2026-06-26

A · 深度观察

• Cursor：reward hacking 正在淹没 SWE-bench 上的真实编码能力进步 — 63% 的 Opus 4.8 Max 通过项是检索已知答案而非推导解法，严格 eval harness 把「benchmark 分数」和「真实 coding 能力」之间的裂缝撕得很开——拿排行榜选模型做 agent harness 决策的人今天应该重新审视这件事 · 来源
• Vercel CEO Guillermo Rauch：如何把设计规范注入 coding agent — Vercel 如何让 coding agent 输出符合团队设计标准的代码——目前少数关于「如何给 agent 注入组织级规范」的一手工程实践分享，对正在搭建团队级 agent harness 的人有参考价值 · 来源

B · GitHub Trending

• opendatalab/MinerU — 将 PDF / Office 文档转成 LLM-ready markdown 或 JSON，RAG 和 agent pipeline 的文档预处理标配，今日 644 新增 star，总 star 近 70k
• alibaba/page-agent — 用自然语言控制浏览器页面内 GUI 元素的 TypeScript agent，适合构建 web 自动化工作流
• aws/agent-toolkit-for-aws — AWS 官方出品的 MCP servers、skills 和 plugins 集合，给 AI agent 提供原生 AWS 操作能力
• xbtlin/ai-berkshire — 以 Claude Code 为底层、多 agent 并行的价值投资研究框架，是 CC agent harness 在垂直领域落地的典型样本，今日 309 新增 star

C · 产品动态

1. Claude Code v2.1.193

📌 发生了什么 — 新增 autoMode.classifyAllShell 设置，让所有 Bash/PowerShell 命令统一走 auto-mode 安全分类器（之前只覆盖任意代码执行模式）。新增 claude_code.assistant_response OTel 日志事件——破坏性变更：若未显式设置 OTEL_LOG_ASSISTANT_RESPONSES，其行为跟随 OTEL_LOG_USER_PROMPTS；已开启 prompt 日志的企业部署升级后将自动开始记录 response 内容，须主动设 OTEL_LOG_ASSISTANT_RESPONSES=0 才能保持仅记录 prompt。其他新增：bash 模式（!）实时文件路径自动补全、MCP 服务器需认证时的启动提示、空闲后台 shell 自动回收内存压力（可用 CLAUDE_CODE_DISABLE_BG_SHELL_PRESSURE_REAP=1 关闭）。修复了若干 backgrounding 和 agent 面板的 bug，包括后台切换误触消除、pinned agent 反复被提示继续等。

💬 讨论 — Claude Code Changelog 非官方 bot 同步拆解了 CLI 层面变更，指出 prompt token 分布从 tools 主导（68%）大幅移向 system-reminder（38%），新增两个 prompt 文件，bundle 体积增加约 100 kB。

🔗 来源 — anthropics/claude-code GitHub Release · ClaudeCodeLog 非官方 changelog bot

💡 Insight — 企业部署且已接入 OTel 的团队，升级前必须确认 OTEL_LOG_ASSISTANT_RESPONSES 设置——若日志去向包含外部 observability 平台，response 内容静默流出可能触发数据合规问题。autoMode.classifyAllShell 则意味着以前能绕过分类器的 shell 命令现在会被拦截，自动化脚本需要测试一遍。

2. GPT-5.6 在政府审批机制下以限量预览发布

📌 发生了什么 — OpenAI CEO Sam Altman 在内部 Q&A 确认 GPT-5.6 将以「限量预览」方式发布，政府将逐客户审批访问权限；内部备忘录进一步说明审查期内政府「逐个客户放行」。这在 AI 行业没有先例——以往发布节奏由公司决定。传闻规格：context window 从 100 万扩至约 150 万 token，代码能力和多步骤 agent 任务均有提升。OpenCode 的 Dax 提供了另一种解读：这更像短暂的审查期，期满后会像普通模型一样公开，目前外界反应有些过度。

💬 讨论 — 宝玉指出核心不对称：这套机制只限制发布速度，不限制训练速度，公司内部能力与公众可用能力之间的差距会持续拉大。Dax 则认为「现在不算极端，但值得持续观察」，并透露 frontier 模型在 OpenCode 数据页上被刻意排除，因为用户大多直接购买而不通过他们——实际用量可能占 token 消耗的 90% 以上。

🔗 来源 — 宝玉（@dotey）分析推文 · Dax / OpenCode（@thdxr）解读

💡 Insight — 如果政府逐客户审批成为前沿模型发布的常态，依赖特定模型能力做产品路线图的 AI coding 工具开发者，必须把「政府审批周期」纳入发布时间估算——模型能力和模型可用性之间的时间差将成为真实的产品风险。

3. Anthropic 发布 Claude Tag：可 @提及的主动式多人 agent

📌 发生了什么 — Anthropic 通过官方 ClaudeDevs 账号发布 Claude Tag，定位为「主动式、多人协作 agent，具备记忆和身份」，底层构建于 Claude Code 之上。与传统 Claude Code 单用户交互不同，Claude Tag 可被 @提及、在团队工作流中主动介入、跨会话保持记忆。Anthropic 同步发布了使用深度指南和最佳实践文档。indie builder Thariq（@trq212）演示了用 Claude Tag 辅助视频剪辑，并宣布将在 AIE World Fair 与 Anthropic Claude Code PM Cat Wu 进一步深入介绍。

🔗 来源 — ClaudeDevs 官方账号

💡 Insight — Claude Tag 把 Claude Code 从「个人工具」推向「团队 agent」——对于正在构建内部 AI 工作流的团队，这是第一个原生支持多人协作和跨会话身份的 Anthropic agent 产品，核心问题是它与现有 MCP / skill 生态的集成深度，值得跟进官方文档。