A daily editorial on what AI builders are actually shipping — 6 月 28 日 刊
选题来自当日 builders 与 pulse 两条数据线，可直接作为公众号开稿起点。
角度从 Claude Code artifacts 和 OpenMontage 看，agent 的竞争点正在从“会不会干活”转向“能不能把过程变成团队可共享的产物”。
AI agent 最尴尬的地方不是不会写代码，而是它做了什么，团队还得听人复述。Claude Code artifacts 把 PR 讲解、事故复盘、仪表盘变成自动更新页面；同一天，OpenMontage 用 18000 周星证明，视频生产也在被拆成可复用流水线。
agent 已经能执行任务，但它的过程、证据和中间产物很难被团队消费。
真正有价值的不是再造一个聊天入口，而是把 agent 的工作沉淀成网页、清单、视频 pipeline 这类可交付对象。
开发者做 agent 产品时，应优先设计“可共享产物”和“状态同步”，而不是只优化对话体验。
角度用 Swyx 的“按美元而不是 token 评测”切入，讨论开放模型和应用公司如何重新定义 AI 成本优势。
如果一个开放模型每美元能跑出更多 thinking token，那继续按 token 数比较推理能力，本质上是在替闭源 API 遮丑。Swyx 今天把这个问题挑明了，Aaron Levie 则补了一刀：真正的优化不只是省 token，而是把业务流程和智能之间那层做深。
行业喜欢讨论 token 价格，但企业真正买的是每一美元能完成多少工作。
成本优势不一定来自更便宜的模型，而可能来自更懂业务、更会缓存上下文、更会评测的应用层。
做 AI 产品时，把定价和评测从“调用多少 token”改成“每美元完成多少任务”，更接近客户真实决策。
角度从 Zara Zhang 的非工程师 builder 叙事，反推 AI 时代个人产品的门槛正在从写代码转向选题、分发和故事。
去年还不太会用 GitHub，今年已经有 1 万 GitHub 粉丝；更荒诞的是，她说自己依然不会手写代码。Zara Zhang 这条不是鸡血故事，而是一个更冷的信号：当代码生成变便宜，产品感和传播能力开始变贵。
开发者默认技术能力是产品壁垒，但 vibe coding 正在压低这个门槛。
不会写代码的人，反而可能更专注用户痛点、项目包装和分发，从而赢过只会堆功能的人。
独立开发者应把作品集、场景叙事和发布节奏当成产品能力的一部分，而不是上线后的营销补丁。
角度把 Engram 的 continual learning 和 codebase-memory-mcp、design.md 放在一起看：AI 编程代理下一步拼的是长期上下文。
现在模型的问题可能不是不够聪明，而是记不住公司每天变化的语境。Engram 想把私有数据和新任务写进模型权重；GitHub 上 codebase-memory-mcp、design.md 同时走热，则说明开发者已经在给代理补外置记忆和设计事实源。
AI 编程代理每次都像新同事，需要重新读代码、理解设计、猜业务约束。
最先规模化的方案未必是继续加长上下文窗口，而是把代码、设计和团队知识做成可查询、可更新的记忆层。
团队引入 AI 编程时，应先建设 repo 索引、设计规范和决策记录，再期待 agent 稳定接管复杂任务。
角度从 Guillermo Rauch 对攻防两用模型的提醒切入，结合本地长上下文模型走热，讨论公司为什么要主动用前沿模型做红队测试。
Rauch 今天的判断很直接：如果对手也拿到同等级攻击能力，那些还不知道自己潜伏漏洞的公司会很危险。与此同时，HuggingFace 上长上下文、本地推理、function-calling 模型继续走热，攻击能力正在从少数实验室扩散到更多人手里。
很多公司还把 AI 安全当合规文档，但攻击者已经可以用模型自动找漏洞、写 exploit、跑侦察。
防守方的机会不是禁用模型，而是先用同等级模型把自己的系统打一遍。
安全团队应把前沿模型红队、代码库扫描和 deepsec 类测试框架纳入发布流程，而不是等事故后补救。