今日结论
- 官方 / 代码源 — 3 渠道更新 · 25 条全部收录（不过滤）
- X 应用层 — 11 渠道 196 条 → 保留 32 条（过滤 164）
- 音视频 (Podcast/YouTube/抖音) — 4 渠道更新 · 14 条全部收录（不过滤）
- 收藏 / 公众号 — 3 渠道更新 · 3 条全部收录（不过滤）
- 合计 238 条抓取 → 74 条进入正文，过滤集中在 X 应用层。
今日精选
AI 官方与代码源
Anthropic / Claude
产品体验层
- Claude Platform CLI 与 Claude Code API 工具更新
Claude Platform 新增 CLI，让 Messages API、Managed Agents 会话和结果追踪都可以直接从终端调用。Claude Code 也能通过内置 /claude-api skill 使用这个 CLI，例如列出会话、上传 PDF 文件夹、调试运行结果，而不需要额外 glue code。这说明 Claude 的官方工具链正在从“网页控制台”走向可脚本化、可嵌入 agent 工作流的开发基础设施。
相关链接：Claude Code knows how to use ant using the built-in "/claude-api" skill Ask it t · The CLI can kick off a Managed Agents session, send it an event, and the agent g · We’ve added a CLI for Claude Platform to make every API endpoint runnable from y
开发与集成层
- Claude Code Release：v2.1.160
Claude Code v2.1.160 属于小版本更新，主要价值在于继续修复 agent 会话、工具调用和终端体验中的边缘问题。对重度用户来说，这类 release 不一定带来新功能，但会降低自动化流程里的不可预期行为，尤其是多工具、多会话和长任务场景下的稳定性。
- Claude Code Release：v2.1.161
Claude Code v2.1.161 强化了可观测性、并行工具调用和安全边界：OTEL 指标可以按团队或仓库切分，claude agents 会显示 fan-out 任务进度，失败的 Bash 不再取消同批其他工具调用，MCP 配置输出也会隐藏密钥。这些变化对把 Claude Code 接入工程流水线的人很关键，因为它让 agent 的运行状态、失败原因和敏感信息处理都更可控。
模型与性能层
- Claude Blog：A harness for every task: dynamic workflows in Claude Code
Anthropic 详细解释了 Claude Code 的 dynamic workflows：Claude 可以按任务现场生成 harness，拆分子任务、并行启动 subagents、做对抗验证和汇总结果。它解决的是单个 agent 长任务里的偷懒、自我偏好和目标漂移问题，适合迁移、深度研究、事实核查、排序和规则遵从等复杂任务。这个方向把 Claude Code 从编程助手推进到通用任务编排器。
- Claude Blog：Running an AI-native engineering org
Claude Code 团队总结了 AI-native 工程组织的变化：写代码不再是瓶颈，验证、代码评审、安全和流程维护成为新瓶颈。团队从长期 roadmap 转向 just-in-time planning，让 Claude 先回答代码上下文问题，并把反复出现的人工流程自动化。这个案例说明 AI 编程工具真正改变的不是“写得更快”，而是工程组织的计划、评审、分工和流程设计。
- Anthropic News：Expanding Project Glasswing \ Anthropic
Anthropic 扩大 Project Glasswing，继续把 Claude Mythos Preview 等能力开放给更多研究与教育场景。这类更新的重点不是单个产品功能，而是 Anthropic 在把模型能力向科学、教育和公共利益项目扩散，强化 Claude 在高可信研究场景中的存在感。
相关链接：Expanding Project Glasswing \ Anthropic · We’re expanding Project Glasswing. We’ve extended access to Claude Mythos Previe
OpenAI / ChatGPT / Codex
产品体验层
- ChatGPT 应用更新与产品入口调整
ChatGPT 应用继续调整产品入口和使用路径，把更多能力从单独工具变成主应用里的可触达功能。这类变化说明 OpenAI 正在把 Codex、插件和多模态能力往 ChatGPT 的统一入口聚合，让普通用户不必理解背后的模型或工具名称，也能在主应用里完成更复杂的任务。
- OpenAI Blog：Our views on AI policy and political advocacy
OpenAI 发布 AI 政策与政治倡议立场，强调在政策制定、公共沟通和基础设施建设中支持美国 AI 竞争力。这类内容虽然不是产品更新，但会影响模型部署、监管讨论和企业采购环境，是理解 OpenAI 外部约束与战略方向的重要信号。
- OpenAI Blog：Travelers deploys AI-powered claims countrywide with OpenAI
Travelers 将 OpenAI 驱动的理赔系统扩展到全美范围，用 AI 辅助索赔处理、文档理解和客户服务流程。这是 OpenAI 在保险等传统行业落地的代表案例，说明企业 AI 的价值正在从演示型 chatbot 转向高频、可衡量、直接影响运营效率的后台流程。
模型与性能层
- OpenAI 前沿模型与 Codex 登陆 AWS
OpenAI 的前沿模型和 Codex 在 AWS 上正式可用，企业可以在既有 AWS 环境里调用 OpenAI 模型与编码代理能力。这降低了已有 AWS 客户接入 OpenAI 工具链的阻力，也说明模型竞争进入云平台分发阶段：谁能嵌入企业已有基础设施，谁就更容易进入生产系统。
相关链接：OpenAI frontier models and Codex are now generally available on AWS · Greg Brockman 转发 OpenAI on AWS 更新 · Greg Brockman 补充 OpenAI on AWS 可用性
公众号文章
数字生命卡兹克把“电脑清理软件”做成了开源 skill，用一个 prompt 触发 agent 扫描、判断和清理本地文件。这个案例的重点不是清理工具本身，而是传统桌面应用正在被 agent workflow 吞掉：过去需要单独安装软件、理解界面和手动点击的任务，现在可以被封装成可复用的 skill，由 AI 按步骤执行。
峥嵘岁月AI介绍了微软、上海交大、同济和复旦提出的 SkillOpt 方法，核心是让智能体不只调用既有工具，而是能根据任务反馈持续优化自己的技能。这个方向把 agent 从“执行固定流程”推进到“改进自身流程”，对未来的技能库、自动化工作流和长期任务型 AI 很重要。
深思SenseAI讨论“软件工厂”的分级问题：当 Anthropic、Google 和 OpenAI 都在大规模使用 AI 写代码时，企业真正需要判断的是自己处在哪个自动化成熟度阶段。它提醒管理者不要只看“用了多少 AI”，而要看需求拆解、代码生成、验证、部署和反馈是否形成闭环，否则只是局部提效，不是软件生产方式升级。
AGI Hunt 介绍了阶跃星辰开源的 Step 3.7 Flash：198B MoE、11B 激活参数，推理速度可达约 400 tok/s，价格也很低。它适合作为桌面 AI 伴侣或本地工作流里的快速模型，价值在于承担高频、低成本、响应速度优先的任务，把更贵的强模型留给复杂判断和高质量生成。
Twitter / X 应用层
AI 工具用法
向阳乔木
- 英伟达竟然有 Skill 安全扫描工具，还开源了：英伟达竟然有 Skill 安全扫描工具，还开源了。 地址见评论区，Skill 安全是个问题，但好像身边很少有人做Skill安全扫描。 可能目前还没听到特别严重的 Skill 造成破坏的案例，但警惕性不能没有。 最好写个 Meta Skill，生成各种自用 Skill。 他人Skill只做 AI 的学习参考。
- HuggingFace 热门论文：用 Harness 框架生成论文图表：读了今天Huggingface最热论文，关于如何让AI生成论文图表的Harness框架。 框架会围绕一个共享的结构化规格文档 S。 ① 设计者 D：根据 S 生成可执行的视觉方案 ② 执行者 E：将方案渲染成图像（或代码） ③ 验证者 V：输出带有具体问题定位的诊断报告 ④ 修订者 R：将诊断转化为结构化操作，直接修改 S 中的对应字段 参考并简化，写了一个Skill： 设计者（生图提示词） 执行者（Codex调用GPT-image-2。
dontbesilent
- 用历史高表现内容提升私域分发效率：这两个动作可以让私域的收入翻几倍 1、把推文同步到公众号的时候，不要同步最新的，同步过往数据比较好的 2、把公众号转发到朋友圈的时候，不发转发最新的，转发过往数据比较好的 看起来是正确的废话 做和不做，天壤之别。
内容 / 分发 / 变现
Roland.W
- 长文《一个指令，把垃圾素材做成高级 HTML：长文《一个指令，把垃圾素材做成高级 HTML 展示页吊打 PPT》 最近给客户做了几个 HTML 展示页。 设计稿图片是 AI 出的，最省事的做法：直接丢给模型，让它照着图写成 HTML。 你大概率也尝试过。 也大概率，翻过车。 设计稿看着像真产品。代码一跑起来，立刻像十年前的模板站：字重发闷，间距散开，插画糊成一片，logo 还变形。 这时候很多人会怪模型代码能力不行。 我更倾向于另一个判断：问题通常出在任务拆分上。 你让模型一次完成。
dontbesilent
- 用数据库方式整理跨平台内容资产：我在尝试把我本地所有内容（不同平台的内容 不同作者的内容）按照数据库的思路去整理 现在 codex /goal 跑了 30min 了，只拆出来这么一点，估计要几个小时才能跑完 我把每一篇内容里面的概念 CON、观点 OPI、问题 QST、方案 SOL、案例 CAS 都拆出来 定义了它们之间的关系和连接方向，试图实现用拼图的方式去做内容 如果你只是想花最少的时间去做一遍好内容，这套系统是可以实现，因为你这个选题对应的观点、案例等等都可以排。
黄小木
- Codex 视频内容工厂插件组合：Codex上的"视频内容工厂"，装好这些内置插件，直接就能把文本内容做成视频： 1️⃣ HyperFrames（创意大脑）：负责“想”。 你给它大白话需求，它吐出分镜脚本、时间轴 JSON。把虚的创意变成结构化数据。 2️⃣ Remotion（画面渲染）：负责“演”。 用 React + TS 写视频，把前端组件、数据和静态资源组装起来，像素级精准渲染出未压缩的高清视频。 3️⃣ FFmpeg（终极打手）：负责“干”。 音视频领域的神级。
Podcast / YouTube / 抖音
Claude YouTube
Joe Rogan
UFC次中量级选手丹尼尔·罗德里格斯因携带一盎司大麻在墨西哥边境被捕，亲历当地司法腐败与监狱黑帮运作，最终靠名人身份和金钱交易在卡特尔头目庇护下熬过八个月惨痛刑期。
- 墨西哥对大麻的法律存在“居民非刑事化、游客严禁持有”的双重标准，罗德里格斯跨界携带约28克大麻即面临最高六年联邦重罪指控，凸显跨境法律信息差的致命风险。
- 墨西哥监狱系统极度腐败，从警卫到法官普遍索贿，新法官上任初期为避嫌短暂拒绝受贿，反而导致他成为政治过渡期的牺牲品，表明新兴市场司法风险会随权力更替急剧波动。
- 他在狱中通过与卡特尔头目达成付费保护协议获得单间、电视和PS游戏机，甚至自制重沙袋和双端袋维持MMA训练，但完全缺乏蛋白质摄入最终导致肌肉严重流失，反映出极端环境下资源置换与身体资本损耗的残酷对冲。
- 37名政治候选人在同期选举中被暗杀，卡特尔势力已渗透地方政府和司法体系，任何商业活动或个人行为若涉足该区域，实质上等同于被动与垄断性暴力组织打交道。
Latent Space
GitHub COO Kyle Daigle 分享他如何借助 AI 从管理者重回创造者，通过构建原子化的 Agent 技能体系，将个人工作智商与公司运营流程彻底重构。
- 前开发者/非技术背景的管理者正迎来黄金时代：AI 工具让不再日常写代码的人也能通过识别模式、分解问题，在个人项目或公司运营中重获“第一性创造力”，而不只是依赖工程团队。
- 告别“超级技能”臃肿，转向原子化 Agent 积木：大而全的 AI 技能难以维护且输出同质化，真正有效的是将“做好一件事”的精细技能像乐高一样拼接，用自然语言即时调整，而不是修改庞大代码。
- GitHub 内部已用 AI 实现回顾性工作流自治：通过接入 Slack、邮件、GitHub 等全公司上下文，让 Agent 自动执行“回顾过去一周 → 发现模式 → 制定下周计划”的递归循环，极大降低了远程办公中的信息差。
- 让 AI 落地团队的关键在于无需改变习惯：GitHub 选择不做额外的工具培训，而是将 AI 能力直接植入原有的 CLI 或沟通工具中，让非技术人员也能通过自然语言调用复杂数据源，完成以往需一周才能搞清的分析与决策。
视觉智能的核心进展源于语言模型而非视频模型本身，而小团队、强基础设施加上快速迭代的工程实践，是从零到一构建尖端视频生成模型的关键路径。
- Ethan观察到视频模型的能力提升主要来自语言模型对语义理解的增强，而非视频架构自身的突破，这决定了视频模型始终需要先打好图像与语言的关联基础。
- 在xAI用三个月从零交付Grok Imagine的经历证明，顶尖人才密度、极简会议与高频的实验迭代比团队规模更重要，且大量模型质量提升源于修复数据管道中的微小bug而非新算法。
- 视频生成训练遵循先图像后视频的稳健路径：先用视觉语言模型为视频合成详尽描述构建高质量配对数据，再训练VAE之类的压缩器将像素转为连续潜在标记以降低计算成本，最后进行扩散变换器训练。
- 实时交互式视频生成正在探索逐帧压缩方案以消除延迟，催生出“翻页书”等新型产品形态，让用户通过点击等交互实时决定AI生成的连续画面内容，模糊了游戏、影视与浏览体验的边界。
OpenAI YouTube
ChatGPT 嵌入 PowerPoint 后能将零散会议记录、文件等原始输入快速转化为符合高管标准的高质量演示文稿，实现从思路整理到逐页构建与格式打磨的引导式工作流程。
- 通过关联 Google Drive、Microsoft 365 等应用和上传本地文件，把杂乱的会议记录、账户背景等信息聚合一处，让 AI 提取上下文并生成详细的幻灯片结构、要点、表格和流程建议。
- 引入“高管准备质量通过”技能，可在搭建过程中自动应用质量标准、格式规范与一致的沟通方式，使初版演示文稿直接达到面向客户和高管的交付水平。
- 在 PowerPoint 内直接调用 ChatGPT 进行内容完善与精简，修改后的内容与现有排版自然吻合，无需来回切换工具，显著缩短从原材料到成品的迭代周期。
- 产品思路展示了 AI 如何在垂直办公场景中把缓慢手动操作转化为端到端引导式体验，对提升知识工作者产出质量和速度有直接的投资与创业参考价值。
只需一台 AI 相机，就能把眼前一切实时变成奶酪、黏土或任意材质，这背后是多模态生成模型对现实世界视觉规则的即时重写。
- 该相机并非做滤镜叠加，而是通过视频生成模型在每一帧实时重构物体的材质、光影和物理质感，保持场景结构与运动一致性。
- 演示的核心技术路径是图像到图像的实时转化，模型需要在极低延迟下理解几何、材质、光照，并将“奶酪化”这样的抽象指令转化为高保真输出。
- 这种能力将改变产品原型、影视预演和创意工具的生产流程，让材质替换从专业软件操作变为普通人的即兴表达，大幅压缩创意到成品的时间。
- 对于创业者和投资者，这指明了一条从基础模型到垂直场景硬件的产品化路径：将强大的生成能力封装进单一功能设备，可能成为 AI 融入日常交互的关键形态。
- Anyone can build and share apps in Codex：OpenAI 展示 Codex 的应用构建与分享能力，重点是把想法、工作内容或团队资料快速变成可访问的应用入口，让非传统开发场景也能通过 Codex 交付可用 artifact。
- Travelers deploys AI-powered claims countrywide with OpenAI：Travelers 将 OpenAI 能力用于全美理赔流程，说明企业 AI 正在进入保险理赔这种高频、强流程、强合规的后台业务，而不只是客服问答或营销演示。