上周，在介绍 bugfix 小工具 Superlog（这里需要公众号的链接）：[链接]，热心群友 Frank 提到了一个小工具 SkillOpt，表示它能把 Skill 当作模型来训练，基于方法论来训练你的 Skill。

Warp 创始人 Zach Lloyd 给了一个更工程化的例子：用 GitHub Issues 做一个自我改进的 Issue 分诊系统。这个项目的核心思路是：先让 Agent 按照一个 Skill 去处理新 Issue，再让另一个 Agent 定期读取人类反馈，把这些反馈整理成可复用规则，最后通过 PR 更新原来的 Skill 文件。

今天解读的这篇论文叫 TokenPilot: Cache-Efficient Context Management for LLM Agents，作者来自浙江大学、电子科技大学、西安电子科技大学和 HomologyAI。

不知道大家如何处理自己退役下来的手机，可能大多数人都将它们放进了抽屉，在某个日子里拿出来感叹下它曾经服役的日子。Google Research 最近介绍了一个来自 UC San Diego 的研究项目：把退役智能手机里的主板拆出来，重新组装成一个小型计算集群，用来跑一些通用云计算任务。

这期的「周一上线」，有点像 AI 终于不满足于“坐在聊天框里等你提问”了。一边，Cursor、GitHub Copilot 继续把 AI Coding 推向开发工作台；另一边，支付宝、腾讯 WorkBuddy 也开始让 AI 真正替用户跑流程、找服务、发起支付。

世界杯期间，多数人看球的姿势都很相似：两支球队还在进攻阶段，手机可能只是放在一边听个声响；一旦进球出现，大家会立刻点开体育 App：有人刷新比分，有人打开文字直播，有人去看进球回放。当然，也有人冲进评论区庆祝这粒进球，或者把比分截图转发到群里。

要说世界杯球赛最让球迷抓狂的画面，当属进球之后，射门的球员已经冲向角旗区庆祝，观众已经站起来欢呼，转播画面却突然切到裁判：手指耳机，等待 VAR 确认。随后的几秒钟，或者几十秒后，大屏幕打出结果：越位，进球无效。

一边，模型和开发者工具还在继续往真实工作流里走：Gemini 3.5 Live Translate 开始做近实时语音翻译，Kimi-K2.7-Code 开源，DiffusionGemma 探索更快的文本生成，Codex 和 Chrome DevTools 也在继续给 Agent 补浏览器能力。

在大模型自回归生成过程中，模型每生成一个 token，都需要参考此前已经读过的上下文。为了避免每一步都重新计算历史内容，推理系统会把历史 token 对应的 Key 和 Value 缓存下来。上下文越长，这部分缓存就越大。到了 128K、500K 甚至更长的上下文，KV Cache 往往会成为长上下文服务里最沉重的一笔显存开销。

在 Codex 系列第一篇（上篇），我们用一个很小的本地脚本，跑通了 Codex CLI 的基本流程：进入项目目录，启动 Codex，然后让它读文件、写代码、跑命令。

这次我们不打算重新造一个“世界杯赛程 App”，而是借这个足够轻、足够具体的场景，做一个可以跑起来的小工具：用 JSON 存赛程，用 Python 查询球队和日期，再把比赛所在地时间转换成北京时间和美东时间。

Claude Code 团队上周写了一篇文章，来讲述他们在内部是如何使用 Skills 的。借着他们这篇分享，我们来讲讲 Skill 是什么，以及如何参考 Claude Code 团队的经验来打造我们自己的好用 Skill。

这周，AI Agent 圈又出现了一个新词：Loop Engineering。它看起来有点陌生，但如果放到我们和 AI 的交互变化里看，就会自然很多。

从结果看，他们似乎已经把数据分析 Agent （Analytics Agent）跑通了。但在实践过程中，Anthropic 发现了一个反常识的结论：数据分析 Agent 最大的挑战是 Agent 到底知不知道自己查的是哪张表？它有没有理解正确的业务定义？它知不知道算出来的答案到底可不可信？

Claude Code 最近推出了一个很值得关注的新能力：Dynamic Workflows（动态工作流）。有了它，Claude Code 就能动态地写出一套自己的多 Agent Harness。Claude 可以根据当前任务，生成一段 JavaScript 工作流来调度多个子 Agent、分配上下文、选择模型、运行验证流程，并把结果汇总回来。

上周，Google 发布了 Gemma 4 12B。这个模型最大的亮点是，官方说它可以在 16GB VRAM 或 unified memory 的消费级笔记本上本地运行。

如果你正在学编程，可能有听过像是 AI 编程、AI 助手、AI Agent 这些名词，到底它们是什么呢？刚开始编程的同学们接触这些名词的时候，可能会有点懵逼：

大家用 Claude Code、Cursor、Codex 这类 AI 编程工具时，应该都遇到过这种情况：只是想让 Agent 改个小功能，结果上下文很快就见底了。其实，大多数时候 token 消耗得快，并不一定来自特别复杂的推理，通常是 Agent 常用到的小动作带来的。

一边，MiniMax M3、Cosmos 3、Gemma 4、MAI 等新模型密集发布，Agent、Coding、多模态、本地推理和物理世界模型也轮番上场。Codex 再迎新升级，近期还将整合进 ChatGPT。

相比 Claude Code，Codex 对很多人来说有一个很直接的优势：它可以直接使用 ChatGPT 订阅。如果你本来就在用 ChatGPT，那上手成本会低很多。再加上 Codex 这段时间更新很快，后面也会越来越值得关注。

前段时间，小七和 Mainline 的两位开发者豁如、钰泽聊了聊这个项目，也聊了聊它背后的思考和开发故事。本文便是这次专访的整理稿。开始之前，先介绍下 Mainline 是什么。它是一个围绕「工程意图」构建的协作工具。地址：github.com/mainline-org/mainlineMainline 关注的问题是：当团队越来越多地使用 AI Coding，代码生...

以前我们常说“让一个 Agent 帮我完成任务”，听起来像是从输入到输出一条线走完。但在开发场景里，很多任务其实会被拆成一串步骤：读代码、查接口、写实现、补测试、看日志、做 Review。其实，上面的每一步都不难，麻烦的是这些信息会不断地堆进同一个上下文里。

CodeRabbit 是一家 AI Code Review 平台。现在每周会 Review 超过 200 万个 PR，覆盖 15,000 多个客户。正是这个面对大量 AI 生成代码的场景，让 CodeRabbit 观察到一个现象：很多程序的失败并不发生在“代码写不出来”，而是发生在更上游的需求理解阶段。

最近关于 Agent 自进化的讨论越来越多。今天我们来看论文「MOSS: Self-Evolution through Source-Level Rewriting in Autonomous Agent Systems」。论文中提出了一个名为 MOSS 的源码级自进化系统，面向生产级 Agent 基座，尝试把 Agent 的自我改进范围从 prompt、skill、memory 等文本层，推进到源码级重写，也就是直接...

可能现在大家对 Coding Agent 的期待都不低。毕竟它能读代码、改文件、跑命令，已经很接近“把一个开发助手放进项目里”的想法。但真正用过 Coding Agent 的小伙伴应该已经发现一个很现实的问题：只要任务稍微长一点，成本就很难忽略。

一边，模型和 AI 编程工具还在继续往 Agent 方向推：Claude Opus 4.8 发布，xAI 把 Grok Build 0.1 放进 API，阶跃星辰也继续更新模型和开发者工具。

上周发布了搭建飞书群聊机器人的实践「用 Bub 和飞书搭一个更懂群聊上下文的小机器人」，介绍了 Bub 这个项目。趁着部署 Bub 飞书小机器人的机会，小七勾兑上了 Bub 的开发团队，做了一期专访来讲一讲这个 Agent 背后的开发故事。

可能大家都听过 skill 这个东西，可能也用过。但是自己从未动手开发过一个 skill，本文主要是带你从一个空目录开始，做出一个可以被验证的 Skill 包。

如果你平时会看一些 Agent 或 AI 应用相关的内容，应该多少见过这些词：RAG、Agentic RAG、AI Memory。这些名词看起来有点技术范，但它们描述的能力，其实已经出现在很多 AI 产品里：

前几天，Anthropic 发布了一篇面向工程团队的 Claude Code 最佳实践文章，重点讨论了在大型代码库中的使用方式。在今天这篇文章中，我们总结了这篇博客的实践内容，并顺便看看：大型团队真想把 AI 编程工具放进日常开发中，有哪些经验是可以直接借鉴的。