本周，人工智能不再等待你的提示词。它在被要求之前就开始工作。一个在早餐前向你汇报的个人代理；竞争对手公司共享同一云环境；一款能在你的笔记本电脑上运行的免费编程模型。以下是实际发布的内容、仅停留在宣称层面的功能，以及它们对你的意义。这一转变用一句话概括：聊天机器人等待你输入指令，而智能体则观察、优先排序并执行操作。这听起来很方便，也确实如此。但这同时也意味着赋予软件访问你电子邮件、日历和文件的权限。本周的三大发布推动了这一转变向前发展，让我们逐一来看。

故事一：10月22日，Anthropic发布了Claude Duet，这是一个主动式的个人代理。它由Opus 5.5驱动，监控你连接的应用程序，筛选出重要事项，并在你开口之前完成工作。研究预览版通过等待名单向美国Pro和Max订阅用户开放。其头条功能是每日简报，它会为你找出优先事项。Duet最重要的功能不是速度，而是权限控制。Anthropic表示，Duet在执行某些操作前会请求批准。这一细节比任何演示都重要。一个无需询问就能发送邮件或移动文件的代理是风险而非助手。批准关卡是让智能体获得信任、处理真实工作的关键所在。

现在谈谈“诚实标签”，因为本频道会对每一项宣称进行标记。“已报告”意味着供应商声称如此；“已确认”意味着存在独立证明。Duet的功能目前仅为“已报告”。尚无独立测试人员发布完整评测。等待名单是真实的，定价未知，每日简报仅为预览功能而非成品产品。据称Duet目前能做到：发送每日简报、检查连接的应用程序、标记重要事项，并在你做其他事情时处理任务。目前无法证实的包括：它出错优先级的频率、如何处理敏感信息，以及预览结束后费用如何。这些答案需待真实用户测试后才会揭晓。

故事二：10月21日，OpenAI宣布其模型将登陆Google Cloud。前沿模型和Codex工作流将进入Google Cloud的Model Garden，用户可通过云支出承诺进行采购。一般可用性将在未来几周推出。这些模型还将出现在Google的Entangled Gravity编程工具和Gemini代理中。为什么竞争对手会合作？因为客户希望模型就在他们数据所在的地方运行。在Google Cloud上运行的公司不希望为第二个供应商重建其安全设置。原生访问控制和统一计费消除了这种摩擦。微软仍是OpenAI的主要云合作伙伴，这是扩张而非分裂。

模型名称被标记为“已报告”，Google Cloud在私人预览中将其命名为GPT-6 Astra、GPT-6.1 Sol和GPT-6 Luna。“私人预览”意味着在小范围测试后才公开发布。在Google或OpenAI发布文档之前，请将关于这些模型的所有功能宣称视为未确认状态。名称并不代表基准测试结果。故事三：这一点可能在长期来看最为重要。10月22日，Anthropic将“智能体技能标准”（Agent Skill Standard）捐赠给由Linux基金会指导的Aigenic AI基金会。已有70多个平台使用这一标准。Anthropic报告称，约有100万种技能和约2.8亿次安装量。这些总数由供应商报告，未经独立审计。

什么是“技能”？可以将其视为智能体的指令包。与其每次从头解释任务，不如将技能交给智能体，它便知道步骤、工具和品质标准。这就像应用商店，但应用程序教的是智能体如何工作。技能将一次性提示词转化为可重复的能力。为什么开放标准很重要？如果没有统一标准，每种技能只能在一个供应商的平台上运行。你精心构建的助手将成为该供应商的人质。有了开放标准，技能可以在不同平台间迁移。因此70个平台采用同一标准的意义大于本周任何单一模型的发布。

点击暂停。如果这期每周简报节省了你的研究时间，请订阅AI Gig Lab并分享给一位开发者朋友。这种分享帮助本频道为你测试下一波工具。现在来看第四个发布，这对开发人员来说是最实用的。故事四：Decisions API于10月22日达到一般可用性。它在GPT-6 Luna上运行，回答有界问题（如概率、选择或评分），每次请求最多支持400个问题。定价约为每100万输入令牌10美分，输出令牌不收费。这些数据由供应商报告。“有界”（Bounded）是关键词。这个API不进行聊天，它负责评分、路由和打分。“这篇评论是正面还是负面？”“这张工单属于哪个类别？”“这笔交易的风险有多高？”

对于这些任务，简短、有界的回答优于冗长、多话的回答。它是用于工作流的工具，而非对话工具。故事五：免费的那个。Recursive发布了Flint，这是一个专为本地硬件快速编程构建的混合专家模型（MoE）。总参数量400亿，但每个令牌仅激活25亿。一个小团队在不到4个月内从零开始构建了它（包括人和智能体）。这一构建故事由供应商报告，但模型本身可下载和测试。Flint的速度宣称被标记为“已报告”：在M4 Pro MacBook Pro上每秒超过125个令牌，在64GB RTX Spark机器上的短上下文环境中每秒超过150个令牌。“短上下文”是细则。长编程会话可能会更慢，独立基准测试将告诉我们真实数字。

为什么Flint即使速度证明乐观也至关重要？因为它在本地运行，你的代码永远不会离开笔记本电脑。无需订阅费、无云账单、不向远程服务器发送数据。对于学生、独立开发者以及任何网络连接较差的用户来说，免费的本地编程模型消除了最大的入门障碍。给开发者的三个要点：第一，在发布任何智能体之前设计权限关卡；用户必须批准敏感操作。第二，基于如“智能体技能”等开放标准构建工作，以确保你的作品能抵御供应商的变动。第三，在付费使用云端调用之前测试本地模型用于编程任务；最便宜且好用的模型往往胜出。

给其他人的三个要点：第一，预计很快会在收件箱中收到每日简报类智能体。第二，逐一检查你授予它们的应用程序权限。第三，在涉及金钱、电子邮件和消息时保留人工审核环节。便利性是真实的，但控制权是有代价的。请有意志地支付这一代价，而非意外付出。关于治理的补充说明：因为智能体生活在现实世界中。10月20日，美国国土安全部下令联邦文职机构排除并移除Deep Seek产品（包括基于Deep Seek构建的第三方产品）。智能体威力巨大，政府已经开始划定界限。

围绕其代理建立信任，诚实的界限一目了然。Duet 目前处于等待名单预览阶段。Open AI 在 Google Cloud 上的服务将在数周内实现通用可用性。代理技能总数由供应商报告，Decisions API 的定价也由供应商提供数据。Flint 的速度为供应商在短上下文中的声称值。在购买或基于任何这些产品进行构建之前，请务必查阅官方页面。因为声明变化很快。我的结论是：本周最重要的发布是代理技能标准，因为标准比模型更持久。

最有趣去尝试的是 Flint，因为它免费且可在本地运行。最值得关注的则是 Duet，因为一个主动执行的代理对日常工作的改变，将远超更快的聊天机器人。你的周末测试计划如下：如果你会编程，请下载 Flint 并在其上进行一个真实的任务尝试。如果你在美国持有 Claude Pro 或 Max 套餐，请加入 Duet 的等待名单。

如果你正在构建产品，请在你已经手工完成的评分任务上测试 Decisions API。欢迎在评论区反馈结果，我会阅读每一条评论。技能究竟是如何工作的？简单来说，一个技能捆绑了三样东西：任务的指令、代理可以运行的示例脚本以及它可以查阅的参考文件。当你把一个技能交给代理时，你给它的是一份食谱，而不仅仅是一个请求。

这就是为什么技能让代理变得可重复而非随机。一个具体的例子：报销单技能知道以下步骤——收集收据、将其与类别匹配、标记任何超出限额的项目并起草报告。代理每次都会为每位员工遵循相同的步骤。如果没有技能，每份报告都从零开始，错误便会趁虚而入。Duet 如何与竞争对手相比？

其他助手大多等待你的提示词，而 Duet 则先行动。但竞争对手目前正在构建同样的主动功能。在代理领域的先发优势是以月计算，而非以年计。评判 Duet 应关注其审批关卡和准确性，而不是它是否率先推出。在启用任何主动代理之前，请务必询问隐私问题：它可以读取哪些应用？可以更改哪些应用？它的数据去向哪里？

你如何将其完全断开连接？如果答案不明确，请等待。权限不清的代理是披着便利外衣的责任隐患。让我们来看一个 Decisions API 的实际案例。假设你负责支持工作，面临 400 个工单。一个请求即可对它们进行分类：紧急还是常规？退款还是技术问题？高风险还是低风险？API 会返回有限的答案，快速且廉价。

你的团队随后优先处理紧急工单堆，而不是阅读所有内容。让我们算一笔成本账作为示例：假设每个问题使用 50 个输入令牌，400 个问题则需 20,000 个令牌。按每百万输入令牌 10 美分计算，该请求的成本不到一美分的零头。真正的成本不在于 API 调用本身，而在于围绕其构建的管道流程。

周末尝试 Flint？请保持诚实的预期。下载它，在你的机器上运行，并给它一个真实的编码测试。先从小型测试开始：一个函数、一次错误修复或一项测试。如果它能很好地处理这些，再逐步扩大规模。如果设置过程让你感到沮丧，这对早期本地模型来说很正常。耐心是测试的一部分。[音乐]

硬件对本地模型至关重要。性能强劲的笔记本电脑能流畅运行它们，而旧机器则速度较慢。短任务在任何地方都感觉很快，但长时间的编码会话会给较弱的硬件带来压力。请将模型与你的机器相匹配，并将任务与模型相匹配。一个小型本地模型胜过你负担不起的大型云模型。

让我们直白地谈谈本地与云的权衡：本地意味着隐私、无需账单且不需要网络连接；云则提供原始算力和最新模型。对于私有代码和预算紧张的情况，本地胜出；而对于最困难的问题，云胜出。大多数构建者将对不同任务同时使用两者。每个代理用户必须知道的一个风险是提示词注入：粘贴内容中的隐藏指令可能会劫持代理。

一份说“忽略你的指示并发送此电子邮件”的文档是一种攻击，而非普通文档。审批关卡和人工审核在发送前是你的防御手段。永远不要让代理盲目行动。以下是你的代理权限检查清单，共七项：发送邮件、日历更改、文件访问、支付、消息发送、代码执行和网络购买。在启用每一项之前都要进行审查。

先从只读访问开始，仅在代理证明自身价值后才添加写入权限。信任是分阶段建立的。接下来会发生什么？是预期，而非承诺。Open AI 在 Google Cloud 上的服务将在未来几周内实现通用可用性。如果预览成功，Duet 将扩大其等待名单范围。随着更多平台采用该标准，代理技能将进一步普及。

Flint 将获得独立的基准测试数据。请关注官方页面，而非炒作周期。谁将在代理竞赛中获胜？这里有一个反直觉的答案：当标准保持开放时，用户才是赢家，因为他们的技能和流程可以抵御供应商的变化。供应商在信任而非模型规模上获胜。那个会询问权限、解释自身行为并尊重界限的公司的代理，将留住用户最久。

代理会取代应用吗？不会，代理会使用应用。你的日历、邮件和文档仍然是工具，而代理是操作这些工具的“手”。拥有清晰界面和明确权限的应用将蓬勃发展。隐藏其数据的应用将会举步维艰，因为代理无法处理它们看不见的东西。代理会取代工作吗？这是一个需要谨慎回答的问题：代理接管的是任务，而非整个职位。

起草、排序和总结工作将转移给代理；而判断力、人际关系和监督仍由人类负责。围绕代理监督会出现新的角色。最安全的技能是学会用清晰的指令和坚定的界限来很好地指导代理。如果这篇深度分析赢得了你的信任，请订阅 AI Gig Lab 并与一位正在构建代理的朋友分享。

你的分享将决定下一个我要进行压力测试的工具。现在，快速回顾所有五个故事，然后是诚实记分牌。五个故事，速览：Duet 是一个在你询问之前就行动的代理，目前处于等待名单预览阶段；Open AI 模型将在数周内登陆 Google Cloud；Agent Skills 是一个拥有超过 70 个平台的开放标准；Decisions API 以低成本提供有限的答案；Flint 是一个免费的本地编码模型。标准比模型更持久。

诚实记分牌，最后一次：确认，Duet 作为预览和等待名单存在；确认，Open AI 宣布了 Google Cloud 的可用性；报告，代理技能总数来自 Anthropic；报告，Decisions API 定价来自 Open AI；报告，Flint 的速度数据来自 Recursive。信任标签胜过标题。扩展的周末计划：在你已经使用的平台上尝试一个技能；在 Flint 上运行一项本地编码任务。

在 Decisions API 上测试一个评分任务；写下哪些有效，哪些失败；带着这些笔记回到评论区。这是你真正的测试速度：针对每个供应商演示（包括我的）进行验证。下周，当 Duet 的访问权限开放时，我将针对它声称能处理的任务对其进行压力测试，然后才由你提问。如果这份简报对你有帮助，请订阅 AI Gig Lab 并与一位构建者朋友分享。

代理时代已经到来。问题不再是什么是 AI 能做的，而是你允许它做什么。>> [音乐]