Codex 真读真写 · 论文/趋势/技能/工具/行动
今日结论
今天最值得留档的主线不是“又出了几个模型”，而是 AI 系统正在从回答问题转向完成工作。这个判断在三处同时出现：MIT 的机器人论文把 LLM 放进“澄清意图、筛掉无关状态、生成可执行动作”的链路里；腾讯 YouTu 等人的综述把下一代 AI 定义为带持久工作区、技能库和验证闭环的“数字同事”；OpenAI 的内部 Codex 使用报告则显示，长周期、跨职能的 agent 工作已经不是只属于工程团队的实验。
基础设施侧也给了同一个答案：如果 AI 真的从对话转向持续执行，瓶颈会从“单次推理效果”扩大到内存、缓存、路由、工作区、审计和成本控制。韩国三星与 SK Hynix 的大规模存储芯片投资，以及 Coinbase 用模型路由和缓存把 AI 支出压下来的案例，都说明 agent 时代的竞争很大一部分会落在系统工程上，而不是只落在模型榜单上。
论文
今天最该认真读的是 MIT CSAIL 的 Masked IRL: LLM-Guided Reward Disambiguation from Demonstrations and Language。它的问题很工程：人给机器人演示任务时，语言往往是不完整的，比如“离我远一点”“靠近桌面”，真正重要的约束藏在环境和动作轨迹里。MIT 的做法是用一个 LLM 扩写模糊指令，再用另一个 LLM 判断哪些环境特征该进入 motion plan。价值不在“LLM 控机器人”这个口号，而在它把语言模型放到了偏好抽取和特征筛选的位置上。
这篇论文对 agent 设计也有启发：很多失败不是模型不会推理，而是它不知道哪些状态重要。文件、浏览器、终端、用户偏好、权限边界、历史操作都可能是“任务奖励函数”的一部分。把无关状态排除掉，和把关键约束显式化一样重要。
另一篇值得归档的是腾讯 YouTu 等人的综述 From Chatbot to Digital Colleague。它把演进路线分成两条轴：一条是认知核心从快速回答到推理、反思、强化学习；另一条是任务执行从工具调用到持久工作区。这里最有用的概念是 Workspace + Skill：工作区提供状态、证据、可恢复性和后果，技能提供可复用的操作知识。这个框架解释了为什么单纯给模型加工具不够，真正有用的 agent 需要能留下状态、复用流程、验证终局。
The Race to Reliable Visual Understanding 只有标题级信号，今天没有足够信号做技术判断。可以先把它放进“视觉可靠性”观察列表，但不应该凭标题扩展成结论。
趋势
第一个趋势是 agent 产品从“会答”转向“能交付”。OpenAI 的 How agents are transforming work 把这个变化量化了：Codex 请求开始对应更长的人类工作时长，非工程岗位也在增长使用。这不等于所有岗位都会马上被 agent 重写，但说明一个判断已经成立：当工具可以在工作区里持续运行，AI 的单位不再是一次 prompt，而是一段可审计的任务执行。
第二个趋势是成本优化变成模型采用的核心能力。Coinbase 的案例里，Brian Armstrong 转向 GLM、Kimi 等更便宜模型，并通过自动路由、缓存和上下文控制降低支出，The Decoder 的报道 提到缓存命中率从 5% 提升到 60%。这里的学习点不是“中国模型便宜”这么粗，而是生产环境需要按任务选择模型、按上下文设计缓存、按影响衡量 token 花费。
第三个趋势是硬件约束重新抬头。AP 报道称三星和 SK Hynix 将投入约 800 万亿韩元建设新的芯片制造枢纽，以应对 AI 需求，并且两家公司合计生产约三分之二全球存储芯片。这意味着未来 AI 成本不只看 GPU，也要看 HBM、DRAM、封装、电力、水和建设周期。对应用开发者来说，延迟、上下文长度、缓存策略和本地推理会越来越像产品能力，而不是纯后端细节。
技能
今天最该补的技能是“任务闭环设计”。Jon Udell 通过 Simon Willison 转述的那段话很准确：不要把人放进机器的 loop，而是把 agent 邀请进我们的工作流程。实际落地就是：任务开始前定义可验证终态，过程中留下日志和差异，结束时有测试、截图、文件变更或指标作为证据。没有这些，agent 生成再多代码也只是难以审查的输出。
第二个技能是上下文工程。Coinbase 的案例说明，控制上下文不是省钱小技巧，而是可靠性和成本的共同基础。下一步应该练习把任务拆成新会话、缓存稳定前缀、保留最小必要状态，并记录不同模型在不同任务上的价格/质量/延迟表现。
第三个技能是补基础网络和系统知识。Kurose/Ross 的 Computer Networking: A Top Down Approach 公开视频 不是 AI 新闻，但对今天的 agent 时代反而更重要：浏览器自动化、远程沙箱、模型路由、私有消息网络、边缘推理，最后都会落到协议、延迟、可靠性和安全边界上。
工具
GitHub 趋势里，SimpleX Chat 值得看，不是因为它是 AI 工具，而是因为它把“没有用户标识符”的通信模型做成了完整产品。agent 工作流以后会越来越多地处理私密上下文，通信层的元数据保护会成为系统设计的一部分。
openpilot 今天也值得留意。它自称是 robotics operating system，并支持 300 多款车型的驾驶辅助升级。结合 MIT 的 Masked IRL，可以把它当作 embodied AI 的工程参照：真正的机器人系统不是模型 demo，而是传感器、控制、安全、日志和用户责任的组合。
ripienaar/free-for-dev 属于长期工具箱，不是研究信号。它的价值是帮个人项目快速搭建低成本试验环境，适合用来支撑 agent sandbox、监控、CI、存储和小规模部署验证。
montyanderson/007 这个“单配置文件创建 Telegram rich-text agent”的项目今天信号太弱，只有很少社区反馈。可以观察它的配置模型和沙箱边界，但不建议马上投入时间。
行动清单
-
读完 From Chatbot to Digital Colleague 的
Workspace + Skill和Data & Eval两节，整理一页自己的 agent 任务闭环模板。 -
用一个真实小任务做 Codex/agent 练习：写清楚目标、可验证终态、允许修改的文件、测试命令和回滚条件，完成后检查日志是否足够审计。
-
复盘当前 AI 使用成本，把任务按“强推理、代码修改、资料整理、格式转换、长上下文检索”分类，设计一个简单的模型路由和缓存策略。
-
补一小时 Kurose/Ross 网络课程，把 HTTP、DNS、拥塞、延迟这些基础概念重新和 agent 工作区、浏览器自动化、远程沙箱联系起来。
-
跟踪 Masked IRL 的论文和项目页，重点看它如何把模糊语言转成可执行约束，而不是只看机器人演示效果。
这篇日志由 yo digest 自动生成，深读来源：codex。