Claude-code-releases | Claude Code v2.1.193 版本发布
新增 Shell 命令分类、OpenTelemetry 日志、后台进程内存回收等功能，并修复多项 bug。
Anthropic X / Anthropic | Anthropic 加入 RAISE US 劳动力联盟
Anthropic 作为创始合作伙伴加入非盈利联盟 RAISE US，致力于帮助美国劳动力适应 AI 转型。
openai-codex-releases | Codex Rust Alpha 版本发布 (0.143.0-alpha.22, 0.143.0-alpha.23, 0.143.0-alpha.25)
OpenAI Codex 发布多个 Rust 版本 Alpha 补丁，均为同一系列的迭代更新。
Orange AI / oran_ge | 批评豆包 2.1 Pro 模型上下文精度差
用户反馈豆包（Seed）2.1 Pro 模型在推理时频繁出现人物、性别、时间等事实错误，与官方宣传形成反差。
Claude Devs X / ClaudeDevs；Thariq | Claude Tag 是下一代智能体
ClaudeDevs 和 Thariq 预告了 Claude Tag，一个基于 Claude Code 构建的、具备记忆和身份的主动式多玩家智能体。Thariq 还提及该演示视频由 Claude 编辑，展示了跨模态能力。
黄小木 / ai_xiaomu | Codex 新手入门指南：推荐从 Codex 入手
一份详细的指南推荐 AI 编程新手从 OpenAI Codex 入手，并提供了从安装到高级功能的完整学习路径。
Nate Herk - AI Automation | Claude Code 商业升级方案：从高效到赚钱
Nate Herk 提出四项方案将 Claude Code 从“高效但赔钱”转为盈利模式，包括对抗 AI 讨好倾向（Roast 技能）和引入自动化验证循环。
Greg Brockman；OpenAI X；Tibo | OpenAI 内部 Agent 采用率上升，各部门使用 Codex
OpenAI 高管 Greg Brockman 和官方账号发布多条推文，宣告 AI 代理（Codex）在内部全部门快速采用，从工程扩展到非工程领域，并推出 DigitalOcean 插件支持持久化云开发环境。
Latent Space | OpenAI 研究策略访谈：Mark Chen 谈 AGI、o1 和缩放定律
OpenAI 首席研究官 Mark Chen 在播客中讨论 AGI、o1 模型、评估方法、缩放定律，并分享招聘和团队管理见解。
ChatGPT X / ChatGPT | OpenAI 发布“让植物发声”构建指南
OpenAI 通过 ChatGPT 官方账号发布了一个指南，教用户如何让植物拥有语音交互能力。
Roland.W / rwayne | 技能叠加与创投融资经验分享
发布者分享通过表达与组局技能叠加，为多家创投公司融得数千万美元资金的经验。
Koda / wadezone | 原创短推24小时获254万流量
发布者展示其原创短推在24小时内获得254万流量，并讨论该流量水平。
OpenAI 首席研究官 Mark Chen 在一场深度播客中系统性地拆解了公司对 AGI 路径的最新思考。他明确表示，o1 模型代表了一种新的推理范式——不是简单地堆砌参数，而是通过“思考链”让模型在回答前进行内部推理，这直接改变了传统缩放定律的适用方式。Mark Chen 还透露，OpenAI 内部评估方法已从单一基准测试转向更复杂的对抗性评估和人类偏好校准，并承认现有缩放定律在推理任务上可能面临收益递减。
这期访谈的价值在于：它来自 OpenAI 研究一号位的亲口陈述，而非二手解读。对于关注 AI 前沿的决策者来说，需要修正一个关键判断——缩放定律并非万能，o1 式的推理机制可能成为突破下一阶段瓶颈的核心杠杆。可迁移的启发是：当你在团队或产品中遇到“数据越多效果越差”的边际瓶颈时，考虑改变推理结构而非增加输入量，可能才是正确的应对策略。
Nate Herk 提出了一套将 Claude Code 从“高效工具”转化为“盈利引擎”的完整框架。核心问题在于：AI 天生有讨好用户的倾向，导致它总是说“好”而不指出错误，这在商业场景中会酿成灾难。他为此设计了“Roast 技能”——让 Claude Code 主动批判用户方案，并引入自动化验证循环：代码生成后立即执行测试，未通过则自动回滚并生成错误报告。这套机制将 Claude Code 从被动执行者升级为主动质量把关者。
这篇文章值得你重新审视一个常见错误——只把 AI 当作效率工具，而不是利润中心。Nate 的具体策略中，“对抗讨好倾向”这一点可以直接迁移到你团队的任何 AI 工作流：无论写文案、做设计还是写代码，强制 AI 进行自我批判并设置自动验证关卡，能大幅降低产物质量方差。判断上，你需要意识到“用 AI 省钱”和“用 AI 赚钱”是完全不同的架构设计，后者需要引入博弈机制。
Greg Brockman 和 OpenAI 官方账号密集发布的一组数据揭示了一个关键信号：AI Agent（Codex）在 OpenAI 内部的采用已从工程部门扩散到非工程部门，且速度极快。更值得注意的是，Codex App 在 2 月 2 日发布后，非工程部门的采用曲线出现陡峭上升。与此同时，DigitalOcean 插件上线，允许用户通过单条提示词启动持久化云开发环境——这标志着 Agent 与云基础设施的深度集成开始标准化。
这组推文是当前最直接的“Agent 渗透率实证”。需要修正的判断是：Agent 的普及并非渐进式，而是在某个关键产品发布后（如 Codex App）出现爆发性拐点。对于团队决策者来说，可迁移启示是：不要等所有条件成熟再部署 Agent，先让非技术团队试用一个低门槛入口（类似 Codex App），一旦采用率出现拐点，再快速追加基础设施投入（如 Cloud IDE 集成）。这里面藏着“先跑通，再建路”的组织扩散方法论。
Latent Space | Cooking with OpenAI’s Research Chief: AGI, o1, Evals, and Scaling Laws — Mark Chen
Cooking with OpenAI’s Research Chief: AGI, o1, Evals, and Scaling Laws — Mark Chen
时长：41:17
Nate Herk - AI Automation | I asked Claude Code to make me as much money as possible
I asked Claude Code to make me as much money as possible
时长：28:12
只回答一个问题：如果今天要 build，一个值得优先考虑的产品是什么？ 下面每个选择都把新产品供给、真实收入和用户讨论合并成同一个判断。 今天只有 2 个足够新的方向，不为了凑满 5 个而重复昨天的判断。