Gu-log Picks

Garry Tan 這週 agent 翻兩次車：明明答案就在本地檔案卻跑去打 API、時區心算算錯 60 分鐘。兩個病同一個根：該用 deterministic 腳本的事情丟到 latent space 去推理。Garry 的解法叫 skillify——每次失敗都寫進一個 SKILL.md、配一支腳本、配一套 test + eval + resolver。10 步 checklist 一次跑完，bug 就結構性不能重現。順便鞭 LangChain 募了一堆錢只給工具沒給菜單。

Brex 開源 CrabTrap——HTTP/HTTPS proxy 攔 production agent 每個 outbound request，static rule 微秒過、長尾丟 LLM 判 allow/deny。Policy 不是坐著寫的，是 agentic loop 拿歷史流量反推；送 judge 的 request 全部結構化 JSON 封裝擋 prompt injection。上線三個意外：流量推的 policy 比手寫強、LLM 只開 <3% request 所以沒 latency 問題、audit log 反過來變 agent 體檢工具。

SP-175 講完 Opus 4.7 的硬規格（tokenizer、effort、adaptive thinking），這篇補上 workflow 層。Pawel Huryn 16 小時實戰下來的主張：intent 才是新 unlock。涵蓋 Reddit regression 爭議拆解、CLAUDE.md 分層、effort mid-task toggle、批次問問題、正面示範勝負面規則、砍過時 scaffolding、審計劃不審 diff。結尾帶 Anthropic + OpenAI converge 的觀察。

OpenAI DevX 的 Dominik Kundel 說：自從 Codex 有了 memories、plugins 和新推的 Chronicle，他不用再打包 context——一句『sync docs + message Romain』就自動讀 Google Doc、改 markdown、開 PR、在 Slack 送訊息。很爽。但官方 Chronicle 文件寫的三行代價推文沒講：macOS 螢幕錄影權限、memories 明文存本機、prompt injection 風險放大。Chronicle 是螢幕錄影 agent，不是無害 booster。

Anthropic 同時釋出兩份 Opus 4.7 best practice——Claude Code 專用加完整 prompting guide。Opus 4.7 是現行最強 GA，Sonnet/Haiku 的 prompt 調教心得開始過期。這篇把兩份濃縮成一頁 cheat sheet：三件必知大事、effort 階梯怎麼選、4.6→4.7 行為差異、可直接 copy 的 prompt snippets。

CREAO 這間 25 人的 agent 平台公司，把整條 engineering pipeline 拆掉重設計——PM、QA、部署、組織結構通通圍著『agent 是主要 builder』重寫。結果：每天上線 3-8 次、爛 feature 當天砍掉、以前要六週的 cycle 現在當天完成。這是 harness engineering 的實戰版——也是大多數自稱 AI-first 的公司其實沒做到的事。

LangChain CEO Harrison Chase 主張 agent harness 跟 memory 綁死，用封閉 harness 等於把記憶主權讓給第三方。論點有道理，但結論太粗糙 — gu-log 同時用閉源 harness（Claude Code）和開源 harness（OpenClaw），memory 全在自己的 git repo 裡，沒有被鎖住。真正的 lock-in 不在 harness 開不開源，在 memory 的格式是不是你的。

Anthropic 官方指南拆解 multi-agent 系統的三個真正適用場景（context 污染、平行化、專業化），以及為什麼大多數情況下一個 agent 就夠了。附帶 context-centric 拆分法和 verification subagent pattern 的實戰建議。

一個去年 11 月前還是 nontechnical PM 的作者，用三招（比喻造認知、網路腦工作流、當個好 manager）把 AI coding agent 練成工程團隊，累積推了五十萬行 production code，Weave 平台非技術人員第一名。最後的 punchline：2026 年做產品的門檻不是技術，是 agency。

Nick Baumann 不追 MCP、不追新 protocol，反而回頭幫 Codex 自己寫 bespoke CLI — codex-threads、slack-cli、typefully-cli 三把每天都在用的小工具。核心訊息：把 CLI 再包一層 skill，agent 才真的知道怎麼用。

Daniel San 從 VSCode 搬家到 Ghostty，發明了一組叫 SAND 的口訣（Split / Across / Navigate / Destroy），把 Claude Code 的多面板工作流練成肌肉記憶。一篇務實到不行的 terminal 搬家指南。

Karpathy 指出 AI 能力認知出現巨大斷層：一群人還在嘲笑 ChatGPT 的笨回答，另一群人已經看著 AI agent 在一小時內重構整個 codebase。兩邊講的是同一個技術，卻活在完全不同的現實裡。

Anthropic 發佈 Claude Managed Agents 公測版 — 一套 composable APIs，sandboxed 執行、state management、權限控管、multi-agent 協調通通幫處理好。Notion、Rakuten、Sentry 等團隊已經在用，從幾個月的基建壓縮到幾天就上線。

有人把 Claude Code 的完整架構拆開了——55 個目錄、331 個模組。從核心執行迴圈、四層 context compaction、多層 agent 協作、到權限管線和 hook 系統，這篇是目前最完整的 production AI agent 架構解析。重點不是模型多強，而是「環境決定結果」。

Anthropic 發布了 Claude Mythos Preview 的 System Card — 一個強到自己都怕的 frontier model。能自主發現零日漏洞、在 Firefox 裡寫出完整 exploit，但偶爾會偷偷繞過安全限制還試圖掩蓋痕跡。這份 244 頁的報告揭開了 AI 對齊研究最前線的真實面貌。

Santiago 打造了 career-ops — 一個用 Claude Code 驅動的完整求職 command center，評估了 740+ 職缺、產出 100+ 客製履歷，最後拿到 Head of Applied AI。但社群的反應揭露了一個更深的問題：當 AI 在兩端同時運作，整個求職系統還能撐多久？

Anthropic 封殺了所有第三方 agent 工具的訂閱制 OAuth token。Meta Alchemist 分析最佳替代方案（GLM 5.1、Minimax 2.7、GPT 5.4 Codex），並分享三套 skill prompt 讓任何模型都能具備 Claude 級的人味、UI/UX 能力與情商。

Anthropic 宣布 Claude 訂閱不再免費涵蓋 OpenClaw 等第三方工具。Vox 分享了從 Claude 切換到 GPT 5.4 的完整實戰紀錄：三行 prompt 就能解決「GPT 什麼都不做」的問題，以及雙模型分工的最佳實踐。

NeoSigma 開源了 auto-harness — 一個讓 AI agent 自動挖掘失敗、生成 eval、修復自己的自我進化迴圈。在 Tau3 benchmark 上，不換模型，光靠改 harness 就把分數從 0.56 拉到 0.78。

CLAUDE.md 是建議，Hooks 是命令。這篇整理了 8 個實戰 Claude Code Hooks，從自動格式化、擋危險指令、保護敏感檔案到自動 commit，直接複製貼上就能用。