AI Builders 每日摘要 · 2026-09-13

一句话结论

今天的主线是：AI builder 生态正在同时补齐产品能力和生产约束。OpenAI 与 Anthropic 的团队在推进 Agents、skills 和 plugin evals，企业 AI 的成败则越来越取决于是否把 builder 嵌入真实业务、建立可解释的评估体系；另一边，Cursor 的 long-lived agents、Box 的 agent sandbox 文件能力、Vercel 的 AI Gateway 和 Coinbase 讨论的 Agentic Finance，都在把 Agent 从一次性对话推进到持续运行的基础设施。

X / Twitter

Thibault Sottiaux · Codex & ChatGPT @ OpenAI

Thibault Sottiaux 列出了本周由 Astra 驱动的一组发布：Images 2.5、GPT-Live-1、Agents API、Data Agent 和 ChatGPT for Financial Services，说明产品线正在从单一模型更新扩展到多种可直接进入工作流的 Agent 能力。

他还回应了 Astra 用户反馈，说明团队修复了部分旧模型 skills 触发过度或阻止模型检查自身工作的问题，关闭了可能导致提前停止或读取旧消息的 context management 实验，并移除了造成长尾质量下降的 engine。这个更新的重点不只是“模型变好”，而是把 skills、上下文管理和执行引擎都纳入持续的质量治理。

来源：

• https://x.com/thsottiaux/status/2098639827084480864
• https://x.com/thsottiaux/status/2098612714704891959

Peter Yang · Practical AI 教程与访谈作者

Peter Yang 对 software factory 保持怀疑：除了 verification 和 testing，他认为当前 AI 还很难在没有人定义需求、检查结果的情况下，自主完成产品或新功能。如果 Agent 在长时间运行中做出一个错误假设，后续工作可能只是持续消耗 token；因此，端到端自动化的关键仍然是人类提供方向和验证。

来源：https://x.com/petergyang/status/2098565668241334366

Madhu Guru · Meta AI 高级总监，前 Google Gemini、Veo、Nano Banana 负责人

Madhu Guru 总结企业 AI 项目常见的失败原因：沿用传统的中央 AI 团队和渐进式产品流程、低估 evals 的重要性，以及从组织外部打造脱离真实工作流的工具。她建议由真正做过 AI 产品的人负责，优先建立一等公民级别的 evals，并把最强的 AI builder 嵌入 finance、sales、support 等要被改造的业务函数中。

来源：https://x.com/realmadhuguru/status/2098448235048378456

Thariq · Claude Code @ Anthropic

Thariq 宣布 Claude plugin evals 可用，开发者可以在 plugin 文件夹中运行 claude plugin eval init，检查 skills 是否仍能适配新的模型版本。另一条信息提醒，eval 的 pass/fail 分数本身已经很难直接解释：有些失败来自过于严格的 hidden tests，模型答案可能比预设结果更合理。对 Agent 工具链来说，eval 需要同时检验行为质量和测试本身的有效性。

来源：

• https://x.com/trq212/status/2098531560643539440
• https://x.com/trq212/status/2098490139798655427

Amjad Masad · Replit CEO

Amjad Masad 宣布 Replit 收购了一家完全构建在 Replit 上的企业，并预计这会成为第一批类似案例中的一个。这个信号值得关注：AI builder 平台不只是在降低软件生产成本，也可能开始孕育、承载并最终收购由自身工具创建出来的业务。

来源：https://x.com/amasad/status/2098548464452055437

Guillermo Rauch · Vercel CEO

Guillermo Rauch 表示，Tailscale 的 model router 使用 Vercel AI Gateway 作为底层基础设施，并将 AI Gateway 比作新的 CDN：应用可以直接连接模型 origin，但自己处理路由、故障和成本会变得脆弱且昂贵。这个类比反映出模型路由层正在从可选封装变成 Agent 应用的基础设施层。

来源：https://x.com/rauchg/status/2098531157230969062

Aaron Levie · Box CEO

Aaron Levie 分享了 Box 可挂载到 agent sandbox 的能力，让 Agent 更容易在自己的计算环境中读写文件。随着 Agent 开始执行关键企业工作流，它需要的不只是聊天窗口，也需要接近人类已有的文件、权限和工作环境 primitives；企业 Agent 的竞争因此会继续向上下文接入和可控执行环境延伸。

来源：https://x.com/levie/status/2098478938003841123

Ryo Lu · Cursor、Notion、Stripe 设计师

Ryo Lu 宣布 Cursor 支持面向大型想法的 long-lived agents。这个变化把 Agent 从一次请求一次响应的工具，推进到能够围绕较大目标持续运行的工作单元；相应地，状态管理、进度可见性和人类介入时机都会成为产品设计的核心。

来源：https://x.com/ryolu_/status/2098324260867772806

Peter Steinberger · OpenClaw + OpenAI

Peter Steinberger 分享了 Astra 在 OpenClaw cloud session 中通过 CUA 玩 Doom 的演示，也提到自己为 trycua 提交了 Linux 下 key 可靠性修复。前者展示 computer use 从网页操作扩展到云端交互环境，后者则提醒 builder：真正影响可用性的，往往是输入事件、系统兼容性等底层细节，而不是单次 demo 是否成功。

来源：

• https://x.com/steipete/status/2098527519213604889
• https://x.com/steipete/status/2098527982709256637

Dan Shipper · Every CEO

Dan Shipper 介绍了 Every 正在把对模型的“vibe checks”变得更量化：团队为每个人搭建基于真实日常工作的 personal benchmarks，不再只看通用 benchmark 分数。这个方向很实用，因为更高的模型分数并不必然意味着更适合团队的真实工作；对企业来说，围绕自己的任务建立可重复的评估集，可能比追逐单一排行榜更有价值。

来源：https://x.com/danshipper/status/2098481799047647715

Zara Zhang · Builder

Zara Zhang 认为，“one-person company”被高估了。AI 确实让个人能做更多事，但构建新东西仍然需要一起头脑风暴、共同承受压力和庆祝进展的人；这也提醒 Agent 产品设计者，效率提升并不自动解决动机、协作和长期坚持的问题。

来源：https://x.com/zarazhangrui/status/2098483800456179923

OFFICIAL BLOGS

本期没有新的官方博客条目。

PODCASTS

No Priors · Coinbase’s Everything Exchange: Agentic Finance, Stablecoins, and Tokenization with CEO Brian Armstrong

**一句话结论：**Brian Armstrong 的核心判断是，Agent 一旦开始真正购买数据、调用服务和执行交易，就需要独立的账户、支付能力和可治理的金融基础设施，而传统银行卡并不适合大量几美分级别的 Agent 交易。

Armstrong 是 Coinbase 联合创始人兼 CEO，也是 New Limit 联合创始人。他提到，Agent commerce 中约 76% 的交易低于 30 美分，信用卡通常有约 30 美分的固定费用，因此“we don't want the AIs to be unbanked”。Coinbase 的方向包括面向人的 AI financial advisor、可以隔离资金的 agentic account，以及让 Agent 使用 self-custodial wallet 和 crypto rails 进行支付。

这套思路的关键不只是给 Agent 一张卡，而是让 Agent 能作为非人类参与者拥有 spend account，并通过 X402 等协议购买信息、调用工具或支付 AWS 资源。Armstrong 还观察到，许多低价交易其实是 Agent 获取 paywall 数据、金融信息或其他专用 Agent 的结果，未来可能会出现大量在单一任务上胜过 frontier model 的 specialist agents。对 builder 来说，价值链因此会从“一个模型回答所有问题”转向“多个有专长、能相互付费的 Agent 组成市场”。

来源：https://www.youtube.com/watch?v=uLDK4l_-gUE

---

Generated through the Follow Builders skill: https://github.com/zarazhangrui/follow-builders