TellerAI-Leo

👨‍💻 AgentZ 主理人｜供应链 Agent 平台-agentz.cainiao.com
💼 踩坑中：Agent FDE 交付 & Personal Agent 矩阵
🎨 斜杠：设计师 / 智能硬件 / AI 产品经理
✍️ 来 X 公开记录怎么把 Agent 做成可交付生意

[TellerAI-Leo @leozhangai]

@dotey 不完全是一回事。压缩保留的是当前会话的工具状态和未写完的中间产物；新开会话再捞摘要，往往丢了「做到哪一步、哪些文件已脏」。Token 差不多，过夜能不能续跑差一截。

[TellerAI-Leo @leozhangai]

@wquguru 三个主力 Agent 扛 21 小时，真正难的不是姿势数量，是五机位一致性验收——换机位后骨骼角度一漂，整库就废。开源白模值钱的是可复现的拍摄约束，不是再堆一批图。

[TellerAI-Leo @leozhangai]

@ClaudeDevs 4. 多图 prompt 上 3000px 前先压分辨率策略
5. 文档写明：云市场仍是 20–32MB，别混用假设

窗口是脑子的容量；请求体积是干活的水管。这次加粗的是水管。

[TellerAI-Leo @leozhangai]

很多人以为卡的是 context。其实先撞墙的是请求体积。

Claude 窗口还空着一大截，截图、PDF、computer-use 轨迹却先把 32MB 请求顶满——这不是「模型记不住」，是管道太细。

[TellerAI-Leo @leozhangai]

@ClaudeDevs 本周 5 件事：
1. computer-use / 多图会话改走 Anthropic 直连 API，别默认 Bedrock
2. 大 PDF 去掉无用 chunker，先测单次 128MB
3. 请求字节数与 token 分开记——payload 满 ≠ 窗口满

[TellerAI-Leo @leozhangai]

敢说『Agent 自己出评测』的人，多半还没认真看过它出的题。递归自我改进的门槛不是循环，是你手里有一份模型刷不掉的标准答案。

https://t.co/e0kKTjxCWi

[elvis @omarsar0]

Learn to build evals, folks!

You're not really doing recursive self-improvement (RSI) if you are not doing evals. And don't tell me your agents are generating the evals for you. They are pretty bad at it.

I have found it really interesting and useful to give agents a concrete way to measure results and stay on track with a long-term goal. It's easier to hill climb when things are clearly measured and well defined. Probably one of the most important skills anyone in the space can have today.

It doesn't matter how many agents and intelligence you throw at a problem; you are not going too far without proper evals.

[TellerAI-Leo @leozhangai]

上下文还有空位，请求却先顶满——这才是 computer-use 和多图 Agent 真正的卡点。32→128MB 不是又吹窗口，是把干活的管道加粗了；还在云市场上跑的人，别默认自己已经拿到这 4 倍。

https://t.co/5yfYVU9RnU

[ClaudeDevs @ClaudeDevs]

We've raised the max request size for Messages and Token Counting on the Claude API from 32 MB to 128 MB.

Image-heavy requests like long computer-use sessions and big PDFs were previously hitting 32 MB with plenty of context window left. Now you get ~4x more room.

[TellerAI-Leo @leozhangai]

$200 套餐折合约 4300 美元用量——大家还在问『够不够』，真正变了的是计量单位：Coding Agent 的席位费，正在变成按用量烧的研发水电。敢把月预算当水电交的人，才会天天开着跑。

https://t.co/8njASJQ7yc

[Theo - t3.gg @theo]

Ran the numbers on the plan changes for Codex, looking pretty good!

$500 plan nets to ~$10.5k/month of usage
$200 plan nets to ~$4.3k/month of usage

[TellerAI-Leo @leozhangai]

我的判断：模型越像零件，越要盯调度层、协调披露和可安装 skill。

[TellerAI-Leo @leozhangai]

AI 早报 · 10.30｜Fusion：模型成零件、路由才是产品；红队五条攻击链已补丁；Carbon 先放防御；mcp-server-dev 把建 MCP 收成三个 skill。

#AI早报 #Agent

[TellerAI-Leo @leozhangai]

1）头条：Copilot Fusion——选 effort，系统编排模型；近 Opus 分、约一半成本。
2）Anthropic 红队：五条跨平台攻击链，62 个 Chrome 洞已补；先报后发。
3）Gemini 4 Carbon：Index 59 居首，先放给网络防御方。
4）mcp-server-dev：建 MCP → UI → 打包，三个官方 skill。

[TellerAI-Leo @leozhangai]

Jules 并进 Antigravity，真正的信号不是又少了一个 Agent，是 Google 承认：异步后台任务 alone 留不住开发者。Agent 产品要嵌进写代码的那块屏幕，不能只开一个网页等人回来收结果。

https://t.co/i4ySVP0JvC

[🚨 AI News | TestingCatalog @testingcatalog]

Google killed Jules AI agent 💀

Its planned functionalities are about to arrive to Antigravity instead.

> “We’re working on bringing our learnings from Jules into Antigravity so you get the best of both worlds: autonomous remote background task execution and an agent-first development environment.”

Antigravity already has some traces of a new “Chief of Staff” agent spotted earlier.

I feel like it was unfortunate that Jules v2 got planned at a moment when AI super apps emerged and Google had to fight back with Codex.

Monitoring 👀

[TellerAI-Leo @leozhangai]

@vista8 从网页到游戏，跃迁节奏几乎贴着 Opus 版本走；工具品牌换得再勤，上限还是模型能不能把「可玩构建」当验收，而不是再多一个聊天框。

[TellerAI-Leo @leozhangai]

@ID_AA_Carmack 从零生成整仓能跑通，但不等于最快最安全。真正拉开差距的是标准库和验收边界：agent 对哪些模块正则化，比再堆一轮端到端 RL 更决定过夜能不能交干净代码。

[TellerAI-Leo @leozhangai]

敢把选型交给调度器的人，才开始做产品；还在比模型名的人，还在买零件。

[TellerAI-Leo @leozhangai]

模型成了零件，路由才是产品。

GitHub Copilot Fusion 刚 GA（Universe / Nadella 财报窗口）。别把它当成又一个新模型——它是调度/编排层：你选 Standard / High / Max effort，运行时去协调 Anthropic + OpenAI（Claude Opus 5.5、Sonnet、GPT-6 变体）。

[TellerAI-Leo @leozhangai]

本周 5 件事：
1. 团队规范把「选模型」改成「选 effort 档」
2. 对标任务同时记成本与时长，别只晒榜分
3. 日常默认 Standard/High，Max 留给终审与硬题
4. 调度日志留住：哪一步用了哪家模型
5. 内部评测加一列——同质量下的 $/task