AI News｜2026-07-22

今日目录

• 多模型分工开始从观点变成可量化的 agent 设计模式
• 生成和验收拆开，reviewer agent 开始成为默认配置
• Coding agent 正在重写公司的最小组织单元
• AI 时代的招聘开始考察你如何和 agent 一起工作
• Coding agent 开始逼近软件之外的真实交付
• 有人开始尝试用轨迹相似度判断模型是不是在偷练 benchmark

今日判断

我今天看下来，最有用的信息不在模型榜单，也不在大厂口号，而是在 builder 已经默认接受一个现实：任务不是交给单一最强模型，而是拆成规划、执行、校验三个不同智能层级。Aaron Levie 转述的 Cursor 研究里，frontier 模型只负责高歧义决策，便宜模型接大部分执行，成本能拉出 15 倍差距；Peter Yang 提到的 reviewer agent 也是同一路数，把生成和验收拆开，专门对抗模型对自己结果过度宽松。这对一线团队是很具体的，不是要不要用 agent，而是你要不要把 token 花在真正需要判断力的那几步。

我也更关注组织和流程开始被 coding agent 反向改写。Zara 讲的两类公司，本质上不是文化差异，而是工作单元变了：更小团队、按项目组织、每个人自己闭环、会议减少，因为 AI 把原来要靠跨职能协作补齐的很多细碎执行吃掉了。她连招聘设计都往前推了一步，先测脱离 AI 的基本功，再测和 agent 共创的全过程，连聊天记录都纳入评估。我觉得这比空谈 AI-native 更接近真实转变，因为它已经落到了 team design 和 hiring rubric。

另外一个值得记住的信号是，coding agent 开始碰到软件之外的交付边界。Amjad 那句 physical product shipped by a coding agent 虽然短，但它指向的是 agent 不再只是写代码，而是在供应链、硬件打样、外部工具调用里承担端到端动作。我的判断是，接下来最有竞争力的产品，不一定是模型最强的，而是最早把多模型路由、独立校验、可审计协作记录和真实世界执行接口拼成完整工作流的团队。

快讯

1. 多模型分工开始从观点变成可量化的 agent 设计模式

查看原文 · 来源：Aaron Levie (@levie)

Aaron Levie 引用了 Cursor 的一项研究结论：把 frontier 模型放在规划和任务分解层，把便宜模型放在大规模执行层，整体 token 成本可以做到 15 倍优化。这里的新信息不是多模型路由这个概念本身，而是它开始被讲清楚到任务阶段：真正需要高智能的只有原始拆解、设计取舍和少数高歧义节点，其余步骤更像按说明书施工。我看这条最重要，因为它直接影响 agent 产品和内部工作流的架构选择。接下来很多团队要比的不是单模型效果，而是谁更会把贵模型留给关键判断点。

2. 生成和验收拆开，reviewer agent 开始成为默认配置

查看原文 · 来源：Peter Yang (@petergyang)

Peter Yang 分享了一个越来越实用的 agent 设计：一个 agent 负责生成，另一个 agent 按 rubric 专门做评审，避免模型对自己产出过度宽容。例子来自视频短片评估，这类任务没有标准答案，靠单一 agent 自审很容易出现 self-preferential bias。我今天更看重这条，因为很多人还在把 agent 当成单步生成器，但真实工作流里，验收本身就是独立工种。我的判断是，凡是开放式产出场景，从内容到代码到运营素材，单独 reviewer agent 会很快变成标配。

3. Coding agent 正在重写公司的最小组织单元

查看原文 · 来源：Zara Zhang (@zarazhangrui)

Zara Zhang 把公司分成两类：一类是在 coding agent 出现前建立、现在补改流程；另一类是从第一天就按 agent 存在来设计组织。她给出的特征很具体，小于十人的团队、按项目而不是部门组织、每个人自己闭环、内部会议极少。我看下来，这不是鸡血式宣言，而是在描述一种新的协作成本结构：当 AI 吃掉大量执行和协调摩擦后，团队不需要先堆职能再推进项目。我的判断是，未来一年很多早期团队的优势不会来自融资速度，而来自是否敢用更小编制做更完整的闭环。

4. AI 时代的招聘开始考察你如何和 agent 一起工作

查看原文 · 来源：Zara Zhang (@zarazhangrui)

Zara Zhang 提出了一套她今天会采用的面试设计：第一轮线下且禁用 AI，专门看候选人的领域判断和即时反应；第二轮则要求必须借助 AI 完成一个项目，甚至把和 agent 的聊天记录一起纳入评估。为什么重要在于，它把很多团队嘴上说的 AI-native hiring 变成了具体 rubric：既要看你有没有独立思考，也要看你会不会把 agent 组织进工作流。我判断这套方法会比传统 take-home 更快扩散，因为它测到的正是未来日常工作的真实形态。

5. Coding agent 开始逼近软件之外的真实交付

查看原文 · 来源：Amjad Masad (@amasad)

Amjad Masad 抛出了一个很短但方向明确的问题：第一款由 coding agent 发货的实体产品是不是已经出现了。它没有展开案例细节，所以信息量有限，但我还是保留，因为它提示了 agent 边界正在外溢。过去大家讨论 coding agent，多数还停留在写代码、修 bug、提 PR；一旦它开始驱动硬件设计、采购、打样、下单和发货，产品定义就变了。我的判断是，真正的分水岭不是 agent 能不能写更多代码，而是它能不能接入现实世界的执行接口。

6. 有人开始尝试用轨迹相似度判断模型是不是在偷练 benchmark

查看原文 · 来源：Swyx (@swyx)

Swyx 提到一篇关于 RLM 的论文讨论：即便不直接在测试集上训练，模型也可能通过训练大量 test lookalikes 去追 benchmark 分数；研究者正在尝试用隐藏轨迹之间的距离指标来判断这种问题。对 builder 来说，这条的价值不在八卦谁作弊，而在提醒大家别把榜单分数直接当能力真相。尤其是开源权重发布后，如果没有同步放出训练数据和环境，很难外部核验。我的判断是，接下来模型评测的竞争会越来越像审计问题，谁能证明泛化，谁才更值得接进生产。