📈 本周趋势
本周最值得先说的是 Linear 的首份数据报告，它把「AI 到底改变了工程团队什么」从体感拉回到数据。两年固定队列里，接入 coding agent 的团队周 PR 数从 21 涨到 65，未接入的只从 8 到 10，产出增长几乎全部落在 agent 侧；但时间没有省下来，AI 作为新的一层叠加在既有工作之上，产品开发总时长在涨。报告同时承认，产出暴涨是否等于业务价值无从判断，「PR 是 motion 不是 value」。产出能数出来，价值数不出来，这大概是本周最诚实的一组数据。
产能数据的另一面，是质量与安全的压力。Wiz 披露的案例凑齐了 AI 安全攻防的第一个完整闭环：GitHub Copilot Autofix 在 Snowflake 的公开仓库把一段安全的写法「修复」回了带注入漏洞的版本，五天后，Wiz 自家的自主安全 agent Red Agent 扫到同一个漏洞，自己分析报错、调整 payload，外泄了内部 Jira 凭证。制造漏洞的是 AI，发现并利用漏洞的也是 AI。GLM-5.3 从防守侧印证：基座没换，纯靠 post-training scaling，ExploitBench 翻倍到 54.4，与国内安全团队合作在 269 个项目里找出 2436 个真实漏洞。当 PR 以三倍速度涌入，AI 生成代码的审查标准对齐人类代码，不再是口号。
🚀 产品与模型动态
🟠 Claude Code
本周五个版本（2.1.233–2.1.237），加上 /design skill 和限额延长。
- 内置「Concise」输出风格（2.1.237）：在 /config 的 Output style 里选，Claude 先给结果、跳过前言和过程叙述，干活力度不变。
ANTHROPIC_DEFAULT_MODEL环境变量（2.1.236）：设定新会话的默认模型，/model 手动选择仍然优先并跨重启保留。- spellcheck 拼写检查（2.1.235）：输入时下划线标出拼错的词，复用本地 aspell/hunspell/ispell。
- usage limit 重置后自动继续会话（2.1.234）：限额一到点，正在跑的会话自动续上，不用手动重开，可在 /config 关闭。
- todo/task 工具从新模型移除（2.1.233）：Opus 4.8、Sonnet 5、Fable 5 及更新模型不再提供 TodoWrite 等任务工具，依赖旧工作流的可用
CLAUDE_CODE_ENABLE_TODO_TOOLS=1找回。 - GitLab 支持（2.1.233/234）：
--worktree接受 GitLab MR 链接，footer 和 statusline 显示 MR !N 状态。 - /design skill（research preview）：把 Claude Design 的画板工作流搬进 CLI 和 Desktop，先生成多个可编辑 UI 画板，选中微调后再让 Claude 实现。
- 周限额 50% 提升延长至 8/31：官方表态希望永久化，但未来数周容量可能紧张。
- 性能两连击：CLI 的 p99 CPU 降一半（Bun GC 改为进程空闲时触发，不再 mid-turn 抢 CPU），Desktop 启动快 2 倍（修复后台启动时 timer 被节流的问题）。
社群信号：Matt Pocock 提出「grep hygiene」，指代码库被 agent 搜索时的整洁度。他的观察是 agent 在代码库里搜概念时，得到的是 specs、plans、旧研究文档堆出来的泥浆，很多代码库的 grep hygiene 像强迫性囤积症。给使用 coding agent 的团队一条直接可做的事：清理仓库里堆积的过期文档和计划文件，让 agent 搜到的是活代码而不是考古层。
🟢 Codex
/export把完整 TUI 对话导出为 Markdown，可直接进剪贴板或存文件。codex exec fork分叉会话，TUI 的 resume picker 里可以归档和恢复会话。- /status、状态栏和终端标题显示预估的 thread credits 或花费。
- Amazon Bedrock Runtime 成为内置 provider，配好 AWS profile 和 region 即可用，支持 GPT-5.6 路由。
- Hooks 支持异步运行命令和调用 MCP 工具，长任务不再阻塞主流程。
社群信号：Tibo 8/19 发长推复盘 Codex 的破坏性操作风险（1.1M 阅读）。他们调查发现 GPT-5.6 in Codex 在少数情况下会把清理临时目录的命令搞错，比如复用 $HOME 当临时目录、删除前不检查目标，导致误删用户文件。官方加了几层防护：指示模型删除前先确认目标、新建临时目录、高风险删除命令升级人工审查、Full access 更难误开、用失败重放的 eval 加 RL 训练。给用户的行动指南很明确：保持 Codex 更新，日常用「Ask for approval」或「Approve for me」沙箱模式，只在可信且可恢复的环境开 Full access。
🧰 其他工具与模型
Gemini 3.7 Flash：距 3.6 仅三周，半价介绍价。 FrontierCode 1.1 从 34.4% 涨到 43.6%，DeepSWE v1.1 从 49.0% 到 65.3%，AutomationBench 接近翻倍。年底前介绍价 $0.75/$3.75 每 M token，正好是 3.6 的一半。workhorse 档模型的性价比在按周下探，生产 agent 的模型路由值得按月重估。
Qwen3.8-27B 开源。 27B dense 视觉语言模型，SWE-bench Pro 61.7 超过一众更大模型，OSWorld 84.3，原生 262K 上下文可扩到 1M，FP8 权重已放开。Simon Willison 实测提醒：默认 xhigh reasoning 档追求好看但很慢（17GB 本地模型画一只鹈鹕 SVG 要 21 分钟），关掉快 9 倍但质量骤降。
GPT-5.6 Sol 降价 50%，配官方 builder’s guide。 降价之外，指南里最有信息量的是 harness 层的优化空间：Luna 在 BrowseComp 上花 $1.33 就达到 5.5 Extra High 花 $33.27 的成绩，Responses API 的 reasoning 持久化、原生压缩、多 agent 编排把 ARC-AGI-3 从 13.3% 提到 38.3%。同一个模型，工程层做好能差出数倍效果。
Toast 1：专职搜索 subagent。 Mixedbread 把搜索循环整个承包出去：分解子查询、收集证据、检查来源、整理上下文，只把证据包交回主模型。每次查询 $0.016-0.023、p50 延迟 8 秒，比前沿模型亲自搜便宜一个数量级。「专职搜索 agent」正在成为新品类（同类还有 SID-1、Chroma Context-1）。
Anthropic「Project Parka」挖料：会议变成 agent 收件箱。 RuntimeWire 从 Claude Desktop macOS 包的接口契约里挖出这个未发布功能：Mac 优先的会议记录器，产出结构化 action，每条带 cowork/code/manual 三种执行类型和回链 sessionUrl，产品会议里的工程承诺能直接变成一条 Claude Code 任务。转写基础设施线索指向 Deepgram（属强假设，非实锤）。
📌 本周精选
Cursor 正式并入 SpaceX，「最大 GPU 舰队 + AI 编程第一入口」合流完成
AI 编程工具的整合对象，从 API 变成了 GPU 舰队。
Cursor 官宣被 SpaceX 正式收购，走完 4 月与 SpaceXAI 启动模型训练合作后的最后一步。官方叙事的核心是算力合流：Cursor 将用「世界最大的 GPU 舰队」训练更强且更经济的模型，Grok 4.6（8/12 发布，追平 GPT-5.6 Sol）被定位为双方合作能力的首次预览。
把时间线拉直看更清楚：Grok 4.5 是 7/8，Grok 4.6 是 8/12，收购官宣在 8/15，Cursor 与 SpaceXAI 的绑定一个月内三级跳。结合上周记录过的「Grok Bot 实为 Cursor 团队作品」，收购前双方团队已经在 Anysphere 名义下共建产品。
对开发者的直接影响在成本和入口两端：Cursor 从 IDE 厂商变成 SpaceX 智能基础设施的消费者入口，$2/M input 的模型成本曲线会继续下压。「套壳 API」的时代在这个体量的玩家身上结束了，自有模型加自有算力加自有入口才是新的默认形态。
GLM-5.3：基座没换，纯靠 post-training 挖出 2436 个真实漏洞
同一基座，所有提升来自 post-training 的持续 scaling，这个声明本身比数字更反直觉。
智谱发布 GLM-5.3，明确说基座模型与 GLM-5.2 完全相同。Terminal Bench 3.0 从 4.6 跳到 28.3（6 倍），DeepSWE v1.1 从 46.2 到 66.9，成为开源编码最强模型。
网络安全能力也在涌现：训练数据加入漏洞发现环境后，模型不只是更会识别孤立漏洞，而是开始跨攻击阶段推理、规划完整的利用链，ExploitBench 从 24.4 翻倍到 54.4。实测成果是与国内多个安全团队合作，在 269 个项目里找出 2436 个真实漏洞，其中 1097 个中高危，最老的一个已经存在约 40 年，安全披露账本公开可查。
工程侧的核心经验是「难度从模型转移到环境」：他们搭了端到端的合成任务环境流水线，research agent 收集任务模式，judge agent 验证可解性。权重两周后开源；API 有破坏性变更，不再支持关闭 thinking。归藏补充了一个中文视角：智谱明确表态网络防御能力不应掌握在少数资源雄厚的机构手里。
Copilot Autofix 制造漏洞、Red Agent 五天攻陷 Snowflake 内部 Jira：AI 攻防的完整闭环
本期标题的来源：AI 制造漏洞、AI 发现漏洞、AI 自主利用，第一次在一个案例里闭环。
事情从 GitHub Copilot Autofix 的一次「修复」开始：它在 Snowflake 公开仓库的 PR 里，把原本安全的 env: 变量加 jq --arg 模式改回了直接字符串插值，重新引入 GitHub Actions 脚本注入漏洞。AI 自动修复删掉了人类刻意防御的历史写法，因为它不知道那段代码为什么这样写。
五天后，Wiz 的自主安全研究 agent Red Agent 扫描发现该漏洞并完成利用：构造恶意 issue 标题触发命令执行，第一次 payload 因 bash 语法错误失败，它自己分析报错、调整 payload，成功外泄 Jira 凭证，拿到 Snowflake 工程、安全合规、漏洞赏金项目的读权限。披露后 Snowflake 当日修复。
对安全团队的两条直接结论：AI 生成的 PR 必须过与人类代码同等的静态分析和安全审查；部署 guardrails 阻止 agent 用字符串插值替换结构化解析器。自动化发现的响应窗口已经从天压到小时。
Anthropic 文本水印全量上线，Gruber 写下「写作亵渎」檄文
上周写的是水印机制，本周的增量是它引爆写作圈之后的反弹。
为满足 EU AI Act 的透明度要求（8/2 生效），Anthropic 已对所有新 Claude 模型全局启用文本水印：基于 SynthID-Text 变体，在每个近义词等价的 token 决策点用密钥决定的伪随机源做选择，词序列留下可概率检测的指纹，宣称不影响文本质量、零额外成本。
Gruber 的反驳成了本轮 HN 最热帖。核心论点是无法回避的：没有两个同义词意义完全相同，水印算法必然在某些决策点提高次优词的概率，这等于系统性牺牲写作的精确性。他评 Anthropic 区别对待代码和文本的那句话很尖：「我们在代码里重视精确，在文本里不重视」。密钥仅 Anthropic 持有这一点也被点名：「你能检测」实为「只有 Anthropic 能检测」。
更实际的冲击在产品侧：Claude 校对过的人类文本同样会被标记，引用 Claude 生成的原文会让整篇文章被判为 AI 生成。走 Claude API 产出的面向用户文本，合规评估该提上日程了。
Why does Opus 5 feel worse？benchmark 训练淘汰了会提问的模型
869 分 788 条评论的观点文，把「模型变强但体感变差」归因到训练目标上。
作者的观察是 4.7/4.8 会停下来问澄清问题、不擅自假设，Opus 5 则倾向于在模糊处大胆假设直接干，需要人盯着。他的归因是：benchmark 任务天然自包含、有确定的对错，按 benchmark 优化（RLVR 训练）会系统性筛选出「面对歧义就做大胆假设」的模型，惩罚「停下来问方向」的模型，而后者恰恰是真实编码场景最需要的品质，因为现实里你不可能把全部上下文、业务约束、预算都写进 prompt。
同期 Reddit 上「Opus 5 is hard to understand」（57 分）、「Claude 过度 over-engineering」（46 分）的抱怨可以互相印证。对 agent 开发者的启示：模型选择别只看 benchmark 分数，「会不会提问」正在成为被优化目标牺牲掉的隐性能力；写更完整的任务说明、把歧义在 prompt 里消灭掉，是当下最实际的对冲。
注意这是个人观点文，HN 评论区也有大量反驳，辩证看。
Cursor Continuity 拆解：用 S3 WAL 取代 GitHub 十三年的 Spokes 共识
Origin 背后的架构长文，分布式系统设计者的教科书级案例。
文章从 Git packfile 的 delta 存储讲起，复盘 GitHub 三代方案：分布式文件系统（NFS/DRBD 全部撞墙）到 2013 年 Spokes 的应用层复制（3PC 共识 + NVMe 本地仓库）。2026 年 Spokes 的瓶颈双极化：企业 monorepo 的三副本撑不住 CI 流量（3PC 延迟受限于最慢节点），而 agent 时代制造的数百万一次性小仓库又被迫养着三个闲置副本，原文的说法是「floor 太高，ceiling 太低」。
Continuity 的答案是「WAL as truth」：每次 push 写入 S3 的 write-ahead log，未持久化绝不 ack，所有 push 线性化；本地 NVMe 仓库降级为暖缓存，丢了就从 WAL 物化；复制用 UDP gossip 加读时 S3 ETag 验证兜底一致性。实测 100 副本读线性扩展，S3 Express One Zone 上 300 pushes/s。
这篇也解释了 Origin 为何敢在 GitHub 故障周高调上线：存储层已经不是当年那套了。
Anthropic 官方实战：Claude Tag 做 CI/CD on-call，median 14 分钟出首份事故分析
CI 团队工程师的一手复盘，文末附 Team/Enterprise 可直接照抄的 setup kit。
过去几个月，Claude Tag 一直是 Anthropic 公司 CI/CD 故障的 on-call 第一响应人：每个有 situation report 的事故，首份分析都出自 Claude，median 14 分钟发布，最快 4 分钟点名根因。
架构是 agent on-call 四件套：memory 用 lessons.md 记录每次事故的根因和坑，Claude 自动追加，每次调查先读它；Grafana、日志、PagerDuty、K8s 全走 MCP Connectors；Slack 频道里用自然语言下例行指令；oncall.md 升级规则加一个 617 行的调查 skill，由真实事故逐轮转录生成。调查用 orchestrator 加并行 subagents 多线索追凶，解决阶段能管 canary rollout、直接提修复 PR。
两个诚实细节加分：lessons.md 里 Claude 写下对人类的教训「query the data first, then theorize」；ci-weather 日报格式迭代好几轮才可读，因为人类沟通不是管道工程。背景数据是 agentic coding 让人均季度代码量达到之前的 8 倍，跟上 agentic coding 的唯一方式是 agentic CI。
💬 社区热议
Linear 首份数据报告：agent 团队 PR 两年翻三倍，但业务价值是否提升Linear自己也说不清
Linear 的独特视角是完整工作流：从 issue 创建到关单的 PR 全链路。AI 采用扩散到了所有职能，产品岗从 12% 到 34%，201 人以上公司的 CEO 亲自用 AI 的比例从 9% 涨到 36%（所有切片中涨幅最大），AI 现在创作 Linear 里近一半的 issue。接入 coding agent 的团队两年内周 PR 数从 21 涨到 65，未接入的只从 8 到 10，几乎全部产出增长在 agent 侧；全体 workspace 口径两年 +111%。Jevons paradox 的观察最反直觉：AI 作为新的一层叠加在既有工作之上，产品开发总时长在涨，团队干得更多而非更省。至于产出暴涨是否等于业务价值，报告自己承认无从判断：「We have no way of knowing whether this increased output led to positive business outcomes」。结尾的自我批判同样值得抄：「PR 数量是 motion 不是 value，用 token 消耗当价值代理会被记住为 AI 早期的遗物」。
GitHub 全球性大故障，「Ask HN: 替代品」冲上 493 分
8/17 GitHub 经历波及 Actions、Webhooks、API、Issues、Pull Requests 的大规模故障（约 20% 错误率），事故帖与「Ask HN: GitHub 替代品有哪些」同时登顶，后者 493 分 316 条评论的规模本身就是信号：在 AI coding 工具链全面依赖 GitHub 的当下，一次数小时故障就够让社区认真讨论迁移。连锁反应里 Cursor 刚上线的 Origin 也随之降级。评论区的主流方案仍是 GitLab、自托管 Gitea、Codeberg，但讨论重心其实是「CI/CD、仓库托管、issue tracking 的解耦」。对重度依赖 GitHub Actions 的团队，这是审视 workflow 冗余度和镜像策略的契机。
steipete 的 openclaw 自举：用 openclaw 团队建 openclaw
已加入 OpenAI 负责 agent 方向的 Peter Steinberger 持续公开 openclaw 的开发实践，本周两个动作值得借鉴。其一是团队级自举，用自己的 agent 工具开发自己，既是吃狗粮也是对工具上限的压力测试。其二是工程约定创新：在共享 AGENTS.md 里加一条指令，要求每个改动 UI 状态的 PR 自动附上录屏视频（PR #124013 已落地），审查者用眼睛验证 UI 而非只读 diff，这是「agent 生成证据供人类审查」的具体形态。他同时强调 agent 会话的 URL 化分享让协作调试从口述变成可回放。
Thariq 的「赚钱按钮」论：把 SaaS 做成 headless 让 agent 用，按次计费
Claude Code 团队成员 Thariq 的一句话在 X 上拿了 334K 阅读：现有 SaaS 全部按人头订阅定价、为人类 GUI 操作设计，而 agent 用户要的是 API/MCP 入口加按交互计费，企业级尤其没人认真做。评论区质量高：Mckay Wrigley 认为纸面计费是这个方向最优雅的实现；也有人指出这本质上就是「build an API and wrap it in an MCP/CLI」，技术形态早已有之，没人按的是定价模型和 go-to-market 的按钮。与 Parka 挖料、Continuity 存储重写对照着看是同一个趋势，这次轮到商业模式。
🧩 开源社区
本周 trending 上「agent 的记忆与上下文层」扎堆出现：Context Database、长期记忆、图原生检索接连登榜，接上精选里 Toast 1 把搜索循环外包的趋势，这个层正在从 agent 框架的内置功能独立成专门的基础设施品类。
cathrynlavery/diagram-design
38 种编辑级图表类型，给 Claude Code、Codex、Pi 直接用的自包含 HTML + SVG 资源库。 每种图表都是一个独立文件，没有外部依赖，agent 引用后可以产出达到编辑排版水准的示意图而不是随手画的线框。本周 trending 头名，适合经常需要架构图、流程图、时间线的内容创作者和工程师，装进 skill 目录即用。
volcengine/OpenViking
火山引擎出品的自进化 Context Database，统一 Agent Memory、Knowledge RAG 和 Skills 三层。 定位是把 agent 的记忆、知识检索和技能存储从散装组件合成一个数据库，并支持随使用自进化。国内大厂在 agent 基础设施层的开源投入样本，做 agent 记忆选型时值得对比测试。
cactus-compute/needle
14MB 的端侧 foundation model，面向手机、穿戴设备、智能家居和机器人。 把基础模型压到可放进 tiny device 的体积，本地推理不再需要联网和云端配额。端侧 AI 的硬件门槛被拉到了新低，做 IoT 和嵌入式智能产品的团队可以直接评估。
NVIDIA-NeMo/Switchyard
NVIDIA 出的 LLM 应用路由层，跨模型和提供商分流流量，保持原生 OpenAI 和 Anthropic API 兼容。 用于灵活的模型选择、A/B benchmark 和成本性能优化，应用侧不用改代码就能在多个 provider 间切换。配合本周 Gemini 3.7 Flash 半价、GPT-5.6 Sol 降价的行情，模型路由基建的性价比每个月都在变。
akitaonrails/ai-memory
给 agent coding CLI 做的长期记忆方案，支持跨不同 agent 厂商交接。 解决的是多工具用户的现实痛点：在 Claude Code 里积累的项目记忆，换到 Codex 或其他 CLI 还能接着用，handoff 有统一格式。Rust 实现，与 OpenViking 代表的同趋势互补，一个面向平台层、一个面向个人工作流。
✉️ 关于周报
本周报的内容来自一套我自己打磨出的自动化采集工具。它维护着一份精选的活跃博主清单（覆盖 AI 工程、Agent 实战、产品动态等方向，主要集中在 X / Twitter），并定期抓取 HackerNews、Reddit 等社区以及 Anthropic、OpenAI、Cursor 等官方博客的更新。
每天采集一次，每条内容会按「洞见性、独特性、深挖价值」三个维度打分排序，算法筛出高分候选内容。周报会汇总近 7 天内容，再经过人工去重、剔除和把关，最终汇编成你看到的这期周报。不是纯 AI 生成，而是机器采集 + 人工筛选的结果。
完整归档与历史期数见 GitHub 仓库：https://github.com/zhangferry/AGI-Weekly
欢迎关注公众号「AGI成长之路」，后台点击进群交流，一起学习更多 AI 知识。
📜 往期推荐
AGI 摸鱼周报 #12：Claude 给所有生成内容嵌入了不可见水印