AI News｜2026-07-15

今日目录

• Nikunj 用 Ramp CLI 把报销自动化做到可定时运行
• Aaron Levie 判断多模型路由会成为默认架构
• Aaron Levie 直接泼冷水：每家企业都训自己的模型没那么现实
• Swyx 公布大项目多模型工作流：规划、批判、实现、复审分开跑
• Ryo Lu 用 Cursor 做自定义电纸书固件，AI 开始外溢到硬件和系统层
• Guillermo Rauch 说用户最买单的是文件系统接口和可观测性
• 开放权重模型在网关流量中的占比升到 29%

今日判断

我今天更关注两类信号：一类是 AI 已经不只写 demo，而是开始接管真实、琐碎、重复、带权限边界的工作流；另一类是大家对模型这件事本身更冷静了，开始把注意力放到路由、权限、观测和组织接口上。前者最典型的是 Nikunj 用 Ramp CLI 做报销自动补全：去 Gmail 和 iMessage 找收据、必要时用 Playwright 把网页转 PDF、再结合日历和历史交易去写 memo 和分类。这种东西看起来不大，但它比再做一个聊天壳子更接近 AI 真正吃进公司流程的样子，因为它碰的是系统连接、审计、纠错和定时运行，不是一次性生成。

我看下来，builder 现在最实际的分水岭不是谁喊 AGI 更响，而是谁更早把多模型协作、可观测性和受控执行做成默认能力。Swyx 给出的 big boy projects 工作流很粗糙但很真实：规划、批判、实现、review 分给不同模型，这比单模型神话更像接下来半年的团队实践。Aaron Levie 对 enterprise model 的判断我基本认同，企业最有价值的信息是动态的、分权限的、很多时候根本不该被塞进一个静态模型里，所以真正有价值的不是每家都训一个模型，而是谁能把企业数据层、安全层和 agent 执行层接起来。我的具体判断是，下一阶段赢面最大的产品，不是再把模型分数拉高一点，而是把 AI 变成一个能稳定接系统、看日志、分任务、控成本的工作机器。

快讯

1. Nikunj 用 Ramp CLI 把报销自动化做到可定时运行

查看原文 · 来源：Nikunj Kothari (@nikunj)

Nikunj 分享了一个基于 Ramp CLI 的报销自动补全 skill，不只是生成文本，而是直接把报销这件脏活接进系统：从 iMessage 和 Gmail 找收据，遇到链接就用 Playwright 转成 PDF，结合 Google Calendar 自动补 meeting memo，再根据历史交易学习个人和组织的分类方式，最后还会做校验、标记异常，并支持定时运行。对我来说，重要的不是它用了哪个模型，而是它已经碰到真实生产里的几个硬问题：跨系统取数、半结构化文档处理、风格学习、审计和纠错。我的判断是，这类围绕具体 SaaS 工作流的 agent，比泛化聊天产品更快形成付费价值。

2. Aaron Levie 判断多模型路由会成为默认架构

查看原文 · 来源：Aaron Levie (@levie)

Aaron Levie 引用了一组实验结论：让更强、更贵的前沿模型负责约束、目标和反馈，把具体执行交给更便宜的模型，整体成本不一定更高，反而可能更低，因为强模型像 manager 一样分派任务，而不是亲自下场写所有代码。我觉得这条重要，是因为它把很多团队已经隐约在做的事讲清楚了：接下来模型使用不会是单模型独占，而是按角色拆分。对 builder 来说，这意味着产品架构要原生支持路由、反馈闭环和任务边界，而不是只暴露一个 model 参数。我的判断是，多模型编排很快会从优化项变成基础设施。

3. Aaron Levie 直接泼冷水：每家企业都训自己的模型没那么现实

查看原文 · 来源：Aaron Levie (@levie)

Aaron Levie 的观点很明确：企业最有价值的信息往往是持续变化的，而且带权限边界，很多敏感信息不适合被直接打包进模型里，安全层也不能简单塞进 agent 或模型内部。所以他认为，真正为每家企业训练一个模型，比外界想象得更难。我认同这个判断，因为企业里的难点通常不在训练，而在数据时效、访问控制、审计链路和组织流程。对做 enterprise AI 的团队，这提醒很实际：不要把主要赌注压在企业专属模型上，而要把检索、权限系统和工作流执行做好。我的判断是，企业 AI 的护城河更可能长在系统集成层，而不是模型权重本身。

4. Swyx 公布大项目多模型工作流：规划、批判、实现、复审分开跑

查看原文 · 来源：Swyx (@swyx)

Swyx 直接给出了自己做 big boy projects 时的模型分工：用一个强模型做规划，用 Fable 5 做 critique，再让 Sonnet 5、Terra Ultra、SWE 1.7 去实际编码，最后再交给 Devin review 之类的链路做复审，同时配合 grill-me 或 interview-me 这类提示先把关键决策问清楚。我今天更看重这种粗粝但真实的流程，因为它反映的不是模型榜单，而是人怎么把不同模型塞进一个能交付的开发回路。我的判断是，未来 coding agent 的竞争点会越来越像 IDE 和 CI 的混合物：不是谁单次最聪明，而是谁最会分工和复盘。

5. Ryo Lu 用 Cursor 做自定义电纸书固件，AI 开始外溢到硬件和系统层

查看原文 · 来源：Ryo Lu (@ryolu_)

Ryo Lu 说自己用 Cursor 做了一套自定义 e-reader 固件，目标很明确：更好的 Latin + CJK 排版、纵书和禁则、与 ryOS 同步书籍和阅读进度、以及更快的渲染和缓存。它不是一个大公司发布会级别的消息，但我觉得这种案例更有参考价值，因为它说明 AI coding 工具正在从 Web CRUD 扩展到固件、排版引擎、渲染优化这类更底层的工作。尤其是中日文字体和版式，本来就充满边角规则。我的判断是，真正把 coding agent 用熟的人，会越来越多地去碰原本门槛更高的系统和硬件项目，这会放大个人 builder 的能力上限。

6. Guillermo Rauch 说用户最买单的是文件系统接口和可观测性

查看原文 · 来源：Guillermo Rauch (@rauchg)

Guillermo Rauch 提到，他们目前最受欢迎的两个功能是 filesystem API 和 observability，而且团队会继续在这两点上加码。我觉得这条很短，但信息很实。因为它等于替很多 agent 产品的用户需求做了排序：大家要的不是更炫的 demo，而是让 agent 真能碰文件、操作环境，并且让人看得见它做了什么、在哪一步出错。对做 AI infra 和 agent 平台的人，这几乎是产品优先级提示。我的判断是，接下来所有 serious agent 产品都会往两端补：一端是更强的执行面，一端是更细的日志、追踪和回放能力。

7. 开放权重模型在网关流量中的占比升到 29%

查看原文 · 来源：Guillermo Rauch (@rauchg)

Guillermo Rauch 引用了一个数字：开放权重模型已经占到 gateway token 的 29%，而 4 月还是 11%。单看一句话不够完整，但这个变化幅度本身已经说明问题：开放权重模型不再只是社区热度，而是在真实 API 调用层开始抢份额。对 builder 来说，这影响非常直接，尤其是成本、可定制性、部署方式和合规选择。我的判断是，只要开放权重模型继续追近前沿能力，更多团队会把它们放进生产路由里，至少先承担二线任务、批处理和垂直场景执行。