AI News｜2026-07-26

今日目录

• Opus 5 把提示词注入风险压到接近 0
• Claude Code 把系统提示词砍掉约 80%
• Every 测到 Opus 5 先断兼容，再在重写技能后变好
• Box 用真实企业文档任务测到 Opus 5 的明显提升
• DoorDash 复盘 agentic commerce：语音没成，自然语言对话先跑通

今日判断

我今天更关注的不是又一个更强模型，而是 builder 开始公开讲清楚：模型一旦变了，原来那套 prompt、skill、插件和防线会一起失效。Claude Opus 5 这波里，最有用的信息不是发布页，而是几位一线使用者和产品负责人都在说同一件事：系统提示词可以大幅变短，旧工作流会断兼容，安全性开始从外围规则转向模型本身。这对做 agent 和 coding tool 的人很实际，意味着你不能再把 prompt 当配置文件长期固化，得把它当版本化接口，跟模型一起回归测试。

我看下来，另一个更重要的信号是 eval 正在回到真实任务。Box 讲的是尽调、生命科学、复杂文档处理；DoorDash 讲的是从语音预判转到自然语言购物对话；这些都不是抽象 AGI 讨论，而是具体工作流哪里通、哪里不通。我的判断是，接下来两三个月最值钱的团队，不是喊全自动的人，而是能把真实流程拆成可测环节，快速重写技能层、记忆层和安全层的人。模型还会继续变，但真正形成壁垒的，是谁能把这种变化吞进去，而不是被它打断。

快讯

1. Opus 5 把提示词注入风险压到接近 0

查看原文 · 来源：Boris Cherny (@bcherny)

Boris 透露，Opus 5 在提示词注入上的抵抗力明显增强，而且不是单点优化：模型对齐、注入探针和 Claude Code 的 Auto Mode 叠加后，攻击成功率可以降到接近 0。这个信息比常规能力榜单更重要，因为很多 agent 真正卡住的不是会不会写代码，而是能不能在读文件、跑工具、接外部上下文时不被带偏。我的判断是，这说明前沿模型开始把安全性做进模型行为本身，做企业 agent 的团队可以少堆一些脆弱外层规则，但前提是要重新验证自己的工具调用链和沙箱边界。

2. Claude Code 把系统提示词砍掉约 80%

查看原文 · 来源：Thariq (@trq212)

Thariq 说，针对最新模型，Claude Code 直接删掉了大约 80% 的系统提示词，并开始重新理解 system prompts、skills 和 Claude.md 该怎么写。这里真正的新信息不是删了多少字，而是模型能力上来后，原来依赖长系统提示词维持行为的一整套做法正在失效。对做 coding agent 的人，这意味着 prompt 不再只是往上堆约束，而要把更多意图移到更稳定的技能接口、文件约定和环境反馈里。我的判断是，未来好用的 agent 会更像薄控制层加强环境设计，而不是厚 prompt 编排。

3. Every 测到 Opus 5 先断兼容，再在重写技能后变好

查看原文 · 来源：Dan Shipper (@danshipper)

Dan Shipper 分享了 Every 团队一周内对 Opus 5 的实测：它一开始会顶嘴、提前停、和现有 skills 与插件不兼容，尤其会破坏之前为老模型调出来的工作流；但他们把旧技能删掉重做后，表现又明显改善。这个反馈很有价值，因为它说明模型升级不是单纯替换 API 名字，而是会改变 agent 的行为协议。我的判断是，接下来做 AI 产品的人要像维护数据库迁移一样维护 prompt 和 skill 迁移，凡是绑定旧模型习性的 workflow，都得做版本隔离和回归测试。

4. Box 用真实企业文档任务测到 Opus 5 的明显提升

查看原文 · 来源：Aaron Levie (@levie)

Aaron Levie 说，Box 用自家的 Complex Work Eval 测试 Opus 5，在尽调、生命科学目标识别等复杂企业文档任务上都有明显提升，比如尽调任务提升 17%，生命科学任务提升 30%。这类数据比通用 benchmark 更值得看，因为它反映的是模型在长流程、多文档、非结构化数据里的稳定度，而这正是企业 agent 真正要交付的部分。我的判断是，模型进步已经开始穿透到高价值垂直流程里，但前提仍然是你手上有自己的任务集和评测方法，不能只看公开榜单。

5. DoorDash 复盘 agentic commerce：语音没成，自然语言对话先跑通

查看原文 · 来源：No Priors

DoorDash 两位联合创始人在访谈里回顾了他们做 agentic commerce 的路径：一开始押注语音，但没有真正跑起来，后来转向自然语言对话式搜索和购物体验，用户反而更容易把模糊需求转成可执行操作，尤其在餐厅发现和杂货任务上效果更明显。这个复盘有价值，因为它不是讲愿景，而是讲一个大平台如何根据用户行为修正交互层。我的判断是，消费级 agent 现在最该做的不是追求全模态炫技，而是先找到用户愿意连续使用、并能稳定完成交易的输入方式。