LLM 中 token 的基础概念与工作机制：tokenizer 如何把文本拆成 token、再映射成数字；解码过程如何把数字还原为文本。文章用 'the cat sat on the mat' 的微型语料演示字符级到词组级的词汇表构建，并给出具体数字：词汇表从 1000 到 200000，'understanding' 的词元数从 5 降到 2；生僻词如 'Frabjous' 15 个字符被拆成 7 个 token。同时说明计费同时计入输入与输出 token，输入包含对话历史、system prompt 与工具定义，控制输出长度可直接省钱。适合想理解 token 计费与优化成本的 LLM 应用开发者。
Jeff Dean 在 Google 最后一天前夕接受 YC 访谈，承认一年前对 AI 能力的预测仍偏低：模型处理复杂任务的增长速度快于预期，基于 Agent 的系统已能连续运行数周。他将推理专用硬件比作 2001 年“把搜索索引装进内存”的转折时刻，并给出具体数字：50 倍延迟改善、30-80 倍能效提升；做一次计算约消耗一皮焦耳，而搬运数据的能耗是其 1000 倍，这决定了 batching 的必要性。访谈还讨论了上下文工程取代纯模型缩放成为新前沿、TPU 由“餐巾纸数学”催生的历史，以及给创始人的测试：用当前最强通用模型测目标领域，成功率 0% 或 1% 是好信号，20% 则是危险信号。他认为当 Agent 写完代码后，“品味”（知道该让 Agent 解决什么问题）将成为稀缺技能。适合 AI 基础设施工程师、Agent 开发者和 AI 创业者阅读。
Matt Pocock 将其 AI 编码技能库升级到 v1.2，改以 Claude Code 插件形式发布，并推出 aihero.dev/skills 文档站。每个 SKILL.md 新增 agents/openai.yaml 侧车，携带 Codex UI 元数据；其中的 policy.allow_implicit_invocation: false 将用户调用型技能排除在模型自动上下文外，使两套 harness 行为一致。新技能 /wait-what 用单个引导词重述而不错剪内容，/wizard 在遇到仅人工可执行的步骤时自动生成确定性 bash 向导脚本，/to-questionnaire 将无法独自回答的决策变成异步 Markdown 问卷。/wayfinder 路由器引入相位边界，/handoff 收窄为跨场景转移，/compact 成为默认上下文动作；/write-for-agents 更名 /docs-for-agents，六个技能被并入或移除。适合在 Claude Code 或 Codex 中维护 agent 技能、关注上下文工程细节的工程师。