AI 动态日报 · 2026-08-13（周四）
今天最该知道的一件事：DeepSeek V4 Pro 正式 GA，100 万上下文、输入每百万 0.435 美元。
《AI 动态日报》是 Sway Lab 每天早上做的简报：抓取当天的 GitHub、Hacker News、arXiv、Hugging Face 等一手来源，筛出十条最值得读的，原样公开。它首先是写给 Sway 本人看的，所以文中的「你」指的是他。
今天最该知道的一件事：DeepSeek V4 Pro 正式 GA，100 万上下文、输入每百万 0.435 美元。
Top 10
1. DeepSeek V4 Pro 0813 正式版发布：1M 上下文，输入 $0.435 / 百万 · 产品 / 官方发布 · 中文圈 · HN 720 pts / 270 条评论（今日 HN 第二）· OpenRouter 页面标注 2026-08-12 发布 大规模 MoE，这是 DeepSeek V4 Pro 的 GA（正式可用）版本，不再是预览。OpenRouter 上的硬参数：上下文 1,000,000，价格 输入 $0.435 / 输出 $0.87 每百万 token，目前只有一家 provider 托管、请求直接转发不做路由。 对你最直接的一条是价格和窗口的组合：1M 窗口配这个单价，意味着"把整个 session 历史原样喂回去"从奢侈变成了可选项。你在 hermit-agent 和 session-memory-skill 里为了省 token 做的那些压缩取舍，值得拿这个价位重新算一次账——有些压缩可能已经不值得做了。 🔗 https://openrouter.ai/deepseek/deepseek-v4-pro-0813 · HN 讨论 https://news.ycombinator.com/item?id=49274600
2. 「AI 正在消灭软件工程的中产阶级」 · 理念 / 争论 · Florian Herrengt，2026-08-11 发表 · HN 698 pts / 630 条评论（今日 HN 第三，评论数全站第一） 作者用两个场景对照：2020 年你休假回来发现代码库乱了，还能修；2026 年一个普通的周一早上，你打开电脑面对 7 个 PR，第一个就是 +24,506 / -3,938 行，配一段 AI 写的说明——团队从周五到周一的改动量，比过去你休假几周的还多。他的核心判断是 "AI 移除了速度限制"：工程文化弱的项目现在失败得更快，而最要命的地方在于"对外行来说它看起来是work 的"——拉下分支跑一跑确实有东西，于是团队继续加码，直到没人知道任何东西是怎么运转的。文中那段对话是全篇的钩子："数据是从哪来的？""我不知道，我问一下 Claude。" 这条对你有两层用：一是它给"agent 产出的代码谁来负责理解"这个问题提供了目前传播最广的表述（630 条评论），二是它反过来定义了 agent 基础设施该解的问题——不是让 agent 写得更多，而是让人验证得更快。你做 hermit-ui 时，"这段改动的意图链在哪"比"改了多少行"重要得多。 🔗 https://blog.florianherrengt.com/ai-removing-middle-class-software-engineering.html · HN 讨论 https://news.ycombinator.com/item?id=49271994
3. Zed 发布 Delta：把「对话」和「工作树」一起实时复制给整个团队 · 产品 / 官方发布 · Zed 官方博客，作者 Nathan Sobo，2026-08-12 · HN 373 pts / 122 条评论 Zed 团队新做了一个独立应用（不是往 Zed 里加功能）：Delta，定位是"和 agent 一起写代码、并 review 它产出的多人环境"。底座叫 DeltaDB——把对话和 worktree 一起实时复制给同一个 thread 里的所有人，而且是跟你已有的 git 仓库配合：每次 commit 之间的所有编辑和对话都被捕获，你照常 commit/push，没装 Delta 的同事看到的仍然是一个普通 git 仓库。要解的问题说得很明确：commit-based 平台上评论挂在快照上，代码一变就过期；Delta 里评论可以挂在对话上、也可以挂在 worktree 的任意一行上（不管是 agent 昨天碰的还是人三年前写的），并随代码演化锚定。agent 就在 thread 里，跟你读同一份原始对话和决策——"东西看着不对时，你不用从 diff 反推意图，直接问 agent"。目前私有 beta。 这是第 2 条那个问题的一个具体答案，而且答案的形状值得你抄：意图不该丢在 commit 之间。你手上多个会话并行跑 agent（今天开工的 worktree 提示就是），"这段代码是哪次对话产出的"这件事你迟早要在 hermit 里解一遍。DeltaDB 选择"复制对话+工作树、但对外仍是普通 git"这个兼容路线，比另起一套版本控制现实得多。 🔗 https://zed.dev/blog/introducing-delta · HN 讨论 https://news.ycombinator.com/item?id=49276574
4. better-harness：不改你的 agent，改你 agent 周围那个循环 · 仓库 · 中文圈 · 1,815 stars / 150 forks，2026-07-21 建仓，2026-08-13 推送（今天），JavaScript，MIT，10 个 open issue Qoder（阿里）出的开源工具，一句话定位是 "Delegate coding to agents. Improve the loop around them."——它跑在你已经在用的那个 coding agent 里面，把项目证据和 session 证据变成排好优先级的改进项和可验证的下一步。三个设计取舍值得注意：① 没有统一入口，每个 host 有自己的安装/验证/调用/出报告步骤，README 里直接给了 Claude Code / Codex Desktop / Codex CLI / Qoder / Cursor / GitHub Copilot CLI 的分别写法，另外还支持 Qwen Code / Pi / Kimi Code / WorkBuddy / Grok（在 Host Adapter Matrix 里）；② 行为断言限定在相关的 Task Episode 和周边项目机制上，不做全局结论；③ "证据缺失"是显式输出的，不是默默略过。报告形态按 host 分：Qoder / Cursor 出 host 原生 Canvas 报告，Claude Code / Codex / Qwen Code / Copilot / Kimi Code 出自包含 HTML + 配对的 Markdown。README 有简体中文版。 这是今天最贴你活儿的仓库。昨天 Evo-Bench 讲的是"怎么评价 harness 改动"，这个讲的是"怎么从你自己的 session 里提出 harness 改动"——而且它已经支持 Claude Code，你六个 skill 跑出来的 session 就是它的输入。"missing evidence stays explicit" 这条尤其值得抄进你自己的 eval：不敢下结论的地方明写不敢，比编一个结论有用。 🔗 https://github.com/QoderAI/better-harness
5. 有人在冒充 ClaudeBot 之类的 AI 爬虫，跑全网漏洞扫描 · 事故 / 安全 · Known Agents「The Agentic Web Index」· HN 226 pts / 164 条评论 数据基于 5,000+ 个网站的实测流量。几个能引用的数字：机器人流量占全部访问的 35%（较前 90 天 ↓1%）；其中 "agentrification"（机器人流量里属于 AI 的比例）29%，较前 90 天 ↑11%——这是全表涨得最猛的一项；robots.txt 遵守率 98.5%；AI chat 带来的人类访问引荐量只有 0.1%（↓9%）。Top Agents 榜上 ClaudeBot 以 27.0% 排第一（被归类为 AI Data Scraper），后面是 meta-externalagent 19.3%、Amazonbot 19.1%、GPTBot 9.5%、Bytespider 7.3%。而 HN 上被顶起来的是它的 Spoofing & Security 一节：有人伪装成 ClaudeBot 这类知名 AI 爬虫的 User-Agent，在跑大规模漏洞扫描——被冒充的正是流量份额第一的那个，这不是巧合：冒充份额最大的爬虫，最容易混进白名单。 两个用处。一是防守面：UA 自称是 AI agent 不构成任何身份证明，你要是在 hermit 里做过"放行 AI 爬虫"这类白名单，那条规则现在是个洞。二是进攻面的镜像——昨天那条 Claude Code 把用户真实邮箱写进 curl UA 的 issue，和今天这条是同一枚硬币的两面：出站请求头既会泄漏你的身份，也会被别人冒用。agent 的网络身份需要真的可验证（签名 / 反查 IP），不能靠字符串。 🔗 https://knownagents.com/insights · HN 讨论 https://news.ycombinator.com/item?id=49272569
6. SkillZip：不用跑评测，把一个膨胀的 skill 压回它最短的那个结构 · 论文 · arXiv 2608.11079，2026-08-11 提交，cs.AI，7 位作者（Xiaofan Bai、Hongqiang Lin、Chao Liu、Yantao Zhang、Xuan Jin、Xipeng Cao、Yuhong Li）· Hugging Face Papers 11 upvotes 问题描述得非常准：自进化 agent 靠"追加成功流程 + 追加失败修复"积累 skill，时间一长，同一条要求会在多个分支、示例和警告里被重述，公共动作序列被复制而不是被复用——skill 变得又贵（注入成本）又难维护。作者指出通用的 prompt 压缩在这儿不管用，因为 skill 不是一段平铺的文字：它的 name 和 description 决定何时适用，workflow 控制执行，tool / output contract 约束有效性，而罕见异常即使在采样任务里从没被触发过也可能是必要的。评测引导的压缩能测这些行为，但要跑 rollout、要花钱、还依赖压缩时用的那套评测集。SkillZip 的做法是免评测：把压缩定义成"找到这个 skill 最短的忠实结构解释"，形式化为带类型的最小描述长度目标（skill contract + 残差），并对每一个抽取出的 trigger、workflow 边、tool 要求、obligation 和 output 字段施加硬覆盖约束。口号是 explain once, reference many——重复规则在它适用的作用域上只说一次，重复动作序列抽成共享过程，只把差异留成显式异常。两种模式：一次性的 one-shot（一次结构化抽取 + 确定性优化），和持续的 Zip-on-Write（每来一个自进化补丁就并进去，不重放任务、不重新解析全部历史）。 你有六个 skill，而且它们是长出来的不是设计出来的——这篇讲的就是你正在经历的那个膨胀。"罕见规则按构造保留"这条是它跟粗暴压缩的分水岭，也正是你不敢删 skill 里那些边角条款的原因。Zip-on-Write 这个增量模式尤其值得照着做一遍。 🔗 https://arxiv.org/abs/2608.11079
7. diagram-design：29 种编辑级图表，一个 skill，读一遍你的网站就配好色 · 仓库 · 10,433 stars / 674 forks，GitHub Trending 日榜第一、今日 +2,855，2026-04-16 建仓，2026-08-13 推送（今天），HTML，MIT 一个给 Claude Code / Codex / Pi 用的 agent skill，副标题是"你的设计师不会嫌弃的编辑级图表"。README 自陈的动机很朴素：每次要画架构图 / 流程图，问 Claude 得到的都是"通用圆角框"，跟站点其余部分完全不搭，只能去 Figma 磨 30 分钟或者干脆不画。它给的答案是 27 种视觉类型 × 三种静态变体（minimal light / minimal dark / full-editorial），纯 HTML + SVG 自包含，没有构建步骤、没有 JavaScript、没有外部图片依赖，浏览器直接打开。宣称读一遍你的网站、60 秒对上你的品牌色。2.0 加了 Loop（带共享记忆中枢的飞轮图，虚线是写回），2.3 加了语义系统模式和可选的无障碍动效、静态输出仍是默认。还能把已有的 draw.io 或 Mermaid 源按指定格式/尺寸/详略重画。设计准则写得挺狠："最高质量的动作通常是删除"、"强调色只留给读者最先该看的那 1–2 个东西"、目标密度 4/10。 两个用处叠在一起：一是你在做自媒体，知乎长文和推特 thread 的配图是硬需求，这个能直接产出；二是它本身是一个做得很好的 skill 样本——27 个类型不靠堆 prompt，靠"语义模式与布局分离"来控制类型数不膨胀，这个切法可以直接搬进你自己的 skill 设计。 🔗 https://github.com/cathrynlavery/diagram-design
8. Co-Evolution in Agentic Systems：一篇把「自进化」拆成三级阶梯的综述 · 论文 · arXiv 2608.10299，2026-08-10 提交，cs.CL，12+ 位作者（Qing Zong、Jiayu Liu、Junhao Shen、Zecong Tang、Linsi Wu、Yuxuan Liu、Rui Wang、Zhaowei Wang 等）· Hugging Face Papers 116 upvotes（今日第二高） 立论的起点是一个具体的局限：单实体自进化被静态学习语境卡住——任务固定、反馈固定，agent 再怎么自我改进也有天花板。这篇综述转向 co-evolution：多个 agent 和它们的环境互相施加适应压力。分类法是一个逐级褪去人工约束的三阶段阶梯：① Agent–Agent 共进化——通过动态的同伴适应，含对抗、协作、组织三种；② Agent–Environment 共进化——把这个循环扩展到会随 agent 变化的任务、反馈和交互空间；③ Meta 共进化——让进化机制本身变成可进化的。文末的开放问题正好是三个工程难题：怎么评测这类系统、怎么跨多组件扩展、以及怎么让越来越自主的进化过程保持安全可控。 这是理念占位的那一条，也是你 agent-matrix 和 emotion-system 的地图。它给了你一把尺子：你现在的 skill 自进化多半停在第①级（agent 之间互相改），而第②级"环境/任务本身也跟着变"是你还没动的地方。综述类论文的价值在参考文献网络——116 个 upvote 说明这份 taxonomy 正在被当共识用。 🔗 https://arxiv.org/abs/2608.10299
9. 一个人怎么用六个 agent 当员工：一份不吹牛的实录 · 理念 / 方法论 · Chad Arimura，2026-08-11 发表 · HN 95 pts / 45 条评论 开篇的免责声明就定了调："这是人写的。我让 gtm-agent 审了一遍，然后把它的修改基本全撤回了，花的时间是直接发出去的 10 倍。"他明说不跟那些"上千个 agent、自改进循环"的说法凑热闹，先从六个开始：ea-agent（日程 + Linear 里当 PM）、ops-agent（盯性能和 Sentry，自己修 / 派给 dev-agent / 上报给人）、dev-agent（有几个仓库的 GitHub 权限）、gtm-agent（漏斗、流量、社媒，带写作和社媒管理 skill）、research-agent（长时异步研究出报告）、vps-agent（agent 机器的 root 权限，能新建 agent、加 MCP server 和 skill、做服务器维护，只对本人响应）。运行时和记忆这段最有信息量：每个 agent 由 SOUL.md + AGENTS.md + skills + tools + MCP servers + 每个 profile 一个 Mnemosyne memory bank + 一个同步到本机的共享 Obsidian wiki 定义。Obsidian 那段是他说的最实在的一句——它成了"业务操作手册"，把流程沉淀下来，新 agent 起来就知道这儿的规矩。模型选择也很坦率：本来用 Anthropic 的 Fable，"被 API 账单拍了一下"、发现这种用法不能走订阅，就换成了 GPT-5.6 Sol（子 agent 用 Terra），并认为前沿模型在这类活儿上大体可互换。 你的 IDENTITY.md / AGENTS.md / evolution/ 这套跟他的 SOUL.md / AGENTS.md / memory bank 是收敛到同一个形状的——这是个独立验证。最值得抄的是"共享 wiki 当组织记忆"：你现在每个 agent 的记忆是各自的，跨 agent 的"这儿的规矩"没有单一落点。另外那句"订阅不能用于这种编排、只能走 API 计费"是一条硬约束，你排 agent-matrix 的成本时用得上。 🔗 https://chad.cm/posts/2026-8-11-my-agent-setup · HN 讨论 https://news.ycombinator.com/item?id=49272484
10. semantica：把上下文做成图，而不是做成一段文本 · 仓库 · 5,718 stars / 624 forks，GitHub Trending 周榜本周 +3,585、日榜今日 +845，2025-06-25 建仓，2026-08-12 推送，Python，MIT，67 个 open issue 定位一句话："Graph-Native Infrastructure for Context and Accountable AI Systems"——图原生的上下文与可问责 AI 系统基础设施。它同时上了今天的日榜和本周的周榜，是本周榜上除 Cloudflare Computer 之外增速最靠前的一个，而且是本榜里少数建仓超过一年（2025-06-25）还在加速的项目——不是一周窜起来的热度。 "accountable"（可问责）这个词是它跟一堆记忆库的区别：图结构天然带来源和路径，能回答"这个结论是从哪几条证据来的"。这正好接上今天第 2、第 3 条的同一个主题——agent 时代真正稀缺的是可追溯，不是产出量。你的 session-memory-skill 现在大概率是扁平检索，图原生是另一条路；67 个 open issue 说明它还在长，当参考实现读比当依赖装合适。 🔗 https://github.com/semantica-agi/semantica
快讯（5 条）
- Grok 4.6 发布，主打长时 agent，AA 智能指数 61 分、与 GPT-5.6 Sol 持平 🔗 https://x.ai/news/grok-4-6（HN 391 pts / 389 条评论）
- Qwen3.8-2.4T-A95B 上 Hugging Face，2.4 万亿参数 MoE 🔗 https://huggingface.co/Qwen/Qwen3.8-2.4T-A95B（HN 481 pts / 102 条评论）
- Hax：用 C 写的极简终端 coding agent 🔗 https://usehax.dev/（HN 85 pts / 28 条评论）
- xerj：给 agent 用的索引式搜索，自称比 grep 省 40 倍 token，兼容 Elasticsearch 🔗 https://github.com/xerj-org/xerj（1,316 stars / 289 forks，Rust，今日仍在推）
- llm-space：桌面应用，逐步查看 harness 每一步、重放失败、跑评测 🔗 https://github.com/deer-flow/llm-space（1,586 stars / 161 forks，MIT）
今天可以亲手试的
1. 用 better-harness 让 agent 审一遍你自己的 session · 约 15 分钟
npx @qoder-ai/better-harness（npm 包名 @qoder-ai/better-harness，MIT）。注意它没有统一入口——按 README 里 Claude Code 那一节的专属步骤走，别照抄别的 host 的命令。Claude Code 走的是"自包含 HTML + 配对 Markdown"那条输出路径。挑一个你最近折腾得最久的 skill 目录跑，重点看它把哪些地方标成了 "missing evidence"——那些就是你 harness 里没有可观测性的位置，比它给的改进建议更有价值。
2. 装 diagram-design，给知乎那篇长文出一张架构图 · 约 10 分钟 仓库 https://github.com/cathrynlavery/diagram-design ，MIT，作为 Claude Code skill 装。先让它读 swaylab.ai 取品牌色（README 声称 60 秒对色），然后拿今天第 8 条那个"共进化三阶梯"画一张 Layer stack 或 Loop 图。产出是自包含 HTML + SVG，浏览器直接开、直接截图。
3. 拿 SkillZip 的"explain once, reference many"给自己的 skill 做一次人工体检 · 约 10 分钟 不用等代码。挑你六个 skill 里最长的那个，只做三件事：① 找出在多个分支里被重述的同一条要求，提到它真正适用的那个作用域上，只留一份；② 找出被复制粘贴的动作序列，抽成一个共享过程；③ 剩下的差异写成显式异常。做完对比一下字数。论文强调的那条边界要守住：罕见规则不能因为"没触发过"就删——那正是评测引导的压缩会误伤的地方。