今天这期不看谁又把模型参数往上推了一截。

更值得看的，是 GitHub 做了一次很反直觉的优化：让 Copilot CLI 少叫子 Agent 干活。结果不是变笨，而是工具失败更少、等待时间更短。

这件事对普通人也有用。很多 AI 工作流的问题，不是 AI 不够努力，而是任务被拆得太碎、交接太多、验收太晚。最后看起来很自动化，实际全在返工。

今天只看这 2 件事

1. GitHub Copilot CLI 学会少派活给子 Agent

发生了什么：GitHub 把 Copilot CLI 的子 Agent 委派策略调得更克制，已经推到 100% 生产流量。简单任务不再动不动拆给 helper agent，复杂任务才并行处理。

为什么重要：这说明 Agent 不是“派越多越强”。GitHub 实测后，工具失败少了 23%，等待时间也降了。真正有用的 Agent，要知道什么时候自己做、什么时候叫人。

对我们有什么影响：这条很适合转成工作流判断：别迷信多 Agent。普通人写任务单时，也要先把“哪些事独立、哪些事别拆”说清楚，才能少返工。

2. Vercel Workflow SDK 原生支持 Nitro v3

发生了什么：Vercel 让 Workflow SDK 可以在 Nitro v3 里原生运行，步骤和应用共用同一个 runtime，开发服务器还能直接看 workflow 调试界面。

为什么重要：AI 应用最后都要落到“后台步骤能不能稳定跑”。这次不是模型更新，而是把工作流运行、调试、打包这几个卡点往前推了一步。

对我们有什么影响：如果以后做 AI 小工具或自动化服务，这类底层更新比热闹 demo 更实用。它提醒我们：交付不是一句 prompt，而是一条能监控、能调试、能部署的流程。

为什么今天还值得讲 Agent

昨天已经讲过模型可用性和工作流备选路线，今天不重复那条线。

今天的新信息在于：Agent 系统开始从“多派几个帮手”回到“把边界收清楚”。GitHub 这次不是发一个漂亮 demo，而是拿生产流量里的工具失败率和等待时间做判断。Vercel 的更新也不是让模型更会说话，而是让后台步骤更容易调试和部署。

这说明 Agent 的竞争会越来越像工程管理：不是谁喊来的人最多，而是谁能把任务拆得刚好、让每一步有结果、有日志、有退路。

我的判断

今天最值得记住的，是一个很朴素的判断：AI 系统要变可靠，第一步可能不是加人，而是少交接。

子 Agent、workflow、备用模型、伙伴网络，这些东西听起来都在扩张。但真正落到一个任务里，扩张一定会带来管理成本。每多一个环节，就多一次误解任务、丢上下文、输出没人验的机会。

所以我会把今天这条 GitHub 新闻当成一个提醒：以后判断一个 AI 工具，不只看它能不能自动做很多事，还要看它有没有能力说“这件事不用拆，我自己做完就好”。

可以直接带走

今天可以做一个很小的动作：给你正在用的 AI 工具补一张“少委派卡”。

不用复杂，就写四行：

  1. 这次让 AI 做什么？
  2. 哪些步骤必须拆出去，哪些步骤最好不要拆？
  3. 每个交接点怎么判断结果过关？
  4. 出错以后谁接手、从哪里恢复？

如果这四行写不清，先别急着堆更多 Agent。先把任务边界写清楚，通常比多接一个工具更能少返工。

其他信号

  • Fusion API：半价达 Fable 级智能：看点：强模型访问不稳时，开发者需要可切换、可控成本的备用入口。
  • OpenAI 推出 Partner Network：看点：AI 正在从单个产品销售，转向靠伙伴网络完成企业交付。
  • /architect：Fable 统筹审核，Codex 负责构建：看点：省 token 不只是换便宜模型，也可以重新设计模型分工。
  • Anthropic 暂停新模型访问，引发印度 AI 讨论：看点：模型能力之外，企业还要算供应稳定和政策风险。
  • Meta 据称撤销 20 亿美元 Manus 交易：看点：AI 并购不只看技术和价格，也会被跨境监管重新定价。