Product
1. 小米发布 MiMo-V2 系列模型，全面转向 Agent 原生架构
小米正式推出 MiMo-V2-Pro、Omni 及 TTS 模型，标志着其从“Chat 模型”向“Agent 原生”的战略转型。MiMo-V2-Pro 拥有 1T 参数及 100 万上下文窗口，在代码与智能体编排能力上表现突出；Omni 模型则实现了跨模态感知与行动的统一，支持复杂环境下的工具调用与 UI 操作。TTS 模型引入了多维度强化学习，支持情绪控制与方言表达。这一系列模型不仅在 OpenRouter 上线，还深度适配了 OpenClaw 框架，旨在通过低延迟、低成本的推理能力，构建能够跨软件、跨物理世界执行任务的智能体生态。
来源：@aigclink
2. Google 发布 Stitch 设计平台，挑战 Figma 市场地位
Google 推出的全新设计平台 Stitch 旨在通过自然语言实现高保真设计，被视为对 Figma 的直接挑战。该平台引入了“AI 原生画布”概念，允许用户通过语音交互实时更新布局、生成原型并管理设计规范（DESIGN.md）。Stitch 的核心优势在于其智能设计 Agent，能够记忆项目修改历史并并行推进多个方案，从而大幅缩短从构思到交互式原型的周期。市场反应迅速，Figma 股价在消息发布后一度下跌超过 8.8%，反映出业界对 AI 驱动设计工作流重塑的担忧。
来源：@xiaohu
3. Claude Code 2.1.79 更新：强化记忆管理与 CLI 功能
Claude Code 发布 2.1.79 版本，重点优化了记忆机制与 CLI 交互。新版本强制执行记忆排除规则，仅存储非显而易见的洞察，减少冗余信息；同时要求 Claude 将记忆视为带时间戳的声明，在推荐代码前进行验证。CLI 层面新增了
--console认证标志及多种配置项，并改进了非流式 API 的超时处理。此次更新反映了 Anthropic 在提升 AI 编程工具可靠性方面的努力，旨在通过更严谨的状态管理和更灵活的配置，解决 AI 编程中常见的幻觉与上下文丢失问题。
4. MiniMax 发布 M2.7 模型，具备自我进化能力
MiniMax 发布 M2.7 模型，在 SWE-Bench Pro 测试中达到 56.22% 的准确率，参数规模超 1T。该模型不仅在复杂任务处理上优于 M2.5，还引入了“自我进化”机制：模型在执行任务后能自动检查结果、修正错误并重新尝试。这一特性使其在 Agent 场景中表现出更强的鲁棒性。目前 M2.7 已在 OpenRouter 上线，凭借其在 Agent 任务中的高效率和自我纠错能力，成为当前编程与自动化任务中的有力竞争者。
来源：@opencode
5. TenkaraAI 获 700 万美元融资，重塑制造业供应链
TenkaraAI 完成 700 万美元融资，旨在解决美国制造业供应链中依赖冷启动、电子表格和直觉的低效问题。该平台通过自动化流程，实现供应商寻源、货运报价、合规文档管理及风险监控，号称能让一名操作员完成五人采购团队的工作量。客户数据显示，该工具可将寻源速度提升 3 倍，采购支出降低 20%。TenkaraAI 的出现标志着 AI 正在深入传统工业核心，通过数字化手段解决复杂的物流与合规挑战，而非仅仅停留在办公自动化层面。
来源：@hasantoxr
6. Alt-X：利用 AI 自动生成房地产承销模型
Alt-X 推出 AI Agent 工具，能够将房地产交易文档自动转化为完整的 Excel 承销模型，并对每个数据点进行溯源。该产品旨在取代昂贵的传统软件（如 Argus），通过在 Excel 内部直接运行，无需导出数据或切换平台。这一工具展示了 AI 在垂直领域（如金融建模）的深度应用，通过将非结构化文档转化为结构化财务模型，显著降低了专业分析的门槛与成本，引发了对传统行业软件定价模式的挑战。
7. FactoryAI：支持多种部署模式的 Agent 基础设施
FactoryAI 强调其从设计之初就支持多种部署模式，包括云托管、混合部署及完全离线的空气隔离（Air-gapped）环境。该平台旨在将 AI Agent 部署在代码所在的任何位置，无论是笔记本电脑、CI 流水线、虚拟机还是 Kubernetes 集群。目前，NVIDIA、美国政府及大型金融机构已采用其自托管方案。这一举措反映了企业级 AI 市场对数据隐私、合规性及灵活部署的迫切需求，标志着 Agent 基础设施正从单纯的云端服务向更复杂的企业级架构演进。
来源：@FactoryAI
8. Obsidian Reader：本地运行的网页内容解析工具
Obsidian Reader 是一款专注于网页内容解析的工具，旨在将混乱的 HTML 转化为格式统一、排版整洁的页面。该工具完全在本地运行，不依赖 AI，支持大纲生成、语法高亮、脚注处理及可调排版。作为 Obsidian 生态的一部分，它支持所有主流浏览器扩展，包括移动端。其核心目标是在 50 毫秒内完成复杂网页的解析，为用户提供高效、隐私友好的阅读体验，体现了在 AI 浪潮下，对基础工具性能与本地化处理的回归。
来源：@kepano
9. Anthropic 宣布举办“Code with Claude”开发者大会
Anthropic 宣布将于 5 月 6 日在旧金山、伦敦和东京举办“Code with Claude”开发者大会。活动将包含全天的研讨会、演示及与 Claude 团队的 1:1 办公时间。此次大会旨在通过面对面的交流与实操，帮助开发者深入理解 Claude 的能力，并探索 AI 编程的最新实践。这标志着 Anthropic 正在加大对开发者生态的投入，试图通过线下活动巩固其在 AI 编程领域的社区影响力。
来源：@claudeai
10. CodeRabbit 发布 Planner：AI 辅助的规划与对齐工具
CodeRabbit 发布了 Planner 工具，旨在帮助团队在编写代码前进行产品规划与对齐。该工具将规划、上下文、权衡分析等环节整合进 AI 辅助的工作流中，确保在第一次提交代码前，团队已达成共识。这一产品反映了 AI 编程工具的演进方向：从单纯的代码生成，转向更上游的规划与架构设计，旨在通过 AI 减少开发过程中的沟通成本与返工风险。
11. Perplexity Comet 登陆 iOS，集成 Agent 与语音模式
Perplexity Comet 正式登陆 iOS 平台，带来了 Agent 能力与语音交互模式。作为 Perplexity 的移动端扩展，Comet 旨在提供更智能的搜索与交互体验。此次发布进一步强化了 Perplexity 在移动端的布局，通过 Agent 能力，用户可以更自然地进行复杂查询与任务处理，体现了搜索产品向智能助手转型的趋势。
12. Windsurf 调整定价策略，推出 Max 计划
Windsurf 宣布简化定价体系，推出 Free、Pro、Teams 及 Max 计划。新计划将积分制替换为行业标准的每日与每周配额，旨在覆盖大多数用户的 Agent 使用需求。Max 计划定价 200 美元/月，提供更高的配额以满足重度用户。此次调整旨在通过更清晰的定价结构，平衡用户需求与运营成本，同时为付费用户提供额外试用期，以平稳过渡到新系统。
来源：@windsurf
13. GLM-5 Turbo 模型上线 OpenRouter
基于 Zai_org 的 GLM-5 模型构建的 GLM-5 Turbo 已上线 OpenRouter。该模型主打高速推理，在过去几天内已在 OpenClaw 中获得显著使用量。GLM-5 Turbo 的推出为开发者提供了更快的 Agent 响应速度，进一步丰富了 OpenRouter 平台上的模型选择，满足了对实时性要求较高的 Agent 应用场景。
来源：@OpenRouter
Tutorial
1. AI 驱动的 Prompt 优化方法论
陈成分享了一套利用 AI 自动优化 Prompt 的方法论，将 Prompt 优化过程量化为梯度下降。第一步是定义评分标准，将主观感受转化为 3-6 个是/否判断题；第二步是运行优化循环，Agent 自动执行任务、打分、修改并迭代；第三步是记录 Changelog，分析修改原因与效果。该方法不仅适用于 AI Skill，还可扩展至冷外联邮件、落地页文案等量化场景。其核心在于利用模型最强的评估能力来修补其一致性弱点，提供了一种可复现的 Prompt 工程实践。
2. Claude Code Skills 开发指南：不仅仅是 Markdown
Claude Code 社区强调，Skills 不仅仅是文本文件，而是包含脚本、资产、数据和钩子的文件夹。开发者应将整个文件系统视为上下文工程的一部分。Skills 的描述字段至关重要，它是模型触发技能的依据，而非简单的摘要。此外，应在指令中保持灵活性，避免过度具体化，以便模型能适应不同情境。Skills 正成为 Agent 原生的通用组件，广泛应用于编程 Agent、Cowork Agent 及 AI 网关中。
来源：@claude_code
3. Agentic SaaS 设计：为人类与 Agent 构建双重入口
Elvis 提出 Agentic SaaS 的未来架构：一个后端，两个前端入口。一个面向人类用户，一个面向其 Agent，两者调用相同的 API。这种设计不仅因为 Agent 已成为新的“超级用户”，更因为统一的 API 层能确保 UI 与 API 的一致性。通过将产品构建为 Agent 可调用的工具，而非仅供人类点击的界面，开发者可以利用“Skills”作为新的分发渠道，让 Agent 自动发现并集成产品，从而实现更广泛的生态渗透。
来源：@elvissun
4. 利用 Agent 将 Sentry 问题转化为 PR
Augment Code 展示了如何利用 Agent 将 Sentry 监控到的问题自动转化为 Pull Request。该工作流通过 AI 自动分析错误日志、定位代码缺陷并生成修复代码，显著提升了故障修复的效率。这一实践展示了 Agent 在 DevOps 领域的具体应用，通过将监控工具与代码生成 Agent 深度集成，实现了从发现问题到解决问题的闭环自动化。
来源：@augmentcode
5. VPS 圈常用术语解析：从“灵车”到“理财产品”
Geek 整理了 VPS 圈内的常用术语，帮助新手理解社区黑话。术语涵盖了服务质量（如“灵车”、“炸机”、“坏邻居”）、网络优化（“三网优化”）、工具（“融合怪脚本”）及市场行为（“黑五”、“理财产品”、“解锁”）。这些术语反映了 VPS 社区独特的文化与生态，对于理解低成本服务器市场的风险与机遇具有参考价值，也揭示了该领域用户对性能、稳定性和流媒体解锁的极致追求。
来源：@geekbb
Opinions/Thoughts
1. Agentic SaaS：从“Chat AI”到“Execution AI”的范式转移
Hasan Toor 分析指出，AI 行业正在经历从“Chat AI”向“Execution AI”的范式转移。以腾讯为例，其在 2025 年创纪录的研发投入不仅用于模型训练，更侧重于将 AI 深度嵌入广告、游戏及内部生产力工具中。这种趋势表明，AI 的核心竞争力不再仅仅是模型本身，而是其在工作流中的执行能力。企业不再满足于 AI 的对话功能，而是追求能够处理文件、自动化工作流并跨应用执行任务的 Agent，这标志着 AI 应用进入了务实落地的新阶段。
来源：@hasantoxr
2. AI 时代的瓶颈：从编码转向判断
Matteo Collina 指出，AI 编程工具的普及使得开发瓶颈从“编码”转移到了“判断”。企业必须重新思考：未来的高级工程师从何而来？咨询顾问的价值是实施还是判断？是否有足够的平台护栏来安全地交付 AI 辅助代码？他强调，人类在循环中不仅不会消失，反而变得更加重要。AI 承担了繁重的编码工作，但人类必须承担架构决策、质量把控与风险评估的责任，这要求企业在 AI 时代重新定义工程团队的职责与培养路径。
3. “Skills”生态：YC 办公时间的数字化与规模化
Garry Tan 推出的
/office-hoursSkill 标志着 YC 创业智慧的数字化与规模化。通过将 YC 合伙人的思维方式编码为 Agent 可调用的 Skill，创业者可以随时获得高质量的诊断与建议。这种模式不仅是 YC 办公时间的延伸，更展示了“Skills”作为一种新型知识载体的潜力：它将专家的隐性知识转化为可复用的 Agent 行为，使得高质量的决策支持能够以极低成本触达更多用户，是 AI 赋能专业服务的典型范例。
来源：@garrytan
4. AI 初创公司的“破产式扩张”：Token 经济学的警示
Hasan Toor 警告称，许多 GenAI 初创公司正因忽视“Token 经济学”而陷入破产式扩张。产品好、团队强、市场大，但如果未计算推理成本，随着规模扩大，高昂的 Token 消耗将迅速吞噬利润。他建议初创公司必须精算推理成本，并考虑构建开源模型方案。这一观点揭示了 AI 商业模式中被忽视的隐形成本，提醒开发者在追求 Agent 规模化时，必须将 Token 成本作为核心商业指标进行管理。
来源：@hasantoxr
5. Mitchell Hashimoto 加入 Vercel 董事会，定义 Agentic 基础设施
Guillermo Rauch 宣布 Mitchell Hashimoto 加入 Vercel 董事会。Mitchell 作为 HashiCorp 的创始人，在构建基础架构与开源生态方面拥有深厚经验。此次任命被视为 Vercel 布局“Agentic 基础设施”的关键一步。Rauch 强调，随着世界被 AI 重构，Mitchell 的加入将帮助 Vercel 定义未来的 Agentic 架构。这反映了顶级基础设施厂商正积极吸纳系统级人才，以应对 AI 时代对底层架构的全新需求。
来源：@rauchg
6. Anthropic 81k 访谈报告：AI 带来的希望与恐惧
Anthropic 的 81k 访谈报告揭示了人类对 AI 复杂而矛盾的情感。AI 既是战火中士兵的倾诉对象，也是律师提升效率的工具，同时引发了对认知萎缩与失业的焦虑。报告总结 AI 是人类欲望与恐惧的放大器，它既能提供情感慰藉，也可能带来过度依赖。这一报告不仅是技术评估，更是对 AI 时代人性挣扎的深刻记录，提醒开发者在追求技术进步的同时，必须正视 AI 对人类心理与社会结构的深远影响。
来源：@yanhua1010
7. 2026 年的“信任栈”：从病毒式传播到 AI 推荐
Elvis 提出了 2026 年的“信任栈”概念：病毒式传播 -> 媒体报道 -> AI 推荐 -> 客户。他认为传统的信任建立方式正在被 AI 推荐所取代。为了适应这一变化，他正在构建一个旨在简化媒体报道获取的 AI 工具。这一观点揭示了 AI 对营销与获客逻辑的重塑：在 AI 推荐成为主流的时代，企业必须通过 AI 友好的方式建立信任，而非仅仅依赖传统的公关手段。
来源：@elvissun