Product
1. 斯坦福 AutoMem：将代理记忆管理训练成认知技能
斯坦福新研究 AutoMem 将LLM代理的记忆管理从固定模块提升为可训练技能。模型自行决定编码什么、何时检索、如何组织笔记，文件系统操作被提升为与任务操作同级的操作。框架在两个循环上自动化：强LLM审查完整轨迹并重写记忆结构（提示词、模式、动作词汇），然后将代理自身的好记忆决策作为训练信号。仅优化记忆而不改变任务行为，在Crafter、MiniHack、NetHack上基准提升2-4倍，让32B开源模型能与Claude Opus 4.5和Gemini 3.1 Pro Thinking竞争。论文指出长期代理的记忆是独立可训练的高杠杆目标。
来源：arXiv.org
2. Anthropic 确认 Fable 5 将在 7 月 7 日后回归订阅计划
Anthropic产品负责人Thariq回应社区关切，确认Fable 5将从7月7日起从按量付费转为回归订阅计划的一部分，尽管短期内仍需按量计费。Anthropic正在努力扩大容量，目标是尽快恢复Fable作为订阅标准模型。此前Fable 5因安全护栏被保守调优，约5%会话被回退到Opus 4.8。Thariq的帖子确认了恢复订阅的时间线。
来源：Claude Fable 5 and Claude Mythos 5
3. GitHub Copilot 新增开源模型 Kimi K2.7 Code 但免费账户无法使用
GitHub Copilot 将 Kimi K2.7 Code（开源权重模型）作为可选模型在模型选择器中上线。这是Copilot首个开源权重模型，托管在Microsoft Azure，按提供商定价计费。但用户发现非付费账户现已无法使用任何模型，包括之前免费可用的模型。Kimi K2.7 Code 首先面向Copilot Pro、Pro+和Max用户推出，随后扩展到Business和Enterprise。
4. Claude API 全面提升速率限制并简化层级
Anthropic 宣布为所有用户提高Claude Platform API速率限制，并简化层级结构（不再基于API消费金额）。最新Sonnet和Haiku模型在最高层级提供5倍速率限制。用户可通过Claude Console自助申请更高限制。同时发布了更新后的速率限制文档。
来源：@ClaudeDevs
5. ora.ai 上线网站 Agent Readiness 评分工具
Yohei Nakajima 发布 ora.ai 的 agent readiness 分析工具，输入网站域名或 MCP 服务器 URL，自动从五个维度评估业务对AI agent的准备程度。工具返回评分后，还会生成一个可直接喂给代码agent的提示词，用于指导agent修复不兼容问题。Yohei 表示正在亲自使用。
来源：ora
6. EdgeBench：真实环境代理学习缩放率的基准评估
EdgeBench 研究代理从真实环境中学习的能力，包含134个可执行日常任务，耗时一天。任务来自真实科研环境：引力波检测、3D重力反演、地下水羽流建模、太阳能功率预测、电池健康等。代理需要提出假设、选择模型、验证噪声观测、迭代改进，许多问题是开放式的。该基准首次系统评估代理在真实世界不确定性下的缩放性能。
来源：EdgeBench
7. Interfere：实时监控生产环境，在用户察觉前修复问题
Interfere工具持续观察生产环境，自动调查并修复问题，确保用户无感体验，减少故障影响。
来源：Interfere
Tutorial
1. Matt Pocock 展示 Claude Code 后台会话传递技巧
TypeScript专家Matt Pocock分享Claude Code使用技巧：使用
claude --bg --name "Session Name" "Prompt"可编程地启动新的后台agent。当需要将当前会话交给新任务时尤其有用，新会话会自动在后台启动并打开。他还分享了claude-handoff skill，可将当前对话总结后自动启动后台agent接手工作。
来源：GitHub
Opinions/Thoughts
1. 美国出口限制催生多模型供应商策略与 Sakana Fugu 协调模型
O’Reilly Radar 本期刊讨论美国出口限制使Anthropic的Fable 5和Mythos Preview、OpenAI的GPT-5.6对大多数从业者不可用，Welsch和Palmer认为这使多供应商策略成为架构必选项。他们还探讨了开发者委派任务给agent后的认知疲劳问题，并重点介绍Sakana AI的Fugu——一种多模型编排系统，通过一次API调用路由到多个前沿模型并综合结果，Ultra模型在agent基准上与Fable 5相当，定价与GPT-5.5相同。Qualcomm以约39亿美元收购Modular，凸显硬件无关抽象的紧迫性。
2. Simon Willison：与编码代理协作需要“理解才能参与”
Simon Willison 博客引用Geoffrey Litt 在AI Engineer峰会上的观点：与编码代理协作时，必须保持对代码的深度理解才能继续有效参与创作过程。若理解滞后，会积累认知债务，最终丧失参与项目的能力。Litt 强调“你需要在脑中有丰富的概念集，才能流畅地思考如何推动项目前进”。Willison 认为这与 coding agent 带来的认知债务问题直接相关。
3. OpenAI Codex 负责人解答为何AI在UI设计上表现糟糕
Lenny Rachitsky 询问OpenAI Codex负责人Andrew Ambrasino为何AI设计差。Andrew给出两个原因：实践上，实验室优先编码因为能加速AI研究，且设计评估比代码评估难；结构上，好的设计需要新颖性和文化理解，输出像Linear官网一模一样的UI不算好设计，模型目前严重偏向已知模式而非创造新内容。他认为实践问题会解决，但新颖性和文化理解需要更长时间。
来源：@lennysan
4. 理解代理生成的代码：为何仍需关注代码逻辑
Geoffrey Litt发文讨论，即使AI代理自动生成代码，开发人员仍然需要理解代码的作用，强调人机协作中人类掌握代码知识的重要性。