让 AI 自己循环干活：Tina Huang 的配置方案能十倍产出
本文由 AI 自动整理生成，可能存在错漏，请以原文链接为准。
今天东西不少，但最想跟你聊两件：一个是 Tina Huang 把自己用的三个 OpenClaw 工作流全公开了，说能「十倍产出」——我看了下，不是标题党，确实能抄。另一个是 Claude 官方出手，把「怎么让 AI 循环干活」这事写成了教程，看完你就知道什么时候该让它自己跑到停。
灵感百宝袋
Tina Huang 把她用来「十倍产出」的三个 OpenClaw 工作流全公开了，连提示词都贴了出来。
第一个配置专门处理信息洪流——把你订阅的邮件、RSS、研究论文自动汇总成一份干净的简报。她说以前每天早上花一个小时刷信息，现在全交给 OpenClaw 消化，她只看要点。说白了，就是把「看」和「想」掰开：AI 负责看，你负责决定哪些值得深挖。你也能拿手头的 RSS 阅读器或者邮件规则配合一个 AI 接口，照着这个思路试试。
原文：https://www.youtube.com/watch?v=tB_i4nTShxA
Claude 官方发了一篇「循环入门」教程：不是让你学技术，而是教你判断什么时候该让 AI 自己跑到停。
很多人听到「智能体循环」就想到复杂的代码和架构，但这篇教程恰恰相反——它在教你怎么根据任务类型选最简单的方案。按触发方式分成四种：你说一句它跑一下的「对话式」、跑到目标达成的「目标式」、定时跑的「时间式」、还有盯着数据变化自己启动的「主动式」。Claude Code 团队给的建议很实在：别一上来就搞复杂的循环，先从最基础的对话式开始，只有那些规律性、重复性特别强的活儿才值得升级。不急，先把手头一个重复性任务拎出来，看看它属于哪种类型再说。
原文：https://claude.com/blog/getting-started-with-loops
江湖快报
Claude Sonnet 5 来了：性能接近 Opus，但价格还是 Sonnet 那档，而且直接在 AWS 上用。
这代最大的变化是「越级打怪」——以前要用 Opus 才敢上的复杂编程、多步推理任务，现在 Sonnet 就能扛。Anthropic 自己说这是「近 Opus 级智能」，但价格没涨。如果你本来就在 AWS 上用 Bedrock，直接在控制台里就能调，权限和安全策略都不用改。不在 AWS 上的话，先别急，看看 API 什么时候全量开放。
Google 一口气放出两大模型：Nano Banana 2 Lite 画图贼快，Gemini Omni Flash 能做视频生成和聊天式编辑。
Nano Banana 2 Lite 走的是「又快又省」路线，适合需要批量生图的场景。Omni Flash 能一边跟你聊天一边改视频，这个交互方式挺新鲜——你不断提需求，它一步步改，像跟剪辑师对话。目前两个模型都已经上线 Google AI Studio 和 Gemini API，开发者现在就能接入。普通用户的话，Gemini 应用里也在逐步推送。
原文：https://deepmind.google/blog/start-building-with-nano-banana-2-lite-and-gemini-omni-flash
谷歌的 ADK Go 2.0 上线，用「画图」的方式编排多个 AI 智能体，还内置了「等人拍板」的环节。
这个框架最大的改变是引入了「图」式工作流——你画一个流程图，哪个节点做什么、遇到什么情况走哪条分支、哪个节点需要人点一下头才能继续，都一目了然。对于 Go 开发者来说，这意味着不需要自己从零搓多智能体协同逻辑了。不过门槛还是在的——你得先会用 Go，而且理解图式编排的思维。如果你用 Python 的话，Python 版 ADK 2.0 早就发了，方向一样。
原文：https://developers.googleblog.com/announcing-adk-go-20
新开源模型 Ornith-1.0 来了，专为「让 AI 自己写代码」而生，规格从 9B 到 397B 都有。
Django 联合创始人 Simon Willison 试了一下，说他用本地跑的这个模型去翻代码库、定位功能逻辑，表现相当不错。而且用的底层模型 Gemma 4 和 Qwen 3.5 都是 Apache 2.0 协议，没有那些让人头疼的附加条款。Simon 自己用 LM Studio 加载 35B 版本跑，画了只鹈鹕，103 token/秒的速度，虽然画得有点歪但看得出是只鸟。模型本身 MIT 协议，想自己部署的话，门槛主要是机器得够好——35B 版本就要 20G 显存。
原文：https://simonwillison.net/2026/Jun/29/ornith
华为和陕文投的「博观」文旅大模型在西安全面铺开，已经覆盖了 400 万用户。
这个模型专门做文化遗产保护和文旅体验——比如在景区给你当 AI 伴游，或者把非遗手艺数字化。据 IT 之家报道，背后用的是华为昇腾算力，资料集囊括了 3100 万张文旅图片、440 万分钟影像。对于做文旅内容、文化传承相关工作的朋友，这算一个国内可参考的落地样本，但想直接调用的话目前还没看到公开接口。
原文：https://www.ithome.com/0/970/785.htm
中昊芯英发的新 TPU 芯片「须臾」性能翻了三倍，还全自研。
据 IT 之家报道，单芯片算力达到 896 TFLOPS，比上一代「刹那」高了整三倍，功耗反而降了一半。而且从芯片核心、指令集到底层软件全是自己做的，目标场景是政务、金融这些对安全合规有高要求的行业。如果你用 PyTorch、vLLM 跑模型，这套系统声称已经深度适配 Qwen、DeepSeek、GLM 等主流模型。不过对于个人开发者来说，目前能接触到的概率不大，先保持关注。
原文：https://www.ithome.com/0/970/774.htm
OpenAI 紧急修了 Codex 的扣费 bug，额度已经全部重置，但确实挺多人被多扣了。
据 IT 之家报道，问题出在后台任务跑过头了：自动代码审查和辅助子智能体的运行频次超标，有些任务出错后还反复重试，导致额度哗哗掉。有工程师反馈说他 200 美元的套餐，以前一周的用量两天就烧光了。OpenAI Codex 负责人说修复已全部上线，还加了更细的监控。但对于依赖 Codex 干活的开发者，建议这几天盯着点自己的额度面板，万一还有异常赶紧反馈。
原文：https://www.ithome.com/0/970/755.htm
贤者视角
ChatGPT 的用户不只是多了，每个人也在用得更深——这是 OpenAI 自己发的数据报告里最戳人的结论。
报告里说，用户注册半年后，每天发的消息量比刚用时高了 50%，而且探索的功能种类也越来越多。简单说就是：人们一开始只是试试，后来真把它用进日常了。更有意思的是用户结构在变得更多元——不同语言、不同地区的人都在加入，不再只是英语区的早期尝鲜者。这说明 AI 工具正在从「科技圈玩具」变成「普通人的日常助手」，这个过程比很多人想的要快。
原文：https://openai.com/index/how-chatgpt-adoption-has-expanded
英伟达在中国大规模招机器人方向的人，方向很明确：具身智能、仿真、真机部署、方案架构。
据《每日经济新闻》援引英伟达方面消息，这次招人覆盖北京、上海、深圳三地，岗位最多的是具身智能方向，研究的是让机器人能灵巧操作、全身移动这些硬骨头。黄仁勋在股东大会上把「物理 AI」定义成公司下一波增长浪潮，说机器人、汽车、工厂会成为现实世界里的智能体。配合他们刚跟宇树科技合作推出的人形机器人参考设计来看，英伟达不只是想卖芯片，是想做整个机器人技术栈的基础设施。
原文：https://www.ithome.com/0/970/732.htm
美国参议员 Bernie Sanders 认为，公众对科技巨头和 AI 失控的愤怒正在达到临界点——这是他几十年来一直在说的。
据《Wired》报道，这位 84 岁的参议员今年 3 月联合提出了一项法案，要求在落实一系列防护措施之前暂停数据中心建设。6 月又提出了一项对美国 AI 主权财富基金的法案。不管你是否认同他的方案，他提的这个趋势值得想想：当越来越多的人开始对 AI 的快速发展感到不安，行业会不会被迫慢下来？这种「慢下来」对正在用 AI 做事的人，是约束还是窗口？
原文：https://www.wired.com/story/the-big-interview-podcast-senator-bernie-sanders
开发者补给站
Google OpenRL 把强化学习训练的后台复杂性抽走了——研究者在 Mac 上跑循环，后端自动在 GPU 集群上执行。
做过 RL 训练的人都知道，调通环境、设计奖励、处理推理不一致这些事能把人耗死。OpenRL 的思路是把基础运维层抽象成 API，让研究团队和工程团队各干各的，不用互相等着。它还支持并行跑多个 RL 任务，避免 GPU 等着 CPU 算奖励时空转。代码库里带了一个 autoresearch 示例，展示了怎么在 Gemma 的 text-to-sql 任务上跑参数扫描。如果你们团队已经在 Kubernetes 上跑训练，可以直接在 GKE 或自建集群上搭起来试试。
原文：https://www.infoq.cn/article/d5MOPSyGi5XPi1erhUW3
Synty 是个开源的 LLM 追踪工具，能看出编程智能体在哪儿卡壳、什么操作最烧 token，还能直接关联到 GitHub PR 和 Issue。
Hacker News 上有人把这个工具开源了（Apache 2.0），核心功能是从你所有开发工具的日志里抓数据，流式分析每个智能体调用的 token 分布和瓶颈。对于正在用 AI 写代码、又总搞不清额度花在哪里的团队，这相当于有了一个记账本。目前 HN 上的投票和评论还不多，建议先到它的 GitHub 仓库看一眼文档，确认支持你用的智能体类型再做集成。
原文：https://news.ycombinator.com/item?id=48737949
好物挖掘机
「稍后读」终于不是「永远不读」了：一个 Chrome 扩展把你的待读文章直接安排到日历上。
ZaraZhangg 在视频里演示了用法：每五篇待读文章自动在日历上创一个「阅读时间」块，让你真的腾出时间看，而不是在收藏夹里积灰。装完之后等于把「想读」的冲动和「真读」的动作之间那道墙拆了。目前还是 Chrome 扩展形态，如果你用的浏览器兼容，直接装一个试试——今天就能把你收藏夹里躺了两周的那几篇安排掉。
原文：https://www.youtube.com/watch?v=Q8g1hod552g
Simon Willison 又出了个顺手小工具：把网页里粘过来的表格一键转成 Markdown、CSV 或者 JSON。
用法特别简单——在浏览器里选中一段含表格的内容，复制，然后打开这个工具粘贴，它自动识别里面的所有表格，按你选的格式吐出来。Markdown 格式直接就能贴进文档和笔记，JSON 格式方便塞进程序里用。不用装任何东西，网页工具打开即用。如果你经常从网页里扒数据，这个能省掉手搓正则或手动排版的麻烦。
原文：https://simonwillison.net/2026/Jun/29/html-table-extractor
Pluno 号称比 Claude 快 10 倍的浏览器智能体——目前信息还不多，先当一个待观察项。
从 Product Hunt 上能看到它的定位是让 AI 操作浏览器，执行网页端的重复性任务。但除了「快 10 倍」这个宣传点，具体的功能演示、定价和使用限制都还没公开。对这类「号称很快」的新工具，我的建议是：先看看有没有真实用户的试用反馈再决定要不要花时间。Product Hunt 的评论区一般是第一手信息的来源。
原文：https://www.producthunt.com/products/pluno
Akiflow 让你在 Claude、ChatGPT 或 Cursor 里直接管任务和日历，不用切来切去。
这个工具的核心卖点是打通——你在编程界面里让 AI 帮你排任务，它直接同步到你的日历和任务列表里，不需要再开一个 App。对于已经重度使用 AI 编程工具的开发者来说，相当于把「干活」和「安排活得干」这两个界面合二为一。Product Hunt 上已经有讨论，建议先看它的集成方式和隐私策略——毕竟需要授权日历和任务数据。如果你用的是别的自动化工具（比如 Zapier），也可以先想清楚是不是已经有类似功能了。