AI 日刊 · 2026-10-10

Product

1. Claude Managed Agents 动态工作流公开测试

Anthropic 把 Claude Managed Agents 的 dynamic workflows 扩到公开测试。主 agent 不再只把任务丢给子 agent 再读回报，而是写一份 workflow 程序，按阶段在后台跑很多 agent，再把结果合起来。官方帖写明配置类型是 multiagent_20261001，单次 run 最多编排 1,000 个 agent。平台文档把上限写得更具体：一次 run 同时工作的线程默认 64，这个数字不保证固定；整个 run 生命周期里启动的 agent 上限是 1,000，再要就会以 thread_limit_error 结束。默认寿命 24 小时，也可由 agent 自设。文档同时说，这种编排很耗 token，建议从范围明确的任务开始，再加大复杂度。Claude Code 里的入口是 /claude-api managed-agents-onboard bug-hunter。这把多 agent 从“主线程亲自调度”推进到“主线程写编排程序、服务器后台执行”。子 agent 线程仍可追问，workflow 则是 Claude 不直接参与的程序。额度、失败重试和 64 线程是否稳定，都还要看实际账单和 run 事件。

来源：@ClaudeDevs

2. Claude Code Projects 放行候补 Pro 与 Max

Anthropic 把 Claude Code Projects 候补名单上的全部 Pro 和 Max 用户放了进来。官方定义很具体：一个 project 是一段持续对话，Claude 替你协调相关工作，每项任务通常开一个自己的线程，线程一般是云端的 Claude Code 会话，彼此并行，共享仓库、指令和记忆。需要本机环境时，可以通过 Remote Control 把该线程改到你的电脑上跑。文档写明这是 Pro 和 Max 的公开测试，正在逐步放量，优先给用过云端会话、且没有 claude.ai chat 或 Cowork 里既有项目的账号。Team 和 Enterprise 还不能用。侧边栏看不到 Projects 的人仍可加入候补。这和 Managed Agents 的动态工作流不是同一层：Projects 是产品里的持续协调界面，动态工作流是平台 API 上的编排程序。

来源：@ClaudeDevs

3. Vercel CLI 允许 agent 买域名

Vercel 让 agent 通过 CLI 走完买域名的流程，但付款确认仍要人做。changelog 写了命令链：vercel domains search 找候选，vercel domains check 查是否可注册，vercel domains price 看注册商价格，vercel domains buy 发起购买。非交互运行时，buy 会返回机器可读错误和建议的下一步，把确认交回给人。人要确认价格、自动续费和注册人联系信息。Guillermo Rauch 转发时说，agent 已经经常通过他们的 CLI 在 marketplace 买基础设施，这次把能力扩到域名，agent 可以从想法走到全栈。边界是花钱这一步没有放开。agent 可以搜索、比价、发起，但不能在无人确认时扣款。

来源：Vercel

4. Codex 桌面端开始预测下一条消息

OpenAI 在 Codex 桌面端给 Pro 用户开了 composer predictions 测试。Codex 会根据当前对话和你平时怎么跟它说话，建议下一条消息。接受方式是按 Tab，也可以先改再发送。设置里可以关掉。范围是桌面端的本地任务，不是全部 Codex 入口。OpenAI 说这是内部测试里最受欢迎的新功能之一。负责发布的 keyanzhang 补充，内部的人经常因为它太准而愣一下，且包含在 Pro 计划里、不另扣用量。这是把“下一步该说什么”从用户输入变成模型建议。它不改模型能力，改的是本地编码会话里的输入节奏。

来源：@OpenAIDevs

5. Grok Bot 可以申请自己的邮箱

Grok Bot 开始有自己的邮箱，域名是 mail.grokbot.com。官方帮助页写了用途：用自己的地址注册服务并在你同意后取验证码，收集收据和简报再给你摘要，在你要求后发信并处理回复，以及在邮件到达时跑你设好的 routine。领取方式有两种：直接对 Bot 说“给自己申请邮箱”，它会问名字、查重、出确认卡，你批准前不会占用；或在桌面插件市场、手机设置的 Email 插件里填名字创建。地址全小写，最长 64 字符，support、admin 等保留词不能用。每人一个，不能改名，不能删除，注销后也不再发给别人。所有你的 Bot 都能用这个地址，但 Slack 线程、别人和 Bot 的对话、Team Bot 不行。Cursor 团队默认关闭，要管理员先开 Agent Email。新邮件不会自己叫醒 Bot，必须靠 routine。发信默认先给你看完整草稿。宝玉补充了在 X 上 @bot 申请的路径。

来源：@dotey

6. ChatGPT 手机端可直接创建 Dot

ChatGPT 官方账号说，dots 更新的第一项是：现在可以在 iOS 和 Android 的 ChatGPT App 里直接创建自己的 dot。帖子附了演示视频，没有写 dot 的权限、能连哪些应用、是否默认常开。O’Reilly 本周摘要把 Dots 描述为 OpenAI 的主动助手：保留上下文，跨应用工作，追求多个目标，不等提示就行动。要做到这一点，它需要对所跨应用和数据有持续访问。手机端能创建，意味着入口从桌面或网页扩到了随身设备。具体能创建什么、创建后默认拿到什么访问，这条官方帖没有展开。

来源：@ChatGPT

Tutorial

1. 4GB 显存可本地训 Jev 式决策模型

Akshay 发了一条本地训练视频：以 Qwen3.5 0.8B 为基座，用 Jev 式方法训练决策模型，60 步、约 10 分钟后，准确率从 37% 升到 65%，显存只要 4GB。章节从 0:50 的 Unsloth 安装开始，后面被截断。他引用自己更早的一条帖子，原文没有展开。这和微软 Decision-1、Cloudflare Clef 是同一类模型，只是规模落到了笔记本。37% 到 65% 是他这次运行的数字，不是公开基准榜。视频承诺可复现，但卡片没有给出数据集、评测集和最终检查点。

来源：@akshay_pachaar

2. Agent Skills 工具按生命周期收成一份清单

The Generative Programmer 整理了一份 agent skills 资源表，按生命周期而不是按热度排。作者认为写 SKILL.md 是容易的部分，难的是让 agent 在合适请求里找到技能、正确使用，并在工具和模型变化后继续这样做。清单先给规范：Agent Skills specification、best practices、Anthropic 的写作指南、Claude Code 的发现与加载文档。创建层推荐 Anthropic 的 skill-creator，因为它有测试用例、评测和反复改进，而不只是模板。BrowserAct Skill Forge 把重复的浏览器操作收成技能；Skill Seekers 从文档、仓库和 PDF 抽知识再打包。发现层分了 skills.sh、SkillsMP、ClawHub 和带质量评估的 Tessl Registry。后面还有校验、基准、安全扫描，正文在采集窗口里没有展完。这是一份编辑过的工具地图，不是新标准。

来源：The Generative Programmer

3. Lee Robinson 在斯坦福讲常驻 agent

Lee Robinson 放出他在 Stanford CS146S 的讲座，题目是像 @Bot 这种 always-on、主动 agent 怎么工作。时间轴是：2:35 怎么走到这里，6:13 模型变了什么，10:06 常驻 agent 内部，18:07 harness，27:26 context engineering，34:26 接下来去哪。帖子没有文字稿，视频本身不能从卡片核实。能用的是结构：他把变化拆成模型、常驻循环、harness 和上下文，而不是只讲一个产品发布。这和同日的 Grok Bot 邮箱、ChatGPT dots 手机创建是同一类产品问题的课程版。

来源：@leerob

Opinions/Thoughts

1. sudo L7 测编码 agent 的 Staff 判断

Lenny 转发 Surge 的 sudo L7，说最好的编码 agent 离 staff 级软件工程大约走了一半。原文把 staff 和初级工程师分开：初级工程师拿一张定义清楚的工单写补丁；staff 拿到的是“让它更快”“安全迁移”“先判断该做什么”。基准有 60 个任务，由 staff 及以上工程师编写，主要来自真实公司的私有生产仓库。Claude Opus 5.5 和 Sonnet 5.5 各完成大约 45% 的任务，GPT-6 Astra 大约 32%。功能正确性上四家接近：GPT-6.1 Sol 82.4%，Opus 5.5 82.1%，Astra 81.5%，Sonnet 5.5 79.6%。差距在 Thought Partnership：Opus 和 Sonnet 是 76.1% 与 74.8%，Sol 和 Astra 是 53.0% 与 51.6%。沟通分上 Sonnet 72.4%，Sol 44.1%。成本也不一样：Opus 约每任务 10 美元，Sonnet 约 14 美元，Sol 约 1 美元出头、完成率约 30%。例子包括 Opus 把已有的分账功能又做了一套，267 个测试全过。

来源：@lennysan