最近我把 Hermes Agent 从 v0.18 升级到了 v0.19 Quicksilver，本以为又是一次平缓迭代，结果第一印象就被锤了——以前启动 Agent 等个好几秒才出现提示符，现在几乎是刚按下回车就出现欢迎消息。官方发布说明显示全平台冷启动首 Token 延迟从大约 4.3 秒降到了 0.9 秒，直接砍掉了 80%。这还只是其中一个变化。Quicksilver 版本累计合并了超过

你有没有注意到最近 LinkedIn 上的一个奇怪现象：身边工程师刷到的猎头消息越来越少，AI Agent Engineer 这个职位却多了上千个？我查了一下数据，发现全美技术招聘总量比疫情前低了 34%，但 AI 相关的技术岗位暴增了 45%。这不是预测——是 Indeed Hiring Lab 和 LinkedIn 的实时数据。更关键的是，AI Agent Engineer 这个一年前几乎不存

我们团队最近在折腾内部数据查询自动化，结果发现，就算用上最新的大模型，面对真实的业务数据问题，回答准确率也惨不忍睹。他们做到了 95% 以上的内部查询准确率，而关键就在一套叫做“技能”的系统上。

Claude Tag 不是简单的功能迭代，而是重新定义了 AI 在协作中的位置。过去 Agent 是「你问它答」的孤立工具；现在它变成了 channel 里的常驻成员——拥有上下文的视角、可被团队 review 和反馈、且开销可管控。Anthropic 内部 65% 的生产代码由它生成不是神话，而是这种协作模式的自然产物。趁旧应用 8 月 3 日关停前，现在就迁移。先选一个活跃的 channel（

真正的 AI 工程优化，不是一个 prompt 写得越来越厚，而是模型越来越强，我们写得越来越薄。Anthropic 的案例证明，砍掉 80% 的 prompt 不仅没有降智，反而提升了表现。这不是个例，而是一个可以复用到你自己的项目中的方法论。如果删掉这部分，模型还能不能完成 90% 的任务？如果答案是「能」，就删掉。记住：AI 降本的核心思路，不是换更便宜的模型，而是让现有模型用更少的 tok

Datadog 的 Stream Router 团队最近干了一件事：把一套跑在 FoundationDB 上的 KV 路由系统迁移到了 PostgreSQL。你可能觉得这没什么特别的。但他们用了一个你可能没试过的方法——。AI 不决定做什么、不决定怎么做，它只负责在测试已经定义好的轨道上执行。你可能也在想：「用 AI 做代码迁移？不就是给 prompt 让它写吗？Datadog 的经历告诉你：不是

你可能注意到了，月之暗面近日发布了 Kimi K3——2.8T 参数的开源模型，也是第一个公开的 3T 级开源模型。但比参数数字更值得关注的，是同时上线的：一个能在你的终端里帮你读代码、修 bug、跑任务的 Agent 工具。模型竞赛是公司之间的事，但一个能直接塞进你工作流的终端 Agent，跟你关系很大。

两天前，OpenAI 同时做了两件事——给 Codex CLI 推送了一个小版本，顺手把标成了稳定版。你可能已经注意到了：GPT-5.6 发布后，各家 AI 编码工具都在跟进适配。Codex 这次 v0.144.6 的更新，看起来只是「刷新了内置模型指令」，但拆开看，信息量不小。

我昨天刚升完 v2.1.217，今天又弹出 v2.1.218。本来以为只是修 Bug 的补丁版，读完 changelog 发现这次藏着两个行为级的大变化。再加上 Review 变成后台子 Agent、MCP 调试终于可见——这次跟之前那些修修补补不是一个级别。

我们一直关注开源模型能否追上闭源标杆。6月13日智谱发布了GLM-5.2，MoE架构744B参数（A40B激活）、1M上下文、MIT开源，直接对标Claude Opus 4.8。官方Terminal-Bench得分81.0 vs 85.0，差距4个百分点。但这4个百分点在真实工程场景里意味着什么？