AX 严选 · 2026-07-06

这条推文是 Claude Code 团队自己发的，相当于产品设计思路的官方说明。他们把智能体反复执行任务直到停下的过程叫“设计循环”，分了四种：回合循环靠人每次手动发指令，模型自己判断什么时候算完，适合短任务，可以用 SKILL.md 文件来检查它干得对不对；目标循环用 /goal 命令启动，达到目标或跑满轮数就停，但目标必须能明确判断，比如测试通过多少个；时间循环用 /loop 和 /schedule 按间隔触发，适合同步消息、检查 PR 这类重复任务，可以扔到云端跑；主动循环靠事件或计划触发，全程没人参与，每个子任务独立退出。 团队的建议很务实：从最简单的方案开始，只在确实需要时才加复杂度。这点对实际用的人来说挺重要，因为很多团队一上来就想搞全自动主动循环，结果调试成本比收益还高。不过正文没给出这四种循环在实际项目里的性能对比数据，比如不同循环类型的任务完成率、平均耗时或资源消耗，也没说主动循环在云端跑的时候怎么处理失败重试和安全边界。如果是真的想在生产环境用，这些信息缺口得自己补上。

TechCrunch这份持续更新的名单，把2026年拿AI当裁员理由的大厂都列了出来。微软刚裁掉约4800人，占全球员工2.1%，官方说法是这些岗位“不是被AI取代”，但承认AI正在改变工作方式。5月是近年来科技裁员最惨的一个月，AI是被提及最多的理由。2026年至今，整个科技行业已经砍掉约12万个岗位。名单目前覆盖了微软、甲骨文、GitLab等十家公司，给出了每家的裁员人数和官方声明。 这份名单的价值在于把各家零散的裁员公告串了起来，让你能直观看到AI对就业市场的冲击规模。但要注意，公司公开说的理由和实际决策之间可能有差距。有些公司可能把常规的成本优化也包装成“AI转型”，或者反过来，用AI当挡箭牌掩盖业务问题。正文没披露这些裁员具体集中在哪些岗位，是工程师、客服还是运营，也没说被裁的人后来去了哪里。如果想知道AI到底替代了哪些具体工作，光看这份名单还不够，得等更细的岗位数据出来。

LMSYS 把 DSpark 推测解码集成进了 SGLang，核心变化是验证长度不再固定。草稿模型多了一个“信心打分器”，能算出每个 token 被主模型接受的概率，调度器再根据这个分数动态决定每轮实际验证几个 token——分数低的请求就少验几个，把算力省下来。在 H200 上跑 DeepSeek-V4-Flash，这套方案在吞吐和每位用户解码速度上都超过了 MTP 和不做推测的基线。 工程上最值得看的是他们怎么在完整的 CUDA 图里跑可变长度验证：当调度器砍掉验证预算时，引擎会重放一个真正更小的图，而不是用填充来假装变小，这避免了无效计算。另外，调度器靠一个成本表在线决定每个请求的验证预算，还有一个“上限接受模式”用来暴露被裁剪隐藏的真实接受率天花板。 正文没披露具体的延迟数字和成本表细节，也没说这套方案在非 H200 硬件或更混合的流量下的表现。动态调度比固定调度的提升幅度也只给了初步观察，缺少严格的消融实验。

这事最让人不舒服的点在于手段：不是用脚本跑对抗样本，而是让真人建假号、编身世，装成 13 岁女孩问堕胎药、装成小学生说被枪指着头。这已经不是常规的“红队测试”，更像是一场针对竞品的安全钓鱼执法。据《连线》拿到的内部文件，项目代号“戛纳”，光一次测试就发了超过 4.5 万条诱导性提示词，其中一份表格记录了 3748 条，覆盖自杀、自残、进食障碍和性话题。被测试的 ChatGPT、Gemini 和 Character.AI 完全不知情。 Meta 的回应把它包装成“行业标准的安全基准测试”，但正文没披露这些测试结果是否被用于公关攻击或监管游说。一个关键信息缺口是：这些诱导出来的不安全回复，Meta 有没有整理成报告对外传播？另外，用外包人员伪装未成年人去触发别家安全漏洞，本身是否踩了平台欺诈或未成年人保护的红线，报道也没给出法律层面的分析。如果是真的只为改进自家安全，完全可以用合成数据或公开的对抗样本集，犯不着搞几百人的假号工厂。

这篇分享的实用价值在于，它把“让模型研究你”这个思路落地成了可复用的提示词模板。最亮眼的是 /goal 提示词，模型自主跑了 25 次实验，花了 165 美元，最终构建速度提升 50%，token 开销降低 60%。这个数字如果属实，说明用模型自己迭代优化工作流，比人工调参省钱省力。工作模式提示词把使用习惯转成可复用技能，行动规范提示词约束子代理行为，这些都是在解决 agent 落地时最头疼的“乱跑”问题。 不过正文没披露实验的具体任务类型、评估标准，也没说 165 美元是单次还是累计成本。25 次实验的样本量对于复杂任务来说偏小，50% 和 60% 的改善幅度可能换一个场景就缩水。反向面试提示词要求 95% 把握再执行，这个阈值设得高，但没解释怎么量化“把握”，实际用起来可能变成永远不执行。 还缺的是这些提示词在 API 计费后的迁移成本，以及不同模型上的表现差异。如果作者能补上任务细节和失败案例，参考价值会更高。

《经济学人》用世界价值观调查给 25 个前沿模型做了次道德体检，结果挺反直觉：GPT-4o 和 DeepSeek R1 像双胞胎，但 DeepSeek 自家的 R1 和 V4 Flash 却像陌生人。这说明出身哪个实验室没那么重要，训练数据和对齐方式才决定立场。大部分模型都挤在“世俗-自我表达”象限，因为 Common Crawl 里 46% 是英文，模型模仿的底子就是个受过大学教育的美国网民。Anthropic 还拿联合国人权宣言当对齐准则，立场自然偏自由派。 对企业采购来说，现在询价单上列的是价格、延迟、上下文窗口和跑分，没人问世界观。让模型写代码、查日志没问题，但一旦让它做市场文案、预测用户行为或定客服语气，它的价值观就会直接渗进业务决策里。正文没给出具体偏差案例，也没说这种差异在实际任务中会造成多大误差。如果真要把世界观加进采购清单，还得补上可量化的评估方法和行业基准。