作者发现 20x Claude Max 的 5 小时配额在十分钟内耗尽，一度怀疑 Anthropic 计量有 bug。翻遍本地日志后定位到真正原因：一个被遗忘的 YC 后台 coding agent 以并发 swarm 方式每天启动 1,555 个 Claude Code 会话，其中 91% 的消耗来自机器而非人工。文章同时澄清两个机制：/usage 展示的是滚动时间窗而非“当日额度”，以及每个新会话都要重建 prompt cache，成本约为命中缓存重读的 12 倍。作者随后把排查过程固化为开源 skill tare，纯本地解析日志并按 request id 去重——不去重会让 token 统计虚高约 86%——能回答“额度去哪了”并生成可脱敏导出的 HTML 报告。适合 Claude Code 深度用户，以及关心后台 agent 开销的工程团队。
WebMCP 是 W3C Web Machine Learning Community Group 正在孵化的浏览器标准草案（Chrome 与 Edge 联合提出）：网页把“能做什么”注册成带 JSON Schema 的结构化工具，AI Agent 按声明直接调用，不再靠读 DOM、猜按钮。作者没有停在概念介绍——他部署了 Career Copilot，在页面上注册 13 个 WebMCP 工具，并让已支持 WebMCP 的 ChatGPT 跑完真实流程：聚合 GitLab/Stripe/Databricks 共 75 个职位，读取 24 份真实 JD 并打分，找出技能差距，短名单 4 个职位后停在人工闸门，最终只提交 3 份申请。文中包含最小可用的 registerTool() 代码、Chrome 149 Origin Trial 的启用方式、从发现到执行的调用链路，以及同源限制、readOnlyHint、敏感操作确认等信任模型。结论是它早期但方向可信，适合做 Agent 工程、浏览器 API 或站点自动化的团队评估。
AI 把写代码的成本压到近乎免费，本周这些文章却指向同一件事：真正的成本正在后移——读懂代码、验证行为、确认意图、组织协作。多个报告与事故都在提醒，生成提速十倍的同时，质量验证没有同步；工程安全不能寄望于“更可靠的写码者”，而要建立在显式意图、证据与护栏上。另一条线索给出建设性答案：上下文工程、Agent 生产架构与主动委托正在取代手写代码成为核心能力，缓存、版本控制与校验工具则让每次反馈更快。生成不再稀缺，稀缺的是对系统的理解与信任。
上周最有意思的 6–10 条 + 一段编辑首语。留个邮箱，开刊第一时间通知你，没有广告。