2026 CW#46 ｜品味 Eval、理解带宽、缓存时序、Agent 治理、可编辑交付、本地 AI

AI 把「生成」变便宜之后，真正稀缺的东西反而更清楚了：什么算好、谁能验收、出了问题如何接管。

这周值得看的 6 条内容，都指向同一件事：生产力不再取决于模型单次跑得多快，而取决于工作系统能不能保留人的判断、控制权和理解。

■ INSIGHT 观点

品味不是自动化的对立面，而是自动化的规格书

via Grant Harvey / Context Window

当大家都能调用相似的模型，差异不会来自「会不会用 AI」，而来自能否定义「什么算好」。文章把品味落到一个很实用的动作：把隐性的判断写成 eval，让机器可以反复测试，而不是让人永远站在流水线末端凭感觉挑结果。

—

AI 编程的瓶颈，正在从生成速度转向理解带宽

via 阮一峰的网络日志

机器改代码的频率一旦超过团队阅读代码的频率，产出越高，失控可能越快。团队需要给代码阅读、架构回顾和验证预留固定预算；否则省下的是敲键盘的时间，欠下的是没人说得清的认知债务。

—

■ CASE 案例

Claude Code 的成本瓶颈，可能是缓存过期而不是上下文太长

via OptScale

在 Terminal-Bench 2.1 的 89 个任务上，作者通过压缩未缓存内容、长工具运行时 keep-warm，并在必要时切换一小时缓存，把单次成本从 35.35 美元降到 28.30 美元。更值得记住的是方法：Agent FinOps 不能只看 token 单价，还要画出构建、等待、缓存 TTL 和重试组成的成本时间线。

—

用 Policy-as-Code 管理一支 Coding Agent 队伍

via Airlock / Lunar Engineering

Airlock 把 Agent 身份、短期权限、文件级自治等级和审计记录写进版本控制，还提供 shadow mode，先观察策略会如何生效。项目仍早期，但方向很对：规模化 Agent 之后，组织需要的不是更多「全自动」按钮，而是一套能逐层授权、随时收紧、事后追责的控制面。

—

■ PRODUCT 产品

Klad：Agent 最好的交付物不是图片，而是可继续工作的源文件

via Klad

Klad 让 Agent 通过 CLI 操作画笔、图层、动画和矢量对象，人仍能在 UI 里逐笔修改。它补上了生成式工具最常见的断层：一次生成很快，第二次精确修改却像拆盲盒。对专业工作流来说，可逆、可定位、可接管，比「再生成一张」重要得多。

—

Yogurt：把会议 AI 留在本地，只把需要推理的上下文交给云端

via Frigade

Yogurt 在设备上完成录音、转写、总结和检索，再通过本地 MCP Server 按需把会议笔记交给更强的模型。它给出了一种更克制的 AI 架构：廉价、稳定、敏感的工作留在本地，只有真正需要更强推理的任务才升级到云端。不是所有步骤都配得上前沿模型。