本周六篇文章围绕同一条主线：软件生产正从“手作”滑向“组装”。Bun 从 Zig 迁往 Rust 的公开争执，把“软件是手艺还是工业”重新摆上台面；Milkdown 则用插件把编辑器内核拆成标准件，回答的是同一个问题。当 Agent 走进系统，焦点转向接口：WebMCP 让网站把能力声明为工具，NocoBase 让编码 Agent 工作在成熟的数据模型与权限之上，OpenClaw 2.0 把浏览器变成协作现场。但机器既会干活也会花钱——最后一篇提醒我们：账本与护栏必须和功能一起设计。
本文由 2026 年 Bun 从 Zig 迁移至 Rust、以及 Andrew Kelley 与 Jarred Sumner 的公开争执切入，追问软件生产究竟是手艺（craft）还是工业。作者串联 tabs vs spaces 争论、自动格式化兴起、Go 语言设计背后的“去技能化+劳动强化”、Clojure 式手工理想，以及木工职业者与爱好者的分工，并以美国安全带强制立法历史比喻类型系统和 Rust 借用检查。他认为 slop 本质是主观判断，并预言 coding agent 会加速软件工业化：语言锁定消退、手写代码被自动重写、质量被量化并自动化。文章证据以史料和引文为主，非实操指南，适合关心 AI 编程浪潮下工程文化变迁的工程师阅读。
Milkdown 是一个插件驱动的“所见即所得” Markdown 编辑器框架。它不是开箱即用的单个编辑器组件，而是围绕 ProseMirror 的文档模型与 remark 的 Markdown 解析/序列化能力搭建的模块化框架：编辑体验、命令、主题和 UI 都以插件形式提供，开发者可以按需加载，避免在富文本底层细节里重复造轮子。项目以模仿 Typora 的无缝写作体验为目标，通过统一的文档数据流让 Markdown 源码和可视化编辑保持一致。适合需要把 Markdown 编辑能力嵌入 Web 产品，或打算构建自定义编辑器内核的前端团队参考。
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。
NocoBase 是一个开源、可自托管的“AI + 无代码”业务系统构建平台，面向 CRM、ERP、项目管理与内部工具等场景。它的核心主张是：AI 不应从零生成脆弱代码，而是让 Claude Code、Cursor、Codex 等编码 Agent 直接工作在成熟的数据模型、权限与工作流基础设施之上，和可视化 WYSIWYG 界面互相补位。平台内置“AI 员工”角色，可在业务流程中处理文档识别、风险监控、问答填表等任务，并通过 MCP、HTTP API、CLI 开放给外部 Agent 生态。适合需要交付管理系统的一线工程师、产品或实施团队，也适合关注 LLM Agent 工程化的开发者。
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。
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。
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。