欢迎来到小岛AI

AI Harness 工程师，在创业公司给大模型搭脚手架。

记录一线实战、踩坑与判断，偶尔泼冷水。

initializing harness ... ok
loading 488 articles ... ok
daily signals, issue #48 ... ready

SAIL.
BUILD.
WRITE IT DOWN.
SHARE THE LOG.

/// SAIL. BUILD. WRITE. REPEAT. >> NOTES FROM THE ISLAND. //

01 关于我 ABOUT ME

AI Harness 工程师，给大模型搭脚手架

创业公司 | agent 工具链 · 评测 · 调度 · 上下文管理 | 写一线实战、踩坑与判断

公众号 小岛AI
RSS /rss.xml ↗
LLMs /llms.txt ↗
更多 /about/

Notes, not noise.

02 日报 DAILY

总第 48 期 · 2026-09-15 · 18 条信号

CI 任务 6 个月涨 25 倍，测试不能再全跑 Agent 写得快不叫完工，CI 堵住才是最贵的那一段。
Fireworks 评测 DeepSeek-V4.1-Flash 便宜模型追平强档位，先看你那条任务是不是同一类。
科技巨头放缓 AI 开发的口头协议是安全共识还是卡特尔喊慢一点容易，谁来定义慢才是真正的戏。

Signals with verdicts. 全部 48 期 →

03 文章 WRITINGS

Write to think. 488 篇存档 →

04 翻页册 FLIPBOOK

> _ 日报翻页册最近九期装订成册，拖动书页翻阅

Turn the page.

// LATEST 30

全部 488 篇，按月翻阅 →

2026-09-15

CI 任务 6 个月涨 25 倍，测试不能再全跑

Anthropic 的 CI 任务在 6 个月内增至 25 倍。真正值得借的不是加机器，而是把测试选择做成有状态、可分片、可观测的服务。
2026-09-15

做语音 Agent，81.5 分第一的模型要不要换

GPT-Live-1 在最新语音榜单拿到 81.5 分。可对电话客服、预约和语音助手团队来说，迁移与否不该由 0.2 分决定，先用十通真实电话把打断、工具、成本和兜底验明白。
2026-09-15

Siri AI 上线了，中国大陆用户先别急着升级

它能读懂屏幕、跨 app 找资料，也会替你起草邮件。但首轮英语 beta、中国大陆暂不可用、设备与日限额都摆在前面。换机或升级前，先把这五项查清。
2026-09-15

做网页先定审美，47.96 万人装的 UI Skill 怎么用

它把模糊的好看拆成设计判断、三个旋钮和交付前检查。适合要做落地页、作品集或重做官网的人，文末有最短安装命令和避坑表。
2026-09-15

让 Agent 修漏洞，跑过一个 PoC 还不够

一份公开复核让 AI 补丁 26% 的结论重新回到方法本身。真正能进主干的补丁，得同时经得住原始 PoC、同根因变体、回归和可复核记录。
2026-09-14

一首 BGM 改一句歌词，Suno v6 不用再整首重抽

Suno v6 真正值得看的一步，是把配乐从一次性抽卡改成可编辑的工作流。做视频 BGM 时，用 mini 试方向、wild 找意外、v6 收成品，返工会少很多。
2026-09-14

ChatGPT Pro $200 暂停新购，已订的人取消前先看这一条

Pro $200 暂停新购与升级后，最容易被忽略的是取消或降级真正生效的那天。把账户状态、账期与替代路径核对完，再动订阅设置。
2026-09-14

让 Agent 读 Gmail 很容易，难的是把发送权限留在人手里

gws-gmail 能把 Gmail 的筛选、归类和草稿交给 Agent，但 OAuth scope、提示注入和误发风险不能用一句自动化带过。本文给出先只读、再草稿、再谨慎开放发送的三道门。
2026-09-14

做 AI 产品别只盯模型，状态数据才是最难补的一层

OpenAI 的 Habitat 把支撑 ChatGPT、API 和 Codex 的在线数据访问收进一个服务。对 AI 产品团队来说，更值得学的不是 Rust，而是把在线状态、复杂查询和权限治理分开设计。
2026-09-14

搜索 Agent 跑分很好，真正该验的是上下文

Iris 把模型、搜索循环、上下文管理和判分器一起开源。看完它的公开数据，就会知道一张排行榜为什么不足以帮你选 Agent。
2026-09-14

Android 测试跑到 99%，ARTEMIS 真正接住的是 Bug 复现

Google 开源的 ARTEMIS 把自然语言需求、真机执行、截图和 Logcat 串进同一条链路。99% 的跑分可看，真正值得先试的是把回归与复现留成可回放证据。
2026-09-13

React 页面慢，第一刀不该砍 useMemo

Vercel 的 70 条 React 规则把异步瀑布和包体放在最前面。给 Coding Agent 一段按优先级审查的指令，先解决用户真会等的那几秒。
2026-09-13

语音 Agent 不该全塞进一个模型，GPT‑Live‑1 的新分工

GPT‑Live‑1 终于进了 API，但全双工只是前台体验的升级。语音层、推理层、工具权限和后台任务仍该分开算账，这份分工表比换模型更值得先做。
2026-09-13

Agent 长任务总跑偏，状态管理才是保险

上下文窗口更大，并不等于 Agent 更能扛长任务。把目标、约束、证据和下一步放进可恢复的外部状态，才是跨文件 Bug 和长流程不跑偏的底盘。
2026-09-13

代码有点乱时，92 万次安装的 Skill 先画诊断

在一个有连续提交记录的本地语音输入法里实测后，它没把 543 行热键代码拆散，而是把泄漏的剪贴板归还协议收进一个可验证的小模块。
2026-09-13

AI 能重写两端，小团队依然值得用 React Native

Shop 用 12 周交付原生版本，但重写速度只回答了一半问题。拿一个真实业务流程试跑，把开发、验收和后续改动放进同一本账，才能判断你该不该迁移。
2026-09-13

前沿实验室开始踩刹车，做 Agent 的团队该补什么

模型能力跑得比流程快时，最容易漏掉的不是一条 Prompt，而是可回放的权限、日志和停机边界。这里给 Agent 团队一份能带进上线评审的检查表。
2026-09-12

做页面先定设计系统，35.4 万人装的 UI Skill 怎么用

它不替你赌一张好看的页面，而是把产品类型、版式、配色、字体和可用性检查先定下来。附安装命令和一份可直接复制的设计 Brief。
2026-09-12

做大功能时，Cursor 的数千 Agent 要过四关

Cursor Projects 把长期任务交给一个协调者管理，真正变重的不是并发数，而是范围、上下文、权限和验收。这里给出一份启动前就能用的检查清单。
2026-09-12

DeepSeek 把 Pro 路由给 Flash，省钱不等于能直接上线

9 月 14 日起，DeepSeek V4 Pro 的 API 请求会自动转到 V4.1 Flash。模型不需要手动换，生产验收却必须提前做。
2026-09-12

装了 69 个 Skill，开场就吃掉一万 token

Claude Code 这两周补了三条命令，把「我装的这堆技能占多少上下文、到底有没有用」从凭感觉变成可量。我在自己机器上把账算了一遍。
2026-09-12

活动运营总漏一环，GitHub Copilot 这套骨架能直接借

GitHub 一位营销负责人把活动筹备收进一张 Issue。真正可借的不是 Copilot 写文案，而是表单、标签、干跑、告警和复盘组成的可审查工作流。
2026-09-09

六年预训练实验，数据把算力效率推高 12 倍

一组 7×7 对照实验把模型配方和数据语料分开重训。12 倍只是开头，更值得看的是它如何测量、哪里不能外推，以及训练预算该怎么重新分。
2026-09-09

改海报只动一块，ChatGPT Images 2.5 终于有了局部编辑

ChatGPT Images 2.5 最有用的不是把图画得更花，而是把改海报、封面和产品图的返工，收进一套可验收的局部编辑顺序。
2026-09-09

Jira 接进 Agent 后，权限和上下文才是主流程

Rovo MCP v2 加了更多产品与工具，但团队真正该先安排的是按需取数、最小权限、人工确认和用量边界。这里有一份可直接照着走的接入检查表。
2026-09-08

做 3D 原型，GPT-6 的三条路别走反了

会让 GPT-6 控 Blender，不等于拿到可交付的 3D 资产。Computer Use、MCP 和 CLI 各自该在什么时候上，一份首轮验收清单讲清楚。
2026-09-08

AI 产品上线前，先过这 4 道授权和留痕检查

最高法刚公开的 AI 纠纷审理意见，不是一张给产品经理背诵的法规清单。把它翻成上线待办，最该补的是授权、停止生成、证据包和风险说明。
2026-09-08

选开源模型，Mistral 的 30 亿欧元该怎么算

Mistral 的 30 亿欧元融资不是让团队今天换模型，而是提醒下一轮模型 POC 把路线、数据、算力与退出条件一起验收。
2026-09-08

做后台 UI 别再反复手搓组件，4.9 万人装的 shadcn Skill

shadcn 的官方 Skill 不负责替你画页面，它逼着 Coding Agent 先读项目上下文、查现成组件、看文档再动手。设置页和表单这类高频活，终于有了一条不靠临时样式硬顶的短路径。
2026-09-07

Agent 跑夜班前，先给它装一张验收单

OpenAI 的 Agent 运行时已达人力的 3.1 倍，但复杂任务依然离不开人工介入。让 Agent 长时并发前，先把这张验收单贴进任务卡。