2026-05-12

A · 产品动向

1. Claude Code 2.1.139 — Agent view + /goal + 多项 hook/MCP 改进

📌 发生了什么 — claude agents（Research Preview）：在终端显示所有 CC 会话的统一列表——运行中、等待输入、已完成，可 inline 回复解除阻塞，无需切换 tab。Cat Wu（CC PM）建议从包含所有 repo 的根目录启动，方便统一管理。/goal：设定完成条件后 Claude 跨 turn 自主工作直到满足，覆盖 interactive、-p、Remote Control 三种模式，附带实时 elapsed/turns/tokens overlay。其他变更：hook 新增 args: string[] exec 形式（不经 shell，path 占位符无需引号）；PostToolUse 新增 continueOnBlock 选项，设为 true 则将 hook 的拒绝原因反馈给 Claude 并继续，而非强停；MCP stdio server 现在接收 CLAUDE_PROJECT_DIR 环境变量，plugin 配置可用 ${CLAUDE_PROJECT_DIR}；/mcp Reconnect 无需重启即可加载 .mcp.json 修改；compaction prompt 改为要求模型保留用户的敏感指令；system prompt 不再显式告知 Claude「长会话会触发自动 compaction」——模型不再会主动为压缩做预防性保留。

💬 讨论 — Thariq（参与开发者）称 agent view「like tmux built for CC，细节打磨花了很长时间」。社区马上开始问 /goal 适合哪类任务（0-1 构建？重构？），官方尚未给出使用指南。

🔗 来源 — Claude Code v2.1.139 release notes · Cat Wu（Anthropic CC PM）

💡 Insight — Agent view 让「多会话并行」从心理负担变成一等公民操作；continueOnBlock hook 选项是 automated pipeline 的关键原语——可以在 hook 层面写拒绝处理逻辑而非硬停，这意味着你可以在不改 CC 核心行为的前提下给 agent 加自定义审批流。System prompt 不再说 compaction 触发条件，长会话行为的可预测性略有下降，写长任务 CLAUDE.md 时应显式要求 Claude 保留关键上下文。

2. Cursor 接入 Microsoft Teams + Bugbot 三档努力等级 + 切换使用量计费

📌 发生了什么 — Cursor 现已可在 Microsoft Teams 中使用：在任意 channel 中 @Cursor 即可将任务委托给 cloud agent；它读取整个 thread 作为 context，自动选择 repo 和模型，实现后开 PR 供团队 review，通过 Cursor Dashboard 安装集成。Bugbot 新增三种努力等级：Default（平均 0.7 bugs/run，速度优先）、High（平均 0.95 bugs/run，+36% 发现率，更慢更贵）、Custom（自然语言描述何时用 Default / High，动态切换）。Bugbot 自定义功能要求切换到使用量计费，原 seat-based 订阅不支持自定义。

🔗 来源 — Cursor changelog — Microsoft Teams · Cursor changelog — Bugbot effort levels

💡 Insight — Teams 集成把 Cursor cloud agent 插入了产品、设计、非工程角色真正在用的协作频道，「从 channel 发一条消息 → 得到 PR」是比「开 IDE 然后问」低得多的上手门槛。Bugbot High effort 值得在高风险 PR 上默认开启；Custom 模式可以按 PR 大小或文件路径模式动态升级力度，不需要额外工具链。

3. Thinking Machines（前 OpenAI CTO Mira Murati）发布原生实时交互模型

📌 发生了什么 — Thinking Machines 发布「interactive model」：端到端训练的原生多模态模型，而非多个专项模型的 agent 脚手架串联。架构分两层：前台交互模型以 200ms 为节点持续监听音频/视频/文本输入，支持随时打断、实时响应屏幕内容；后台推理模型处理深度任务和长 context 规划，在合适时机将结果无缝插回对话。Swyx（Latent Space）：「basically everyone’s definition of realtime just got a massive upgrade — @thinkymachines just brutally framemogged gdm and oai」。

💬 讨论 — 中文 AI 社区（歸藏）关注架构本质：交互循环训练进了模型本身，而不是靠 orchestration 层粘合——这意味着打断、插话、上下文保持是模型级能力而非工程 hack。200ms 轮询周期接近人类对话延迟，是关键数字。

🔗 来源 — 歸藏（guizang.ai）解析 · Swyx

💡 Insight — 对 coding agent 最直接的启发在架构层面：现有 Claude Code / Codex 是「提交→等待→返回」模型，Thinking Machines 的 200ms 交互层是「持续感知 + 后台推理」模型。如果这个架构被大模型厂商采纳，长任务 agent 的「卡顿感」问题会从 UX 优化转变为架构解决，值得追踪。

B · 深度观察

• AI coding 的维护成本数学（James Shore via Simon Willison） — 双倍产出若不能同步减半维护成本，净成本反而是 4 倍而非节省——LLM 助手必须降低（而不仅是维持）每行代码的长期维护负担才能真正合算 · 来源
• Shopify River——公开 Slack 作为 coding agent 的「教学工坊」 — Tobias Lütke：River 拒绝私信、只在公开 channel 工作，100+ 人围观同一会话；「Lehrwerkstatt（教学工坊）」式组织学习——osmosis 而非课程 · 来源
• Opus 4.7 首次 1-shot 完成 8 趟航班 + 5 家酒店（Boris Cherny） — Anthropic CC 工程师 Boris Cherny：Opus 4.7 通过 Cowork 1-shot 完成全部预订，之前从未实现——是 Opus 4.7 computer use / 长任务能力的具体基准信号 · 来源
• Matt Pocock — /handoff + /prototype 两个 Claude Code skill — 遇到「未知的未知」时 /handoff 把当前会话压缩为 markdown，/prototype 快速冲刷盲区——比等规划完整再动手更快的迭代节奏 · 来源
• Karpathy — HTML 是当前最高信噪比的 LLM 输出格式 — text → markdown → HTML → neural video 演进路径；query 末尾加「structure your response as HTML」然后浏览器打开，是利用视觉皮层 10 车道带宽的最简单当下实践 · 来源
• Zara Zhang — 4 个被低估的 coding agent 系统级能力 — 剪贴板写入、浏览器直接打开 HTML/文件、截图 + FFmpeg 合成视频、文件系统批量整理——均在 Claude Code 工具范围内，许多人不知道可以直接让 agent 做 · 来源
• Codex 自主用 Computer Use 开启 Google Cloud API（Peter Steinberger） — Codex 发现所需 API 未启用，自动打开 Computer Use 在 GCP Admin 控制台点击直至开启——computer use 可作为权限缺失的自愈路径 · 来源
• OpenAI 成立独立部署公司 DeployCo——150 FDE + $40 亿 — 19 个合作伙伴出资 $40 亿，Anthropic 走 API-first，OpenAI 走垂直整合 + 大规模人工服务，两种 go-to-market 路径的分野进一步清晰 · 来源