EP149 · Claude 值班、上下文与分工 · 08-19 早报

Anthropic 的 CI/CD 团队已让 Claude Tag 担任故障第一响应者：它并行查询监控、代码与事故频道，中位 14 分钟给出首份证据分析，最快 4 分钟定位根因。文章还公开了可把团队事故史转成排障流程的工具包，也坦承关键判断仍需人类经验。

作者从一笔约 2480 万 Token 的多 Agent 开发账单出发，用对照实验说明：终端输出缩短或代码地图更精简，并不保证整段任务更省。真正可复用的方法，是按阶段给对上下文，把完整证据留在 Artifact，并将状态迁移、路由和去重交给程序。

京东技术作者把 AI Coding 分为工具、副驾、协作者与共生体四个阶段，结合团队需求分治流程说明，AI 接管的是可形式化、可检索和可编排的劳动。读者可以用验证成本、红线约束、置信度分流和知识沉淀，重新划分哪些工作交给 AI、哪些判断必须由人承担。

Google Cloud 的智能体漏洞发现框架利用 AI 智能体加快大规模代码审查，发现关键漏洞。

Claude Code 现已加入 /design 技能（研究预览版），将画板工作流集成到 CLI 和 桌面环境，用于 UI 设计与实现。

LangSmith 推出 Tuned Evaluators，这是一个托管的低成本 AI 评判器，可自动对生产环境中智能体追踪数据的感知错误进行评分，使团队能够大规模监控和改进对话式智能体。

本文介绍了使用 Google Agent Development Kit 为 AI 智能体构建的零信任安全架构，重点通过加密签名、内核级隔离和确定性语义网关来防止提示词注入和未经授权的状态变更。

对话前 DeepMind 研究科学家曹原详细阐释 AI for Science 的现状、挑战与未来路径，强调验证瓶颈与模型创新性的重要性。

字节跳动抖音搜索团队发布多模态表征模型 DME，通过两阶段训练（大规模对比学习+语义充分性学习）引入隐式推理与交叉条件重建机制，在 MMEB-v2 基准上 2B/9B 双量级夺得 SOTA，且仅增加亚毫秒级延迟，已在抖音线上验证 LT 收益 0.1%。

主要 AI 提供商部署统计水印以符合欧盟 AI 法案 Article 50，同时开源工具出现以去除它们，研究揭示鲁棒性局限。