Clauday.

今天这批案例里，钱和机器本身成了主角，模型反而退到了背景。有人把浏览器和邮箱交给 agent，一年省下 4600 美元的房屋保险费。另一个人在应用里埋了 21 个安全漏洞，实测一份规则文件到底能改变什么。一项横跨七个模型、三个 harness 的研究发现，harness 的选择几乎不影响成功率，却让成本差出两到三倍，而原因在第一次模型调用时就露了出来。跑分之…

今天的重心在机械结构上，不在模型上。有人测了一下把一行改动委派给子 agent 要花多少钱，答案是7万7千个token。另一个人把四个开源 harness 的上下文压缩逐行读了一遍，把常数全翻了出来，包括唯一一个把压缩自身成本算进去的那家。微软给长程编程为什么会失败测出了一个数字，然后用依赖图和测试门把它修回去了大半，靠的不是更大的模型。一次盲测给 Clau…

今天的主线是，模型周围的那套机械装置终于变成了大家真正争论的东西。两套记忆系统的五周对比跑出了迄今为止最干净的一份诊断：原生记忆是原地重写、从不清扫，所以一次目录重构就让 39% 的路径 token 全部失效；追加式的那个不能重写，于是它把互相矛盾的记录原样留着、连个标记都没有。一次 AGENTS.md 审计发现这个文件是每一轮都进 prompt，不是一个会…

今天这批的共同点很明显：大家在测量，而不是在描述。最响的一条线是 harness 已经变成变量、模型不是——Anthropic 自己做 Claude Code 的人讲他们怎么删掉 80% 的系统提示词、模型反而更聪明；OpenAI 发文列出十条该从 Astra 提示词里删掉的规则，因为每一条当初都是在给上一代模型补短板；而 Claude Code 刚好出了 …

重心从键盘挪到了「谁被允许干什么」这个问题上。Anthropic 那份 154 页的威胁报告落地了，但它真正讲的不是武器，是任务拆解：Claude 拒绝了大部分危险请求，项目照样往前推，因为没人开口要导弹，他们要的是姿态控制代码、是从传感器估位置、是修一个仿真的 bug，再把这些散到多个并行会话里，于是没有任何一个实例看得见整件事的形状。落到日常这边，同一个…

今天最重要的一个数字是十一天：Claude 近乎无人值守地跑了这么久，产出了费马大定理的 Lean 机器可验证形式化，1300 万行代码、29,511 条已验证定理，是 Mathlib 的五倍多。紧随其后的是一条四句话的提示词，已经连续跑了十五天还没停，靠的只是一道像素级 diff 门——这是迄今为止最清楚的一次证明：让 agent 活下去的不是模型，是那道…

一位法国顾问睡前把活交出去，醒来看到 124 份政府采购材料已经填完，工具是 Claude Code 当晚从零搭的。一位众筹借贷投资人把五个欧洲司法辖区的工商登记核查压进十分钟，并且明确划出了机器停在哪里。一个网球爱好者拿 iPhone 拍的训练素材，变成了把球速和击球姿势标在画面上的教练工具。与此同时，安全的账单在三个地方同时到期：一个能从不可信仓库在你真…

今天最清楚的信号是：真正有意思的活儿已经整个挪出键盘了。一位父亲把o3塞进自己写的harness里，拿到了顶尖新生儿实验室漏掉的罕见病诊断。一位安全研究者把「状态好的月份十到二十个bug」换成了「三周195个」。一个只有一个人的HR把招聘文章的制作自动化了八成，然后把同一个agent掉转枪口去查面试官的偏见。一位毫无技术背景的54岁女性，一小时做出了一个能玩…

今天的内容明显分成两半。一边是人们已经不再只跑一个 agent，而是在跑舰队，难点也从模型本身挪到了调度、落地和计数上——有人用一个终端控制台管着跨五套 harness 的 25 个 agent，配一个 watcher 循环和一条铁律：没有任何 agent 有推送权，只有 lead 能落地。另一边是账单终于找上门了：一个连开三天的会话把上下文悄悄养到近百万 …

这个窗口的主线是安全和信任集中送来账单。SecurityScorecard 扫出 42,900 个暴露在公网的 OpenClaw 控制面板，原因不过是一个没人改的默认配置把服务绑上了所有网卡；Claude Code 的 auto 模式不得不把一类只读 GET 重新归类成上传，因为载荷就藏在 URL 里；一位开发者眼睁睁看着 agent 把自己的家庭住址发到公…