Cloudflare 宣布推出 Cloudflare Agents，将 Agent 的部署与运维收拢到一个控制台。首项能力是 Agent tracing：记录每次模型调用、工具执行、token 消耗、审批事件与子 Agent 调用，让开发者看清 Agent 行为与成本。默认支持 Think、Flue、AI SDK 等 OpenTelemetry 兼容框架，也可导出到任意 OTLP 目的地。会话回放可重现每轮的完整上下文，帮助定位错误工具参数、陈旧上下文和重试循环。配置只需在 wrangler.jsonc 开启 observability.traces，beta 期免费，2026 年 10 月后并入 Workers Observability 计费。适合在 Cloudflare 上运行 Agent 并需要更细粒度观测的工程团队。
Anthropic 以 research preview 形式给 Claude Code 加入 routines：把提示词、仓库和连接器打包成一个可重复运行的自动化，跑在 Anthropic 云端，不再依赖本地电脑。触发方式有三种——按 schedule 定时（每小时/每晚/每周）、通过每个 routine 独享的 HTTP endpoint 与 auth token 触发、以及订阅 GitHub 仓库事件，对每个匹配的 PR 开一个 session 并持续跟进评论与 CI 失败。文章列举了 backlog 清理、文档漂移、部署验证、告警分诊等使用模式，并给出配额：Pro 每天 5 个、Max 15 个、Team/Enterprise 25 个，超出部分按 extra usage 计费。适合想用 Claude Code 做无人值守自动化、或评估云端 agent 编排的工程师；需注意这是官方发布稿，无真实案例数据。
本文是 AI Hero 系列的基础篇，讲解与大模型对话时消息层的基本协议。作者用简洁图示拆解了几类消息：用户发起的 user message、模型返回的 assistant message，以及位于对话最前、用户通常不可见的 system prompt。关键论断是：当系统提示与用户指令冲突时，模型通常优先服从系统提示，但这一规则可被越狱打破。文章还介绍了属于 assistant message 一部分的 reasoning token，说明消息可包含多部分，例如在图片生成场景中传递文件；最后用一个写 todo.md 的例子解释了工具调用（tool call）与工具结果（tool result）如何通过同一 id 配对，以及这为何能支撑 Claude Code、Cursor 一类的应用在本地系统上操作。适合刚接触 LLM 应用开发、想理清消息结构的工程师快速入门。