最近用 Opus 5 写代码，我也一直被一个问题困扰： 模型明明更强了，但有时候反而更难一起工作。 刚好看到一篇文章也在聊这个。作者发现 Opus 5 遇到模糊需求时，更容易自己做假设，然后一路往下执行，甚至会悄悄扩大任务范围、重新解释原来的计划。 以前 Opus 4.8 或 Fable 有些时候会停下来问一句：「你这里到底想要 A 还是 B？」 Opus 5 更喜欢自己选一个，然后继续干。 更有意思的是，Anthropic 自己的 Opus 5 Prompting Guide 也专门提醒了这个问题：它可能主动扩大 scope、加入没要求的步骤，所以窄任务需要明确告诉它不要擅自扩展。 文章里给了一个挺有意思的猜测： Benchmark 和 RLVR 更容易奖励「大胆做出假设然后把任务完成」的模型。但真实的软件工程里，很多信息永远写不完整。业务背景、隐含约束、架构取舍，经常没有唯一正确答案。 Agent 更自主当然很好，但如果每次都要盯着它别跑偏，这种 autonomy 的价值就要重新算了。 原文：

我最近看了个实验，挺有意思的。 有人用 Fable 5 做 orchestrator， 分别配了 Fable、Opus、Sonnet 三种 worker。 跑同一个任务。 结果质量差不多， 但成本差了一个数量级。 结论一句话： Fable 真正值钱的不是智力，是方法。 所以他把 Fable 的思维方式抽出来， 写成了一个 skill 文件， 让 Opus 也能按同一套逻辑跑。 五步： 1. 先定范围（不 scope 不动手） 2. 先找证据，再推理 3. 自己反驳自己 4. 完成前必须验证 5. 汇报结果和置信度 说白了： 你留不住最强的模型， 但你可以留住最强的流程。 这个思路，比任何模型都值钱。

最近有个非常大的agent使用姿势变化。之前，我习惯对任务进行拆解，然后 agent 用过即弃，几乎不用上下文压缩然后通过skills，文档来进行经验转移。这时候 agent 是基于任务的。 最近我开始，有一些反复出现的任务，比如某个项目的开发（可能拆成前后端两个agent），信息收集整理。长期使用一个session，不抗拒/compact。这时候是按照领域scope去拆解 agent。 长期 agent 只要划分得当，有种越用越跟手的感觉。 当然，现在 agent 的毁灭式上下文压缩（完全破坏trajectory）还是有很大优化空间的。改天发一下，怎么进行上下文压缩，同时又能保留trajectory，让agent具有行为一致性。

别把“连接器”当成插件市场。 它一旦接进飞书、CRM、代码库、文档库、财务系统，本质就变成了权限系统的一部分。 Mistral 这轮 Connectors 更新，最有价值的不是新增了多少连接能力，而是把连接器拆成了可管理对象： Enriched admin controls 已 GA，可以按工作空间设置连接器访问权限，并单独开关工具； API keys with connector scopes 已 GA，用来限制自动化 AI 工作负载，防止身份冒充； Multi-account connectors 已 GA，一个连接器可以绑定多个账户； Connectors Debugger 公开预览，可以对 MCP 连接器做端到端根因分析； Connectors in Workflows 公开预览，开始支持长时间任务不中断。 这说明一个变化： AI 工具接得越深，管理对象就越不再是“模型”，而是账户、scope、工具、日志、失败恢复。 小团队现在做 AI 集成，至少要先画一张连接器台账： 哪个业务系统被接入； 用谁的账户授权； 读权限和写权限是否分开； API key 能访问哪些 connector； 长任务失败后谁收到告警； MCP 调用链路能不能回放； 离职、转岗、外包协作时权限怎么回收。 没有这张表，Agent 能跑起来只是表面成功。 真正的风险会出现在第二个月：账号混用、权限外溢、任务失败无人知道、数据被写到错误系统。 连接器越像基础设施，越不能靠“大家注意一下”来治理。

AI 写代码太快了，怎么查看变化内容变得更困难，在线 PR 查看效率太低了。 我一直在使用 IntelliJ IDEA 作为我的主力 IDE（现在是主力代码查看器）。 官方 Git 插件看本地 Changes 还行，但我真正需要的是：持续看“当前分支 vs 目标分支”的 diff。👀 Commit 面板只能看本地差异，GitHub / GitLab 插件又不适合我们这种特殊 Git 源码服务器。 今天发现一个 IntelliJ 插件：Git Scope，解决了我进入 AI Coding 时代后一个很大的痛点。🚀 Git Scope 刚好补上这个洞：可以和任意 branch / tag / commit 做对比。🔍 装完之后感觉 IDE 终于适配 AI Coding 工作流了。✨

所有拿Claude Code/Codox写代码的人，必须看这个高星项目！ 它不是万能Prompt，是TypeScript大神Matt Pocock公开的.claude工作流：一个个SKILL.md，把和AI协作时的工程规矩写死。 怕的是AI太积极：只想改个bug，它顺手重构半个模块；只想看报错，它顺手加个新依赖。不确定？它不问你直接猜。 这套SKILL的牛逼在于：让Claude动手前先读代码、先拆计划、不确定先问、别乱扩scope、别为了优雅牺牲可维护性。 AI写代码真正该关心的不是怎么写，而是边界在哪。 Prompt解决一次问法；Skills解决以后的每一次。 你要是建自己的skills目录，第一条规矩怎么写？ 🔗

很多人在大厂干得不开心，我觉得核心原因就四个字：利益夹角。 你和公司之间有利益夹角，这个大部分人都能理解。 但小部分人才能意识到：你和你老板之间，也有利益夹角。 你的老板本质上也是个打工的，只是在这个职场 ladder 上爬得比你高一些。他有他自己的 KPI，有他需要维护的位置，有他需要向上交代的事情。 这意味着他有相当一部分精力，必须花在对他有利的事上，而不是对产品、对团队、对你真正有益的事上。 举一些具体的例子： - 他有自己的人际关系网，会给同级别的上下游做一些没什么业务价值的需求，只是为了维系关系 - 他会想办法扩充自己的 scope，增加手下的人数，把职级膨胀上去 - 他会在汇报里包装那些显得他有贡献的事，而不一定是真正重要的事 这不是在说老板是坏人，大部分人在那个位置，都会做一样的事。 这是公司结构决定的，不是某个人的道德品格决定的。 但是这会造成一个问题，当老板和你的利益夹角大到一定程度之后，你出的力，就只有很小一部分打在了最后的结果上 在大厂，一个工程师出 10 分力，能有 5 分真正落在产品上就算不错了。剩下的 5 分，消耗在对齐、汇报、向上管理、帮老板完成他需要完成的事情上。 这才是很多人在大厂干着干着就觉得我他妈在干什么的真实原因，出的力大部分被这个结构消耗掉了。

截至 8 月 3 日，@Solana 链上的非稳定币 RWA 规模达到创纪录的 38 亿美元，覆盖 32.2 万多个持币地址。 相比 2024 年几乎可以忽略不计的规模，如今这一市场已扩展至美国国债、股票、私人信贷、再保险、主权债务以及大宗商品等多个资产类别。 以下带你了解机构级 RWA 生态的发展现状 🧵 代币化只是第一步，真正重要的是可用性。 在 Solana 上，机构资产能够实现广泛分发、使用稳定币结算、接入 DeFi，并运行在具备合规意识的基础设施之上。 目前已经上线的产品和交易涉及： J.P. Morgan、BlackRock、Visa、Western Union、Apollo、Franklin Templeton、Hamilton Lane、VanEck、Baillie Gifford、BNY、WisdomTree、State Street 等机构。 传统金融正在公共区块链上构建新的金融基础设施，而 Solana 正成为其中的重要承载平台。 股票资产的迁移速度最快。 目前，链上代币化股票现货交易累计成交量中，97% 已在 Solana 上完成结算。 该市场涵盖：@Backpack Securities、@xStocksFi、@Ondo、@SuperstateInc 真实的公司股权结构正在上链。 - @galaxyhq 通过 Superstate 的 Opening Bell 将 GLXY 进行代币化； - @Securitize 在其于纽约证券交易所（NYSE）上市当天，将 SECZ 引入链上； - @Bullish 将其完整的 1.51 亿股股本结构进行代币化。 除了股票之外，RWA 生态还覆盖更广泛的资产类别： → 私人信贷：Apollo ACRED、Hamilton Lane SCOPE、@HastraFi PRIME → 再保险：@onrefinance、Oxbridge Re → 主权债务和黄金：@etherfuse、@matrixdock → 债券：Baillie Gifford BAGEY——首个公开发行、完全原生运行、受英国监管的代币化基金。 机构也正在建设底层金融基础设施。 - @Visa 正在 Solana 上进行 USDC 结算。 - J.P. Morgan 安排了一笔 5000 万美元的 Galaxy Digital 商业票据交易，并通过 USDC 完成结算。 - @Mastercard 宣布支持相关结算功能。 - @WesternUnion 推出了 USDPT。 Solana 拥有最大的 RWA 持有者基础，目前超过 32.2 万个地址。 其特点是广泛分布的用户基础，而低手续费使得小额持仓和高频转账成为现实。 Solana 的独特之处在于多种能力的融合： 全球最大的资产管理公司、支付网络、链上公开股票、再保险、主权债务、私人信贷，都正在同一个生态中运行。 一个统一的执行环境，让符合条件的资产真正能够被使用。 完整深度分析：

公司那些审批流、周报、OKR 对齐会到底在服务谁？ 最近复习摸鱼的时候在想这个事情 可能不只是客户，客户才不管你内部齿轮怎么咬合，他们要的是东西出来。 那这些流程在伺候谁？ 管理者。 管理者需要什么？安全感。 安全感长什么样？看得见的秩序。 下属在干嘛、进度条在动、一切在掌控之中。 于是就有了流程越长，掌控感越强。 审批节点越多，存在的重量越沉。 每多加一道关卡，就有一个人多了一份"我在管事"的幻觉。 但这跟客户有半毛钱关系吗？ 没有，一毛都没有。。。 说实话在乎的人很少，因为整个组织的权力结构是人对人的，不是人对价值的。 这就是人驱动企业骨子里的 bug，一套看起来为业务而生的体系，实际在喂养管理层自己的存在感需求。 倒过来看这个事。 价值链条上有个很离谱的错位： 付钱的那个人，离决策最远。 客户掏钱，管理者拍板，执行者干活。 管理者反而卡在中间了，不直接创造价值，但有权力拦截价值。 所以你仔细观察一个公司， 最能折腾事儿的群体之一是谁？ 不是老板，也不是一线。 是中层。 不是他们坏。 是这个位置的宿命：你得证明自己有用。而证明的方式，很多时候不是把事情做对，是把事情搞复杂，复杂了就显得重要了，重要了就不会被砍掉了。这个逻辑链条，在中层的神经系统里是自动运行的。 流程越来越多，不是业务真的变难了，是中间层需要存在感。 然后 AI 来了 这也是我第一次清晰感觉到： 这个结构被从根上撬了，不是改良，不是优化，是从根上。 AI 不归任何人管，也不管任何人。不写周报，不抢 scope，不需要你们 OKR 对齐。 它只做一件事： 跟你协作，或者不协作。 只有产出，没有述职。 只有结果，没有"我最近在做什么"的叙事。 协作单元从"人管人"坍缩成了"AI + 人"。 两层，没有中间商。 那个管理层——可能会是第一个失去存在理由的结构位。 你不再需要向任何中间人解释"为什么这么干"，直接干，结果自然会说话的。 你不再需要写周报证明你没摸鱼。 AI 看得见所有产出路径上的一切——记得住，能量化，不会冤枉你，也不会包庇你。 你不再需要流程来制造可控感。 因为 AI 不需要被控制，它本身就是可控的。你告诉它做什么，它做。没有异议，没有情绪，没有办公室政治。 这就是第一性原理 终于、第一次、可以这么想了。 回到一开始的问题： 流程到底应该服务谁？ 在人驱动时代，这个问题是问不出口的。不是不敢问，是不能问。因为能回答这个问题的人，本身就是流程的受益者。 你让管理者砍管理流程？你让他删掉自己的 job description 试试。没有人能对自己精准开枪。 但 AI 一来，这个问题突然可以回答了，而且是干净利落的回答。 因为你现在可以问一个更彻底的问题： 把伺候人的环节全剥干净——从客户需求到价值交付，最短路径是什么？ 那条路径上，AI 在一端，人在另一端。中间没有审批，没有对齐会，没有"老板再看一眼"，没有"这个节点不能跳过因为老王要刷存在感"。 管理层不再是管道了 AI 才是 管道的 KPI 只有一个 把价值从这头搬到那头，多快，折损多少。 剩下的，又是什么呢。。。