追踪真正在造东西的人，而不是复读的意见领袖。
今日主线 · Today's Signal
Astra 上线后被抱怨"变笨"，Thibault 罕见地把复盘公开写了出来：为老模型写的 skill 触发过频、一个在灰度里的上下文管理实验会导致提早停止或回错老消息（影响约 4000-5000 用户）、还有一批配错的推理引擎让长尾流量质量下滑——全都已经回滚或修掉。这几乎是"事后 postmortem"公开化的模板：承认问题、说清影响面、点名感谢受影响的用户帮排查。同一天他还宣布 Git AI 团队加入 OpenAI，继续保持开源，用于让企业看到 Codex 到底改动了哪些代码——AI 编码工具正在从"生成"进入"可审计"阶段。
"Some skills written for previous models were triggering too often or preventing the model from checking its work."
这条几乎可以当"企业 AI 落地反面清单"直接抄给 CIO。Madhu 说大厂 AI 最常翻车的三种姿势：CEO 找亲信搭个中央 AI 队伍（技能错配），把 eval 当作可选项（其实是产品第一公民），中央团队再把自己包装成"平台方"发工具让业务方硬用（结果是勉强采用、零真实增长）。他给的正解是：招真正做过 AI 产品的人当负责人；把 evals 变成一等公民；把最强的 AI builder 直接嵌进财务、销售、客服，跟业务一起长出来。对国内正在推 AI-native 中台的公司，这条几乎逐条对应。
"The team structure, product patterns, how you launch and learn that got you here do not work with AI. AI requires experimentation and invention."
Peter 对"软件工厂（agent 自己端到端建产品/加功能）"表态明确怀疑：过夜跑一个大 loop，只要中间有一个错误假设，整晚烧的 token 就全废。他认为除了做验证和测试，AI 还没到能脱离人做需求定义与结果检查的阶段。这条正好和 Madhu 那条形成对照：企业侧和 PM 侧的共识都在往回收——先把 human-in-the-loop、eval 和 checkpoint 做扎实，再谈"全自动"。他反问："哪些产品是完全没有人定义需求、也没有人 review 就被 agent 端到端建出来的？"
"Whenever I loop something overnight to build something new, if it makes one wrong assumption the whole thing becomes a waste of tokens."
Claude Code 团队上了 plugin eval：在 plugin 目录里跑 claude plugin eval init 就能建评测集，用来判断你写的 skill / plugin 在新模型下还灵不灵。他同时补了一条更本质的观察：现在光看 pass/fail 分数已经读不出 eval 的信号了，很多失败其实是隐藏测试卡得太死，模型的答案反而更合理。这两条并读的意思是——Anthropic 也在承认，评测正在从"打分"变成"审判"，你需要能被自己看得懂、能持续跑的 eval，而不是别人给的分数。
"Many of the failures I see in benchmarks are due to overly strict hidden tests; in some cases the model's answer makes more sense than the expected eval result."
Every 内部三年做的"vibe check"（用真实工作场景手动过一遍新模型）现在要量化。Dan 团队新建了一个内部平台，让每个人都能把自己日常工作变成"个人 benchmark"——同一个提示、同一批数据，模型换代就自动重跑一遍。这其实是把 Thariq 那条呼吁落到组织里：与其争官方榜单，不如让每个岗位维护自己那份"我这活换个模型能不能干"。国内 PM 应该抄的一个动作。
"Better benchmark scores don't tell you much about how well a model does on your real work."
Replit 收购了一家"整个产品都在 Replit 上做出来"的公司，Amjad 说这只是第一家，会有更多。这是一个很微妙的信号——把开发平台变成收购漏斗，用户先在你这儿把产品跑通，你顺手把它收回来做成 first-party。同一周 Replit 官方还发了 Routines with budgets（给循环执行的任务设定预算上限），正好呼应 Peter Yang 那条"不设边界的 loop 会烧掉整晚 token"的顾虑。
"Replit acquires a business entirely built on Replit. I expect first of many to come."
Cursor 上线 long-lived agents——不是那种一问一答就退的短会话，而是能持续跟你共处一个大任务/一个 idea 的 agent。这是继 Replit Routines 之后本周第二个"给 agent 上生命周期"的产品动作：agent 从工具真的往"同事"位移一小步。Ryo 本人这周也把家清空搬去了台北，创意行业的迁徙也在同步发生。
"Long-lived agents for your big ideas, now in Cursor."
Box 支持把企业内容库直接挂载到 agent sandbox，agent 就可以像人一样在自己的"电脑"里读写文件。这条看起来是个产品更新，其实是 Aaron 一直在说的那件事的兑现：当 agent 真的开始跑关键工作流，它需要的不是新奇 API，而是人类工作者过去几十年一直有的原语——文件系统、权限、审计。这跟 Brian Armstrong 今天那条播客的"agent 也要有自己的银行账号"是同一件事的两侧。
"As AI agents execute critical workflows in the enterprise, they're going to need the same primitives that people have had."
Tailscale 的 model router 底座接了 Vercel AI Gateway，Guillermo 顺势喊出"AI Gateway 是新的 CDN"这句 slogan。潜台词是：直连 origin 太脆，自己搭代理层又贵又难维护，未来是"AI 请求也要走一层可观测、可切换、可限流的边缘层"。这个论述如果成立，最后拿走利润的是把这层做成默认底座的公司——很值得国内做模型路由 / 网关的团队紧盯。
"AI Gateways are the new CDNs."
一条给"新一代 GP"的市场警示：AI 热钱涌进来之后，成功案子人人抢归属，emerging GP 常常在下一轮募资时发现自己的贡献被抹掉了。Nikunj 借了句老话——"Success has many fathers, but failure is an orphan."——建议年轻 GP 把创始人关系握紧，因为最终 LP 做 reference check 是去问 founder，不是问名单。这条对国内独立投资人和 solo GP 同样适用。
"In the next couple of years you'll see many names scrubbed and everyone wanting to revise history to claim some credit for the ones that eventually succeed."
AI 时代最先"被更新"的不是模型，而是钱：agent 要有自己的账户、稳定币要跑现代支付轨道、公司内部要有可迭代的"团队大脑"。
Brian 在这一集里罕见地把 Coinbase 的三条主线摊平：一是 Everything Exchange——所有资产都在链上、都能在同一个地方交易，Coinbase 已经有 88% 收入不来自 Bitcoin 交易，而是股票代币化、稳定币、衍生品、预测市场；二是稳定币支付，"钱可以像信息一样快，1 秒内、1 美分成本跨境"；三是"Agentic Finance / AIFi"，一句话就是"AI 也需要银行账户"，Coinbase 已经能让 agent 通过一段 prompt 拿到自己的自托管钱包和支付能力。
他给出的一个具体数据很硬——Coinbase 已经观察到 76% 的 agent 电商交易金额低于 30 美分，而银行卡光起步费就要 30 美分，"给 1 美分交易付 30 美分手续费"不成立，所以这块必然被 crypto 轨道吃掉。他们孵化的 X402 协议已经交给 Linux Foundation，Google / Cloudflare / AWS 都在跟着做。这不是 crypto 圈把旧叙事回炉，而是 crypto 圈第一次找到"没有 AI 就没需求"的原生需求方。
最有借鉴意义的是 Coinbase 内部工程"团队大脑"实践：每个仓库 / 团队 / 个人都在维护一份 markdown 化的大脑（历代事故、财务管控、AB 实验、PR 记录）。agent 每次改代码先吃这份大脑；工程师 review 时如果发现遗漏，修的不是这次的代码，而是回填到大脑里——下一次和以后所有次都自动修好。他把这叫作"接近 recursive self-improvement"的落地形态。Brian 说他自己作为 CEO 现在也能上手：给一个高端模型下达三阶段计划，让它 spawn 10 个廉价 agent 并行执行第一阶段，两分钟后就收到 PR。附送的一个观点："企业规模不会变小，但 tasks 会被消除，人不会。"
"We don't want the AIs to be unbanked. If we wanna bank the AIs, they deserve financial services as well."— Brian Armstrong