Hezekai Wiki

Appearance

今日主线 ​

  • Agent Skills 捐给 Agentic AI Foundation，与 MCP 同属开放标准阵营
  • Claude 用形式化验证扫过上百个开源库；付费端下周默认 auto mode
  • Decisions API 转正式可用；中文圈在拆 Harness 缓存与 Skills 写法

前沿动态 ​

  • Anthropic (@AnthropicAI)：与 Theorem Labs 用 Claude 对数百个真实开源库做形式化安全证明，几周量级完成（历史上多只能啃小库或靠专家堆时间）原帖
  • Claude (@claudeai)：下周起 Pro/Max/Team 在网页、桌面、手机默认 auto mode，风险动作由分类器拦，可随时切回手动；另宣布 Claude 在 Google Cloud（Anthropic 托管）正式可用 原帖 · 原帖
  • ClaudeDevs / AAIF：Agent Skills 捐给 @AgenticAIFdn（同 MCP 去处），已有 70+ 平台接入（ChatGPT、Cursor、Copilot、VS Code 等）；同期入驻还有 Open Responses、OpenEnv、OpenSandbox，AAIF 托管项目到 10 个 原帖 · 原帖
  • OpenAIDevs (@OpenAIDevs)：Decisions API 正式可用，近实时分类文本/图片、选下一步，不必整段生成完整回复 原帖
  • OpenAI (@OpenAI)：今夏请 METR 与 Redwood 进驻三周，评估内部 agent 错位监控，结果已用来加固防护并规划后续第三方评估 原帖
  • Google Cloud (@googlecloud)：AGNTCon 上推 Agent Compute Engine，并扩大 Gemini for business 的 agent 治理能力 原帖
  • SemiAnalysis (@SemiAnalysis_)（宝玉转述）：部分 Claude 账号在做额度 A/B，月总量折合 API 价值约少两成，5 小时额度约多两成，并非全员 原帖 · 原帖

AI 原生工作方式 ​

  • Boris Cherny (@bcherny)：Skills 从 Claude Code 实验做成行业标准后捐出；斯坦福课上 Mihail 问他现在跑多少 Claude agent，答「几千个」 原帖 · 原帖
  • meng shao (@shao__meng) 整理 Boris 五条：自动化真正瓶颈、为六个月后模型建、小团队更快、用循环思考、懂领域的人会赢；团队去年 11 月起代码近乎全由 Claude 写，人均约 10× 原帖
  • Guillermo Rauch (@rauchg)：Agent 把软件拉向两极：深后端 + 即时前端；tmp.now 让 agent 零注册也能丢出可访问 URL 原帖
  • Paul Graham (@paulg)：老公司最多适应 AI，新公司天生 AI-native；中间态是 Podium 那种硬把自己重做成 AI-native（二次冲到 $150M AI ARR） 原帖
  • Alex Albert (@alexalbert__)：用 Claude Duet 一类产品帮本地小生意跑日常，可能比当年 Square / Google Maps 影响更大（观点帖，非产品官宣） 原帖

领袖与研究者洞察 ​

  • Ethan Mollick (@emollick)：2024 年首本书时 AI 约能做 4 分钟人类活（50% 成功）；交 Co-Existence 初稿时约 17 小时；书两天前出版时约 17 周 原帖
  • Aaron Levie (@levie)：看 AI 会造哪些岗位，先看网络安全；越 agent 化越要人定目标、审发现、打补丁、应急 原帖
  • Nathan Lambert (@natolambert)：开源权重也会被攻用，但未来一年里开源对网防「托底」的作用常被 doom 叙事低估 原帖
  • François Chollet (@fchollet)：若公理式坚信几月内末日且又怕又兴奋、圈子全同款叙事，更像千禧年邪教征兆（对激进末日叙事的吐槽） 原帖

实践者方法 ​

  • Vox (@Voxyz_ai)：建议 AGENTS.md 加两行：砍掉靠文案才能看懂的界面；决策同时抬 UX/DX/AX 原帖
  • Vox：Skills 捐出后提炼六条写法（先实干再固化、每行问「没有会不会错」、description 决定是否被唤起、SKILL.md 控体积、脆弱步骤写死命令、gotchas 最值钱） 原帖
  • Matt Pocock (@mattpocockuk)：「代码不是 spec 才是宇宙中心」；问题极模糊时用 /grill-me 一次一问；另有 /software-factory 提示词帮判断要不要上工厂式基建 原帖 · 原帖 · 原帖
  • 小墨 (@xiaomovps)：同模型同题，Pi 约 3 轮 vs DeepSeek Harness 约 28 轮（含多次截图自检）；累计输入可差约 18×，但高缓存命中后费用大约只差一倍级，比 Harness 别只盯 token 数 原帖
  • Vox 转述 Ponytail 5（作者自测，非第三方评测）：先问「要不要写 / 仓库有没有 / 标准库够不够」再落笔；自测 39 题少写约 53% 代码、时间约 -41%、费用约 -26%，风险逻辑带测比例升到约 98% 原帖

两三句 ​

标准层继续收敛（Skills 跟 MCP 进同一基金会），产品层在推「少点确认」和「形式化证明」两条安全路径。工作侧重点从「会不会写 prompt」转向「瓶颈自动化、循环、领域 alpha」。看 Harness / Skills 时把缓存命中、轮次和最终质量一起算，别被裸 token 吓到。