AI News｜2026-06-29

今日目录

• Aaron Levie 谈企业 AI 的真正护城河：不是模型，而是懂工作流的中间层
• Codex 更新暴露出 coding agent 的下一阶段：先把重度使用的摩擦打掉
• Claude Code 加入 Artifacts，开始把代码生成结果变成可交付对象
• Peter Yang 用 Hermes 串起健康数据，给了 MCP 工作流一个真实个人场景
• Engram 讨论 continual learning：模型价值开始转向持续吸收私有上下文
• Swyx 提醒评测要按美元算力而不是 token 数，开放模型的性价比叙事会变
• Guillermo Rauch 提醒前沿模型的攻防双用风险，建议尽快做安全 harness

今日判断

我今天看下来，真正有用的信息还是集中在两类：一类是把 AI 放进具体工作流之后，怎么把成本、上下文、采用率一起做对；另一类是 coding tool 本身开始进入工程化细节竞争，不再只是比模型强弱。前者里，我更关注 Aaron Levie 这类一线应用方的判断：token 成本优化不是单点技巧，而是要求产品层真的理解业务流程、上下文和变更管理，这直接解释了为什么很多通用 Copilot 在企业里只能停留在试点，反而垂直产品更容易做出 ROI。

另一条线是 coding agent 的产品形态正在变成熟。我今天不太关心谁又喊出更强 agent，而是关心像 Codex 这种更新里暴露出来的真实问题：超长线程、导航、设置检索、Slack 粘贴格式、UI 卡顿，这些都是团队已经把 agent 当日常生产工具之后才会遇到的摩擦。我的判断是，接下来一线 builder 的分水岭不只在模型能力，而在谁能把上下文管理、成本控制、交互稳定性和实际工作流接起来。讲白一点，AI 产品下一阶段拼的是系统工程，不是 demo。

快讯

1. Aaron Levie 谈企业 AI 的真正护城河：不是模型，而是懂工作流的中间层

查看原文 · 来源：Aaron Levie (@levie)

Aaron Levie 这条不是在讲省 token 的技巧，而是在讲企业 AI 为什么必须有一个深度理解业务流程的中间层。他的意思很明确：只有把模型评测、场景设计、UX、功能编排和落地支持绑在一起，企业才能真正拿到更高 intelligence per dollar。我看这条的重要性在于，它把很多人嘴里的应用层价值说具体了。不是包装模型 API 就算产品，而是你是否真的理解用户在做什么工作、哪些上下文必须保留、哪里需要人机切换。我的判断是，未来企业 AI 的胜负手会落在这层系统集成能力，而不是单纯追最新模型。

2. Codex 更新暴露出 coding agent 的下一阶段：先把重度使用的摩擦打掉

查看原文 · 来源：Thibault Sottiaux (@thsottiaux)

Codex 这次更新列出的重点很有意思：超长线程处理、可悬停导航 rail、设置搜索、缩放后 tooltip 和菜单不再错位、复制到 Slack 保留 Markdown、大文本粘贴不卡 UI。真正说明问题的是，这些都不是 demo 功能，而是重度用户每天都会撞上的细节。我更关注的是产品信号：coding agent 已经从比首轮生成质量，进入比长会话管理、跨工具协作和界面稳定性的阶段。尤其 Slack 粘贴和长线程导航，说明 agent 输出正在直接进入团队协作链路。我的判断是，谁先解决这些低级但高频的摩擦，谁更可能真正吃下开发者工作台。

3. Claude Code 加入 Artifacts，开始把代码生成结果变成可交付对象

查看原文 · 来源：Claude Blog

Claude Code 支持 Artifacts，这件事表面上像一个产品小功能，实际是在改 coding assistant 的交付边界。过去很多代码助手停在对话和补全，结果要么是一段代码块，要么是终端输出；Artifacts 则把生成结果变成可查看、可分享、可继续迭代的对象。我今天更关注这个方向，因为它更贴近真实工作流：builder 不只需要模型回答，还需要一个稳定容器来承接 UI、文档、脚本或中间结果。我的判断是，coding tool 正在从聊天界面走向轻量 IDE 和产物面板的结合，谁能把结果管理做好，谁就更容易留住长期使用。

4. Peter Yang 用 Hermes 串起健康数据，给了 MCP 工作流一个真实个人场景

查看原文 · 来源：Peter Yang (@petergyang)

Peter Yang 分享了一个很典型但很有参考价值的个人 AI 工作流：Hermes 每周自动汇总体重秤、Fitbit、Google Health 和他自己写的 MCP server / 健身 app 数据，生成健康检查邮件。这里最重要的不是健康场景本身，而是它展示了 AI agent 真正有用的一种结构：定期任务、多源数据接入、用户自建工具、最后落到一个可执行的摘要输出。我看下来，这比很多空泛的 agent 演示更接近普通 builder 能复制的路径。我的判断是，MCP 真正先跑起来的地方不会是宏大平台，而是这种把现有 API 和个人工作流拼起来的小闭环。

5. Engram 讨论 continual learning：模型价值开始转向持续吸收私有上下文

查看原文 · 来源：Training Data

Engram 两位创始人在播客里谈 memory 和 continual learning，最有价值的一点是他们把问题说得很直白：现在模型不缺一般智能，缺的是如何把新任务、新组织知识、新变化中的上下文真正学进去，而不是永远停留在外挂检索层。这件事对 builder 很重要，因为越来越多产品都碰到同一个瓶颈：RAG 能补一点信息，但很难让模型长期稳定掌握某个组织的习惯、规则和演化。我的判断是，未来一轮 AI infra 竞争会落在谁能更便宜、更安全地处理持续学习和私有记忆，而不是谁再把 context window 堆大一点。

6. Swyx 提醒评测要按美元算力而不是 token 数，开放模型的性价比叙事会变

查看原文 · 来源：Swyx (@swyx)

Swyx 提了一个我认同的评测视角：如果大家都说要固定 inference budget 做评测，那 x 轴就不该只看 token，而该看真实美元成本。因为开放模型和闭源 API 在每 token 成本、推理服务定价、thinking budget 上差异很大，只按 token 报结果，很容易掩盖实际部署里的性价比。这条对 builder 的意义很直接，尤其是你在选模型、做路由或向老板解释成本时。我的判断是，接下来更靠谱的模型比较会同时报告质量、延迟和 dollar-normalized performance，不然很多 benchmark 对产品决策帮助有限。

7. Guillermo Rauch 提醒前沿模型的攻防双用风险，建议尽快做安全 harness

查看原文 · 来源：Guillermo Rauch (@rauchg)

Guillermo Rauch 提到前沿模型在网络安全上的能力具有明显双用性，防守方能用，进攻方也能用，所以企业不能只把这件事当研究新闻看，而应该尽快用 deepsec 这类 harness 去测现有模型的实际漏洞发现与攻击能力。我觉得这条的价值在于，它把模型安全从抽象伦理讨论拉回工程动作：先测、先知道你暴露在哪，再谈怎么接入。尤其对已经在内部接入强模型的团队，这不是未来问题。我的判断是，安全 eval 会变成模型接入流程的一部分，像今天的性能和成本测试一样常规。