陈成

engineering @antgroup, created umijs, dvajs, mako and neovate code, now working on helm.

[陈成 @chenchengpro]

微软开源了 SkillOpt，把 LLM agent 的 skill 当神经网络来训练。模型权重一点不动，被优化的只是一份 markdown 文档。它给了 skill 一个过去没有的身份：可优化的参数 θ。

整套训练 loop 完全照搬 SGD：一个独立的 optimizer LLM（默认 GPT-5.5）读若干条带评分的 rollout，对 skill 文档发出 add/delete/replace 三种有界编辑；textual learning rate 限制每步能改的 token 量防止跳变，每次改完都要过 held-out 验证集，分数没涨就 reject 并写进 rejected-edit buffer。也就是显式的"避坑记忆"，让 optimizer 别再走同一条死路。epoch 末再做一次 slow update，把这轮通过的编辑合成 meta skill，避免步内改动彼此打架。

实验阵列很饱满：6 个 benchmark（SearchQA、ALFWorld、DocVQA、数学、表格、工具增强 QA）、7 个目标模型、3 个 harness（direct chat / Codex / Claude Code），52 个评估单元全部 best-or-tied。GPT-5.5 上 direct chat +23.5、Codex +24.8、Claude Code +19.1 个百分点，把 GEPA、TextGrad、EvoSkill、Trace2Skill 这些主流 text-space 方法一致压住。

最关键的是迁移性：小模型上训的 skill 搬到大模型还涨，Codex 上训的拿到 Claude Code 也涨，跨相邻数学 benchmark 也涨。说明优化出来的是任务结构知识，而不是 prompt trick。而且部署期零额外推理开销，就是把 skill 当 prompt 拼一下，比 LoRA / SFT 那套轻得多。

仓库 microsoft/SkillOpt，MIT 协议，支持 Azure OpenAI / OpenAI / Anthropic / 本地 vLLM Qwen 四种后端，自带 WebUI 监控和 checkpoint 自动 resume。对正在用 Claude Skills 的人来说，这等于把"写 skill"从手工艺变成了有 epoch、有 checkpoint、有验证曲线的工程产物。

https://t.co/3kpZAZvElK

[陈成 @chenchengpro]

我怎么用 AI 编程，2026.06 更新版。

核心就四件事：用 /one-shot 把研发需求全自动化、并发跑 issue（古法多目录，不用 worktree）、建各种 loop、想办法做验收。

一天能产出 1w~3w+ 行有效代码。展开说说 👇

[陈成 @chenchengpro]

https://t.co/Rks3d91sfB

[陈成 @chenchengpro]

https://t.co/Rks3d91sfB

[陈成 @chenchengpro]

启动一个 AI agent 几乎免费，一句 prompt、一次回车。但收尾——检查输出对不对、把它和其他 agent 的改动调和起来——极其昂贵，而且只有你一个人能做。Addy Osmani 把这道结构性鸿沟叫"编排税"：agent 越多不等于产出越多。

用并发的话说，你就是 AI agents 的 GIL。agent 可以同时跑，但所有需要理解架构、解冲突、做权衡的工作，最终都要抢你这把唯一的锁。Amdahl 定律早讲清楚了：并行加速被无法并行的那部分卡死，多开 8 个 agent 不会缩短你的判断时间，只会把判断前的队列拉长。优化非瓶颈环节从不提高吞吐——而瓶颈从来是 review，不是 agent。

最危险的是，这个失败模式对你自��是隐形的：20 个 agent 跑着、仪表盘全满，给你一种巨量产出的错觉，可那种"忙"早就和真正合进 main 的好代码脱钩了。硬扛的结果是认知投降——你直接接受 agent 写的代码，因为已经没有注意力去形成自己的判断。技术债和认知债同时累积，等生产挂掉、你发现看不懂自己的系统时，它们一起爆出来。

几条真正有用的：合理并行数是你能认真 review 的数量（多数人是个位数），不是 UI 给你的上限；把"判断本身就是工作"的复杂任务和可委托的隔离工作分两堆，第二堆绝不并行；批量审阅而不是逐个冷启动；让 agent 用能过的测试和截图自证无聊的 80%，你只把锁花在剩下 20%。有时最高杠杆的动作，反而是���掉那台塞满 agent 的笔记本，整段时间持锁，认真想一个问题。

启动 agent 不是技能，任何人都能开 20 个。真正的技能，是围绕那一个无法克隆、无法并行的串行资源——你的注意力——去设计整套系统。

[Addy Osmani @addyosmani]

https://t.co/0DyFIXJueI

[陈成 @chenchengpro]

主动型 agent 越来越爱看你的屏幕，可同一张截图里往往同时塞着姓名、邮箱、电话、API key、客户记录。safeclipper 想做的事很克制：在这些字节流向云端之前，先在本地架一道脱敏层。

它是 Rust CLI + SwiftUI macOS app，纯 CPU 就能跑 OpenAI Privacy Filter 的 q4 ONNX 量化模型，不强依赖 GPU/NPU；macOS 用 Apple Vision OCR、其他平台用 Tesseract，把检测到的敏感 span 反向映射回 OCR 的 token bbox，直接在像素上盖黑 mask。整张截图脱敏端到端约 1.4s，模型推理本身才 ~419ms。

在 desktop-pii-210（210 张合成桌面截图、覆盖医疗/法律/金融等 12 个领域、2717 道 Gemini VQA 校准题）上，这套本地方案拿到 utility 0.9152 / privacy block 0.7039 / overall 0.8095，只比「把原图发给 Gemini 让它自己脱敏」低 6 个点，却远甩 WebRedact（0.61）和 ScreenPipe（0.57）。

ScreenPipe 那行数据最值得玩味：utility 高达 0.9043，可 leak 也有 0.7605——utility 看着高，只是因为它几乎啥都没盖住。这说明做 redactor 评测千万别只盯一个指标，必须 utility / block / leak 三元组一起看，否则会被「不盖 = 可用性满分」结构性地骗过去。

另一处值得抄的是它的评测脚手架：合成跨域桌面截图 → 同时生成隐私和 utility 两类 QA → 让 Gemini 对脱敏后的图答题 → 三指标合一打分。屏幕上下文流向云模型这条链路，是时候被当成一个独立、可单测的本地环节来处理了。

https://t.co/pxLgrsyY2t

[陈成 @chenchengpro]

Bun 作者 Jarred Sumner 用 Claude Code 把整个 runtime 从 Zig 移植到 Rust：约 75 万行 Rust、上百个 agent 并行、每个文件配两名独立 reviewer，11 天从首次 commit 到合入主干，原测试套件 99.8% 通过。这就是 Anthropic 刚发布的 Dynamic Workflows（研究预览）想证明的事——把过去要花一个季度的代码库级工程压缩到天级。最值得看的不是「11 天写 75 万行」，而是那个 99.8%：它说明 dual-reviewer 这种 agent-as-judge 结构真能在大规模迁移里兜住质量底线，这是过去 agent 项目最难证明的一点。

拆开���现看，它其实没那么玄：Workflow 是一个后台工具，把模型现写的一段纯 JavaScript「编排脚本」丢进 Node 的 vm 沙箱里跑，脚本里能调 agent() / parallel() / pipeline() / phase() / log() / workflow() 这几个注入的原语来确定性地 fan-out 子代理。工具本身立刻返回一个 taskId，真正的活在后台异步推进。关键区别要记牢：parallel() 是屏障、等所有结果到齐；pipeline() 无屏障、每个 item 独立穿过所有 stage——误用屏障会白白浪费快任务的 wall-clock。本地并发上限是 min(16, cpu-2)，单个 workflow 生命周期内 agent() 总调用封顶 1000（防 runaway 兜底）。

最妙的设计在「确定性 + 断点续跑」：脚本里禁用 https://t.co/LAMuTOQVHB() / Math.random() / new Date()（直接正则拦截），因为恢复机制靠缓存键 = sha256(脚本哈希 + prompt + 排序后的 opts)，同脚本 + 同 args ⇒ 100% 命中，最长未变前缀的 agent() 调用秒回缓存、第一个改动处往后才 live 重跑。落盘是 JSONL journal（缓存命中）+ 快照 JSON（喂 /workflows 历史面板）。韧性也做满了：stall 检测 180s 无进展就重试（最多 5 次）、疑似被限流退避 45s、schema 模式强制子代理恰好调一次 StructuredOutput 工具，不调就用 SubagentStop hook 怼回去。预算用的是本回合 output token 累计，且主循环和所有 workflow 共享同一个池子。

机制对应的三类主场景很聚焦：代码库级审计（找 bug、安全审查、性能优化）、大规模迁移（框架替换、API 弃用、跨语言移植）、高风险任务的对抗式验证。Klarna 反馈在大代码库里能挖出传统静���分析漏掉的死代码；CyberAgent 说它填平了「调一个 subagent」和「自己手搓一套 agent 团队」之间的中间地带，计划到实现一气呵成。

用法两条路：直接说「create a workflow」，或在 effort 菜单选 ultracode（默认 xhigh，由 Claude 自己决定要不要升档为 workflow）。inline 脚本默认走 ask 权限、首次运行会停下来要你确认。代价也很实在：token 消耗显著高于普通会话，企业版默认要管理员显式开启。覆盖 CLI / Desktop / VS Code，以及 API、Bedrock、Vertex AI、Microsoft Foundry。

https://t.co/Dt1NkRMpHa

[陈成 @chenchengpro]

Created a claude code version of this, and made some improvements. https://t.co/uMGLRsodpf

[Vaibhav (VB) Srivastav @reach_vb]

UPDATE: Came up with an even better version of this prompt after the feedback

Ask Codex to look across your sessions, Memories, and Chronicle, identify patterns, reuse what already exists, and only create the smallest useful skill, subagent, or automation.

"Look back over my recent work from the last 30 days, or all available history if shorter, and identify repeated manual workflows worth packaging.

Use available evidence in this order:
- Recent Codex sessions and task summaries.
- Codex Memories and rollout summaries to find patterns repeated across sessions.
- Chronicle, if enabled, to spot repeated work outside Codex. Use Chronicle for discovery only; confirm important details in the relevant source system when possible.
- Existing skills, custom agents, and automations, so you reuse or extend what already exists instead of duplicating it.

Look broadly for work that is repeated, time-consuming, error-prone, context-heavy, or benefits from a consistent process. Include workflows across coding, research, writing, planning, communication, operations, analysis, and personal administration.

Only act on a candidate when it:
- occurred at least twice, or is clearly likely to recur and costly to repeat;
- has stable inputs, a repeatable procedure, and a clear output or stopping condition;
- would materially improve speed, quality, consistency, or reliability;
- is not already adequately covered.

Choose the smallest appropriate form:
- Skill: a reusable workflow or playbook.
- Custom subagent: a bounded specialist role or investigation task suitable for delegation.
- Automation: a scheduled or recurring check, report, reminder, or monitor.
- Skip: work that is too one-off, ambiguous, sensitive, or poorly evidenced to package.

First produce a compact shortlist with:
- repeated workflow
- supporting evidence and dates
- frequency/confidence
- recommended form: skill, subagent, automation, extend existing, or skip
- why it is or is not worth creating

Then create only the high-confidence missing items. Keep them narrow, practical, source-aware, and easy to validate. Do not create speculative, overlapping, or overly broad assets.

Finish with:
- what you created or extended
- what you deliberately skipped
- what needs more evidence before packaging"

[陈成 @chenchengpro]

写了个 Agent Managed 的工具，开发效率直接翻了好几倍。副作用是一天就干掉了 30% 的周额度。

[陈成 @chenchengpro]

2055938260103548970

[陈成 @chenchengpro]

Anthropic 又调订阅策略了。这次盯上的是程序化调用。

6 月 15 日起，Claude Agent SDK、claude -p（命令行管道模式）、Claude Code GitHub Actions、以及所有基于 Agent SDK 的第三方工具（OpenClaw、Conductor、T3 Code 等），全部从订阅限额中剥离，改用独立的「程序化调用 credit」。额度按 API 价格折算，Pro $20/月、Max 5x $100/月、Max 20x $200/月、Team 标准席位 $20/人、高级席位 $100/人。不累积不滚存，用完要么开 extra usage 按 API 价续命，要么停到下个月。

不受影响的，终端和 IDE 里手敲的交互式 Claude Code、Claude Cowork、网页/桌面/手机端聊天，继续走原来的订阅限额。

这个 credit 看着像新福利，算一笔账就知道���怎么回事了，Pro 的 $20 按 Sonnet API 价（$3/M 输入、$15/M 输出）大约够六七百万 token 输入或一百多万 token 输出，几轮密集的 agent 循环就见底。VentureBeat 报道过，单个 OpenClaw agent 跑一天能烧 $1000–$5000 的 API 成本。$20 的 credit 可能连一小时都撑不过。Max 20x 用户每月付 $200 订阅费，拿到的 SDK credit 也正好 $200，听起来「翻倍」了，但之前这些用户通过 SDK 实际跑出的 API 价值远超这个数。Matt Pocock 的评价拿了 1800+ 赞，"This is a 10X cut to claude -p disguised as a monthly bonus. It's time to try Codex."

回顾一下时间线就清楚了，2 月 Anthropic 明确禁止第三方工具接入 Claude 订阅；4 月 4 日正式切断 OpenClaw 等工具，理由是「这些工具绕过了 Prompt Cache 优化，对算力造成不成比例的压力」；5 月 6 日 5 小时窗口翻倍但周限额不动；5 月 13 日程序化调用被按美元封顶。每一刀都包装成好消息，但方向一致，收紧、收紧、再收紧。

我自己的看法，Anthropic 从头到尾要解决的就是一个问题，不让第三方拿着他的订阅额度去做 harness 和自动化。OpenClaw 们其实就是拿 $20–$200 的订阅价跑出了数千美元的 API 消耗，这个套利窗口 Anthropic 容忍了几个月，现在彻底关上了。4 月那波禁令太粗暴引起了反弹，所以 5 月换了个姿势，不禁了，给你一个 credit，但按 API 价格打表。名义上恢复了第三方接入，实际上补贴没了，第三方工具在订阅体系下就只能跑个 demo 级别的量。想跑生产？去 Developer Platform 买 API key，按量付费。Anthropic 帮助文档原话也挑明了，订阅套餐「不是为这个场景设计的」。

Anthropic 要的就是交互式 Claude Code 做留存钩子，agent 和自动化做利润中心。编码助手的补贴留住，自动化的补贴收回。6/8 发邮件领 credit，6/15 生效。

[ClaudeDevs @ClaudeDevs]

Starting June 15, paid Claude plans can claim a dedicated monthly credit for programmatic usage.

The credit covers usage of:
- Claude Agent SDK
- claude -p
- Claude Code GitHub Actions
- Third-party apps built on the Agent SDK

[陈成 @chenchengpro]

我有 73 个 active 的 claude code 的进程，ctop 直接卡死。顺手提了个 pr，https://t.co/Cp9KxlB3GR

[Geek @geekbb]

用终端界面实时监控 Claude Code 会话的 CPU、内存、Token 用量和上下文窗口状态，相当于 Claude 版的 htop。

https://t.co/fJz9XnYsrY

[陈成 @chenchengpro]

把 AI 当聊天窗口打开问完关掉，那叫干扰管理；把 AI 当常驻系统跑，才叫生产力。Khairallah 给了一份用 Claude Cowork 自动化一整天的具体 playbook，搭一次 1-2 天，长期每天省 1-3 小时。

一天切成三个 Cowork 任务，全部直接读写本地文件。

早 7 点自动跑 Morning Briefing：扫 Gmail/Calendar/Slack 三个 connector，邮件按四级紧急度分类（Tier 1 九点前回 / Tier 2 今���内 / Tier 3 本周 / Tier 4 仅信息），常规邮件起草回复、点出三封必须本人处理的，给当天每场会议写一份准备文档，最后合成单页 markdown 放桌面，5 分钟读完即知重点。

午间手动触发 Midday Production Block，扔进重活：文档处理（一堆 PDF/合同子代理并行抽取，20 个文档从小时压到分钟）、数据汇编（跨表合并出报告）、内容批量、加 Web Search 权限的研究汇编。和普通 Claude Chat 的本质差别就一句：它直接创建文档、更新表格、保存到正确路径，不是给你文本让你粘。

下午 5 点自动 End-of-Day Wrap-Up：回顾今天发出收到的邮件、开过的会、改过的文件、未完事项，跟早间简报交叉对照找出"早上说要做但没做完的"，写进 carry forward 段落——��天早间简报会把这段当种子上下文读进去，跨天连续认知就这么形成。

复利来自每周五 15 分钟仪式回答三个问题：简报漏了什么我自己额外发现的（加进 prompt）、Cowork 输出了什么我又重做了（修模板）、这周新出现什么循环任务（建新模板）。

核心心智：Cowork 不是工具，是基础设施。多数人的一天还从查 45 分钟邮件开始，搭好系统的人开局就知道什么重要、什么已被处理。

[Khairallah AL-Awady @eng_khairallah1]

https://t.co/6Jxkj1rVaF

[陈成 @chenchengpro]

TinyFish 出了个挺香的小工具：两条命令把 Claude Code 的 WebSearch / WebFetch 整体提速 3x+，评论区实测 1 分 52 秒降到 35 秒。

npm install -g @tiny-fish/cli@latest
tinyfish config-claude

跑完 config-claude 就把 Claude Code 原生 web 工具透明替换成 TinyFish 托管版（大概率走 MCP 注册或 hooks 拦截原生调用），不用改 prompt。Search 和 Fetch 在免费额度内不消耗 credits，只有 Agent 和 Browser 才计费。

提速不是黑魔法，是基础设施换了：Search API 在真实 stealth Chromium 里实时渲染搜索结果页返回结构化 JSON，能抓到传统缓存型搜索引擎拿不到的动态/最新内容（财报实时监控、新闻类查询特别明显）；Fetch API 把任意 URL 服务端清洗成 markdown/JSON/HTML 直出，剥离广告导航脚本，模型不用再啃满是噪音的 HTML 也省 token；底层 Chromium 池常驻、亚 250ms 冷启动，请求直接打到 TinyFish 的 fleet 不再受 Anthropic 自带 web 工具的速率/排队限制。端到端体感快好几倍。

不止 Claude Code——还提供 MCP server 和 Skill 两种形态，可以接到 Cursor、OpenCode、openclaw、Hermes 等任何 MCP 兼容客户端。同一个 API key 同一个 credit 池打通 Search / Fetch / Agent / Browser 四件套，Agent API 在 Mind2Web 基准上声称 89.9% 准确率。

和 browser-use 这种"只给 agent + 浏览器"的方案相比，TinyFish 把搜索、抓取、agent、浏览器整套托管掉，使用者不用自己维护反爬、代理池、渲染基础设施。

注意几点：替换原生 WebSearch / WebFetch 意味着请求出口换成 TinyFish 服务器，敏感查询要评估隐私边界；3x 是官方表述，实际倍数取决于查询类型和目标站点渲染成本，最好自己跑一组对照。重度跑 web research 的人切一下试试，升级成本两条命令收益直接体现在每次 web 调用的等待时间。

[TinyFish @Tiny_Fish]

We just made Claude Code's web search and fetch at least 3x faster.

Two commands and you can too!

Swap your Claude Code's native search and fetch to TinyFish free search and fetch:

npm install -g @tiny-fish/cli@latest
tinyfish config-claude

Watch below 👇

[陈成 @chenchengpro]

David Sinclair 这期��客最颠覆的一点：衰老不是端粒缩短或自由基，而是表观遗传层面的信息丢失。DNA 是光盘，epigenome 是被刮花的读盘机器，细胞忘了自己该是谁，于是开始老化。

可执行的抗衰工具集，按 ROI 排序：

1）间歇性禁食。他本人 22/2 进食窗口，新手从 16/8 起步，3 周适应再推进。机制是同时压低胰岛素、激活自噬、抑制 mTOR。最便宜也最有效。

2）力量训练 + 冷暴露。轻度压力（hormesis）是长寿燃料，比一直舒服更抗衰。他不天天冰浴，但常年穿少一点睡凉一点。

3）补剂栈（仅他自己方案，不是处方）：NMN 1g/天 + 白藜芦醇 1g/天，早晨空腹与橄榄油同服；二甲双胍早晨服，运动日跳过。逻辑是补 NAD、激活 sirtuins、模拟低能量。

4）盯三个指标：CRP（炎症）、铁蛋白（偏低更好，必要时献血）、生物年龄（用 InsideTracker 跟踪，目标逐年回拉）。

最关键的认知升级：衰老是可干预的疾病，不是必然规律。Sinclair 实验室已经用基因疗法让盲鼠复明，未来几年一颗"重置丸"做全身回调，人体试验先从治失明开始。

今天能做的最高 ROI 动作不是猛吃 NMN，而是把吃饭窗口先收到 16/8。

https://t.co/JmT3vxgMyd

[陈成 @chenchengpro]

@sofish 同感，我现在大部分的编程任务也都是通过 telegram 或钉钉完成。

[陈成 @chenchengpro]

Anthropic Claude Code 团队的 Thariq 公开承认自己几乎不用 Markdown 了——一个 HTML maximalist 的实践分享，理由比想象中硬。

观察一：超过 100 行的 Markdown 没人读，连他自己都读不下去；而 agent 现在动辄输出几百行 spec/计划/brainstorm，Markdown 这个曾经"简洁、便携、可编辑"的格式在新规模下三个核心优势全塌了——可读性塌方、可视化只能用 ASCII 画图甚至用 unicode 估算颜色、人也不再亲自编辑都是 prompt Claude 改。

为什么 HTML：表格、CSS 设计、SVG 插图、`<script>` 代码片段、交互组件、流程图、空间画布、图片，几乎所有 Claude 能读懂的信息都能高密度表达。浏览器原生渲染，上传 S3 拿链接同事随便打开。还能嵌滑块旋钮调参，加一个"复制为 prompt"按钮把 UI 操作塞回 Claude Code 形成闭环。

五大用法他都给了具体例子：(1) spec 探索——「生成 6 个明显不同的 onboarding 方向放到一个 HTML grid 里，每个标注它在做的取舍」；(2) Code Review——他现在每个 PR 都附一个 HTML code explainer，比 GitHub 默认 diff 视图好���；(3) 设计原型，可以做带滑块的动画原型让你调参；(4) Reports/Research，他写 prompt caching 系列时让 Claude 读 git 历史生成深度 HTML 研究文件给自己读；(5) 一次性专用编辑器——30 个 Linear ticket 拖拽到 Now/Next/Later/Cut 四列、feature flag 表单（带依赖警告）、左右对照的 system prompt 编辑器（带 token 计数），结尾必有 export 按钮把操作变回能 paste 回 Claude Code 的东西。

代价：生成慢 2-4 倍、token 更贵、版本控制 diff 噪声大；但 Opus 4.7 的 1M 上下文让 token 成本基本不可感知。

不用专门做 /html skill，直接 prompt「make a HTML file」或「make a HTML artifact」即可。

但真正的动机藏在结尾：他原本害怕自己因为不再认真读 plan 而被迫把所有判断让给 Claude，HTML 让他重新"在环里"——读得进、看得懂、能交互、能反馈，反而比以前更深度参与到 agent 的产出中。

[Thariq @trq212]

https://t.co/MXt5XS4xBX

[陈成 @chenchengpro]

Anthropic 在 Code with Claude 大会上给 Managed Agents 加了四个能力，合在一起看信号很明确：Agent 不是功能，是新一代应用形态。

一、Dreams（研究预览，需申请）—— Agent 自动回顾过往 session，提取模式、策展记忆。本质是 memory consolidation 的产品化。Agent 从「用完即走」变成「持续进化」。

二、Outcomes（公测）—— 你写评分 rubric，独立 grader Agent 检查输出，不达标自动迭代。「验收」从人工抽检变成自动闭环。

三、Multiagent Orchestration（公测）—— lead agent 拆任务，委派给专业 agent 并行执行。不是串行 chain，是真正的并行分工。

四、Webhooks（公测）—— session 和 vault 事件的异步通知。Agent 完成任务主动 callback，从交互式工具变成可集成的后端服务。

底层是 Anthropic 的「脑手分离」架构：Brain（模型+harness）、Hands（沙箱）、Session（持久化事件日志）三者解耦。Dreams 用 Session 日志做学习，Orchestration 让多个 Brain 并行，Outcomes 加质量门禁，Webhooks 打通外部系统。

能学会、能验收、能协作、能集成 —— 这是一个完整的生产级 Agent 运行时。

社区的清醒质疑也值得听：只能跑 Claude 是硬伤，Anthropic 挂了你的 Agent 就挂了。而且「Agent 即应用」这个叙事本身值得推敲 —— 有人说 App 有 UX 契约，Agent 更像是 App 编排的异步 worker。

但方向已经很清楚：模型层竞争在收敛，差异化正在向基础设施层转移 —— 上下文工程、session 管理、状态持久化、沙箱隔离。The brain gets swapped. The harness is forever.

[🚨 AI News | TestingCatalog @testingcatalog]

ANTHROPIC 🚨: Managed Agents now have Dreams, a self-learningg solution that allows Agents to improve based on their past results.

The feature will be available on Claude Console as a research preview under a waitlist.

What are your agents dreaming about? 🔥

[陈成 @chenchengpro]

Claude Code 创始人 Boris Cherny 在 Sequoia AI Ascent 2026 上的访��，信息量极大，整理一下核心内容。

起点：2024 年底 Boris 加入 Anthropic 内部一个叫 Anthropic Labs 的孵化器，只有几个人，产出了三样东西——Claude Code、MCP、Desktop App。做完团队就解散了，2026 年初由 Instagram 联合创始人 Mike Krieger 牵头重组。Claude Code 现在年化营收超过十亿美元，被 Anthropic 称为"史上从研究预览到十亿美元产品最快的一次"。

但前六个月它几乎没人用。Boris 说当时连他自己也只用它写 10% 的代码，"基本不能用"。他们是故意的——从一开始就知道前六个月不会有 PMF，因为是在为下一代模型提前做产品。真正的爆发点是 2025 年 5 月 Opus 4 发布，之后每一代模型（4.5→4.6→4.7）都让增长曲线再拐一次。这套逻辑和典型 SaaS 的"先验证需求再做产品"完全是反着来的。

��� TypeScript + React 不是因为技术偏好，是因为这两个在模型训练数据里极其常见（on-distribution）。2024 年底模型还不够聪明，语言和框架的选择直接决定模型能写多少。正因为选了模型最熟的栈，他们在 2025 年 10-11 月就过了临界点：模型开始写 100% 的代码。

Boris 2026 年至今没写过一行代码。每天合并几十个 PR，上周单日峰值 150 个——他说"就是想看看能推多远"。他在台上做了现场调查，全场观众大致是"50% 解决"，但对他个人是 100%。他也承认这不普世：还有大型复杂代码库、模型不擅长的小众语言。解决方案？"通常答案就是等下一代模型。"

他的日常工作流：大部分工作在手机上完成。Claude App 里常驻 5-10 个 session，每个 session 开一堆 Agent，加起来几百个在跑。晚上再起几千个做深度任务。最常用的模式叫 Loop——让 Claude 用 cron 起定时任务。他有几十个 Loop 同时跑：一个盯 PR 自动修 CI 和 rebase，一个保持 CI 健康（修 flaky test），一个每 30 分钟从 Twitter 拉用户反馈做聚类。Anthropic 刚发布的 Routines 把 Loop 搬到服务器端，关掉笔记本也照跑。他说"Loop 是未来"。

关于团队变化：Claude Code 团队里工程经理、产品经理、设计师、数据科学家、财务、用户研究员——每个人都在写代码。他认为未来会出现大量跨学科通才，不是"一个工程师同时写 iOS 和服务端"这种，而是一个人同时懂产品、设计和数据科学。

SaaS 终结的判断他借用了 Hamilton Helmer 的七种护城河框架。会被 AI 抹平的两种：切换成本（模型帮你一夜迁完所有工作流）和流程效力（4.7 能 hill-climb 任何目标，你设定方向让它自己迭代就行，"这是第一个能做到这件事的模型"）。不会变的：网络效应、规模经济、独占资源。他预测未来十年颠覆性创业公司的数量是过去十年的 10 倍——因为小公司从白纸开始 AI 原生构建，大公司要改流程、重新培训、面对内部阻力。

产品 vs 模型的归因，他说一年前大概 50/50，六个月前也是 50/50，两年后？"不知道，我们一次只做一周的计划。"但他强调产品永远重要——"不管模型多强，你最终得做出一个用户真的爱用的东西。"同时他也说，随着模型变强，外面那层 harness 会变得没那么重要。一年后 prompt injection 防御、权限模式、human-in-the-loop 这些安全机制可能都不需要了，"因为模型自己就会做对的事"。

Anthropic 内部的状态：整个公司已经没有手写代码，所有 SQL 由模型生成。员工的 Claude 之间通过 Slack 互相���通——你的 Claude 遇到不确定的问题，会自己去 ping 别人的 Claude 问。Boris 说模型层面内外基本没差距（内部用 Mythos 试一点，Opus 4.7 是 dogfooding 主力），真正的领先在组织流程的改造。"技术大家都能拿到，但把整个公司从手写代码切到模型生成代码，让 Claude 之间互相问问题，这是组织行为的改造，比追技术慢得多。"

关于本地 vs 云端 AI，他说"这件事不重要"。一两年后模型自己会决定用什么来执行任务，不再需要工程师做这个决策。关于知识工作怎么走 Claude Code 这条路，答案是 MCP——同一个连接器 Claude[dot]ai、Cowork、CLI 都能用。没有 MCP 的系统用 Computer Use 兜底，"慢，但 4.7 之后做得很好"。他说模型不在乎是 MCP、CLI 还是 API，"对模型来说都只是 token"。

他���的历史类比是印刷术。1400 年代欧洲大约 10% 的人识字，印刷术之后 50 年出版的文献比之前 1000 年的总和还多，书的成本下降 100 倍。他说软件构建会经历同样的过程，而且会更快。最尖锐的一句：写会计软件最合适的人不是工程师，是真正懂业务的会计师——编程是简单部分，懂领域才是难的部分。

下一个 product overhang 在哪？他点名了 Claude Design，"现在已经挺好用了，未来会好得多。"

https://t.co/sKPYp6Ba6O

[陈成 @chenchengpro]

发现一个工程水准极高的项目：Codex++，给 OpenAI Codex 桌面应用做的插件系统。

Codex 是闭源代码签名的 Electron 应用，没有任何扩展机制。这个项目的做法相当硬核——它需要��破四层防线才���把代码注入进去：

第一层，改 asar 包。用 @electron/asar 解包 app.asar，把 package.json 的 main 字段从原始入口改成自己的 loader.cjs，同时精确保留原始 asar 的 unpacked 文件集（否则 Electron 的模块加载会 MODULE_NOT_FOUND）。重打包用原子操作：先写临时文件再 rename，防止写入中断导致 app 损坏。

第二层，过完整性校验。Electron 会校验 asar header 的 SHA-256（注意不是整个文件，是 header JSON），存在 Info.plist 的 ElectronAsarIntegrity 里。改完 asar 必须同步更新这个哈希。

第三层，关 fuse。Electron 在 Framework 二进制里有一组 fuse 开关，用已知的 sentinel 字符串 "dL7pKGdnNz796PbbjQWNKmHXBZaB9tsX" 定位，后面跟 version + count header，每个 fuse 占一字节（ASCII '0'=off, '1'=on）。直接把 EnableEmbeddedAsarIntegrityValidation 从 '1' 改成 '0'。加上第二层的哈希更新，形成双保险。

第四层，重签名。上面的操作破坏了原始 Developer ID 签名，用 codesign --force --deep --sign - 做 ad-hoc 重签名，让 macOS 不拦截。

注入的 loader.cjs 只有 70 行，设计原则是"插件系统崩了绝不能带崩 Codex"。所有逻辑包在 safe() 里，异常只写日志到 loader.log，最后一行永远是 require("./" + originalMain)——无条件把控制权交还给 Codex 原始入口。

Runtime 层也有意思。它需要访问 Codex 的内部 window services 对象，但这是个 minified 的闭源 bundle，变量名是混淆过的。解法是用 fingerprint 匹配：搜索包含 buildFlavor: 的工厂函数调用，然后检查调用体里是否同时包含 allowDevtools:、preloadPath:、globalState: 等至少 5 个已知���性名，命中后回溯找到赋值的变量名，在语句结尾注入 globalThis.codexpp_window_services = ;。一套完整的 JS AST 级别的 source patch。

Sparkle 自动更新兼容是最精巧的部分。Sparkle 要求有效的 Developer ID 签名才能更新，但补丁后的 app 只有 ad-hoc 签名。解决方案：hook Node 的 Module._load，拦截 Sparkle 模块的 installUpdatesIfAvailable 方法。更新前用 ditto 把备份的原始签名 .app 复制回去让 Sparkle 正常工作，更新完后 launchd 监听到 app.asar 文件变化，自动触发 codexplusplus repair --quiet 重新走一遍补丁流程。全自动，用户零感知。

不是一个简单的 monkey-patch，是从二进制 fuse 到 JS source patch 到 Sparkle hook 的完整工程体系。

https://t.co/ESzJnusGj7