2026-10-06

A · 深度观察

• Viv 论 evals 如何成为 agent 改进的测量与模拟基础 — 从 Real2Sim 到闭环改进：把真实数据 schema、API shape、工具分布都编码进 evals，才能让 agent 在模拟环境中练习并 hill climb。 · 来源
• Aaron Levie 断言 agent 部署瓶颈在真实环境中的 evals 与调优 — 每个企业都要自建 eval 和模拟环境来测 agent，这个基础设施层是巨大空白。 · 来源
• Garry Tan 谈 harness 激励机制：实验室 harness 倾向烧 token，创业公司有机会 — 实验室 harness 有 token 消耗动机，创业公司 harness 可以把 token 浪费换成可重复的确定性代码，如 Grep 自动 swap。 · 来源
• Viv 反驳 model-harness fit：真正重要的是 harness-task fit — 模型很聪明，能跨 harness 泛化，但 harness 与具体任务匹配度才影响性能和 context 效率。 · 来源
• Simon Willison 用 Claude Opus 5.5 改进 vibe-coded 的 pwasm — 42 commits 后 pwasm 支持几乎全部 WASM spec，展示当前模型能显著改进 10 个月前的模型生成代码。 · 来源

B · GitHub Trending

• morluto/rea — 逆向工程 agent，从应用行为到原生二进制，今天 2.9k stars，值得快速扫一眼其 agent 工作流设计。

C · 产品动态

1. Claude Code v2.1.290 / 2.1.291：plugin hooks 扩展、managed agents onboard、修复会话丢失

📌 发生了什么 — 2.1.290 为 plugin/mod 生态增加多项能力：serverToolUses 出现在 mod 的 turn.step hook 结果里，可获取 advisor 自身的 tool call（id、name、input、起止时间）；tool.check event 增加 agentId 以区分 subagent 与主会话的权限检查；question/verdict 增加 ceiling 字段，指明组织要求的审批级别；新增 ThemeKey 和 Color 类型供编辑器列出 mod 可用的主题颜色；claude plugin validate 现在列出每个 gating hook 是否注册了 .catch；sign-in approval page 增加 Deny 按钮，可在几秒内终止 pending sign-in；新增 claude attach 和 claude logs ，部分 session 名可替代 id；新增 /claude-api managed-agents-onboard 和 ，用 ant CLI 搭建 Managed Agents pattern 或 Console quickstart；增加对 managed settings 链接到外部文件、忽略用户 sandbox allowRead 路径或 allowed domains 的警告。2.1.291 修复 2.1.290 中 cloud sessions 可能丢弃权限 prompt 回答、以及 2.1.288 中退出时丢失最后消息的回归。

🔗 来源 — Anthropic Claude Code v2.1.290 release notes · Anthropic Claude Code v2.1.291 release notes

💡 Insight — Claude Code 正在快速为 plugin/mod 生态提供低层原语，插件作者现在可以拿到更细粒度的 advisor 工具调用和 subagent 权限上下文；普通团队则可通过 managed-agents-onboard 快速落地 agentic 模式。升级主要避免会话丢失，长期看值得关注这些 hook 和 managed agents 如何改变 Claude Code 的扩展方式。

2. Claude Cowork 移至云端推理与 sandbox，本地 app 负责文件访问

📌 发生了什么 — Anthropic 的 Felix Rieseberg 解释 Cowork 新版本架构：模型推理和 VM 全部迁移到云端，每个 session 拥有独立 sandbox，不与其它 session 共享状态；需要访问用户设备上的文件时，由桌面 app 负责对应的 file access tool call。旧版在本地运行 VM 执行 tool call，存在磁盘、电池、性能开销，合盖即停止工作；新版解决了从手机使用、保持工作运行、免除本地 VM 资源消耗等问题。

🔗 来源 — Simon Willison 引用 Felix Rieseberg 的推文

💡 Insight — Anthropic 正在把 Cowork 变成云端持续运行的 agent 工作区，本地 app 降级为文件访问工具。开发者可以预期更轻的客户端和跨设备的工作流，但也要关注 local hands 模式下权限边界和延迟。

3. Codex 0.160.1 修复 Windows 远程 MCP 的环境变量丢失

📌 发生了什么 — Codex rust-v0.160.1 修复了一个 bug：在启动 remote stdio MCP servers 时，显式配置远程环境变量会覆盖系统变量；现在保留 SYSTEMROOT、TEMP、TMP，允许 Unix 主机保留 Windows executor 的启动环境。该修复也 backport 到了 0.160 分支。

🔗 来源 — openai/codex rust-v0.160.1 release notes

💡 Insight — 使用 Codex remote MCP 的 Windows 团队应升级到 0.160.1，否则脚本依赖系统环境变量时会失败。这个修复虽小，但体现了 remote MCP 在混合 OS 环境下的兼容性仍在打磨。

4. Vercel CEO 发布 gdp-ts：为 TypeScript API 设计增加 agent 友好的证明机制

📌 发生了什么 — Guillermo Rauch 推出 gdp-ts，一个库、linter 和 AI skill，为 TypeScript 提供 Ghosts of Departed Proofs 模式。敏感函数要求调用方提供 authorization check 的 proof，typechecker 在编译时验证这些 proof，防止团队和 agents 发布灾难性安全 bug。README 以 Vercel API 中修改项目密码要求 role + entitlement proof 为例。Rauch 认为 agents 正在写比人能 review 更多的代码，且它们在硬约束的紧密循环中表现更好，这使得这类模式从 Haskell 等生态的 niche 变成可落地。

🔗 来源 — Guillermo Rauch 的推文

💡 Insight — 当 agent 生成代码规模超过 human review 能力，把安全约束编码进类型系统是重要方向。TypeScript 团队可以尝试引入 gdp-ts，让 agent 在写敏感 API 时必须提供可编译验证的 proofs，减少安全 review 压力。

5. llm-anthropic 0.30 增加模型刷新与 token count 命令

📌 发生了什么 — Simon Willison 发布 llm-anthropic 0.30，新增 llm anthropic refresh 命令，直接从 Anthropic API 刷新支持的模型列表，无需等待插件新版加入新模型；新增 llm anthropic count 命令，使用免费的 token counting API 返回 prompt 的 token 数，可在发送前估算成本。

🔗 来源 — Simon Willison 博客

💡 Insight — 对使用 llm CLI 的开发者来说，这两个命令简化了动态支持新 Anthropic 模型和预先计算 token 成本，适合脚本化和成本控制。