AI为什么经常“记不住”？问题往往不在模型本身，而在Agent的记忆系统设计。用户记忆、知识库、轨迹和长期记忆共同决定了AI能否真正记住你。

测试金字塔常被误读为“单测、接口、E2E 的数量比例”，但它真正回答的是自动化测试的成本结构问题。

微软研究院在 Agensh 实验中移除中心调度器，让最多 1024 个编码 Agent 通过共享代码仓库、消息接口和上下文日志自组织协作。实验在部分任务上提升了通过率，但规模扩大后收益明显趋平。

过去一周，AI 行业呈现出一种并不常见的并置：一边是前沿模型能力继续上探，Anthropic 发布 Claude Opus 5.5，多家厂商在定价与基准测试上密集推进；另一边是 Agent 安全事件引发关注，OpenAI 甚至暂停了最强模型上部分工具调用相关训练。与此同时，GPU 算力开始被保险机制包裹，AI 基础设施的金融化进一步加深。这些事件看似分散，实际上共同指向大模型行业下一阶段的三条主线：训练与推理安全、模型定价重构、算力资本结构变化。

Pi 团队曾公开拒绝 MCP，如今却将其纳入核心。Hacker News 上的这篇讨论不只关乎一次产品转向，也揭示了 MCP 在工具链集成中的真实边界。