GPT-5.5 Instant/Google Code Wiki/Claude新能力：AI周刊083

先说几个核心判断。

这周最引人注目的一个变化，是 OpenAI 把 ChatGPT 的默认模型悄悄换成了 GPT-5.5 Instant。API 里对应的名字是 `chat-latest` rollout。官方的说法是：回答更准、更短，语气也更自然。尤其在医学、法律、金融这类高风险提示里，所谓“幻觉式断言”比 GPT-5.3 Instant 少了一半左右——用户反馈里那些明显的事实错误也在减少。图文题、STEM 推理、以及是否该联网的判断，都更稳了。Plus 和 Pro 用户会先体验到增强个性化，能结合会话、附件甚至 Gmail 来做调整，memory sources 现在也支持展示引用片段，你可以自行删除或修改。顺便提一句，付费用户大概有三个月时间，可以在设置里切回 5.3 Instant。

另一边，Google 推出了 Code Wiki，核心卖点是：Agent 时代换一种读代码的方式。简单说，就是用 Gemini 自动生成随仓库更新的开发者文档。每次 PR merge 之后，相关的 Wiki 页面会自动刷新。你从架构概览图点进去，可以直接跳到某个服务或函数定义。站内已经挂出了 gemini-cli、Kubernetes、React 这些热门仓库的体验入口。未来还会支持接入私有仓库。这解决了一个实际问题：很多团队的 README 和设计文档常年过时，又不可能全靠人工去维护。

本周热点

OpenAI 将 ChatGPT 默认模型升级为 GPT-5.5 Instant

如开篇所述，这次升级覆盖了默认模型和 API。回答更短、更准，幻觉率下降明显。付费用户短期内仍可切回旧版。

Google Code Wiki：让文档随代码一起更新

用 Gemini 生成可交互的知识库，每次 PR 合并后文档自动刷新。适合那些想摆脱“文档永远比代码落后一个版本”窘境的团队。

Claude 托管 Agent 更新：Dreaming、Outcomes 与多 Agent 编排

Anthropic 这次加了三个新东西。Dreaming 是研究预览功能，按调度复盘会话和记忆，能自动识别重复踩坑和工作流偏好，可以自动写回记忆，也可以审后再入库。Outcomes 则让你用细则定义“什么叫做好”，然后由一个独立的 grader 另开上下文打分，不达标就指出问题，一轮轮改。官方内部评测里，较难任务的成功率能提升约 10 分，docx/pptx 生成也有几个百分点的增益。同时还开放了多 Agent 编排：主 Agent 拆分任务，并行派给专长的子 Agent，共享文件系统，可追溯 Console。完成后的 webhook 也一并上线。

Unity AI Agent：引擎内生成逻辑与素材，支持 MCP 调用

Unity 把 AI Agent 直接塞进了编辑器工作流。你可以在 Unity 里直接驱动它，也可以通过 MCP 从外部调用。覆盖范围包括写游戏脚本、梳理场景和素材管线。适合那些想先把游戏跑通、再回头优化细节的团队。

OpenAI 为 Chrome 发布 Codex 扩展

Codex for Chrome 可以在浏览器里做 Web 测试、跨标签聚合上下文，还能调用开发者工具辅助排错。控制权在用户手里，并非接管整个浏览器。动机很明确：很多真实工作流是在网页控制台、文档和仪表盘之间跳转，单靠插件或 API 很难抓全实时 DOM 和多标签状态。

教程与分享

Boris Cherny 谈“编程已被解决”、Loop 工作流与 SaaS 护城河

这篇译文整理自 Sequoia AI Ascent 的对谈。Claude Code 从 Labs 小团队孵化，早期 PMF 疲软，直到 Opus 4 后才曲线抬升。Boris 自己几乎全靠手机开多 session，夜里跑大量 Agent，用 cron 式的 Loop 盯着 PR、CI 和舆情。文中还讨论了组织内手写代码被模型替换的趋势，以及用 Hamilton Helmer 的“七种力量”来分析切换成本和流程效力被模型削弱的判断。值得注意的一点是，样本偏 Anthropic 内部自用路线，迁入强合规或大龄遗留系统前需要打个折扣评估。

Nick Babich：用好 Claude Code 的 8 条实践

这篇短文把 Claude Code 定位成“强但需要清晰任务描述的中小级工程师”。抽象或上下文浮肿时容易翻车。核心建议是：把 `CLAUDE.md` 当作项目级控制面，写清设计系统、代码规范、do/don't 和关键文件索引。很多团队仍然低估这一层的作用。

拆解 AI Agent Harness 的构造与 12 个生产组件

从“模型不是一切，TerminalBench 换 harness 排名能跳几十位”切入。Harness 是编排循环、工具、记忆、上下文、持久化、错误处理和护栏的总成。文中按 Anthropic、OpenAI、LangChain、CrewAI 等逐个映射，包括压缩与 observation masking 对抗“lost in the middle”、工具分层与权限分离、LangGraph checkpoint、OpenAI tripwire 式护栏等。适合准备把 demo Agent 搬进生产的读者当检查清单。

模型与工具

open-slide：面向 Agent 的幻灯片框架

把“写稿、拆页、版式与导出”结构化，方便在 coding agent 或自动化流水线里生成演讲材料。落地时需要自己约定品牌模板、图表数据源和审阅节点。

dexter：面向深度金融研究的自主 Agent

定位是“读财报、新闻、数据终端，把调研串成可追踪报告”的长链路任务。适合量化或二级研究当实验床，但接入真实账户和付费数据前必须处理合规、行情延迟和幻觉引用。

context-mode：为 coding agent 压缩工具输出

通过沙箱和摘要来减少工具输出的上下文膨胀。部分场景下 token 消耗能降一个数量级。接入前建议对比真实仓库里最长命令输出，确保摘要不会丢掉 exit code、路径和错误栈这些关键信号。

awesome-ai-apps：RAG、Agent 与工作流案例合集

一个案例索引，覆盖检索增强、多步 agent、工作流编排等范式。选项目时优先看许可证、维护状态，以及生产里缺的观测和权限部分。

Vercel deepsec：用 coding agent 挖安全问题的 harness

封装成安全向 harness，让模型带着工具读代码、跑检查、迭代假设。面向漏洞猎手和想在 CI 里加一层 agentic 审计的团队。上线前要明确扫描范围、第三方依赖和误报处理流程。

cc-connect：把本地 Agent 桥到飞书、钉钉、Slack

让移动端或群聊里可以 @ 一台“远程 coding 助理”。核心是消息路由与会话隔离。部署时要重点检查 token 存储、群可见性和命令白名单。

HeyGen hyperframes：写 HTML、按帧渲染视频

把网页式布局当作视频时间轴的源，适合让 agent 产出可渲染的动效、演示或广告素材。需要单独验收 HTML 预览和最终编码质量。

Hermes Agent Skills Hub：大规模技能目录

Nous Research 维护的数百条内置或可选 skill，从 macOS 桌面自动化到 GitHub 工作流、MLOps、Notion/Linear 集成。选型时读完 skill 说明里的权限和二进制依赖。

browser-use browser-harness：自愈合浏览器任务 harness

把选择器漂移、异步加载等常见问题交给框架处理。做强自动化时要注意站点白名单、登录态凭据轮换和速率限制，支付、邮件等高危操作要加人工闸门。

Vercel open-agents：云托管 Agent 的开源模板

提供可部署的 agent 起步结构，方便接 Vercel 生态。fork 后优先补全密钥管理、步调限制和租户隔离。

SulphurAI 发布 Sulphur-2-base

基于 LTX 2.3 的视频生成权重，支持文本和图像驱动的短片工作流。开箱注意显存和许可条款。合规、版权与舆情风险需要自行评估。

Anthropic 开源 Claude for Financial Services

同时服务 Cowork 插件和 Managed Agents API。按投行、权益研究、PE、财富管理、基金运营拆分垂直插件，集中维护终端和数据厂商的 MCP。需要注意：输出仅为分析师草稿，需要持牌人复核，不构成投资建议。

Datawhale easy-vibe：面向新手的 vibe coding 入门课

中文社区维护的逐级教程，讲清楚 AI 辅助写代码的方法、工具链和安全习惯。适合转码或在读学生。学完仍要补充算法、系统设计和企业里的代码评审与权限治理。

9router：把多个 Agent 接到低价或免费模型的路由层

聚合 40 多家供应商，自动 fallback，按策略压 token。适合实验性换底座。接入生产前要审视供应商 ToS、隐私和 SLA，免费额度在稳定性上常常吃亏。

Astro flue：带沙箱的 Agent 框架

把不安全或不可信的代码执行与宿主隔离。适合在文档站点、SSR 或服务端编排里塞入 agent 执行单元。采用时读清默认沙箱边界和对接策略引擎的方式。

InsForge：面向 agentic coding 的一站式开源后端平台

覆盖数据库、鉴权、对象存储、计算、托管与 AI 网关，目标是把全栈应用从 prototype 推到可部署。落地时仍需梳理多租户、备份和费用封顶。

来源：互联网