本字幕由TME AI技术生成
欢迎来到best block 早报第五十二期
今天是二零二六年五月九日
开场就甩三件大事
第一件
Open ai 把codex 推进了chrome 扩展
直接进入你正在用的浏览器
绘画共享登录态
共享cookies
在你已经登录的应用里替你干活
第二件
Anthropic 给managed agents 装上了记忆与梦想机制
智能体不仅能跨会话记笔记
还能在带外进程里复盘自己的失败模式
把教训写回共享记忆
第加件
阿里云开发者一篇深度反思
直接戳穿一个常被忽略的事实
今天agent 的瓶颈早就不是共享机制
而是公司里那套为人设计的协作流程和组织结构
能力跑得越快
组织结构的牵绊越显眼
第一期我们就把这三条主线一条一条拆开
再加上assa
Raindrop
伯克利软移风这些有干货的素懒
最后是七条值得放进周末单子的补充阅读
先说open ai 这件事
Cocox 的chrome 扩展同时上了micros 和windows
背后的产品逻辑非常清楚
之前的cocox playgins 走走的结构化接口
比如读文档
查消息
本质是模型
从外部调用一个又一一个api
扩扩是是一一路chroa i 直接进入用户实实时览览器会最共享你的profile
共享你的cookies
共享你已经登录的所有应用
之前前为自己登录的那些工具
对它来说就是这条循环换表作最次发布布带来三个标签页
每一个都值得说清楚
第一是平行研究
Cocox 一次扫描多个标签页
把分散在不同网页里的信息汇总到一张表格里
最后交给你的是结构化的结果
不是一堆链接
第二是后台运行
Codex 会自建一组叫做tab group 的标签页
分组在你看不见的地方滚动推理
跑长链路
任务期间不打扰你的主屏幕
干完了再回来汇报
第三是直接代码执行
这条最关键
过去agent 控制浏览器靠的是截图加视觉推理再加鼠标点击
每一步都慢
还容易出错
Open ai 团队把这条循环换掉了
直接让模型生成代码控制浏览器
最别截图和鼠标的低效循环
发布会现场的演示也很直白
Codex 跨多个邮箱去搜差旅相关的收据
逐峰读完之后自动跳到企业的报销系统页面
把表单填好递交
整个流程没有人接管
没有截图
更激进的是multii agent 的演示
Open ai 团队在多个标签页里同多个子spsponagent 协作演示用的是一个多人一起画图的小游戏
每个agent 各画一笔
配合完成一幅画
这个demo 表面看着轻松
背后其实是在告诉开发者
从今天起
浏览器是一个可编程
可并行
可协作的agent 工作台
把这次发布放进open ai 的整体路线里
信号也很明确
他们正在从ide 里的代码agent 迈向浏览器原生的通用agent
代码生成只是第一站
浏览器才是大多数白领真正花时间的地方
Codex 进入浏览器
意味着任何已经被sars 化的工作流理论上都可以被agent 接管
还有一个细节值得注意
这次扩展是基于真实用户登录台运行的
企业不需要单独配一套服务账号
也不需要再让员工把账号密码贴进某个外部系统安全模型
直接复用浏览器原生的绘画管理
这一点对企业落地非常关键
过去agent 的最大阻力之一就是sso 和单点登录
这一关怎么过
现在被一个浏览器扩展悄悄解掉了
下一段我们就聊anthropic 在另一条路线上的关键动作
给agent 装上记忆
Anthropic 这次的发布manmanage agenent apii 上了了个个新原语
一个叫memory
一个叫叫dream ing
下看m 一聊
Anthropic 之前已经通过mcp 给agents 接外部工具
又通过skills 让agent 调用预先封装好的能力
但跨绘画的长期记忆一直缺
这次补的就是这块拼图
先看memory
Anthropic 把记忆建模成文件系统
让cloud 四点七用ooppobash 命令自主管构记记么
放在哪个目录
什么时候动态更新一份笔记
全部由模型自己决定
这意味着记忆不再是开发者塞进prompt 硬编码内容
而是agents 在工作过程中自己整理出来的知识结构
但记忆要进入企业级生产
光有自由度不够
还要有约束
Anthropic 给memory 配了关键企业级支撑
第一是权限作用域
全组织范围的运行手册可以是只读的
单个agent 自己的工作上下文可以读写不同信任级别隔离开
第二是乐观并发
Anthropic 用内容哈希来检查冲突
防止多个agent 同时写同一份记忆时互相覆盖
第三是审计日志
每次记忆的修改都有完整版本历史
谁改的
什么时候改的
来自哪个绘画
全部可追溯
再看dreaming
这是更有意思的一块
Dreaming 是带外运行的进程
定期分析session transcripts
找跨绘画的共性失败模式
把教训直接写回共享记忆
Anthropic 给的例子很具体
他们观察到多个agent 在调用某个工具之后
会原地等六十秒
然后失败
Dreaming 进程就识别出了这个模式
判断这条retry 辑低效
把这条警告写回loagent 的共共享的记忆
第防次任何agent 看到这个工具调用
都能避开雷区
换句话说
这个机制让agent 群体能够从彼此的失败里学习
而不是每次独立翻车
原原引的实测数据加上记忆机制之后
以便错误率降降了百分之九十
把memory 和dreaming 放在一起看
背后是一个核心判断
Agent 叫在企业里规模化部署
必须从单次任务执行迈向跨绘画的持续自学习
而且这种学习要能在多个agent 协作的体量下安全运行
Open ai 让agent 进入浏览器扩张能力边界
Anthropic 让agents 在多绘化和多agent 协作里沉淀经验
两家走的方向不同
但拼图正在合上
下一段我们换个视角看一个中文权威给出的反向警告
能力扩张完之后
组织真的接得住吗
阿里云开发者公众号
这篇深度文章是这一期最值得放慢节奏组的中文权威分析
文章核心比喻一上来就立住了
十九世纪末
美国工厂从蒸汽换成电力
效率却纹丝不动了三十年
原因不是电力技术不行
而是当时的工厂还按蒸汽时代的中央动力轴布局生产线
直到一九二零年代
企业把电机分散到每台机器上
重新设计流水线
效率才出现质变
今天大量企业把ai 工具发到每个员工手里
可底层的协作模式没变
文章把这种状态形容为在牛车上绑火箭
从这个比喻出发
文章给出一句关键判断
约束不再是代码生产速度
而是软件组织结构
Agent 写代码已经够快
瓶颈跑到了组织那边
文章用一个词概括这种现象
叫vipe coding 生产力悖论
Agent 的生成的代码量指数级增长
组织整体研发效率却提升有限
因为代码进出系统的每一道工序都还是为人设计的
具体瓶颈分三类
每一类都很扎心
第一类是资作成本
传统前后端分工
把同一个业务写成代码片段散在多个仓库里
接口契约写在另一份文档里
落地知识存在产品经理脑子里
对agent 来说就是上下文碎片
第二类是资源组织
代码和代码分散在多个微服务仓库里
代码和文档分散在语雀
Swagger
钉钉这些不同系统里
文档由人维护
永远滞后于代码
Agent 拿到的资料天然就是过时的
第三类是交付链路构建
测试 部署
灰度回滚
每个环节都为人设计
Agent 既不能触发流程
也读不到关键数据
更没法做决策
Agent 在这套体系里就像被关在玻璃外面
看得见但碰不到
文章给出的解法是all in code 范式
仓库按业务能力划分
而不是按职能切分
文档机器可读和代码同源同版本管理
Agent 可以参与构建灰度回滚的全流程决策
最后落到一句结论上
今后不再让ai 去适应人的工作方式
而是要构建一个让ai 能高效工作的环境
这个判断和前两条放在一起看
就是闭环
Open ai 让agent 进入浏览器
Anthorgrapic 让agent 沉淀记忆
阿里云开发者提醒每一家公司
如果不把组织结构和交付链路改造成agent 友好的形态
这些前沿能力到了你的公司里只能跑出零头的效果
下一段是七条素览
先继续围绕agent 协作和可观测往下走
第四条来自asna 在cloud 开发者大会上的分享
主题是怎么用manager 的加上agenworkgragrah 构建建人协作模式下的ai 队友
而sara 把自己积累多年的worgraph 上下文喂给cllad d
让ai 队在人工监督督下接复复杂的写作任务
值得读的点在于
这是agage 的agents 真实落地的场景示范
看完会更明白为什么记忆和权限作用域是企业级agent 的必选项
第五条是raindrop 团队在ai engineer 大会上讲的agent observerability 实战生产力
跑agent 一定会撞墙
Raindrop 给出的框架覆盖显性信号和隐性信号
生产实验自诊断
还有用于调试非确定性agent 的轨迹可视化
这套思路比那种纯指标dashboard 使用的多
第一个把agent 推到生产的团队都该读一遍
第六条是open ai 官方博客p 要题是在open ai 安全运行codex
文章详细介绍了open ai 内部为安全部署cocox 用到的安全控制
沙箱机制
网络策略
还有agent native 的遥测技术
这一篇和今天第一条cocox 进入chrome 是配套读物
安全永远是agent 净生产的第一道闸
第七条是中文播客屠龙之树串台大内的特别节目
标题叫没有中间地带讲大国ai 博弈
效率碾压和白领的恩格斯暂停
从menus 收购案
Tiktok 在美国的处境讲到image 二的断档式超越和ai 短距的性维优化
在深入到二零二五年大国博弈的灰犀牛风险
以及白领阶层正在面对的结构性失业焦虑
两个多小时的内容
带上耳机走路通勤都能听完
第八条来自字节跳动技术推理
主题是抖音动态体验优化实践
文章详细介绍了抖音自研的动态性能框架ddpf
从框架设计
感知决策一路讲到虚拟机调节
看一线大厂如何用端智能加动态调度解决复杂业务场景下的性能优化
客户端工程师特别值得拆解一遍
第九条来自伯克利ai 研究博客
主题是自适应并行推理
论文提出大模型在推理时可以自己决定什么时候并行
怎么并行
对应的工程范式是folk join
配套是执行系统
作者们给了thread waver 和multiworse 两个原型
这是tetime compute 这条路线的延伸
主题的推理基础设施可能要重写一遍
第十条是软逸风的科技爱好者周刊第三百九十五期
主题文章叫软件开发的第三种方式
软逸风用神秘屋来比喻一个新趋势
Ai 时代会出现高度个性化
不做规划
由ai 驱动的个人化开发
除了这篇主题文章
本期还汇总了一周科技动态文章
工具和资源每周必看
补充阅读分两组打包
第一组是整能力
前线agn sopi 高管对话里
D ari 和danlaa
Moday 谈了公司在指数增长里的算力压力
开发者反馈和企业用户定位是了解nsopi 战略略智质入口解ns orp i 产品经理那篇思考杠杆把测试时计算讲透了
包括努力度
拨盘 思考
Token 三种类型
以及向自适应思考的演进
Github 工程团队那篇token 效率给出了非常实用的工程手册
他们通过api 代理
可观测性自动化审计
Mcp 工具剪脂以及cri 替代方案
在生产工作流里把token 成本砍掉了百分之十九到六十二
Deep learning a 本周的覆盖了字节跳动c dance
二点零视频模型
英伟达ai 引导芯片设计
机器人不遗忘新方法加一篇反对ai 让工作消失论调的社论
第二组是行业反思和方法论
腾讯研究院那篇agi 之路
从技术叙事
物理边界
代价承担和ubi 可行性四个维度论证当前大模型路线可能从一开始就走错了方向
结论落在教育是普通家庭最实在的应织结构
Info kill 一篇ai 辅助工程领导力
为工程负责人提供了基于研究的行动手册
强调吞吐量
心理安全和多维度指标
反对自上而下的强制指令
Open face 那那篇mo 介绍绍一种新的专家混合预训练方法
论证文档级路由约束让专家专注语义领域
通用八分之一的专家就能在特定任务接近完整模型表测
强天这期就到这里
回顾一下三条主线
Open ai 让agent 进入浏览器
Enthroropic 让agent 沉淀记忆和反思失败
阿里云开发者提醒每家公司去重构agent 友好的组织结构
能力扩张和组织重塑这两条主线未来一年都会持续较劲
欢迎你拿这三篇当起点
再看完七条素览和七条补充阅读
相信会有自己的判断
每天的早报都会发布在best blocks deve
欢迎你打开网站订阅你感兴趣的源
保存今天读完想再回看的几篇
也欢迎在评论区告诉我们哪一条最想听
我们继续展开
我们明天同一时间再见