对它集体失语。

这也解释了今晚反复出现的"判卷"母题为何在企业侧更急迫：个人用户答错一道题损失有限，企业让 agent 多执行一步可能就是一笔真实的账。非确定性不是不能管，是要先把"怎么算对"写下来——而这正是所有 evals 的第一行。

"每家企业都需要对自己环境的评估"这半句，把机会也说透了。通用 benchmark 测的是模型的通识，但 agent 在你家表现如何，只取决于你家的数据、流程与边界——所以未来的评测市场必然是两层：实验室出通用尺、企业出自用尺；这也呼应今晚"三道题复现你自己的 12.5 倍"给个人的那版方法论——别只看别人的榜单，先建立自己的对照组，无论是对一个人、一台机器还是一家公司。

给要落地的人一句落地的：把"evals 从哪开始"缩到最小——挑一个 agent 正在干的真实任务，写下五问的期望答案（什么该在工作、什么不该碰、改了什么会怎样、哪步最容易坏、多做会好在哪），跑二十次把它变成一张能打分的表。表立起来之前，别谈自动化；表立起来之后，每一次升级才第一次有了对错。

OpenAI 的 thsottiaux 说了句把发布文化掀翻的话："Code freeze 其实已经不复存在了——连发布前也不需要；而在将来，代码甚至可能按某些约束在联机状态下按需生成。"（转述自原帖，无外链）

这句话的分量要对着"冻结"这个老词的历史看。Code freeze 的逻辑基础是发布是一次性的事件：窗口前冻结、窗口里投放、出了问题再打补丁——因为改代码贵、部署贵、回滚更贵，所以必须攒成一坨、护送过关。

而今晚一路读下来的现实，正在把这个前提逐条拆掉：规格驱动让改写便宜、测试与验收让回滚便宜、沙箱与持续交付让部署便宜——当改动的成本塌缩到接近零，"冻结"这个动作就失去了理由。冻结是稀缺年代的产物：因为每次发布都要付大代价，才需要把变更攒起来一次性支付。

"按需生成"则把话说得更远：未来的代码可能不是提前写好、存好、发布，而是在请求发生的那一刻，按约束现场组装。这与今晚"软件工厂进词典"那篇正好构成一对——工厂那篇讲结构（流水线、物料、质检、良率），这句讲节奏：流水线的极致就是没有"投产日"，每一天都在投产。

当代码像水一样按需从龙头里流出来，版本这个概念本身都会变味：不再是"装的是哪一版"，而是"此刻按哪份约束生成的"。

也别把这句读成"再也不用管代码了"。恰恰相反——"按约束"三个字才是全部前提：约束写不清楚，现场生成的就不是代码是事故。这正是今晚从四件套（why／map／rules／workflows）到验收条件、到可 diff 权限一路在铺的那条线：越是把交付交给机器，越是靠事前写死的规矩兜底。冻结取消的不是纪律，是仪式——纪律进了约束，仪式可以退休。

给工程团队一句落地的：先不用管"按需生成"有多远，只回答一个问题——你们的冻结期，有几成是在防真正的风险、几成只是在等一个日历窗口？如果多数是后者，试着把"冻结"换成"可回滚"：小步高频地发、每次发布前自动验证、出问题三十秒撤回。能随时撤，就不必随时憋着——这大概是这句话眼下最实用的翻译。

苹果也进 Skill 这条线了：Xcode 27 内置了 agent skills——针对现代最佳实践与新 API 的技能包随 IDE 附带；更妙的是一条命令就能把它们导出到 Xcode 之外使用：xcrun agent skills export --output-dir ~/Downloads/xcode-skills。（细节见原帖图）

这条命令的分量，要放进今晚 Skill 叙事里才看得清。我们一路读到：Skill 是给 agent 读的说明书、是可被优化的问法、是百万条的货架、是按职位打包的工作室——但它们此前都活在各自的 harness 里；苹果这次做的，是把技能做成可移植的格式：export 一下，Xcode 教你的"新 API 该怎么用"就能拿进 Claude Code、Codex 或任何认这个格式的 agent。

技能第一次从"某个工具的内部习惯"变成了"带得走的资产"——这正是今晚"带得走、找得到"在生态层的兑现：连平台方的独家知识，都在被做成可以出门的行李。

"内置最佳实践与新 API"这个选题也很懂开发者的真实痛点。每逢大版本更新，最贵的不是新 API 本身，是"旧写法在新版本里是否已经错了"这种只可意会的迁移知识——苹果把它写成 skill 随 IDE 分发，等于把升级说明从文档变成了 agent 可执行的上下文；你不用读完 release notes，agent 装上就按新规矩来。

这与"库自带 skill""官方劝你 CLI＋Skills"连成一条线：厂商开始默认假设——消费你知识的首先不是人，是 agent。

一条 xcrun 命令背后，是平台对"skill 该长什么样"的表态：纯文本、目录化、可拷贝——不必绑定运行时，拷走就能用。格式的朴素恰恰是普及的前提，与今晚"普通 OCI 镜像推标准"、"kubectl 化"是同一课的重讲：新能力最省力的入口，是旧工具箱里已有的那个抽屉。

当苹果、微软、Docker 三家在同一天分别用镜像、命令行与导出目录来包装新范式，"生态在为 agent 重写接口"这件事基本没有悬念了。

给苹果开发者一句落地的：升级 Xcode 27 后第一件事不是看新 API 文档——先把这套 skills 导出来，放进你惯用的 agent 的技能目录；下次写新项目时，让 agent 默认按 2026 的最佳实践起步。导出只花一秒钟，省下的是一整轮"跑完才发现用错旧写法"的返工。

（以下综合原帖转述，事件与取证细节以原帖及所引报道为准。）来不及悼念 ZCode 了，接下来登场的是 KCode。——这句开头概括了一周内国产编程工具圈最戏剧性的一次更替：从"口碑最好的国产编程 Agent 之一"，到静默上传被坐实、四天四次回应、全线开源，再到社区 24 小时内拆出"剪断云端连线"的再发行版。

事情的起点很日常：9 月 18 日，开发者 ferstar 清理磁盘时，在 ZCode 存储目录里发现一份 345MB 的项目快照——几乎全是项目核心资产，近九成是 Git 历史；ZCode 曾尝试把它上传 564 次。

目的地是阿里云 OSS，动作来自"备份＋上传"功能：默认开启、事前无标注、客户端无明显关闭入口；压缩包加密、私钥只在服务端——用户找得到文件，打不开。他发帖后，许多人在各自路径里查到同类快照，"静默上传"被反复证实。

智谱四天内四次回应：18 日致歉（称源于"代码库索引"功能、已修复、全体补一周额度）、19 日发修复版、20 日宣布拟上线"数据不留存"、21 日将 ZCode 以 Apache-2.0 开源至 GitHub（github.com/zai-org/ZCode ），称经中国信通院与绿盟审计、涉事存储桶云端零数据。

"产品需要读取代码"与"平台可以把整个代码库上传至云端"，绝非同一概念——界面新闻这句评论划出了整件事最关键的那条线。原帖把它拆成三个具体缺失：一，默认开启且没有关闭入口；二，用户看不到传了什么（加密、私钥在服务端、无从查验）；三，实际范围超出申明（隐私政策写的是一回事、快照装的是另一回事，完整 Git 历史与全局开发配置本就不在同意清单里）。

一句话总结那条被踩破的线：读取代码是任务授权，把代码传出电脑是另一件事——需要单独知情、单独同意、随时能叫停；这三个入口，ZCode 都没给。

原帖还补了一笔同向的旁证：今年 7 月，xAI 的 Grok Build 被开发者发现会默认打包上传测试仓库，即便用户明确要求"不读取任何文件"仍把未读文件连 Git 历史传走；马斯克承诺删除，但随后测试发现退出选项管的是"是否留存"，管不住"是否发送"。两个月两起，指向同一个方向：这个市场跑得太快，规则还没跟上。

开源能补什么、补不了什么，原帖也说得清醒。这一步比任何声明都实在——外部开发者可以直接读到产品如何读取、打包、传输，仓库已 6800 多 star；但开源的是修复后的代码：仓库里没有足以追查争议功能如何形成、又如何被移除的版本记录。

ferstar 的判断一针见血：即便未来出具完整第三方静态核验报告，也只能证明"存储桶在 9-20 之后确实被删了"，客观上无法倒推 9-18 之前流转进去的数据是否被解密、同步或备份。

从 GitHub 拉到的源码，与你此前从官网下载的安装包，对应的不是同一个东西——仓库能证明今天的 ZCode 做什么，证明不了旧客户端过去做过什么。开源恢复了"从今天起"的可验证性，补不上昨天之前的行为空白。

事件的另一面是产品力确实第一梯队（桌面端 7 月发布、8 月用户破百万、社群誉为"更适合中国宝宝体质的 Codex"），两个长处值得记：兼容 Agent Plugins 规范——与 Claude Code 插件同一套（plugin.json 清单、预置插件市场、兼容 .claude-plugin 位置，生态直接复用）；接第三方模型方便——除自家 GLM 外支持任何兼容 Anthropic／OpenAI 协议的服务，含团队自建通道。张力就在这里：值得继续用的体验，与受损且没完全修复的信任。

KCode 就是在这个张力里长出来的：ZCode 开源不到 24 小时，社区多个基于源码的项目出现，KCode 是其中之一——创建于 9 月 21 日官宣开源当天，Apache-2.0，官网 kcode.wiki ，源码版权归 Z.AI Co., Ltd 所有、属授权下的修改再分发，README 明确写着"与 Z.AI 无官方关联"。

它几天内连发三版，v0.0.4 当天发布（作者自述其中两条改动是自己的 PR，均已合并）。对照 README，改动几乎都在做同一件事——剪掉通往云端的连线：产品名与图标统一为 KCode；去掉 Z.AI 的登录、OAuth、套餐与升级实现，改为自行配置模型供应商、调用只发往你填写的地址；官方插件市场改为仓库内置目录、不再拉取 Z.AI CDN；内置插件创建器；批准菜单与计划模式按本仓库规则收口。Agent Plugins 体系与多供应商接入保留——体验继承，云端连线剪断。

两行数据流的对比，是全帖最锋利的图：ZCode 官方版（9/18 之前）——工作区代码→客户端打包加密→阿里云 OSS（默认开启、无提示、私钥在服务端）；KCode——工作区代码→Agent 本地读取→只调用你配置的供应商（代码 Apache-2.0，每条联网行为可阅读、可审查）。

原帖由此给出判断：把代码传出电脑需要单独知情、可以叫停；KCode 对这个问题的回答直接写在代码里——没有官方云端可连，数据的边界就是代码的边界，谁都能自己翻看验证或交给社区审查；这跟"信任企业承诺"的差别就在这里。

但分析没有停在站队上，而是回到了整个市场的"心理基础"。大多数开发者对"厂商会收集数据"心知肚明甚至早已默认：Coding Agent 的原理就是把代码上下文发给模型，你每让它改一行代码，就在同意一次必要的传输；遥测、崩溃日志、用量统计更是行业惯例——这份默认能运转，是有前提的：知情和边界被尊重。

你知道自己发出去的是什么、你亲手划下的排除线工具不会越过。ZCode 把两条前提同时踩掉；更糟的是取证显示快照打包的是整个 .git 目录，而 .gitignore 只管工作树、不管历史——一个密钥文件只要曾被提交过，哪怕后来删掉并加进忽略名单，明文依然躺在 .git/objects 里，这次被原样带走。

"我默认的收集"就这样变成了"我不知道的搬运"：没人在乎那几百 MB 流量，反弹这么猛，是因为默认被当成了授权、底线被当成了不存在。

收尾那句是全篇的落点：模型能力可以被追平、插件生态可以被复用，唯独"我的代码会去哪里"这个问题，每个产品都得自己回答，而且只能用行动回答——ZCode 官方版把答案系在企业承诺与事后审计上，KCode 把答案写进开源代码。值得留下的习惯只有一个：把工具装进项目之前，先弄清楚它会把代码送去哪里；能自己验证的，就不要只靠承诺。

把这篇放进今晚的序列，它是数据边界的第 5 篇，也是最完整的一次"事故到制度"的闭环样本：59438 讲厂商声明的可兑现、59798 讲十点形态、59859 讲"出口没锁等于没锁"、59918 讲披露颗粒度——这一篇补上用户侧的终审手段：当承诺与审计都只能覆盖"今天"，唯一能回答"过去与未来"的是可被你亲自 diff 的代码。

给所有要装 coding agent 的人一句落地的：装之前三问——它会把什么送出去（范围）、从哪条出口送（通道）、我能不能关掉并验证（开关与可查性）；三问有一句答不上，先让它在离线项目里跑一周，再谈接入你真正重要的仓库。

一个开源项目把"邮箱"重新对准了 agent 时代：自部署到 Cloudflare 的邮箱系统，设计目标就写在简介里——人和 agent 一起使用。仓库：github.com/wong2/cf-mailr…

"人和 agent 共用"这五个字，值得从今晚的收件格那条接起来读。此前讲"一个入口全收"，解决的是人的收件分散；这次的野心更大——收件人本身不再只是人：agent 也需要一个能收、能读、能回的地址，去接验证码、通知、任务回执、另一个 agent 发来的协作请求。

当邮件从人际通道变成机际通道，"收件箱"就从人类的待办清单，升格成了系统的事件总线——这与"记录是触发的入口"是同一判断的另一种实现：谁的邮箱谁触发，agent 有了邮箱，就有了自己的触发源。

"自部署到 Cloudflare"这个选法同样想得清楚。邮箱系统的传统痛点是运维：域名、DKIM、SPF、收发服务，一套下来是专职活计；压到 Cloudflare 之上，等于把基础设施的重活交给平台、把地址的所有权留给自己——这与今晚"装自己家才敢喂真资料""平台是租来的摊位、域名才是地契"是一脉相承的选择：地址要自有，苦力可以外包。对个人与小团队，这是把"拥有一个收件系统"的成本压到了能接受的量级。

安全的账也因此要重新算。agent 能读的邮箱，就是 agent 能被诱导执行的入口——每一封进来的邮件都可能是一次 prompt 注入的投递；今晨刚发过"自我复制注入"的警告，摆在这里格外刺眼：人机共用收件箱意味着过滤器必须按"有人可能替机器读信"的标准来设计——外发链接、陌生发件人、带指令的正文，这些在人眼里是可疑、在 agent 眼里可能就是命令。共用的前提，是给机器那半边装上人早就有的直觉。

给要部署的人一句落地的：装完先做一次"agent 视角"的收件测试——让 agent 读一封你故意写脏的邮件（内含一条让它执行操作的指令），看它会不会照办；这封测试信不过关，你的邮箱就还不能给 agent 用。过关之后再开最小权限：只读某个标签、只回执不外发——先把信任的闸门拧到最小，再一格格放。

（以下是对 Thariq 一文的转述与整理，实验细节以原文为准。）一篇关于 Claude Code effort 旋钮的长文，开篇就把大多数人按错了的地方挑明：effort 不是模型的智商档位，是你允许它加班多久。

同一台模型、同一套知识；拧低，它尽快交一个能用的版本、把你留在循环里一起改；拧高，它自己多验证、多挖边角案例、自己做判断，少等你点头。作者的类比很准：别人给你 1 小时，你交个能交差的版本，心里已准备好下一轮改；给你 12 小时，你会默认他们要的是成品——自己补测试、补边界、补那些"你觉得该有但没写清的"。effort 就是在替你对 Claude 说这句话。

工程上最被低估的一点是：调 effort 不会打爆 prompt cache，上下文照样复用——同一段会话里可以先低档写、再高档验，不必重开、不必把前面几万 token 再付一遍；会话中途敲 /effort 即可切换。

这把今晚"省钱"的账本又加了一行：档位、假依赖、字节码、蒸馏之外，会话内的投入调节也进了免重付区——速度与力度第一次可以在同一场对话里各来一遍。

文章明确给 effort 划了管辖范围：它控的是投入，不是知识上限。模型选的是能力档，effort 选的是这档能力愿意花多少力气；实际改变三件事——验证做多少（低档写完测一两个例子就停，高档对参考实现、跑官方测试套、自己写随机 fuzzer）、边角案例挖多深（安全、硬件、老代码的坑都藏在你没想到的那条路径上）、自己替你做多少决定（需求含糊时低档给你简陋起点等你改，高档会自己补功能、定交互、简化设计——所以高档不一定更听话，有时更自作主张）。

最有教学价值的是那条失败分界线：漏边角的问题，加 effort 能明显减少；路子走错了的，加 effort 救不回来——方向错了，加班只是把错的方案打磨得更精致。这句话值得裱起来：需求写错、架构选错，把旋钮拧到 max 也不会自动纠正。今晚"机器铺量、人守门"的纪律在这里获得了一个量化注脚：门内可以交给旋钮，门外必须站着人。

三个实验是全文的骨架：同一类任务、只改变"你给它多少规格"，做三组对照——第一组需求很糊（只说做个健身打卡类的原型），后面几组逐步把规格补全，观察 effort 在不同规格水平下的收益差异（完整数据见原文）。

可以想见的结论方向与今晚所有线索一致：规格越糊，effort 的红利越薄、高档的自作主张越危险；规格越清，高档的验证与边角挖掘才真正兑现成质量。effort 是放大器，不是救生圈——它放大的是你已经写清楚的东西。

对"没有这个旋钮会怎样"，文章也给了反面画像：模型要么永远快但漏坑，要么永远慢且爱自作主张——把速度与验证力度从"模型智商"里拆出来交给使用者，正是新一代工具在交互上最实在的进步之一。这与今晚档位分流、effort 对调是一套完整的旋钮哲学：能力属于模型，投入属于你。

给要用的人一句落地的：按三档定用途——低档用于头脑风暴与你就在旁边改的草稿；中档用于日常实现；高档只给三类任务（安全敏感、老代码修 bug、需要对齐参考实现的复现），并且先把方向写死再拧。

拧之前问一句：这是"漏边角"的问题，还是"路走错"的问题？前者交给你旋钮，后者交给你自己——加班解决不了方向，这条界线比任何档位都重要。

顺带补一句实践细节：高档的"自作主张"其实是双刃的另一面——它省掉了你来回补需求的轮次，却也把"你到底想要什么"的举证责任推回给了你。所以真正配得上高档的任务，往往自带一份已经写清的验收标准；旋钮调的是投入，标准写的才是意图——两者对齐时，那一晚的加班才物有所值。