这次 Claude Code 封号潮，最值得反思的不是怎么继续硬用。而是我们以前太容易把工作记忆交给某一个工具。你和 Agent 反复磨出来的项目背景、工作规则、提示词、任务进度，都应该沉淀成本地文件。先做一个。让 Claude Code 帮你总结。放到项目根目录。换 Codex 或其他 Agent 时，让它第一步先读。这件事做完以后，Agent 就不再是一个账号。它只是执行者。真正属于你的，是那

过去我们总爱问，AI 到底能不能替代一部分工作。我现在反而觉得，这个问题有点老了。哪些工作已经开始被重新切块，好让 Agent 接进去。Codex 这篇论文给出的信号很明确，越来越多用户已经不把 AI 当聊天伙伴，而是当成执行系统来用。并发 agent、skills、超长任务、组织内渗透，这些都不是热词堆砌，它们其实是在描述同一个转向。AI 不是突然变成了一个无所不能的数字员工。别神化，这玩意儿离

这句话听着有点像客套，但在国产模型里其实挺不客套的。因为过去很多模型发布会的叙事是“参数更大、榜单更高、上下文更长”，听完你会觉得很厉害，但真打开 IDE 干活，十分钟后就开始怀念人类同事。GLM-5.2 的变化不太一样。它的重点不是陪你聊天，而是更像一个被专门训练过的工程助手：能读长上下文，能拆任务，能跑相对长的 coding 流程，也能在一些标准工程评测里拿出还不错的成绩。

这半年看 AI Agent 讨论，有个很有意思的错位。网上最热闹的话题，通常还是“哪个模型更强”“榜单又涨了几分”“这一版是不是已经能替代人了”。但真到了公司里，要把 Agent 接进业务、接进团队、接进日常流程，大家卡住的地方往往没那么浪漫。不是模型不聪明，而是它一碰到真实环境就开始露馅：工具不会用、上下文越跑越乱、流程一长就失控、结果看着像对的，真执行起来却不敢放手。说白了，很多 Agent

因为医药是少数几个足够贵、足够难、足够依赖知识密度的行业。AI 公司想证明自己不是“高级文案机”，就必须进入那些传统上由专家、实验、流程、监管共同构成的行业。医药刚好符合这个标准。它有海量文本，有复杂结构数据，有明确目标，也有清晰结果：候选物有没有效果，实验有没有通过，临床有没有成功。当然，它也非常残酷。如果你做内容、做营销、做客服，AI 错一点可能还能人工兜底。但药物研发里，模型错了，后面可能就

又到盘点GitHub 周榜的时间。我按 2026 年 7 月 15 日抓取的页面，把本周新增 Star 比较猛的项目重新排了一遍。和往期一样，这个排序不是页面原始展示顺序，而是按页面里显示的 “stars this week” 从高到低取前 10。这周的主题非常明确：AI Agent 不再只是“帮你写代码”，而是在往具体工作流里钻。

最近 AI 编程 Agent 的讨论，又开始从“能不能写代码”转向“公司到底该怎么用”。原因很简单：工具已经不是新鲜东西了。Claude Code、Codex、GitHub Copilot CLI、Cursor、各种 IDE agent，很多开发者都已经试过。更有意思的问题不再是“它能不能写一个函数”，而是：如果把这些工具放进真实公司里，它们到底会不会改变团队产出？

安全：strix会议：Meetily求职：ai-job-search编程记忆：codebase-memory-mcpToken 压缩：caveman模型路由：OmniRoute多 Agent 编排：agency-agents、codex-plugin-cc这说明开源圈的关注点正在继续变化。去年大家还在追“模型有多强”。现在越来越多人在做“怎么让模型真的干活”。而且这个“干活”不再只是写一段代码，而

国产 Agent 不是没有牌。但现在还没聚成面。美国这一轮强的地方，不只是模型强，而是几个关键入口已经被产品卡住了。Claude Code 卡住终端和仓库。Cursor 卡住 IDE。Codex 卡住 OpenAI 生态里的开发任务。Deep Research / Operator 这类产品卡住浏览器任务和研究任务。而国内目前更像是：模型公司、云厂商、AI IDE、通用 Agent 团队、内容工具

国产 Agent 不是没有牌。但现在还没聚成面。美国这一轮强的地方，不只是模型强，而是几个关键入口已经被产品卡住了。Claude Code 卡住终端和仓库。Cursor 卡住 IDE。Codex 卡住 OpenAI 生态里的开发任务。Deep Research / Operator 这类产品卡住浏览器任务和研究任务。而国内目前更像是：模型公司、云厂商、AI IDE、通用 Agent 团队、内容工具