肖恩技术周刊（第 77 期）：稀缺特质

2026/1/5大约 10 分钟约 2966 字

肖恩技术周刊（第 77 期）：稀缺特质

对周内阅读的技术内容精品（个人向）进行总结。觉得不错可点击右上角订阅，第一时间获取更新通知。

本周对2025年的周刊内容进行了深度总结。

梳理了Agent元年的三大要点，包含：技术底层的突破，从“对话”到“推理”；交互模式的变革，从“人找工具”到“工具找人”；商业落地的规模化，从“Demo”到“生产力”。

讨论了AI时代人类的稀缺特质，将向“人类本质”回归，弄清楚“人为何为人”可能是这个时代最重要的问题。

也将周刊的要点内容按季度进行了串讲，方便整体回顾。详细内容可点击阅读周刊25年总结：Agent元年，寻找人类最后的护城河。

业界资讯

Manus 加入 Meta：加速企业人工智能创新

Meta 完成对通用人工智能代理 Manus 的收购，旨在利用其领先的技术来增强商业服务和用户体验。Meta 计划在保持其独立运行的同时，将其核心能力整合进旗下的社交与商业生态。

GLM-4.7：提升编码能力

GLM-4.7 的发布，在代码开发、逻辑推理及多模态展示方面均有重大飞跃的新一代大模型。通过引入交替思考与持久化思考机制，该模型能够有效处理复杂的长周期任务，并在多语言编程代理和终端模拟等极具挑战性的基准测试中展现出顶尖性能。

除了技术指标的提升，GLM-4.7 还特别强调了视觉美学与用户体验，不仅能生成现代化的网页界面，在幻灯片排版上也更加精致。

OpenAI面向开发者的2025总结

OpenAI 2025年终总结回顾了从单纯的提示词交互向生产级智能体（Agents）开发的重大转型。文中指出，核心进步在于推理能力与通用模型的整合，以及多模态功能（涵盖音视频及文档）成为API的标准化配置，极大降低了复杂任务的门槛。

并重点介绍了Codex编程生态的成熟、Agent-native API的推出，以及支持开发者进行自动化、评估与扩展的一系列底层构建工具。通过展示模型家族的演进与开放标准的建立，该资料旨在为开发者提供一套在真实业务场景中构建、运行并优化高性能AI系统的完整路线图。

2025 年 AI 领域关键技术突破显著，强化学习在工具使用与编程领域应用广泛，推动了 Vibe Coding 和 Agent 工具爆发，如 Claude Code 的人机融合工作方法极具创新性。多模态技术迎来爆发，从简单图像推理到视频、音频的深度理解和编排，如 Sora 2、VEO 3.1、Nano Banana Pro 和 Seedream 4.0 等模型在多模态输出和推理能力上显著提升，为 Agent 体系注入强大动力。

AI 产品方面，Chatwise 凭借整合多模型优势、工具加持与高效构建能力脱颖而出；Manus 在 Agent 交互领域迈出重要步伐，为行业带来启发；AI Studio 的 Build 模式展现了谷歌在 AI 模型整合方面的强大实力，几乎用 AI 模型替代后端。

展望 2026 年，强化学习领域应用将继续深化，Gemini 3 Pro 和 Flash 等模型有望带来更多突破。算力中心构建将推动更大更强模型诞生，多模态领域中视频架构迭代和更新备受期待，Vibe Coding 有望迎来 DeepSeek 时刻。Agent 产品将在垂直领域发力，工具调用能力、上下文管理技术等突破可期，行业整体发展值得持续关注。

LLM 2025 总结

开发者 Simon Willison 对 2025 年大型语言模型（LLM）行业的年度总结，其核心结构围绕着推理能力、智能体以及编程范式的演变展开。

作者详细记录了 Anthropic 和 Google 如何通过 Claude Code 与 Nano Banana 等创新产品打破 OpenAI 的领先地位，并探讨了中资实验室开源模型对全球技术格局的冲击。文中还深入剖析了由 vibe coding 驱动的个人开发效率革命，同时也对提示词注入（即“致命三元组”）和 AI 数据中心带来的环境挑战等安全与伦理风险表达了忧虑。

总而言之，该文通过一系列生动的行业术语和个人实验，呈现了 AI 从纯文本交互迈向异步执行任务和多模态自主协作的转型之年。

微软CEO展望 2026 年

微软CEO展望了2026年人工智能的发展，指出行业正从单纯的技术发现转向广泛的普及应用阶段。他认为，我们应将AI视为增强人类潜能的认知扩音器而非替代品，并强调通过构建更复杂的系统架构来弥合模型能力与实际价值之间的差距。

文中呼吁在资源分配上做出审慎选择，以确保技术进步能转化为解决现实挑战的社会影响力。最终这种转变的核心目标是回归计算技术的初衷，即通过赋能个体来实现更深远的人类价值。

技术博客

Claude Code 之父 Boris 的 9 条实战技巧

Claude Code 之父 Boris Cherny 在日常开发中使用的实战技巧，强调了回归本质、注重效率的工程哲学。

高效使用 AI 的核心不在于复杂的个性化配置，而在于构建多任务并行的工作流，并坚持选用逻辑更缜密但速度较慢的 Opus 模型以减少纠错成本。并重点介绍了几种提升团队协作质量的手段，例如利用 CLAUDE.md 文件沉淀项目记忆，以及通过 Plan 模式落实“先设计后编码”的经典智慧。

此外，Boris 认为提升 AI 产出质量的关键在于赋予 AI 自我验证的能力，将自动化测试与反馈闭环融入开发流程。总体而言，本文旨在引导开发者告别盲目的“调优”，转而通过标准化工具链与自动化习惯来实现与 AI 的高效协同。

Manus 谈 AI Agent 之道：做对一千件小事，比做对三件大事更重要

通过对 Manus 创始人季逸超的访谈，探讨了 “智能主导” 而非“规则主导”的 AI Agent 设计哲学，强调了在构建智能体时，“做对一千件小事” 的工程积累远比追求少数宏大架构更具竞争优势。

Manus 选择不预设固定工作流，而是利用模型的通用学习能力，在面对缺乏 API 的复杂网页环境时实现 “优雅降级”，展现出极高的灵活性与环境适应力。这种路线的门槛并非源于不可逾越的技术壁垒，而在于对 上下文工程 和无数交互细节的极致打磨，使系统能随着大模型能力的进化而不断突破天花板。

全文旨在揭示 AI 应用层竞争的核心：通过解决成百上千个微小的工程痛点，最终叠加成 无法被轻易复制的产品壁垒。