最近 Codex App 迎来了一系列密集更新，2026 年 4 月以来，该工具经历了脱胎换骨的升级，接入 GPT‑5.5 后，价格相较 Opus 展现出更强的竞争力，工程能力持续提升，交互体验也越发顺手。更值得注意的是，Codex 几乎每天都有更新，外界推测其背后可能有一个 Agent 团队在彻夜不停地迭代——自己迭代自己，已成为这个时代软件的典型特征。

今天打开 Codex，发现又推送了一个大版本，共带来三处重大改进：应用快照、/goal 超长任务正式上线，以及锁屏操作。这些功能绝非表面文章，实际体验后才能真正体会到价值，因此值得逐一细看。

1

应用快照的说明位于 Codex 设置中：

乍一看像是普通截屏，但实际远不止于此。首先看英文描述：截图将向 Codex 展示你的应用窗口，其中既包含视觉内容也包含文本，甚至包括已滚动出屏幕的文本内容。

这意味着 Codex 的截图不仅完整，还附带窗口内的全部上下文。具体演示如下：在 Mac 系统下，按照提示同时按下 cmd 键（空格键旁），当前界面的截图连同上下文会一并交给 Codex：

以上图为即将上线的墨问 Web 社区界面，截图生成后，点击右上角的“查看文本”，即可看到整个页面的全部信息：

这样的交互设计相当精妙。在常规 Chat 之外，这一特性尤其助推 Vibe Coding——等同于把 Web 或 App 界面的截图连同页面结构的上下文一次性提供给大模型，无论实现新功能还是修复 bug，都能明显提升准确性与效率。

2

在 Codex 中，/goal 专门用来管理需要持续推动的长任务，例如“完成 xx 功能，做到可执行并验证”，即要求 AI 完成一个大的功能模块，任务可能持续数小时。目前该功能已在 App 端正式上线，此前属于实验特性。

常见用法如：

/goal 修复这个 repo 里的所有 bug 并测试通过

也可以增加预算限制：

/goal 在 30000 token 以内，完成 rss bridge 的所有功能并验证

Codex 开始执行后，仍可继续输入正常指令，例如：

我从 2008 年起就在 Mac 上办公与研发，那时操作系统的代号还叫雪豹；后来一路从 Mac OS X、OS X 走到今天的 macOS。因为系统一直保持着细腻顺滑的体验，我一次都没有重装过，甚至还无缝完成了从 Intel 到 Apple M 芯片的迁移。

早年换电脑依靠时间机器，后来有了雷雳线，直接用迁移助理的双机对拷模式搞定。正因如此，我手头的三台 Mac，基本都可以溯源到 2008 年的那台。从当年的各种本地开发环境，到后来较少编程，再到 Coding Agent 时代又一次需要配置全套本地开发工具，可以说是一路折腾不断。

直到某天我突然发现，不少程序还是 Intel 版本，Homebrew 也是 Intel 版，许多应用依然通过 Rosetta 2 桥接到 Apple 芯片上运行……就连 MySQL 也还停留在 2015 年装的 Intel 版本。

随着 macOS 更新，频繁弹出的系统通知更是扎心：「系统很快将不再支持 Rosetta 2 转接的程序，请尽快升级」。更要命的是，如果你的 Homebrew 一直是 Intel 版本，那么在 AI 时代安装各种 AI Coding 工具时，它也会顺势沿用这个老 Homebrew，导致 Codex 帮你安装的都是旧版 Intel 程序。整个环境就这样变得越来越混乱。

如果你的 Mac 也面临着类似的问题，别急，解药来了。

过去想要重新梳理这种密密麻麻的开发环境、上百个开发工具，极为耗费时间和精力，更别说要在三台环境一致的 Mac 上操作，几乎是不可能完成的任务。而现在有了 Codex，这一切都可以交给它来自动完成。

第一步：清查 Rosetta 遗留程序

首先，请 Codex 帮你检查还有哪些程序是通过 Rosetta 运行在 M 芯片上的。

在 DeepSeek 官网的招聘栏目里，一条新发布的“Agent Harness 产品经理”岗位引起了许多人的注意：

根据 DeepSeek 的官方定义，除了模型本身，所有支撑模型运转的工程化工作，都可以划入 Harness 的范畴。

再对比一下 DeepSeek 官方的 Agent Harness 工程和普通人理解的 Harness 工程，差异就显现出来了：

• 与模型训练团队的研究员深入沟通与协作，推动模型与 Harness 的共同进化。
• 推动 Harness 产品在内部真实任务中的落地，把这些内部任务当作 Harness 产品和模型能力训练的关键反馈源，以此持续打磨产品。
• 维护 Harness 产品的用户社群，从海量潜在用户中收集反馈、提炼信号，指导产品迭代方向。

所以，回过头来看，同样是 AI 编程工具，Anthropic 推出的 Claude Code 之所以能站上金字塔尖，一点也不意外。

DeepSeek 的模型早期就一直以出色的编码能力见长，那么它对自己“产品经理”的编程技能会不会有硬性要求呢？

答案很微妙：“能够使用 vibe coding 写代码，不一定需要技术背景。”

“不需要技术背景”，但又要“深度使用过 Claude Code、Codex、Cursor、OpenCode、GitHub Copilot”——能深度使用这些工具，却又说不要求技术背景，难道这些 AI 编程工具真的已经进化到可以深度撰写“PRD”了？

这个 Agent Harness 产品经理的岗位，其实也从侧面为我们揭示了普通人应当了解的 AI 原生应用核心概念：

理解 LLM 与 Agent 的基本机制及技术原理，包括 LLM API、KV Cache、Agent Loop、Tool Use、Reasoning、Planning、Skills、MCP、Memory、Subagent、Multi-Agent 等一系列知识；对于 Prompt Engineering、Context Engineering、Harness Engineering 等课题，也需要有第一手的实践经验。

一家海外编程平台用同一套评分标准，把智谱刚刚推出的开源权重模型 GLM-5.2 与 Anthropic 上一轮闭源旗舰 Claude Fable 5 放在一起衡量。结果：9.0 对 9.1。不到 0.1 分的差距几乎可以忽略，但两个模型的身份标签却隔着巨大的鸿沟。

图注：Kilo 平台的评测对比卡片。左侧 GLM-5.2 标注 open weights，右侧 Claude Fable 5 标注 frontier，评分来自同一套标准。

海外开发者到底在兴奋什么

拥有超过三百万用户的海外编程平台 Kilo，其业务直接扎根于 AI 辅助工程，利润命脉系于模型的选择——用什么模型、花多少钱、产出质量有多高。因此，他们对模型的任何风吹草动都极度敏感。

在上一轮测试中，Claude Fable 5 以 9.1 分的成绩成为冠军。这一次，Kilo 把 GLM-5.2 拉进同样的擂台：相同的 prompt、相同的任务、相同的评分指标，最终得分 9.0。开源权重模型与闭源旗舰之间的性能差距，被压缩到了小数点后一位。

这条推文发出后，迅速获得了 421 个赞、13 条深度引用讨论和 2.1 万次浏览。评论区里最高频出现的一个词是 game changer——游戏规则改变者。

对海外开发者而言，开源权重意味着三样东西：可以自行部署、可以自主调优、不必被任何一家 API 供应商锁定。当一个开源模型的性能逼近闭源旗舰时，商业逻辑就被彻底改写了。

拼的不是性能排行榜，而是经济账

海外开发者对大模型的关注点，与国内存在一个微妙的错位。国内讨论大多聚焦于谁登上了哪个榜单、谁又宣布了降价，话题围绕 DeepSeek、Qwen、Kimi 的日常体验展开。这些模型在国内已经遍布足够多的免费入口，用户几乎不需要关心底层模型到底是哪一家。

但海外的情况截然不同。Claude、GPT 的 API 价格严格按照 token 计费，企业级调用成本高得惊人。一个中等规模的编程辅助平台，月均 token 消耗可以轻松突破数十亿。在这个规模上，模型单价每差 0.01 美元，月度账单就是数十万美元的起伏。

GLM-5.2 的定位恰好击中了这个痛点：开源权重意味着可以自部署，推理成本由自己的 GPU 决定；它的 API 调用价格远低于 Claude；而输出质量又完全够用。对海外的中小团队和独立开发者来说，这根本不是性价比选项，而是生存选项。

一个拥有7440亿参数的旗舰模型，经2比特量化压缩至238 GB，在2026年直接跑进了Mac Studio的统一内存。这意味着什么？不再是畅想“未来某天”，而是当下就有开发者把桌面机器变成了不联网的私有推理节点，并且宣称效果超过了几天前还在榜单上的主流闭源模型。

帖子里嵌入的视频截图显示，1-bit GLM-5.2 GGUF在本地渲染Flappy Bird游戏，被用作“足够小的模型依然能产出真实输出”的视觉佐证。

01

纸面参数只是“规模”，真正跑进内存的才算“交付”

GLM-5.2是由Z.ai推出的新一代开源模型，官方核心参数如下：744B总参数，MoE架构下40B激活参数，上下文长度1,048,576 tokens。模型仓库登陆Hugging Face时，明确标注支持中英双语文本生成，以多分片GGUF文件集形式分发。

Unsloth社区随即放出了量化版本。2-bit动态量化压缩至239 GB，文件数减少84%；1-bit动态量化进一步压到217 GB，文件数锐减86%。单张RTX 4090难以承载192 GB显存，但配备512 GB统一内存的Mac Studio已经跨过门槛，距离桌面独立运行只差一台不算便宜的硬件。

社区生态图谱由此被重新点燃。有人在Mac Studio上以2-bit满负载运行，开始驱动智能体与编码循环；也有人断言“本地AI时代”即日开启，替代了曾需持续订阅云服务的前沿模型。空气中弥漫着类似2022年末第一次在消费级GPU上跑Llama时的兴奋感。

02

“比Opus更好”的兴奋背后，藏着两个被忽视的数字

事件原点是一位工程师在社交平台上发布的长帖，其核心判断是“我在本地的GLM-5.2 2-bit上得到了比Opus 4.8更佳的结果”。这句话重复了自2023年以来每次本地旗舰模型复现的叙事套路：先是高调吹捧本地效果，接着审视硬件与延迟，最后发现“主力工具”与“玩具体验”的分界线依然存在。

同一位工程师两天后追加了一份澄清。从质量角度看，2-bit准确率82%、4-bit达到98%的结果，以及可与家人分享的兴奋感都很真实；但从速度角度看，生成一段18秒视频中的Flappy Bird游戏画面，本地耗时5分钟，而同款前沿云端模型大约只需15秒。由此得出的结论毫不含糊：它不会取代主要工作流，而是在不联网、不付费、不被封号这三个维度上解锁了被云端模型定价长期排除的新用例。

目前的量化数据来自Unsloth社区的标定曲线：1-bit约76.2% token一致率，2-bit约82%，4-bit/5-bit则接近无损。这些数字通过KL散度标定，作为精度参考比“主观评判”更贴近可复现标准；但“是否够用”是由用户的具体任务定义的，而非由量化位宽一锤定音。

03

不是替代，而是补全：本地模型催生的新用例才值得认真审视

真正的转折点并不在于“本地跑都没输”，而是“出现了云端根本无法完成的任务”。同一篇帖子里列举的新用例非常具体：让本地模型24小时循环审查最近的所有的PR，周期性扫描Creator Buddy的反馈数据，用浏览器自动爬取社交媒体上的专有数据，以及构建一份不存储于任何远程服务器的私聊助手。

这些任务的共同要求是：成本可忽略且路径完全可控。用云端模型实现同等效果，要么每家SaaS的API调用费变成固定支出，要么数据会被记录、审计、共享；而在这些维度上，本地模型具有无可替代性。所谓的“解放”，并不是单一技术突破制造的幻觉，而是由新形态的基础设施成本塑造出来的现实。

这也解释了社区里为何同时出现“本地AI已死”和“你的电脑就是星球最强终端”这两种对立信号。前者对照的是云端模型绝对不让步的推理质量；后者指向的则是本地模型开启了一个此前不存在的市场。两种判断同时成立，才是这件事情的真实面貌。

04

2026年6月，你该做的不是“迁移”，而是“重新定义问题”

放眼望去，AI行业的发展叙事始终围绕着“谁更聪明”，而这一次本地化的意义更像是在追问“谁的成本结构不同”。当推理成本从按token计费变为一次性硬件折旧，许多原本不成立的产品方案会同时浮出水面：24小时后台循环、自有数据链路、离线推理、私密对话。这些需求不再是小众偏好，而是下一波独立开发者、研究机构和数据敏感企业的产品基础。

如果今天你对本地AI的期待还停留在“替代云版ChatGPT”，那大概率会失望。但如果你将其理解为一个可以随时接管你电脑网络的、不联网的副驾驶，那么许多成本壁垒和市场空白将被重新定义。GLM-5.2在这个节点出现，不是为了追赶某个赛道的第一名，而是在推高门槛两边站着的队伍人数。

所有关于“AI泡沫是否破灭”的争论，既不取决于某次榜单更新，也不取决于社区情绪。真正的问题是：你的主工作流消耗的究竟是什么——是算力，还是AI解决问题的能力。

来源：Z.ai GLM-5.2 博客、unsloth/GLM-5.2-GGUF 模型仓库、Hugging Face 文件页

🔥 MCP 协议迅速走红原因解析

2024 年末，人工智能公司 Anthropic 正式开源了 MCP（模型上下文协议），该协议很快便成为 AI 行业的新焦点。MCP 的目标是为大语言模型（LLM）与外部数据源、工具之间建立一套统一的连接规范，直击 AI 应用实际部署中的集成痛点19。

MCP 的三大核心优势：
✅ 统一连接标准：无需为每个数据源编写定制代码，一次配置即可连接多种平台1
✅ 上下文保持能力：支持多轮对话中保持应用/服务间的上下文，增强 AI 自主执行复杂任务的能力10
✅ 安全高效传输：采用二进制通信和标准化安全机制，比传统 API 效率提升 40% 以上4

(图示：MCP的客户端-服务端架构，来源：Anthropic官方文档)

💻 MCP 对比传统 API：为什么称其为颠覆式创新？

数据来源：Anthropic 技术白皮书及第三方评测410

🛠️ MCP 核心组件与工作机制深度剖析

MCP 采用客户端‑服务端架构，主要包含以下组件9：

1. MCP Host：如 Claude Desktop 等 AI 应用，作为用户交互入口
2. MCP Client：协议客户端，与 Server 建立 1:1 连接
3. MCP Server：轻量级服务，连接数据源或工具并暴露功能
4. Local/Remote 资源：可以是本地文件、数据库或远程 API

通信机制支持两种方式：

《太吾绘卷》在6月17日结束了EA阶段，正式以《太吾绘卷：天幕心帷》之名上线。对修仙养成题材的偏爱似乎是刻在玩家骨子里的，无论是《太吾绘卷》《鬼谷八荒》，还是《觅长生》，只要沾上“修仙”二字，就总能让人心痒。哪怕是不太喜欢的战棋玩法，一旦裹上修仙养成的外衣，也值得耐着性子试试。

正是在这种情怀下，一个名为《仙途》（XianTu）的AI修仙文字冒险项目吸引了不少眼球，下面就把它分享给大家。

项目介绍

完整项目名：qianye60/XianTu，可在GitHub搜索。

《仙途》是一款AI驱动的沉浸式修仙文字冒险游戏，基于Vue 3、TypeScript和FastAPI开发，支持Gemini、Claude、OpenAI等多种大模型。它并非传统意义上的大型修仙游戏，而是将修仙题材、文字冒险与AI动态生成相结合，让剧情、事件和角色经历不再依赖固定脚本，而是能够根据玩家的选择实时生成新内容。

功能概览

• • 🤖 AI动态叙事 — 支持 Gemini / Claude / OpenAI / DeepSeek 等多种大模型，实时生成个性化剧情
• • ⚔️ 完整修仙体系 — 涵盖境界突破、三千大道、功法修炼、装备炼制及NPC互动
• • 🎲 智能判定系统 — 基于境界、属性、装备、功法等多维度计算判定结果
• • 💾 多存档管理 — 支持多角色、多存档槽位，可导入导出与云同步
• • 🗺️ 开放世界 — 自由探索朝天大陆，偶遇奇遇事件，构建人物关系网络
• • 📱 全平台适配 — 完美适配桌面端与移动端，提供亮/暗双主题
• • 🍺 酒馆兼容 — 兼容SillyTavern嵌入式环境及独立网页版

部署流程

以威联通NAS为例，使用Docker Compose进行部署，配置如下：

services:  
    xiantu:  
       image: qianye60/xiantu:latest  
       container_name: xiantu  
       restart: unless-stopped  
       ports:  
         - "8778:80"

打开威联通Container Station，创建新的应用程序。

你是否同时深度使用 Claude Code 和 CodeX 等多款 AI 编码助手？还是始终以一款为主、其余打辅助？我猜大多数人会选择主力工具，毕竟我们精心配置的插件、Skill、MCP 等早已与它深度绑定，切换代价不小。但如果存在一个“上层建筑”，能让你随时调度不同 Agent，甚至让 Claude Code 与 CodeX 相互审查对方的产出呢？

最近在 GitHub 上发现的开源项目 Omnigent，恰好瞄准了这个方向。

这个项目给自己起了一个颇有意思的定位：meta-harness——元调度层。请注意这个词，它要做的是运行在所有 “Claude Code 们” 之上的那一层。

深入理解 meta-harness：从发动机到底盘

要理解 meta-harness，得先拆解这个词。我们平时使用的 Claude Code、Codex、Cursor 本质上是 harness，即把大模型包装成能实际干活的 Agent 的外壳，集成了 prompt、工具调用、上下文管理和文件操作等能力。而 Omnigent 想做的是 meta-harness，一层运行在这些 harness 之上的调度系统。

开源地址：https://github.com/omnigent-ai/omnigent

打个比方：harness 是发动机，meta-harness 就是底盘和方向盘。你可以在同一辆车上换发动机，也可以同时装好几台发动机协同工作。这听起来抽象，但落到具体场景就清晰起来。Omnigent 给出了三大核心能力：

① 多 Agent 协同
在同一个 session 中，你可以同时调度 Claude Code、Codex、Cursor、Pi 等多个 Agent。更妙的是，你能指派一个 Agent 去审查另一个 Agent 的工作。比如让 Claude Code 写代码，由 Codex 来做 review。

② 跨设备无缝接力
一个 session 可以从终端里开始，切换到浏览器继续，最后在手机上收尾。消息、子 Agent、终端、文件全程同步。对于需要在路上或者躺在床上随时盯进度的人来说，这解决了很真实的需求。

周末例行查看常用的模型供应商控制台，突然注意到阶跃星辰刚刚上线了 Step 3.7 Flash，便立刻配置尝鲜。早就听说这款模型要来：新一代高效多模态 Flash 模型，主打极速推理、长上下文、工具调用与多模态工作流，直接面向 Agent 场景，最高生成速度可达 400 tokens/s。

用 CC Switch 打开 Claude Code 的配置文件，填入 Step 3.7 Flash 的相关信息，保存退出，再重新启动 Claude Code，就可以直接体验这款新模型了：

一、上手实测：用 Flash 模型搭建 Agent Loop Analyzer

最近打算做一个叫 Agent Loop Analyzer 的小组件，用来分析 Agent 在规划与执行任务过程中各阶段的耗时和成本。还没正式动工，正好拿 Step 3.7 Flash 试试手。

我的整体目标是生成一个“Agent Loop Analyzer”小工具：让 Coding Agent 从零开始构建一个 Vite + React + TypeScript 单页应用，用来估算 Agent 任务在规划、搜索、工具调用、代码生成、验证五个环节的耗时和成本，并通过图表直观呈现结果。

最终我给到 Agent 的 Prompt 是这样的：

从零开始创建一个 Vite + React + TypeScript 单页应用，名称为 Agent Loop Analyzer。  
功能要求：1. 左侧配置 Agent 任务的五个阶段：规划、搜索、工具调用、代码生成、验证。2. 每个阶段可输入调用次数、平均输入 tokens、平均输出 tokens、预估延迟。 3. 右侧实时展示总 tokens、总耗时、估算成本和阶段占比。 4. 用简单图表展示每个阶段的耗时占比。 5. 提供一组默认示例数据。 6. 支持导入和导出 JSON 配置。 7. 生成 README，说明如何启动、如何使用、核心设计取舍。8. 完成后运行构建检查，并汇报是否通过。 约束： - 使用 React + TypeScript。- 样式使用普通 CSS，不引入复杂 UI 库。- 优先保证第一版可运行、结构清晰、代码可维护。  
记录四个结果就够了：模型版本、推理强度、首次生成是否能跑通、人工修改了几处。这个 Demo 能同时测 Coding、Agent loop、工具调用稳定性和 first-pass 完成度。

任务交给 Step 3.7 Flash 后，通过 Claude Code 的调度，模型迅速展开了规划与骨架搭建，接着开始编写代码。

随着eve的发布，Agent框架正迅速从百花齐放的混乱局面走向标准化。2026年下半年，Agent开发将迎来类似2018年前端开发的关键转折：框架之争刚刚开始，但标准化的方向已然清晰。

https://github.com/vercel/eve

my-agent/└── agent/    ├── agent.ts            # 可选:定义所用模型及基础配置    ├── instructions.md     # 必须: 系统提示词，明确Agent人设与目标    ├── tools/              # 可选: 模型可调用的自定义工具函数    │   └── get_weather.ts    ├── skills/             # 可选: 技能，可复用的操作流程     │   └── plan_a_trip.md    ├── channels/           # 可选: 消息通道 (HTTP, Slack, Discord)    │   └── slack.ts    └── schedules/          # 可选: 定时任务        └── weekly_recap.ts

AI Agent的工程化正在经历一场根本性重塑。以往，每个团队都在重复搭建执行环境、审批流程和状态管理，如同前端领域在Next.js诞生前的“手工时代”。Vercel eve的诞生终结了这一碎片化的局面，它被明确命名为“Agent领域的Next.js”，其使命是通过一套标准化的框架，极大压缩从原型验证到生产部署的周期。

eve的核心价值在于将生产就绪的能力直接固化到框架内部，让开发者无需再为以下通用难题投入过多精力：

• 如何确保服务重启后会话无缝恢复？
• 如何隔离Agent所生成代码的执行风险？
• 如何在执行删除等敏感操作前插入人工审批？
• 如何追踪每一次模型调用和工具执行的全链路？

技术架构：文件驱动与持久化执行

Vercel eve凭借独创的文件驱动架构、可靠的持久化机制以及分层记忆与状态管理，从根本上攻克了AI Agent在生产环境中的执行中断、状态丢失和上下文膨胀等核心挑战。其设计目标不仅是提升开发效率，更是为了保障复杂任务的长期稳定运行。

安全机制：沙箱隔离与人工审批闭环

Vercel eve构建了一套“隔离为基底、权限为纲领、验证为盾牌”的全栈安全体系，系统性地应对AI Agent在生产中面临的越权操作、提示注入、凭证泄露等核心风险。该设计将复杂的多层安全保障深嵌于框架底层，使开发者无需再从零开始构建防护机制。

运维能力：可观测性与成本控制

Vercel eve框架将生产级运维能力融入其基因，使开发者能够以极低的额外成本实现对AI Agent行为的全面掌控与资源优化。在真实的业务环境中，可观测性与成本管理是决定Agent能否规模化落地的关键因素。

生态集成：跨平台协同与业务闭环

Vercel eve不只是一个运行时框架，更是一套完整的生态集成方案。它通过标准化的接口与协议，打破了AI Agent与外部世界的连接壁垒，让开发者能够快速构建端到端的自动化流程，实现从用户触达到任务交付的完整闭环。