🔥 今日高光
- Cowork 正在把“太大、太脏、太持续”的任务，从 chat 外包成长期工作流。 Boris Cherny 这两条几乎把 Claude Cowork 的最佳使用面讲透了：它最适合的不是单轮问答，而是跨几十个账户做 research、定期生成报告、清理 inbox、起草回复这类“大于聊天框”的工作；与此同时，Anthropic 还把未来一个月的 5 小时 rate limits 直接翻倍。这个信号很强：agent 的价值，越来越在 recurring messy work，而不是一次性演示。
🔗 原文：https://x.com/bcherny/status/2063028956211867837 🔗 原文：https://x.com/bcherny/status/2063028954546733462
- 更好的 memory，正在直接换来更短的 prompt 和更高的 token 效率。 Thibault Sottiaux 那句 “Better memory = Shorter prompts = More utility per token” 很像今天最该抄下来的公式。它说明 builder 圈已经不再把 memory 当附属功能，而是把它视为降低 prompt 冗余、提升 agent 持续效用的基础层。下一步真正能拉开体验差距的，很可能不是多写几句提示词，而是你有没有把长期上下文组织好。
🔗 原文：https://x.com/thsottiaux/status/2062966625733861752
- 企业 AI 的正确打法，不是围着今天的模型能力打补丁，而是“build for the slope”。 Madhu Guru 今天这条很值得反复看：不要只按今天的模型价格和能力做系统，而要按未来 6 个月模型会更强、更便宜这个斜率来设计。先用 scaffold 推前沿，再假设下一代模型会原生吃掉这些 scaffold，然后继续往前推。真正的 moat，不只是某个技巧，而是你反复识别并跨越模型缺口的能力。
🔗 原文：https://x.com/realmadhuguru/status/2063024953721827329
- SaaS 没有迎来 apocalypse，反而可能进入一个软件总量暴增的“黄金矿期”。 今天这期 AI & I 播客里，Figma 的 Matt Colyer 讲得非常清楚：AI 不是简单毁掉 SaaS，而是让软件产量暴增，让更多人都开始 build。问题不再是“软件还要不要存在”，而是哪些产品能把长期维护、设计系统、review、agent 协作这些难活接住。真正的机会，反而在那些已经有成熟 product surface 的 SaaS 公司和能把 agent 接进系统的新平台。
🔗 原视频：https://www.youtube.com/watch?v=kYKebKB3-d0
- design / code / agent 的边界还在继续消失，未来默认界面会越来越像“人 + agent 共用同一工作面”。 Ryo Lu 的“designing in code is now as easy as click, chat, hold shift to multi-select”，再加上 Figma 在播客里反复强调的 infinite canvas agents、MCP、design-to-code / code-to-design 双向流，拼出来的方向已经很清楚：未来设计不是在固定工具里完成一切，而是在 code、canvas 和 agent 之间来回切换，最后收敛到一个共享上下文的工作面。
🔗 原文：https://x.com/ryolu_/status/2063038983408615435 🔗 原视频：https://www.youtube.com/watch?v=kYKebKB3-d0
🐦 Builder 动态
Boris Cherny（Anthropic）— Cowork 的最佳场景，不是替代聊天，而是吞掉那些你一直懒得系统化的大任务。
他今天最有价值的点，在于把 Claude Cowork 的边界讲得非常具体：跨多个账户做 research、定期报告、收件箱清理、草拟回复。这类任务共同点都不是“难到模型不会”，而是“碎、脏、跨系统、持续”。Anthropic 直接把 usage limits 翻倍，也等于在鼓励用户拿真正的大项目试水。
🔗 https://x.com/bcherny/status/2063028956211867837
🔗 https://x.com/bcherny/status/2063028954546733462
Thibault Sottiaux（OpenAI）— Codex adoption 在涨，但真正该盯的信号是 memory 正在变成 token economics 的一部分。
“Codex papercuts down, adoption up” 说明产品成熟度在继续补齐；而“Better memory = Shorter prompts” 则更重要，它意味着 builder 已经开始用 memory 去重构成本结构和交互方式，而不只是追求单次回答更聪明。
🔗 https://x.com/thsottiaux/status/2062997768470474765
🔗 https://x.com/thsottiaux/status/2062966625733861752
Peter Yang — 好的 skill 不只是说明书，还该自带 eval、memory 和自我改进回路。
Peter Yang 今天给出的 5 步方法很实用：给 repeated task 建 skill、写清 trigger 描述、补一套 pass/fail eval、加 memory 文件、甚至再做一个专门清理 skills 的 skill。它背后的意思很明确：skill 正在从一段 prompt 升级成一个带测试、带记忆、带维护流程的小系统。
🔗 https://x.com/petergyang/status/2062899832965255443
Guillermo Rauch（Vercel）— agent runtime 的竞争，开始从“有没有 sandbox”转向“storage 能不能独立于生命周期存在”。
他今天那条关于 virtual storage infrastructure 的更新非常关键：filesystem state 可以脱离 Sandbox 生命周期被读取、写入和挂载。这说明 agent 真正进入生产后，问题早就不是单次执行，而是长期状态、恢复能力和跨运行环境挂载能力。
🔗 https://x.com/rauchg/status/2063009510503932181
Guillermo Rauch（Vercel）— Skills API 想做的是 agent 时代的 npm registry。
“Think of it as the npm registry for agent capabilities and extensibility” 这句几乎是明牌：下一步平台竞争不只是模型接口，而是 skill / capability distribution layer。谁能成为 agent 能力分发和复用的默认入口，谁就有机会吃到下一轮生态红利。
🔗 https://x.com/rauchg/status/2062951924677128455
Aaron Levie（Box）— 如果 coding 这种最适合被自动化的工作都还需要大量人类监督，那其他知识工作更不会直接把人替掉。
Levie 今天这条判断很稳：coding 已经享受了 AI 最多的先天优势——大量现成代码、强可验证性、数字化上下文、技术型用户——即便如此，人类工程师仍然高需求。那放到知识工作里，结论更可能是 agent 会让人做得更多，而不是把人清空。
🔗 https://x.com/levie/status/2063055332545540096
Amjad Masad — Replit x Shopify 这类组合，说明 AI builder platform 正在进一步接近真实 commerce workflow。
这类消息虽然短，但意义很直接：AI coding / builder 平台不再只是做 demo，而是在继续往更完整的业务闭环接。谁能接到实际交易、运营和电商动作里，谁就更容易从“cool tool”变成生产系统。
🔗 https://x.com/amasad/status/2063065480878063694
Garry Tan — GBrain 继续被往 personal agent 的“翅膀”去讲，memory layer 的定位越来越明确。
“GBrain gives OpenClaw and Hermes Agent wings” 这类表达很形象，也说明 GBrain 这类系统现在被视为 personal agent 的增强层，而不是单纯的 RAG 工具。builder 圈对长期 memory substrate 的共识还在加固。
🔗 https://x.com/garrytan/status/2063157328753594505
🎧 Podcast
AI & I by Every — The SaaS Apocalypse Is a Goldmine With Figma’s Matt Colyer
The Takeaway： 所谓 SaaS apocalypse，更接近“软件供给大爆炸”而不是“软件产品终结”。未来真正值钱的，不是把 app 快速做出来，而是把 design system、agent collaboration、review、维护和上下文做成稳定产品能力。
这期最值得记的几个点：
- 软件会变得更多，不会变得更少。 Matt Colyer 的判断很明确：开发门槛下降后，世界上会出现远多于今天的软件，这对 SaaS 不是坏消息，反而是“gold mine”。
- 真正麻烦的是维护，不是首版生成。 他拿自己做 email agent 的经历举例：最开始做出来很爽，但一旦涉及 SMTP 升级、稳定性、长期运行，你就会重新理解为什么有人愿意为成熟产品付费。
- Figma 在赌的不是 chat box，而是 canvas-native agents。 设计类 AI 工作流不会停在文本框里，而会走向 infinite canvas 上的 agent 协作：发散、收敛、聚类、评审，都在共享画布上进行。
- MCP / code-to-design / design-to-code 正在把设计和工程打通。 先把现有页面 faithfully 拖进设计画布，再从设计上下文回推代码，这会让设计和工程之间的来回成本继续下降。
- 接下来真正的瓶颈是 review。 当 agent 足够会产出后，组织最大的难题会变成：怎么把价值观、设计标准和质量判断规模化。
如果压成一句话，这期播客最值得 builder 记住的是：
AI 不会让软件产品消失，而会逼所有产品重新回答——你到底在卖“首版生成”，还是在卖“长期可用的系统”。
🔗 收听 / 观看：https://www.youtube.com/watch?v=kYKebKB3-d0
💡 今日观察
把今天这些信号放在一起，会看到几条很清楚的线：
- Agent 工作流 正在从 chat 扩到 recurring messy work
- Memory 正在从附属功能升级成 token efficiency 与长期效用的核心变量
- Enterprise / platform 设计 越来越强调按未来模型斜率而不是今天能力做系统
- SaaS / design tools 并没有被 AI 吃掉，反而在 agent 协作时代获得新的产品理由
- Runtime 基础设施 开始认真处理 storage、mount、skill distribution 这些“长期活”
所以今天最值得记住的一句话是：
2026 年的 AI builder 竞争，已经不是谁更会写 prompt，而是谁更会把 memory、skills、runtime、review 和长期工作流接成一个系统。
本日报仅基于 follow-builders feed 中可确认的 X 与 podcast 数据 remix 生成；未确认的信息未写入。Generated through the Follow Builders workflow.