claude-code-releases | Claude Code v2.1.269 新增插件与技能对照评测
新增 claude plugin eval，可比较启用与停用插件或技能的评分，并生成 JSON、HTML 报告，帮助判断扩展是否改善实际任务表现。ClaudeDevs 与 Thariq 也介绍了该功能；官方提醒评测消耗令牌且结果可能波动，建议先用 --runs 1 试跑，仅评测可信插件。
Dwarkesh Podcast | AI 研究者讨论：距离递归自我改进还有多远
Beren Millidge、John Schulman 和 Charlie O'Neill 围绕自主确定研究目标、训练能力向真实任务迁移、持续学习中的能力退化展开讨论，为判断自主研究的进展提供具体观察点。嘉宾对突破速度存在分歧，相关判断尚非已验证结论。
vista8 / 向阳乔木 | Raycast AI 据称支持连接 Claude 和 ChatGPT 订阅账号
向阳乔木称 Raycast AI 已支持连接两家的订阅账号，可能为已有订阅用户增加统一使用入口。目前缺少官方说明与实测，支持套餐、额度及计费规则仍不明确。
Claude Devs X / ClaudeDevs | 团队用 Claude Tag 响应 Slack 值班告警
Claude 团队展示由 Slack 告警触发的排障流程：拉取指标、比较部署差异、检查功能开关并提出修复，再由人工批准和合并。这为团队设计运维智能体提供了流程参考，但案例未披露配置细节或效果数据。
Nate Herk - AI Automation | 如何真正选对 AI 智能体
访谈主张按工具执行与验证能力选择智能体，让规划和执行分工，并保持技能与上下文可迁移；还提出从会话日志提炼工具调用流程。这些做法可用于制定选型标准，但主要来自个人实践，缺少受控对比。
OpenAI X / eva | MIT 研究人员使用 GPT-5.6 Sol 与 Codex 辅助量子芯片测量
OpenAI 帖子介绍 MIT EQuS 研究人员用 GPT-5.6 Sol 与 Codex 辅助量子芯片常规测量，以加快实验设计，展示了 AI 编程工具进入实验室流程的应用方向。仪器接口、测量精度和效率数据尚未披露。
Thariq | 仅看通过率已难以判断模型评测表现
Thariq 认为，部分评测失败可能来自过严的隐藏测试或不合理的参考答案，提醒选型者同时检查失败原因与判题质量。帖子未提供具体基准或失败样例，应视为方法提醒。
rwayne / Roland.W | 从业务拆分与分润到用 AI 运营内容变现
Roland.W 转引的经验长文将金融中介、自媒体的任务拆分与分润机制延伸到 AI 内容经营：用 AI 辅助生产，借助朋友闲置账号发布变现。值得关注的是生产、分发与合作收益如何安排，所述收益和效率尚未核验。
rwayne / Roland.W | AI 为何先冲击文艺行业：容错率假说
作者提出，文艺创作的错误代价较低，可能使其更早受到 AI 影响。这为筛选适合先尝试 AI 的内容环节提供了思考角度，但缺少跨行业比较证据，尚不能作为行业因果结论。
来源：claude-code-releases；补充说明来自 ClaudeDevs 与 Thariq。此次更新新增 claude plugin eval，支持初始化测试、比较启用与停用插件或技能时的评分，并生成 JSON 与 HTML 报告。它让“这个扩展有没有帮助”成为可以做对照的问题。官方同时提醒，评测会消耗令牌，结果可能波动，建议先以 --runs 1 试跑，并且只评测可信插件；单次试跑适合检查流程，不能据此认定效果稳定。
值得深入阅读的是对照如何建立、报告如何解释，以及评分是否对应真实任务收益。它推动插件选用从主观体验走向证据判断：增加了一套指令或工具，并不自动意味着任务完成得更好。可迁移到其他工作中的方法，是用有代表性的任务比较启用前后的结果，同时记录质量、成本与波动，再决定是否保留扩展。评测命令提供了入口，测试任务和评分标准仍需要贴合实际用途。
来源：Dwarkesh Podcast；嘉宾为 Beren Millidge、John Schulman 和 Charlie O'Neill。这场约 97 分钟的访谈围绕递归自我改进的几道障碍展开：系统能否自主找到值得研究的目标，训练中获得的能力能否迁移到真实任务，以及持续学习能否避免已有能力退化。嘉宾对突破速度存在分歧，因此这场讨论更适合用来理解研究瓶颈，而非提取一个确定的实现日期。现有转录存在截断和翻译问题，关键判断宜对照原视频相关段落。
这场访谈值得读，是因为它把“AI 能帮助研究”与“AI 能持续推动自身改进”之间的距离拆成了具体问题。判断自主研究进展时，除了观察任务执行能力，还应看目标从何而来、结果能否在真实环境中成立、新学到的东西是否损伤旧能力。这也能迁移到日常智能体设计：分别验证目标选择、任务迁移和学习后的能力保持，避免用某一次成功演示推断整个改进循环已经成立。
来源及作者：Nate Herk - AI Automation。这场约 34 分钟的访谈主张，选择智能体应关注它能否调用工具完成工作、能否验证结果，并考虑规划与执行环节的分工。另一条主线是保持技能和上下文可迁移，降低更换工具时重建工作流的负担。嘉宾还提出，从会话日志中提炼工具调用流程，用于构建定制执行框架。访谈包含操作示例与个人实践，但缺少受控对比，不能据此判定某种组合普遍最优。
它值得读的地方，在于提供了一套能落到任务上的选型问题，让评估从回答是否漂亮延伸到执行是否可靠、结果是否可检查。读者可以据此重新审视“选一个最强智能体包办所有工作”的预期，按不同环节验证适配程度。可迁移的做法是保留真实任务日志，找出反复出现的执行步骤与失败点，再判断哪些值得固化为流程；技能和上下文能否带走，也应成为选型标准的一部分。
来源：X；转发者为 Roland.W，被引用长文的作者身份未明确。长文从金融中介与自媒体业务中的任务拆分、合作分润经验出发，介绍将这些经验迁移到 AI 内容经营的尝试：用 AI 辅助内容生产，再借助朋友的闲置账号发布并尝试变现。其核心是如何把生产能力、分发资源和合作关系组织起来。转发者对其 YouMind_AI 技能表示肯定，但收益和效率主张尚未得到核验。
这篇文章值得读，是因为它把 AI 内容经营放回了业务分工之中：产出内容之后，还需要有人承担分发，并通过合作安排连接各环节。它会促使读者调整“生成更快就能变现更多”的判断，进一步检查分发资源与利益分配是否匹配。可迁移的是沿着任务拆分、合作分润、AI 生产和账号分发逐环分析自己的业务，找出真正限制产出的环节；文中的经营思路可以作为试验起点，收益表现则仍需用实际数据验证。
Dwarkesh Podcast | AI researchers debate how close we are to recursive self-improvement
AI researchers debate how close we are to recursive self-improvement
时长：1:37:01
Nate Herk - AI Automation | How to Actually Choose the Right AI Agent
How to Actually Choose the Right AI Agent
时长：34:08