本周我们看到的不是某个模型的单项突破，而是一整条 Agent 工程化链条的成熟：从 token 与上下文窗口的底层机制，到架构上“谁在控制下一步”的取舍；从 GitHub 与 Claude Code 的实战经验，到 Cloudflare 把沙箱、观测与成本一揽子打包。这些文章共同指向一个趋势——Agent 不再是 demo，而是需要被认真对待的生产系统。读透它们，你会发现“控制权”与“可观测性”是贯穿始终的两条线索：模型写代码的速度越快，我们越需要知道系统在何时、为何做出决策。
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。
上下文窗口由输入 token（system prompt 与 user prompt）和输出 token（模型回复）共同构成，模型能看到的 token 总数存在硬性上限。对话越长，越容易在请求时或生成中途触发 API 错误，而且模型无法自行绕过这一限制。更关键的问题是：上下文窗口越大，lost in the middle 现象越明显，模型对中间部分信息的注意力越低，甚至可能无法从自己的上下文中取回所需内容。因此评估模型时不能只看窗口大小，即使支持超长上下文，使用更少的 token 往往能换来更稳定的结果。本文是 LLM 基础概念的短篇讲解，适合刚开始接触 LLM 或正在设计 Agent 上下文的工程师快速建立全局认识。
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。
这篇短文用清晰对比解释 Anthropic 提出的 "agents vs workflows" 之分：两者都是多 LLM 调用编排，区别在于控制流的归属。Workflow 的每一步和终止条件由开发者写在代码里，结果可预测，适合固定重复的任务；Agent 把工具集和决策权交给 LLM，由模型自主选择下一步并自行判断何时结束，灵活但不可控。作者特意指出，单次 LLM 调用不算其中任何一种；在任务明确时，Workflow 通常表现更稳，不必盲目追逐 Agent。文章配有多张对比图，适合刚接触 Agent 工程的读者建立基本框架。
本文用一个写 .gitignore 文件的例子拆解 LLM 工具调用的真实机制：工具并非独立运行的魔法，而是以 JSON Schema 定义名称、描述和参数后注入系统提示词。LLM 返回的 tool call 仅是一条带 id 和参数的消息，需要开发者在本地执行对应的真实函数，再把成功或失败结果以同一 id 回传，LLM 才能继续生成下一步。作者强调错误信息必须回传，否则模型无法调整行为。适合刚接触 agent 开发、想理解工具循环底层消息流的工程师。
这是一篇面向选型决策的 Agent 架构入门指南，用组件分解、模式对比表和带图示例说明单 Agent、顺序/并行、路由、层级、网络/群、生成-评判等常见架构的适用条件与代价。文中最有价值的是两条可操作判据：交接是否改变所需专业或权限集合，以及并行分支是否真正独立。同时列出生产化要点（可观测性、显式终止、共享状态冲突规则、工具失败语义）和常见误用（过早引入多 Agent、并行化有依赖的任务）。适合想为具体工作流设计最小充分架构的工程师。文末为 Kimi Agent 及其 Swarm 能力的产品介绍，属厂商推广部分，核心内容本身相对克制。
本文编译自UC Berkeley RDI研究者的立场论文，提出软件自主性的三级框架：代码自主、流程自主、需求自主，并引入规约细节度、时间自主性、监督模式三个正交维度。作者用16个并行Claude代理以不到2万美元构建C编译器的案例说明当前能力边界：独立任务可行，但持续演化基准下仍难保持架构一致性。文章主张按等级设准入门槛，警惕跨级落地；当编码不再稀缺，需求规范、智能体验证与治理责任将成为新核心。适合关注AI工程化、智能体治理与软件工程演进的工程师。
GitHub 开发者布道师 Burke Holland 提出：在 AI 编程中真正拉开效率差距的不是新模型、新 MCP 或奇巧提示词，而是对同一个 harness（Copilot 在 CLI、App、IDE 间共用的交互与执行框架）的掌握。他给出一条可复用的 8 步工作流：先用 GitHub Copilot CLI 或 App，并打开 YOLO mode（免审批）在 Codespaces 沙箱里运行；用单条提示词一次性生成 20 个 date picker mockup 或 Mermaid API 方案图做原型；进入 /plan 模式让模型盘问边界条件；用 Autopilot 让模型按计划实现并自动调度 Explore 等子代理；随后以人工品味逐条迭代；最后用 Rubber Duck review 让另一模型家族交叉审查。文中还提醒：工作期间固定模型与推理档位可吃到 prompt caching 折扣；别接受“差不多”的输出。适合正在使用 GitHub Copilot 但被工具噪音淹没的工程师。
GitHub 正式推出堆叠拉取请求（stacked pull requests）公开预览，将大型改动拆解为有序的小型 PR 层，每层可独立评审与检查，所有层可一键合并。支持通过 gh-stack CLI 扩展、github.com、移动端及 Copilot agent 工作。默认保留现有分支保护与必检检查，合并队列支持将在数周内逐步上线。Vercel、TED、WHOOP 等团队已先行使用。
Anthropic 官方回应近一个月“Claude 变笨”的集中反馈，确认 API 和推理层未受影响，问题全部出在 Claude Code 产品链路，并拆成三个独立事故：3 月 4 日将 Claude Code 默认推理强度从 high 调成 medium，以缓解高努力模式下 UI 卡死般的延迟，但这被证明是错误的取舍，4 月 7 日回退，Opus 4.7 现默认 xhigh；3 月 26 日引入的 clear_thinking_20251015 缓存优化有 bug，会话空闲超过一小时后本应只清一次旧思考，实际每轮清空，导致 Claude 失忆、重复、工具调用错乱，并因连续 cache miss 让用量限额异常消耗，4 月 10 日修复；4 月 16 日为 Opus 4.7 准备的 system prompt 限长指令（工具调用间 ≤25 词、最终回复 ≤100 词）与其它改动叠加，消融实验显示带来约 3% 的评估下降，4 月 20 日回退。文章附有明确日期、版本号和内部验证过程，并承诺对 system prompt 变更增加逐模型评估、浸泡期与灰度。适合 Claude Code 深度用户及关心 agent 工程可观测性与回滚机制的人。
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。
GitHub 在自家仓库的上百个 Agentic Workflows 上引入 API 代理，统一记录每次 API 调用的 token 用量并输出 token-usage.jsonl，再用两个自动化 agent（Daily Token Usage Auditor 与 Daily Token Optimizer）审计和修复浪费。主要优化：裁剪未使用的 MCP 工具注册、用 GitHub CLI 的确定性 HTTP 请求替代 LLM 推理循环内的数据抓取、以及把固定数据读取放到 agent 启动前。为跨模型比较成本，文章提出 Effective Tokens 指标：ET = m×(1.0×I + 0.1×C + 4.0×O)，输出 token 权重 4，缓存读取权重 0.1，Haiku/Sonnet/Opus 倍率分别为 0.25/1.0/5.0。12 个生产工作流中 9 个接收了优化建议；Auto-Triage Issues 在 109 次运行中降 62%，Security Guard 与 Smoke Claude 分别降 43% 与 59%。Contribution Check 却上涨 5%，原因是大 PR 占比从 39% 升到 65%，说明活仓库上的评估会被工作量漂移干扰。文章还记录了一条 bash allowlist 误配置引发 64 轮回退循环的案例。适合所有在 CI 里跑 agent 并按 token 付费的工程团队。
Aspire 团队用 GitHub Agentic Workflows 在 10 人规模下把跨仓库文档自动化跑通。工作流以单 Markdown 文件定义，agent 先判断是否需要文档并起草内容，仅输出 JSON 意图；真正的写操作由受限的 safe-outputs handler 执行——GitHub App 安装范围只有产品仓库和文档仓库两个 repo，且只能开 PR 到 main 或 release/*。Aspire 13.3/13.4 期间，396 个合并的产品 PR 产生 82 个文档 PR，中位 44.8 小时合并，全部由原功能 PR 的 SME 评审，100% 合并率。关键设计是 milestone 到 release 分支的精确映射，以及 draft-only 流程。文中也坦承 v1 有 13% 误判率、大 diff 撑爆 prompt 预算等失败经验。适合正为“代码和文档分开仓库”头疼的工程团队。
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。
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。
Cloudflare Computer 是一个运行在 Durable Object 内的虚拟文件系统：权威状态存于 SQLite，并通过一个插拔式执行接口 workspace.runtime.exec 对外暴露。项目目前提供三种后端——容器后端用 FUSE 把状态挂载成真实目录，可在沙箱内运行完整 Linux 用户态和真实二进制；Isolate shell 在 Dynamic Worker 中执行 bash，通过 Workers RPC 直连权威状态；Isolate JavaScript 则运行 ECMAScript 模块，支持结构化输入输出、持久化相对导入和受限的 node:fs/promises。Workspace 也可以脱离后端单独作为文件系统使用。项目目前是 preview 阶段，明确不适合生产，适合关注 Agent 基础设施、沙箱执行和云端文件系统设计的一线工程师阅读和实验。
常规做法为每个 AI agent 常驻完整容器，但 agent 大量时间只是读文件、搜代码或等模型响应。Cloudflare Computer 改变分工：项目状态存于 Workspace Durable Object 的 SQLite VFS，日常读、搜索、小编辑在 Worker isolate 中通过 workspace.fs 和 just-bash 完成，只有 npm install、构建等真正需要 Linux 的操作才按需拉起容器；执行后通过 post-command pull 把变更同步回持久层。文章给出成本模型：容器占空比从 100% 降到 10%，月成本约从 $36.83 降至 $7.53（降 79.6%），且强调成功条件是 exitCode 与 sync.status 双通过，node_modules 默认不持久化。适合构建 coding agent、沙箱与持久工作区的工程师。
Cloudflare 认为 AI 让软件开发中最慢最贵的“实现”环节变得又快又便宜，瓶颈因此转移到 SDLC 的其余阶段：开源维护者被 PR 淹没，生产工程师疲于应对更快的交付节奏。他们的答案是让 Agent 接管更多环节，并发布了一组配套工具：@cloudflare/ci、本地开发环境的 OpenTelemetry traces、Agent Traces，以及借 Workflows 编排 CI/CD 的完整方案。文章用代码示例展示了如何在 Workflow 中并行执行 lint/test/typecheck/build，并指出 CI/CD pipeline 只是 Workflow 的一种特例——Workflow 还能派生容器、Agent 和浏览器，并持久化状态数小时到数周。针对软件工厂，文章提出平台必须满足的七项要求：程序化、可横向扩展、可复现、实时推送、原子、可升级权限、自改进。适合在 Cloudflare 上构建 Agent 基础设施或探索自主交付管线的工程师。
OpenAI官方报告，基于其超100万企业客户和覆盖近100家企业的9000人调查，总结2025年企业AI采用现状。核心论点包括：采用正从试点转向规模化——ChatGPT企业消息量同比增8倍，API推理token消耗增320倍；收益与使用深度强相关——75%用户报告日省40-60分钟，数据/工程岗达60-80分钟；行业与个体差距在扩大——前沿工作者消息量为中位数6倍，编码任务差距达17倍；组织准备度（数据接入、工作流标准化、管理层支持）成为主要瓶颈，约四分之一企业仍未启用数据连接器。报告还提供Intercom、Lowe's、BBVA、Moderna等案例佐证。适用关注企业AI落地与战略的工程管理者，但需注意其数据来自厂商自身。
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。
每周把值得读的拣成一期，直接寄到你邮箱。留个邮箱即可，没有广告。