EP52 · OpenAI Codex 集成 Chrome、记忆与梦想机制 · 05.09 早报-ginobefun

EP52 · OpenAI Codex 集成 Chrome、记忆与梦想机制 · 05.09 早报

歌手:ginobefun

专辑:BestBlogs

时间:2026-03-15

    使用手机浏览器「扫一扫」

    在手机上保存,获得更好体验

标签
歌词

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

展开显示全部歌词