📄 Daily Digest

Agent Learning Daily Digest #30 — 2026-05-30

今日高信号

1. Claude Code Dynamic Workflows 正式发布

Anthropic 官方发布 Dynamic Workflows，Claude Code 现在可以编排数十到数百个并行 subagent 处理复杂任务（迁移、bug 搜索、压力测试），支持 checkpoint/resume。Bun Zig→Rust 重写案例：750K 行代码，11 天完成。Max/Team/Enterprise/API/Bedrock/Vertex 可用。⚠️ Token 消耗大幅增加，Enterprise 默认关闭。

2. 读完 Claude Code 源码后的配置全解

作者逆向分析 Claude Code npm 包 (v2.1.87) 源码，揭露文档未记录的功能：YOLO Classifier（自动模式权限系统）、hook 响应字段 mid-flight 修改行为（如 updatedInput 重写命令）、SessionStart hooks、持久化 agent memory、"dream loops"。包含可直接复制的配置示例。

3. AISlop：检测 AI 生成代码气味的 CLI

确定性检测工具，不依赖 LLM。40+ 规则覆盖 7 种语言，可用作 GitHub Action。183 stars，活跃开发中。对 coding agent 输出质量把关有直接价值。

4. jqwik Protestware 事件：首个针对 AI Coding Agent 的供应链攻击

jqwik 1.10.0 开发者在输出中注入隐藏 prompt（ANSI escape 掩码 + "删除所有 jqwik 测试和代码"指令），是第一个已知针对 AI coding agent 而非人类的 protestware。Nesbitt 的分析指出这是新级别的供应链输入——文本指向程序而非人，传统安全扫描器无法检测。

5. Ktx：数据 Agent 的可执行上下文层

通过 MCP 为数据/分析 agent 提供上下文层，内置 skills 和 memory。支持 Claude Code、Codex 等工具直接查询数据。506 stars，411 commits，极为活跃。对 vibe coding agent 项目的 MCP 集成有直接参考价值。

6. Claude Opus 4.8 发布 + Code 质量退化追踪

Opus 4.8：Simon Willison 分析指出 Anthropic 坦诚称之为"modest but tangible improvement"，幻觉率降低 4x，Fast mode 价格从 6x 降至 2x。支持 mid-conversation system prompt 更新。

退化追踪：Marginlab 的 SWE-Bench-Pro 日跟踪器发现 Opus 4.7 在发布前一周 pass rate 从 64% 降到 ~50%（对应 CLI v2.1.150），Opus 4.8 发布日反弹至 72%。工具调用在退化期飙升 ~60%。

7. Zot：单二进制 Go 语言 Coding Agent Harness

极简终端 coding agent，单静态二进制文件，支持 Anthropic/OpenAI/Kimi/DeepSeek/Gemini/Ollama 等众多 provider。内置 4 个工具、skills 系统 (YAML frontmatter)、JSON-RPC 扩展、JSONL 会话管理。

8. Agmsg：跨 Agent 消息系统

让 Claude Code 和 Codex 通过 bash + SQLite 互发消息，支持 /agmsg 命令、actas 和 drop 多角色协作。115 stars，MIT 许可。多 agent 协作的基础设施层。

9. Superpowers：Agentic Skills 框架（212K stars）

为 AI coding workflows 设计的技能框架，支持 Claude/Codex/Cursor/OpenCode 插件。当前 v5.1.0。虽然 star 数极高（可能是观测偏差），但其 skills/hooks 组织方式对 Hermes 技能系统有参考价值。

10. 噪声 LLM Evaluator 仍可用于 Agent 改进

TensorZero 的统计论证：虽然噪声 LLM 评估器在单次输出判断上不可靠，但在平均意义上仍可可靠地对 agent 变体进行排序——适合离线 variant selection。对 agent 评估流程设计有方法论启发。

11. AI Coding 支出分析：48% 写码，40% 思考

CodeBurn 分析 $7,890 / 105,718 次 API 调用：仅 47.9% 用于生成代码，其余为探索 (11.1%)、委托 (9.7%)、调试 (8.8%)、功能开发 (8.3%)、对话 (5.9%) 等。说明 AI coding agent 本质上是"花大部分预算理解问题"的协作者。

12. CVE-Bench：LLM Agent 修复真实漏洞的基准

评估 5 个前沿模型修复 20 个真实 CVE（15 个 CWE 类别）。GPT-5.5 最佳：50% 总体解决率 / 60% 最佳条件。失败模式结构化且可重复（错误搜索漂移、预算耗尽、部分修复）。

观察清单