美团LongCat-2.0正式开源，Anthropic坦言Agent协作挑战

---

title: “美团LongCat-2.0正式开源，Fiona Fung坦承Agent协作挑战” lead: “美团发布万亿参数LongCat-2.0并开源，在国产五万卡集群上完成全流程训练；Anthropic工程管理者Fiona Fung在访谈中透露内部代码产出已达8倍，同时坦承并行Agent带来的切换负荷与孤独感仍是悬而未决的难题。” highlights:

• “美团LongCat-2.0正式开源，国产五万卡集群训练万亿参数”
• “Anthropic Fiona Fung：代码产出8倍，但切换负荷与协作孤独感未解”
• “Meta考虑推出计算平台Meta Compute，小扎称GPU必须盈利”

1️⃣ [持续跟踪] 美团LongCat-2.0正式发布并开源：国产算力训练万亿参数模型#

• 前情提要：LongCat-2.0预览版之前在OpenRouter上全球调用量跻身前三，备受Agent开发者青睐。
• 最新突破：美团LongCat团队正式发布LongCat-2.0并开源。总参数1.6T，平均激活约48B，原生支持1M超长上下文，是业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数MoE模型。训练数据超30T tokens，月均日故障率降低70%，MFU提升1.5倍。
• 架构创新：采用LongCat Sparse Attention（LSA）处理长上下文，零计算专家机制实现token级动态激活（33B~56B），MOPD多专家融合架构同时擅长代码、推理和交互。SWE-bench Pro 59.5，Terminal-Bench 2.1 70.8，与前沿闭源模型持平。
• 行业意义：验证了国产算力可以支撑万亿参数模型全链路运行，为国内Agent生态提供高性能开源基座。LongCat已在真实用户场景中用于Agent搭建、代码迁移、3D交互等。 🔗 美团技术团队博客 | 开源地址

2️⃣ Fiona Fung坦白：当一个人同时跑20个Agent时，团队还没搞定协作#

• 核心事件：Anthropic Claude Code与Cowork团队负责人Fiona Fung在Lenny’s Podcast中深度分享了工程团队内部Agent协作的实际经验。她证实人均代码产出已涨至2025年同期的8倍，但团队正面临一个未曾预料的新问题——切换负荷（Context Switch Overhead）。
• 已跑通的方案：
  • 验证取代编写成为核心动作：把”什么算好”写入spec存入仓库，代码审查变成核对代码是否符合spec，而非逐行人工过目。
  • Routines自动化：设置按日运行的Routine，自动扫描反馈渠道、提炼主题并生成待审核PR，管理者工作从手动写prompt演进为让Agent替她生成prompt和PR。
  • 新晋管理者先做IC：每位新管理者在正式承担管理职责前，必须先以个人贡献者身份工作一段时间，深入代码库建立信任。
• 尚未解决的代价：
  • 切换负荷：有人一次同时跑20个Agent，需要不断检查进度、记住每路任务状态。Fiona Fung原话：“这方面我们还没搞定。”
  • 新型孤独感：一个人独自运行多个Claude实例推进项目，团队成员间的互动反而减少了。团队用结伴编程午餐和黑客马拉松缓解，但她将其形容为”平行游戏”——各自做自己的项目，只是并肩工作而已。
• 行业意义：这轮AI增效的真实图景不是一套完美方案，而是一个团队在真实压力下一边搭建方法论，一边承认哪些地方暂时没有答案。 🔗 访谈原文 | Datawhale报道

3️⃣ [持续跟踪] Claude在Microsoft Foundry达GA，但欧洲企业因数据驻留问题无法部署#

• 前情提要：Anthropic此前Claude模型主要通过AWS Bedrock和Google Vertex AI提供云服务，逐步扩展至Microsoft Azure生态。
• 最新进展：InfoQ报道Claude模型已在Microsoft Foundry上达到GA（全面可用），支持Azure原生计费与治理。但Anthropic自身文档确认，数据驻留保证仅适用于Bedrock和Vertex AI，不包括Foundry。来自银行业和医疗保健领域的欧洲从业者报告称，该服务未获批准用于生产环境。
• 行业意义：这是AI云服务”可用但不可用”的典型案例——技术集成已就绪，但合规性缺口使得欧洲受监管行业客户无法真正使用，凸显了云AI服务全球部署中数据主权与区域合规的深层次矛盾。 🔗 InfoQ报道

4️⃣ Meta也要来卖算力：小扎称”模型可以慢，GPU必须赚”#

• 核心事件：量子位报道，Meta正考虑推出计算平台”Meta Compute”，扎克伯格表示”模型可以慢，但GPU必须盈利”。此举是继AI算力军备竞赛之后，科技巨头将过剩算力变现的最新动向。
• 此前铺垫：本月初Meta被曝搭建云基础设施业务，计划将内部过剩的AI计算能力出售给外部客户，扎克伯格在股东会上称这为巨额算力投资”买保险”。消息发布后Meta股价逆势上涨8.81%，但引发半导体板块暴跌。
• 行业意义：当最大的算力买家开始准备做卖家，AI基础设施市场的供需关系可能正在发生变化。这对整个算力租赁和存储产业链的估值逻辑构成挑战。 🔗 量子位报道

5️⃣ AWS推出S3 Annotations：为对象附带AI生成的可搜索元数据#

• 核心发布：Infoq报道AWS新推出Amazon S3 Annotations服务，允许团队为S3对象直接附加丰富的可搜索上下文，如摘要、分类、合规数据或AI生成的洞察。注释可独立于对象进行更新，并支持跨数据集查询。
• 行业意义：这项功能将传统上需要独立元数据系统的操作内化到S3存储引擎中，特别适合AI/ML场景中需要对海量非结构化数据附加结构化标签的需求，减少了数据管道的复杂性和成本。 🔗 Infoq报道

6️⃣ Cloudflare开源Agentic Inbox：自托管邮件客户端 + AI Agent回复#

• 核心发布：Cloudflare开源项目Agentic Inbox，一个自托管的邮件客户端，内置AI Agent回复功能。它使用Cloudflare全套服务搭建：Email Routing接收邮件，Email Sending发送，Durable Objects + D1存储，R2存储静态文件，Workers AI和Agents SDK内置Agent能力。
• 社区评价：开发者Viking评测认为这对拥有多个域名在Cloudflare的用户很有吸引力，但目前项目发布后已三个月未更新，issues大量积压。他将其归为”大公司秀肌肉型开源项目”的典型案例。
• 行业意义：Agentic Inbox代表了AI Agent嵌入日常通信基础设施的趋势——让AI直接管理邮件，而非仅仅辅助撰写。但开源项目的后期维护不确定性也提醒了社区依赖风险。 🔗 GitHub仓库 | Viking推文

7️⃣ Elon Musk宣布Grok Imagine开发完成#

• 核心事件：Elon Musk于X平台发帖宣布”Done with Grok Imagine”。Grok Imagine是xAI的图像生成模型，此前在Grok聊天中已有集成，此次宣布可能意味着独立版本或重大功能更新。
• 行业意义：xAI正快速补齐多模态能力版图——从Grok语音（Voice Agent Builder）到图像生成（Grok Imagine），旨在构建对标OpenAI GPT-5系、Anthropic Claude系的全模态竞争体系。 🔗 Elon Musk推文

⭐ GitHub 趋势#

📊 类别速览

项目	类别	Stars
Leonxlnx/taste-skill	AI Agent (技能包)	57.4k
OthmanAdi/planning-with-files	AI Agent (技能包)	24.7k

---

1. Leonxlnx/taste-skill ⭐ 今日 +863#

语言/许可： JavaScript / MIT
总 Stars： 57.4k
仓库： GitHub

项目定位：
面向 AI 编码 Agent（Claude Code、Codex、Cursor）的前端审美 Skill 包，用于对抗 AI 生成界面“千篇一律的模板感”，输出更精致、差异化的 UI 代码。

核心功能：

• 通过 DESIGN_VARIANCE、MOTION_INTENSITY、VISUAL_DENSITY 三个可调节参数控制设计风格倾向。
• 提供针对不同场景的预设 Skill 文件：默认 taste-skill（v2）、GPT 高严格变体、极简/粗野主义/高端视觉方向。
• 包含图片生成 Skill（Web/Mobile/Brand Kit），可先产出设计参考图，再交由编码 Agent 实现。
• 所有 Skill 遵循 SKILL.md 标准，通过 npx skills add 一键安装，兼容 60+ Agent 运行时。

技术亮点：
通过在 Agent 指令层注入可调节的参数化设计偏好，而非依赖模型自身泛化能力，实现可控的“去模板化”效果。

---

2. OthmanAdi/planning-with-files ⭐ 今日 +66#

语言/许可： Python / MIT
总 Stars： 24.7k
仓库： GitHub

项目定位：
面向 AI 编码 Agent 的持久化文件级规划系统，解决长任务中 Agent 因上下文丢失（/clear、重启、崩溃）导致计划中断的问题。

核心功能：

• 将任务计划、进展、发现写入 task_plan.md、progress.md、findings.md 等磁盘文件，非模型记忆。
• 支持会话恢复：Agent 重启后可读取之前存储的计划文件，继续未完成工作。
• 提供可选的“完成门控”机制：Agent 在计划未完成时被阻止进入下一阶段，强制闭环。
• 通过多文件系统实现多 Agent 共享状态，支持 Manus 模式下的团队协作。

技术亮点：
采用纯 Markdown 文件 + SKILL.md 标准，以零基础设施成本实现类似 Manus 的文件级持久化规划，被社区 Fork 形成多个变体。

🟧 Hacker News 热议#

New AI tutor achieves 0.71-1.30 SD effect size in Dartmouth course [pdf]#

113 pts · 75 comments · site

📌 内容总结

• 作者构建了一个名为Phosphor的在线学习平台，将LLM评分的构造式问题（CRQ）直接嵌入课程阅读流程，替代传统教材，并在Dartmouth Introductory Statistics课程中部署（151名学生，三个section）。
• 关键设计：每课含CRQ+MCQ随机测验（由Claude Sonnet 4.6按rubric评分），模块复习，RAG聊天助手。平台完全自愿、不计分。在课程中因学生反馈，Module2改为仅MCQ，Module3恢复CRQ。
• 结果：90.2%学生至少使用一次（基线阅读率~15%）。完全参与（完成24课+3个复习）的学生期末成绩提高0.71 SD（控制期中成绩后）到1.30 SD（未调整）。CRQ带来的学习效果明显优于纯MCQ。RAG聊天助手使用极少（共72次查询）。
• 局限性：非随机、观察性研究；仅在一所选择性大学；资源自选择偏差是主要威胁；CRQ-Module对比受内容领域和时间影响；调查样本小。

💬 讨论总结

• 共识观点

  • 参与率从10-15%跃升至90%是论文最令人信服的结果——即使AI工具本身效果有限，它至少让更多学生开始学习。评论认为“这是优化问题，因为以前大部分学生根本不学”。
  • CRQ（构造式问题）比MCQ更有效，符合测试效应文献。模块复习（交错检索）可能是最强杠杆。
  • 自选择偏差严重：高度参与的学生本身可能更努力。虽然作者用期中成绩做控制，但无法替代随机试验。评论指出“完全参与的学生只有~11%，他们本身就是最好的学生”。

• 质疑/反对意见

  • 标题“AI tutor”被批评为误导：实际工具是一个嵌入AI评分的测验平台，而非对话式辅导。RAG聊天助手几乎未被使用，所谓AI tutor本质上是带自动批改的练习册。
  • 效果量可能被夸大：期末考题是否独立于Phosphor材料设计？如果考题与平台练习高度重合，效果可能仅仅是“学生看了材料”而非“AI帮助学习”。
  • 试验设计被结果驱动：Module1有CRQ，学生抱怨后改为MCQ；Module3又改回CRQ。这种迭代使得模块间的比较难以解释因果关系。
  • 一部分评论认为“做更多练习就能考得更好”是常识，不需要AI来解释——结论不令人意外。

• 工程经验与历史背景

  • 引用Bloom’s Two Sigma问题：一对一辅导可提升2个标准差，Phosphor的0.71-1.30 SD与此吻合。但批评者指出Bloom的效果本身就备受争议（参考nintil.com的文章）。
  • 外部AI辅助（如直接用GPT-4完成作业）被证明有害（引用Bastani 2025实验），而将AI嵌入学习流程（而非作为外部工具）是关键设计原则。
  • 教育科技在过去15年多为净负面：高价产品被强推，教师产生抵抗。LLM可能会重蹈覆辙，除非设计壁垒被克服。

• 商业/现实约束

  • 教育用例盈利困难（类比Wikipedia），但SAT准备等付费市场存在。平台免费开放的可能性引起兴趣（spongium.org）。
  • 动机问题：Dartmouth学生已经高度选择性；对于普通学校或低动机学生，效果可能打折。Novelty效应（Hawthorne）可能部分解释高参与率。

• 风险与限制

  • LLM幻觉：学生对AI评分不信任（认为“严格且僵化”），导致Module2中CRQ被禁用。恢复CRQ后参与率下降，暗示效果与可持续性之间的trade-off。
  • 将平台与评分挂钩可能适得其反：学生为节约时间而使用外部LLM作弊，而非真正学习。

🔗 原文 · HN 讨论页

今日洞察#

代码产出提升8倍，但团队开始为“Agent管理成本”买单。Fiona Fung的访谈揭示了一个被忽视的拐点：当单个开发者同时运行20个Agent实例时，切换负荷和新型孤独感成为生产力瓶颈。这不是模型能力不够，而是人-机协作的组织模型还没跟上Agent密度的增长。接下来的工程重点可能会从“让Agent更强”转向“让Agent集群更易管理”——planning-with-files（持久化规划）和taste-skill（参数化审美控制）这两个项目正是这个方向的早期信号：开发者正在用文件系统和参数指令来补偿Agent缺乏长期记忆和风格一致性的问题。

Phosphor在Dartmouth的实验提供了另一个关键设计原则：AI融入现有工作流（嵌入式CRQ）的效果远好于作为独立助手（RAG聊天助手仅72次查询）。0.71-1.30 SD的效果量本身虽受自选择偏差质疑，但参与率从10-15%跃升至90%才是真正值得关注的信号——哪怕AI工具本身效果有限，它解决了最根本的“学生不学习”问题。这映射到企业场景：AI的价值可能不在替代人类决策，而在降低任务启动门槛。

美团LongCat-2.0开源验证了国产算力的工程可行性，但更值得注意的信号是它选择了MoE+1M上下文路线，且在SWE-bench Pro和Terminal-Bench上与前沿闭源模型持平。这意味着国内Agent开发者的模型选择出现了新的开源选项——不再仅依赖API降本，还可以本地部署或私有化微调。这对于数据敏感行业（如金融、医疗）的Agent落地是实质性推动。

---

title: “Fable 5 方法论刷屏，MCP 企业授权稳定版发布” lead: “Claude Code 团队成员 Thariq 分享 Fable 5 使用秘诀，称工作方式从检查执行转向确定方向；Spencer Baggins 演示用 Fable 5 构建房产获客系统，扫描与个性化明信片全自动化；MCP 协议团队将企业托管授权扩展推至稳定状态，通过身份提供商实现零接触授权。” highlights:

• “Claude Code 团队成员 Thariq 分享 Fable 5 使用秘诀”
• “MCP 协议企业托管授权扩展达到稳定状态”
• “研究显示使用 AI 的考试学生成绩最高下降 24%“

1️⃣ [持续跟踪] 从“检查执行”到“确定方向”：Claude Code 团队成员分享 Fable 5 使用秘诀#

• 前情提要：Fable 5 自恢复全球访问以来，社区对其能力与使用方式展开了广泛探讨。此前相关报道集中在模型的能力表现与降智争议。
• 最新突破：Claude Code 团队的 Thariq 今天发布视频，详细分享了他使用 Fable 5 后工作方式的根本转变：以前是“检查 Claude 有没有把活干对”（doing the work right），现在变成“检查 Claude 有没有在做对的事”（doing the right work）。他的三条具体做法包括：将 Claude 视为思维伙伴，在思路成型前尽早介入；给 Claude 设定目标并提供验证方法（如 /goal 和 workflows 功能）；更大胆地尝试以前认为不可能的任务，例如用 Fable 5 剪辑视频。宝玉 (dotey) 随后将视频内容整理为详细的中文版本，在开发者社群中引发广泛转发。
• 行业意义：这标志着前沿 Agent 的使用者正在从“监控者”向“方向制定者”转型，人类工作重心从执行细节转向战略目标定义，这一范式可能成为未来 Agent 团队的标准工作流程。 🔗 Thariq 原始推文 | 宝玉整理版

2️⃣ AI 颠覆房产中介：开发者用 Fable 5 搭建自动化获客系统#

• 核心事件：开发者 Spencer Baggins 演示了一个基于 3D Gaussian Splatting 与 Fable 5 的组合应用。他用手机扫描整栋房屋，通过开源技术生成照片级 3D 游览，无需应用、VR 或中介。更进一步的，有开发者利用 Fable 5 构建了一整套面向装修承包商的获客系统：自动爬取本地近 12 个月售出的房产，通过视觉识别筛选出无遮阳的院子，利用卫星数据计算日照时间，将遮阳棚设计渲染进业主家的实景照片，并打印为个性化诊断明信片直接邮寄。他声称每单安装报价可达 6500-18000 美元。
• 行业意义：这展示了 AI Agent 从“工具”向“完整业务流程自动化”的跃迁。当 Agent 能自主完成市场调研、客户分析与个性化营销的闭环，其效率优势将对传统的获客模式构成毁灭性冲击。开发成本仅需 200 美元左右，而传统代理费则可高达 15000 美元。 🔗 Baggins 演示推文 | 获客系统推文 | Yangyi 转发

3️⃣ MCP 协议企业授权扩展达到稳定状态：零接触集中管理#

• 核心发布：InfoQ 报道，Model Context Protocol (MCP) 团队将其“企业托管授权”（Enterprise-Managed Authorisation）扩展推至稳定状态。该方案通过身份提供商（Identity Provider）为组织提供集中控制 MCP 服务器访问的方法，旨在用零接触流程取代逐服务器授权提示。用户只需登录一次，即可访问已批准的服务器，无需进一步设置。
• 行业意义：安全与合规是企业大规模部署 AI Agent 的核心障碍，零接触授权为大企业内部推广 MCP 生态排除了一个重大风险。该扩展的稳定化标志着 MCP 协议在向企业级基础设施演进中迈出了关键一步。 🔗 InfoQ 报道

4️⃣ 研究揭示 AI 教育双刃剑：分数推高但成绩下滑，富裕家庭涌向 AI 私校#

• 核心事件：两份分别来自中国（覆盖超 2.6 万名学生）和 UC Berkeley 的研究发现了一个尴尬的现实：使用 AI 辅助完成作业的学生，作业分数被显著推高，但在需要自主思考的考试中，其成绩最高下降了 24%。研究指出，81% 的长期用户将思考过程直接甩给了 AI。与此同时，以美国 Alpha School 为代表的“AI 私校”正蓬勃发展，其模式为每日 2 小时 AI 辅导加项目制工坊，学费最高可达每年 7.5 万美元。2025 年新增 8 个校区，2026 年秋季计划再开近 24 个。
• 行业意义：AI 对教育的负面影响已从理论担忧变为有数据支撑的现实。AI 在“刷题”和“完成标准化作业”上效率极高，但恰恰削弱了学生通过对抗困难而内化的核心能力。传统学校暂无有效应对方案，这为新兴的“AI 教育”模式创造了市场空间，但也可能加剧教育不平等。 🔗 小互推文 1 | 小互推文 2 | 小互推文 3

5️⃣ 小红书开源 RedKnot：长上下文推理 FLOPs 降低 50%-70%#

• 核心发布：小红书团队宣布开源高效长上下文 LLM 服务框架 RedKnot。该框架通过注意力头分类和分段式 KV 缓存策略，将长上下文大模型推理的预填充 FLOPs 降低约 50%-70%，同时保持接近无损的精度。项目已发布于 GitHub。
• 行业意义：长上下文推理的计算瓶颈是当前大模型应用的重要挑战。RedKnot 提供了一种且近乎无损耗的加速方案，尤其适合 Agent、文档分析与代码生成等需要处理大量上下文的场景。 🔗 Geek 推文 | GitHub 仓库

6️⃣ 生态扫描：OpenSquilla 登顶 DRACO 双榜，Apodex 预测 AI 最快半年内实现自我进化#

• 多模型集成登顶：量子位报道，OpenSquilla 0.5.0 Preview 版本发布，因多模型集成能力登顶 DRACO 双榜，其对比名单中出现了最新的前沿旗舰模型 Fable 5。
• AI 自我进化预测：在“硅谷101”播客中，Apodex 首席科学家杜少雷与李辈滨预测，AI 最快半年内就能跑通一次完整的自我进化闭环。他们强调，要实现持续、可靠的递归自我提升（RSI），模型必须具备“自我验证”能力，这需要教会模型拥有像顶级科学家一样的品味和判断力。Apodex 是一家由陈天桥创立并主导、专注于攻克人类未解难题的“发现模型”公司。
• 行业意义：这两条信息共同指向了一点——前沿 AI 竞争正在从“模型能力竞赛”延伸到“Agent 生态”和“自我进化能力”的博弈。OpenSquilla 的登顶证明了多模型协作的价值，而 Apodex 的预测则将注意力拉回到了更深层的“模型元能力”上。 🔗 量子位报道 | 硅谷101播客

7️⃣ Groq 创始人吐槽硅谷 VC：西海岸像旅鼠，东海岸才做独立分析#

• 核心事件：在最新的采访中，Groq 创始人 Jonathan Ross 解释了为何所有西海岸 VC 都错过了投资 Groq。他表示：“典型的西海岸 VC 更像旅鼠。一家投，其他都想投；一家拒绝，其他就跟风拒绝。”他透露，最终是东海岸的交叉基金和投资者为 Groq 提供了资金支持。
• 行业意义：这是对硅谷风险投资“羊群效应”的一次生动且有力的内部证人证言。它不仅揭示了融资中不成文的规则，也暗示了在高度喧闹的 AI 赛道中，独立分析判断的价值可能被市场情绪所掩盖，尤其对于需要长线投入的硬科技公司。 🔗 AI Will 推文