OpenClaw 2.0 是该项目迄今最大的一次发布：933 名贡献者合入逾 16,000 个 PR，其中 569 人为首次贡献；发布前团队连续近七周未发版。新版把重心放在降低上手门槛——安装引导会直接沿用本机已有的 ChatGPT/Claude 订阅、API key 或本地模型，并移除大量初始配置；浏览器端被重构成第一优先级的操作入口，首次对话即可继续设置或跟进任务。文章还展示了从单个收件箱通知这类简单流程，向跨 iMessage/邮件查证并代回复的复杂任务演进，以及让团队共享云会话、保持上下文移交的多人在线模式。全文没有技术架构细节，偏产品发布叙事；适合 OpenClaw 用户评估是否升级，或关注 agent 产品形态的工程师快速浏览。
Zod 4.5 正式发布，核心是新的 AOT 预编译 API z.compile()，可将任意 schema 预编译为更快的解析函数，对象、数组、联合类型解析提速约 3–9 倍；配合不再构造 ZodError 的 z.validate()，无效输入路径比 safeParse 快约 16 倍。基准数据显示，在 Moltar parseSafe 上达到 47.5M ops/s，超过 typia 的 45.3M。同时通过将方法迁移到原型并延迟绑定，单个 schema 实例内存占用最高减少 9.8 倍。新版带来多项破坏性变更：字符串长度改按 Unicode 码点计算、z.iso.datetime() 强制要求秒、记录键和交叉类型对齐 TypeScript 语义、全链路剥离 __proto__。适合在服务端校验、表单和数据管道中重度使用 Zod 的 TypeScript 工程团队。
Z.ai 发布 GLM-5.3，强调与 GLM-5.2 共用同一个 base model，所有提升都来自 post-training 扩展：持续扩大长程任务环境，并用流水线合成可执行、可验证的环境与 reward，训练栈沿用 IndexShare、SAO 和 slime。代码与 agent 能力在公开榜单上普遍上升，例如 Terminal-Bench 3.0 从 4.6 涨到 28.3，DeepSWE v1.1 从 46.2 升到 66.9。文章最值得注意的是“涌现式网络攻防能力”：ExploitBench 从 24.4 翻倍到 54.4；真实代码库评估中，在 269 个项目里发现 2436 个漏洞，最老的可追溯到 1981 年，Z.ai 为此建立了公开披露台账。工程侧，slime 通过本地缓存、训练-rollout logprob 对齐（1e-7）和负载感知调度，把长程 coding RL 的端到端吞吐提升 2.3×。API 上 thinking 不能再关闭，迁移需改用 reasoning_effort；权重将在安全加固完成两周后开源。适合关注 RL 后训练、agent 评测和 AI 安全披露的工程师阅读，注意所有跑分均为厂商自报。
LangChain 团队开源了其内部使用的四个软件工程代理工具：本地编码代理 dcode、云端编码代理 OpenSWE、自动代码审查 OpenSWE Review 以及仓库知识文档 OpenWiki。文章详细介绍了每个工具的设计意图、使用场景和实际数据——OpenSWE 上周仅从 Slack 触发了近 1000 次，OpenSWE Review 在离线代码审查基准中以 47% 的成绩排名开源第一。所有工具基于 Deep Agents 框架，并利用 LangSmith 进行全链路追踪与优化。适合希望构建可控、可观测的软件工程代理流水线的工程师。
月之暗面发布了 Kimi K3，一个 2.8T 参数的开源模型，采用 Kimi Delta Attention (KDA) 和 Attention Residuals (AttnRes) 架构，激活 896 个专家中的 16 个，扩展效率较 K2 提升约 2.5 倍。Kimi K3 支持原生视觉和 100 万 token 上下文窗口，在编程、知识工作、推理等基准上与 Claude Fable 5 和 GPT 5.6 Sol 竞争，虽整体仍稍逊，但在多个内部评测中表现突出。文章详细展示了其在 GPU 内核优化、编译器开发（MiniTriton）、3D 游戏开发、芯片设计（48 小时自主设计芯片）、科研复现（2 小时完成通常 1-2 周的工作）等场景的案例。Kimi K3 即日起可通过 Kimi.com、Kimi Work、Kimi Code 和 API 使用，完整模型权重将于 7 月 27 日开源。适合 AI 系统工程师、模型开发者、以及需要长周期代理工作能力的研究人员。
Codex CLI 是 OpenAI 推出的轻量级编程智能体，运行在本地终端，直接利用 ChatGPT 订阅或 API 密钥驱动。它不同于 IDE 插件或桌面应用，而是提供纯粹的 CLI 体验，适合习惯终端工作流的开发者。支持 macOS、Linux 和 Windows 三大平台，可通过 shell 脚本、npm 或 Homebrew 快速安装。项目采用 Rust 和 Bazel 构建，注重性能与可移植性。代码以 Apache-2.0 开源许可发布，适合希望探索命令行 AI 编程助手的开发者和团队。
本文作者以亲身经历痛陈 Anthropic 近年来的系列争议做法：API 不稳定却垄断订阅渠道、Claude Code 生态封闭且 bug 堆积、通过“额外用量”和分池计费变相涨价。作者指出，这些做法并非为改善产品，而是为下一轮模型训练筹集资金。作者回归“agent-assisted”而非“agent-driven”的工作流，并用 OpenRouter 搭配 Qwen、GLM 等开源模型替代 Claude，同时通过 AI Gateway 控制成本与数据安全。适合受困于单一 AI 平台、寻求更开放替代方案的一线工程师。
Open Design 是一款本地优先、开源的代理原生设计工作台，志在成为 Anthropic Claude Design 的开源替代。它不内置代理，而是与本地已有的编程代理（Claude Code、Codex、Cursor、Copilot 等 22 种 CLI）协作，利用 MCP 协议让它们读取设计系统、技能和插件，直接在终端生成原型、仪表盘、演示文稿、图像/视频等制品。支持 BYOK（自带密钥）兼容任意 OpenAI 端点，提供 macOS/Windows 原生桌面应用。内置 100+ 技能、150+ 品牌级 DESIGN.md 系统、261 款插件，适合追求品牌一致性与开发流程可控的设计师与前端工程师。
作者基于自己开发的 PPT、社交媒体卡片、Logo 生成器、AI Desk Card 等爆款 Skill，提出 Agent 并非抹平能力差距，而是放大差距。Skill 是封装专家经验、工作流、品味和工具调用的可复用能力单元，能弥合使用差距。文章深入讨论了 Skill 的核心——把人的经验外化，设计 Skill 是把品味变成可执行的约束；架构上应遵循“中心短、辐射厚”，SKILL.md 只放高信号流程，重文档按需读取；质量需像代码一样维护，gotchas 来自真实失败最有价值；生态不应是仓库列表，每个 Skill 应像软件功能页展示结果和场景；分发策略是 GitHub 打基础，内容平台做传播，形成“文章、产品、案例互相喂养”的复利飞轮。最后给出完整生命周期：从真实需求出发，经过高质量产物、抽象流程、工程化模板、跨模型测试、发布分发到反馈迭代。本文适合 AI Agent 开发者、产品经理和内容创作者，提供了大量具体案例和可操作的设计原则。
vLLM Semantic Router 提出了一个不同寻常的视角：路由器不只是请求分发器，更是模型能力的放大器。其核心思想是将多个模型的协作封装在同一个模型 API 调用内，用户看到的仍然是一个普通模型端点（vllm-sr/auto），但背后路由器可以根据任务自动选择协作模式——从成本感知的串行升级（Confidence）、并行聚合（Ratings），到多轮推理合成（ReMoM）、分歧发现（Fusion），乃至带资源预算的微代理工作流（Workflows）。这些模式都是可控、可配、可观测的运行时，而非应用层胶水代码。评测显示，在 LiveCodeBench、GPQA-Diamond、Humanity's Last Exam 三个硬基准上，这套闭源模型协作方案（VSR Closed）分别达到 92.6%、96.0%、50.0%，持平或超过了 Fugu Ultra、GPT-5.5 等单一前沿模型。这篇博文的价值在于，它首次把“多模型协作”从产品端或应用端下沉到了 serving 基础设施层，并且坚持以一个模型身份暴露，极大降低了接入成本。适合正在构建推理路由、多模型策略或成本优化方案的工程师阅读。
本文提供了一份详尽的动手教程，教你在一个晚上内搭建一个基于 Claude 和 Obsidian 的“第二大脑”系统。核心思路是将 Obsidian 作为纯文本笔记存储库，通过 MCP 协议连接 Claude Desktop（需付费版），使 AI 能读取、组织、链接整个仓库内容，并自动加载上下文（CLAUDE.md）以消除每次会话的冷启动。文章从安装 Claude Desktop 和 Obsidian 开始，逐步演示配置 Local REST API 插件、连接 MCP、通过面试生成个人配置文件、创建项目文件夹结构、构建可复用技能（skill）、接入日历等实时数据源、设置定时自动整理任务。作者强调所有权归用户（纯文本文件，不锁定于任何 AI 模型），并以“keys, not prompts”安全原则提醒权限控制。适合希望摆脱对话碎片、拥有持久化 AI 记忆的一线工程师和知识工作者。
智谱 AI 发布旗舰模型 GLM-5.2，重点提升长时程任务能力，首次在 1M token 上下文窗口上稳定运行，并采用 MIT 开源许可。架构层面引入 IndexShare 技术，每 4 层 Transformer 共享稀疏注意力索引器，使 1M 上下文下每 token FLOPs 降低 2.9 倍；改进 MTP 层，通过 IndexShare 与 KV 共享消除训练-推理差异，配合拒绝采样与端到端 TV 损失，将推测解码接受长度提升 20%。后训练阶段，基于 slime 框架统一组织大规模 agentic RL 训练，并引入反作弊模块，在线检测并阻断 agent 读取受保护评估产物、curl 下载答案等投机行为，维持训练信号有效性。GLM-5.2 在 FrontierSWE、PostTrainBench、SWE-Marathon 等长时程基准上位居开源模型第一，在 Terminal-Bench 2.1 上得分 81.0，逼近闭源前沿。文章适合关注长上下文推理、编码智能体、开源大模型工程化的开发者阅读。
Ponytail 是一个为 Claude Code、Codex、Copilot CLI 等 14+ 种 AI 编码代理设计的规则插件。它注入一套“先问必要性”的思维阶梯：代码真的需要存在吗？标准库或平台原生能力能否做到？一行代码能否搞定？—— 全部通过后才生成最小可行实现。基于 12 个真实功能任务、与 FastAPI+React 仓库交互的 benchmark 显示，平均减少 54% 的代码行数、22% 的 token 消耗、20% 的成本和 27% 的耗时，且完全保持原有的安全约束（验证、错误处理、安全、无障碍）。适合追求生成代码简洁、物有所值的开发者，尤其被同一 agent 反复“过度工程”困扰的团队。
Garry Tan 提出“Skillify”方法论：每次 AI Agent 犯错，不靠道歉或提示词修补，而是将其转化为一项带完整测试链的 Skill。文章以两个真实故障（日历查询绕过本地脚本、时区心算偏差）为例，展示如何将失败固化为 SKILL.md 契约加确定性脚本，并引入涵盖单元测试、集成测试、LLM eval、解析器触发与校验、可达性审查、冒烟测试等十步清单的验证体系。该流程已集成于作者的开源知识引擎 GBrain 中，确保 Agent 的每一次判断提升都是永久且可验证的。适合正在构建 AI Agent 并受困于同类错误反复出现的开发者。
YC合伙人Garry Tan回应Kyle Kingsbury反AI长文，指出Kingsbury测试裸模型的行为如同在台架上测试引擎便断定汽车不安全。文章详细阐述了“薄控制层、厚技能文件”架构：用技能文件（可复用Markdown流程文档）约束模型输入，用解析器（路由表）分派任务，用确定性代码执行精确操作，用测试覆盖整个管线而非裸模型。作者以浴室渲染、股票数据幻觉等Kingsbury案例为例，说明通过架构可将不可靠的模型转化为可靠系统，并分享自身OpenClaw通过显式路由将文件错置率从10/13降至0的经验。文章最后将AI比作汽车：让汽车安全的是安全带、交通灯等系统工程，而非对引擎的怀疑。适合所有正在构建或评估AI系统的工程师阅读。
Y Combinator 首席执行官 Garry Tan 回应了关于他近期声称“60 天内交付 60 万行生产代码”的广泛质疑。文章首先承认 LOC 是糟糕的生产力指标的合理性，引用了 Dijkstra 和 Gates 的经典批评。随后，他通过一套自研脚本，对比了自己 2013 年（兼职开发，日均 14 逻辑行）与 2026 年（同样在 YC 全职工作之余，日均 11,417 逻辑行）的代码产出。即使施加逻辑去噪和 2 倍 AI 冗余系数双重压缩，2026 年的日均产出仍达 5,708 行，是 2013 年的约 408 倍。文章进一步公开了代码质量数据：2.0% 的回滚率、6.3% 的修复提交比、从 100 个增长到 2000 多个的测试用例，并介绍了其产品 GStack 内置的浏览器自动化测试 /qa 命令和外部工具 slop-scan 的代码冗余评估。Garry 强调，核心变化不是他编程能力变强，而是 AI 将“想法到产品”的周期从三周压缩到三小时，并指出任何人都可以复现这一数据。适合对 AI 辅助工程效能、开发者生产力度量及工程文化感兴趣的读者。
作者 Mike Piccolo 提出了一个观点：当前主流的 agent 框架（如 LangGraph, CrewAI）将循环、工具、记忆、审批等职责捆绑为一个整体，导致团队后期不得不重写整个 harness。他介绍了 iii 引擎的 worker 架构，将 agent 运行所需的 13 项职责（凭证解析、策略检查、会话持久化、预算追踪等）拆分为 11 个独立的 worker。每个 worker 通过同一个 WebSocket 原语（iii.trigger) 在总线上注册函数和触发器，能够像积木一样被单独添加、移除或替换。文中用生产环境的实例拆解了从 API 请求到 turn 状态机、流式响应、工具调用审批、预算记账和 OpenTelemetry 追踪的全链路，并给出了替换模型目录、新增模型供应商、私有 skill 存储、自定义审批界面等 5 个具体替换案例。核心论断是：agent harness 不应是一个需要被 fork 的单一框架，而应是一组可组装、独立版本化的 worker 合集，使架构从“选边站”的厚薄之争，变为一个可由配置文件滑动调节的连续体。本文适合在自建 agent 系统中遇到框架边界限制，或对松耦合 agent 基础设施设计感兴趣的后端工程师。
Hermes Agent 是一个自我完善的 AI 智能体框架，内置学习闭环：它从对话中提取技能、持续优化、自动管理记忆，并通过统一网关在 Telegram、Discord、CLI 等多个平台提供一致的交互体验。支持任意 LLM 后端，可部署在低成本 VPS 或 serverless 环境上，闲置时几乎零成本。内置 cron 调度、子智能体委派等功能，也提供批量轨迹生成用于语言模型训练。适合需要长期运行、自主调度的工程师和研究者。
/last30days 是一个 AI 代理技能，能将 Reddit、X、YouTube、TikTok、Hacker News 等多个社交平台的最新内容聚合为一份 30 天内的舆情简报。它通过实体预解析（pre-research）智能识别关键人物、社区和话题，并行搜索并依据真实用户的点赞、转发和投入（而非 SEO 排名）进行评分排序，最终由 AI 合成有引用的深度摘要。项目以 MIT 开源，支持 Claude Code 等 50+ 代理框架，适合需要在会前快速了解某人或某话题最新动态的工程师、产品经理和研究者。
YC 首席执行官 Garry Tan 以第一人称视角详述了其累计 10 万页、100 余个技能的 AI 智能体系统 GBrain 的构建历程与核心架构。文章反驳了将 AI 视为聊天窗口的浅层用法，提出“瘦胶水、胖技能、胖数据”的设计哲学：以 OpenClaw 等轻量级运行体作为调度层，将可复用的工作流封装为自包含的技能（skill），并通过一个名为 Skillify 的元技能来迭代创建新技能。文中以“书籍镜像”工作流（将书中观点映射至个人人生经历）为例，展示了从最初包含事实错误到引入多模型交叉校验、深度检索的演进过程，以及会议预演、实体传播等场景如何依赖持续增长的上下文图谱实现自动化。全文提供具体的架构说明、代码仓库链接与启动指南，适合希望构建可不断增值的个人 AI 基础设施的一线开发者阅读。