恭喜，大家又多了一个新工种：agent 审计员。 AgentFlow 这篇论文最有意思的地方，不是又发明了一个工作流框架，而是把 agent 程序当成一条新的软件供应链来画图。 以前审代码，主要看函数 A 调了函数 B。 现在要看的路径更麻烦： 用户输入进了哪个提示词； 提示词会影响哪个 agent； agent 能交接给谁； 共享记忆会不会把脏上下文带过去； 最后哪个工具能写文件、发邮件、跑命令。 这就是它说的 Agent Dependency Graph。 我最近越来越能理解这件事。多开 Codex、Claude、Cursor 本身没意义，真正要管的是每个 worker 的权限边界和写回路径： 能读什么； 能写什么； 能调用什么； 碰到发布、部署、钱包、生产环境时，门禁在哪里； 干完以后证据写回哪里。 不然所谓多 agent 工作流，很快就会变成一堆看起来很忙、但没人知道谁碰过什么的对话窗口。 论文：AgentFlow: Building Agent Dependency Graphs for Static Analysis of Agent Programs

LLM 之所以被稱為 generative model 就是在於它只會做「加法」無限量生成內容將用戶淹死在文字海裏 👈 這時唯有靠人類發揮足夠的智慧與意志力去把關叫它做「減法」才是增加成功機率~ ( #agentflow# 就是在幫你做這件事 🙌

第五代大模型出來後模型能力都超強，任何人 vibe coding 時想無腦 one-shot 出東西通常都會成功，唯一的問題是永遠不會知道 AI 在背後做了些什麼？沒做什麼？哪裏可能有問題？( 如果能接受這種風險那就免煩惱，不然 #agentflow# 提供的防呆與透明/可視性可能就是你最新的好朋友囉~🤗

Tada！！一覺醒來人類文明正式進入 GPT-6 家族世代啦！是說毫不意外雞肋般的 terra 正式被踢出門外，從此就是 astra/sol/luna 高中低三階配置打天下！🎉 ( 話說這下子今天得重新 eval 一次 #agentflow# 準備來發佈最新操作指引嚕~🤓

Salesforce 6 月 9 日周二一刀切掉 86 人。 裁员重灾区：Agentforce AI、MuleSoft、Marketing Cloud。 CEO Marc Benioff 同期公开口径：「Agentforce 年化收入破 10 亿美元。」 收入破 10 亿，转头裁自家 AI 团队。 更早被裁的客户成功（CSM）岗位被 AI 客服顶替后，企业续约率掉头往下。 AI 没接住，人也回不来。 OPC 圈一直在传「用 AI 替代客服成本降 90%」的样板间。 样板间自家先塌了。

可以留意一下AI软件里被错杀的股票，美股A股都有不少。 1. $Salesforce（CRM 赛富时） • 回调幅度：年内最大跌幅33%，一年跌幅44%，高点回撤接近50% • 当前估值：前瞻PE仅18倍，PS跌到4倍左右，处在近5年1%-2%历史极低分位 • 错杀原因：市场怕AI智能体取代CRM销售席位，客户大幅退订账号 • 真实AI落地（订单实打实） 自研AI智能体Agentforce，2026年AI相关年收入ARR做到14亿美元，增速114%；拿下美国陆军56亿美金十年大单；商业模式已经从卖账号，改成按AI完成业务结果收费，席位不仅没减少，还在新增政企大客户。 • 现金流：每年稳定147亿美金自由现金流，毛利率常年77%，企业客户粘性极强。 2. $ServiceNow（NOW）服务现在 • 年内跌幅接近35%，股价从高点近乎腰斩 • 错杀逻辑：AI自动化会替代企业办公流程软件，工单、人事运维软件被智能体接管 • 真实情况：AI流程自动化反而变成新增收费项目，大型企业政企数字化刚需；AI运维智能体订单连续超预期，客户续约率常年96%以上，估值已经压缩到2019年水平。

之前软件SaaS股暴跌 20-30%，因为有被AI取代的担忧 整体蒸发1-2万亿美元市值 黄仁勋最近预言传统SaaS将演变为AaaS，AI不会取代SaaS，而是使用SaaS AI agents会像人一样使用软件、浏览器、工作流软件等，而不是从0重造一切 AI软件股下一轮大牛市名单曝光 👇 1. CrowdStrike $CRWD AI时代最核心的就是安全，全球企业越来越离不开网络防护，属于长期高增长赛道 2. 甲骨文 Oracle $ORCL AI数据中心爆发后，Oracle 云业务和数据库重新起飞，大资金正在持续回流 3. 赛富时 Salesforce $CRM CRM SaaS领导者，嵌入AI copilots和Agentforce，提升产品粘性 4. 云通信 Twilio $TWLO 经历暴跌后开始重新突破，很多人觉得它已经跌废了，但往往大行情都从这种位置开始 5. ServiceNow $NOW 企业AI自动化核心玩家之一，目前估值已经回调不少，属于机构喜欢偷偷吸筹的位置 6. MongoDB $MDB AI应用离不开数据库支持，MongoDB 属于开发者生态非常强的长期成长股 7. Datadog $DDOG AI和云计算越火，企业越需要数据监控，属于典型“卖铲子”的公司 8. Snowflake $SNOW 虽然走势偏弱，但数据依然是AI时代最值钱的资产之一，后面一旦反转空间可能很大 9. UiPath $PATH AI Agent 最大受益方向之一，未来大量重复工作都可能被自动化替代 10. Salesforce $CRM 全球CRM龙头，公司正在疯狂把AI整合进企业办公生态，现金流非常强 你觉得这里面谁最可能翻倍？

推荐这个工具，autoresearch——一个 Claude Code skill。 把 Karpathy 的 630 行 Python 自主实验脚本泛化成了 14 个命令的通用 agent 循环：你给一个目标和指标，它自主迭代到完成为止。 核心循环 LOOP (N 轮或直到完成): 1. 审视当前状态 + git 历史 + 结果日志 2. 选择下一个改动（基于之前什么有效、什么失败、什么还没试） 3. 做一次聚焦的改动 4. Git commit（验证之前先提交） 5. 运行机械验证（测试、benchmark、分数） 6. 如果改进 → 保留。如果变差 → git revert。如果崩溃 → 修复或跳过。 7. 记录结果 8. 重复 每次改进叠加。每次失败自动回滚。进度记录为 TSV 格式。 v2.2.0 新增：自主编排器 不再需要手动设置 Goal / Metric / Verify。直接输入一个自然语言目标，编排器自动分类目标、推导 Success 谓词、与你确认一次，然后在 14 个子命令之间自主编排，直到完成。 14 个命令 | 命令 | 用途 | |------|------| | /autoresearch | 核心迭代循环，或自主编排模式 | | /autoresearch:plan | 把目标转化为验证过的配置 | | /autoresearch:debug | 假设驱动的自主 bug 猎手 | | /autoresearch:fix | 逐个击破错误直到归零 | | /autoresearch:security | STRIDE + OWASP 安全审计 | | /autoresearch:ship | 8 阶段通用发布工作流 | | /autoresearch:scenario | 12 个维度的边缘案例探索 | | /autoresearch:predict | 5 个专家角色辩论预测 | | /autoresearch:learn | 自主文档生成引擎 | | /autoresearch:reason | 对抗性辩论精炼（盲审团裁定） | | /autoresearch:probe | 8 个角色对抗性需求审问 | | /autoresearch:improve | 产品改进研究 + PRD 生成 | | /autoresearch:evals | 结果分析：趋势、平台期、收敛信号 | | /autoresearch:regression | 稳定性门禁：baseline vs candidate → STABLE/UNSTABLE | 另有 Guard 机制：在优化某个指标时设置"这个命令必须始终通过"的安全网。 安装 npx skills add uditgoenka/autoresearch 然后重启 Claude Code，14 个命令全部可用。通过 /plugin update autoresearch 升级。 v2.1 架构重写 原来的 SKILL.md 是一个 813 行的单体文件，每次调用消耗约 100K token。v2.1 把它拆成了一个 41 行的路由文件 + 12 个自包含命令文件（每个 94-120 行，每次调用约 5-8K token）。相同功能面，token 减少 95%。 9 个安全 hook 默认全部启用，可单独关闭。覆盖：阻止 node_modules 等目录进入上下文、阻止读取 .env/SSH 密钥、阻止 force-push/rm -rf、压缩后重新注入上下文、子 agent 状态感知等。 GitHub： 参考： #ClaudeCode# #Skill# #AgentLoop#

推荐这个工具，autoresearch——一个 Claude Code skill。 把 Karpathy 的 630 行 Python 自主实验脚本泛化成了 14 个命令的通用 agent 循环：你给一个目标和指标，它自主迭代到完成为止。 autoresearch 是一个 Claude Code skill，把 Karpathy 的 autoresearch 概念（一个 630 行的 Python 脚本，能自主跑通宵 ML 实验）泛化到了任意领域。支持 Claude Code、OpenCode 和 OpenAI Codex。MIT 开源。 核心循环 LOOP (N 轮或直到完成): 1. 审视当前状态 + git 历史 + 结果日志 2. 选择下一个改动（基于之前什么有效、什么失败、什么还没试） 3. 做一次聚焦的改动 4. Git commit（验证之前先提交） 5. 运行机械验证（测试、benchmark、分数） 6. 如果改进 → 保留。如果变差 → git revert。如果崩溃 → 修复或跳过。 7. 记录结果 8. 重复 每次改进叠加。每次失败自动回滚。进度记录为 TSV 格式。 v2.2.0 新增：自主编排器 不再需要手动设置 Goal / Metric / Verify。直接输入一个自然语言目标，编排器自动分类目标、推导 Success 谓词、与你确认一次，然后在 14 个子命令之间自主编排，直到完成。 14 个命令 | 命令 | 用途 | |------|------| | /autoresearch | 核心迭代循环，或自主编排模式 | | /autoresearch:plan | 把目标转化为验证过的配置 | | /autoresearch:debug | 假设驱动的自主 bug 猎手 | | /autoresearch:fix | 逐个击破错误直到归零 | | /autoresearch:security | STRIDE + OWASP 安全审计 | | /autoresearch:ship | 8 阶段通用发布工作流 | | /autoresearch:scenario | 12 个维度的边缘案例探索 | | /autoresearch:predict | 5 个专家角色辩论预测 | | /autoresearch:learn | 自主文档生成引擎 | | /autoresearch:reason | 对抗性辩论精炼（盲审团裁定） | | /autoresearch:probe | 8 个角色对抗性需求审问 | | /autoresearch:improve | 产品改进研究 + PRD 生成 | | /autoresearch:evals | 结果分析：趋势、平台期、收敛信号 | | /autoresearch:regression | 稳定性门禁：baseline vs candidate → STABLE/UNSTABLE | 另有 Guard 机制：在优化某个指标时设置"这个命令必须始终通过"的安全网。 安装 npx skills add uditgoenka/autoresearch 然后重启 Claude Code，14 个命令全部可用。通过 /plugin update autoresearch 升级。 v2.1 架构重写 原来的 SKILL.md 是一个 813 行的单体文件，每次调用消耗约 100K token。v2.1 把它拆成了一个 41 行的路由文件 + 12 个自包含命令文件（每个 94-120 行，每次调用约 5-8K token）。相同功能面，token 减少 95%。 9 个安全 hook 默认全部启用，可单独关闭。覆盖：阻止 node_modules 等目录进入上下文、阻止读取 .env/SSH 密钥、阻止 force-push/rm -rf、压缩后重新注入上下文、子 agent 状态感知等。 GitHub： 参考： #ClaudeCode# #Skill# #AgentLoop#

兄弟们，很多朋友一直问：想入门 AI，到底该从哪里开始学？ 今天特意给大家整理一波各大厂官方 AI 学习资源，很多免费课程，从 0 开始系统补课，或者继续进阶，都能用得上。 ✅ OpenAI Academy 基础、ChatGPT 使用、AI 工作流、Agent 应用。想把 AI 用到日常工作里的，先看这个。 ✅ Anthropic Academy 官方课程，AI Fluency、提示词、MCP、Claude Code。想系统学 Claude 和 AI 协作的，看这个。 ✅ Google AI Learning AI 素养、职场应用、Google AI 工具，也有专业证书。非技术/初学者友好。 ✅ Microsoft AI Learning Hub AI、AI Agent、应用开发。办公用户、开发者、企业技术都能用。 ✅ AWS AI Training AI、Amazon Bedrock、云上 AI 开发。想搞云端 AI 的，走这条路。 ✅ NVIDIA Deep Learning Institute 加速和部署。想进阶到模型训练、推理和工程部署的，硬核选手选这个。 ✅ IBM SkillsBuild ✅ Hugging Face Learn LLM、Agents、Diffusion、强化学习、语音、视觉。开源模型和 AI 工程，动手党必看。 ✅ Salesforce Trailhead AI 在 CRM、销售、客服、企业流程和 Agentforce 里的应用。做 ToB、销售运营、企业数字化的，看这个。 ✅ Oracle AI Training AI、生成式 AI、机器学习、企业级 AI。学 Oracle 云和企业 AI 方案的，走这个入口。 建议收藏，别再只刷碎片信息了。 AI 这东西，入门不难，难的是持续动手。 先把基础概念、提示词、Agent、应用开发这些补一遍，再结合自己的工作场景去实践，成长会快很多。