Vercel CEO Guillermo Rauch 正式发布 gdp-ts（Ghosts of Departed Proofs for TypeScript）——一个面向 TypeScript 的库、linter 和 AI skill，核心理念是「敏感的 API 操作必须附带授权证明」。通过类型系统，在编译阶段验证调用方是否已完成鉴权检查，从而阻止团队和 Agent 在运行时才暴露安全问题。Rauch 指出，Agent 正在以远超人工 code review 的速度生成代码，而 Rust 的 borrow checker 范式正是为这种场景设计的——tight constraints，让 agent thrive in tight loops。
Box CEO Aaron Levie 从另一角度切入企业 Agent 落地：真正的瓶颈不是模型能力，而是「测试、调优和优化 Agent 在真实工作环境中的表现」。企业缺乏统一的 eval 基础设施来模拟 CRM、邮箱、文件系统等真实场景，每家公司都要自己搭建，效率极低。他认为这将是未来企业 IT 的一个重要细分市场。
Meta 首席 AI 总监 Madhu Guru 提出了一个更根本的观点：「团队最常犯的错误是把 eval 当作 Agent 构建完成后再加的 QA 步骤。AI 产品本质上不同——你的 eval 就是产品规格。」这一观点与 Rauch 的 gdp-ts 思路高度一致：把质量保障前移，在构建阶段就内嵌而非事后补救。
发布 gdp-ts：Ghost of Departed Proofs for TypeScript。核心思路是让敏感 API 操作在编译时要求「证明」——比如修改密码必须附带角色和权限验证的证明，类型检查器会在编译期直接拦截错误。他强调，Agent 正在以远超人工 code review 的速度生成代码，而 Rust 的 borrow checker 范式正是为这种场景设计的——tight constraints，让 agent thrive in tight loops。 原推 →
企业 Agent 部署的最大瓶颈在于 eval 基础设施：Agent 需要访问真实文件、CRM、邮件等环境才能被有效测试和调优，但现在每家公司都得从零自建，速度慢且无法复用。未来每家企业都需要专人管理 eval 体系、构建模拟环境的 infra。这是一个巨大的市场空间。 原推 →
团队最常见的错误是把 eval 当作 Agent 建完之后再补的 QA 步骤。AI 产品与传统软件根本不同——你的 eval 就是你的产品规格（product spec）。这个观点值得所有 AI 产品团队反复咀嚼。 原推 →
分享 Claude Code 的「local hands」模式——Claude 在云端运行但可以访问你的本地文件，该功能即将同步到 Cowork。他还提到，用规划（planning）方式而非原始 HTML 生成 UI 更省 token：模型无需重复构建状态机、图表、代码片段等通用组件的逻辑。 原推 →
分享 Replit 生态的最新动态：越来越多家族企业依靠 Replit 运行业务，同时他在推广「用 TikTok 推广我的应用」的 Agent 功能，并指出美国正在追赶开源权重模型（open-weights models）的竞争。 原推 →
评论称，让 Muse/Dot 这类 Agent 「计算机」在本地运行会是一个更好的 Agent 环境，远比日益封闭的 macOS 系统更适合 Agent 工作。同时推荐了斯坦福教授 Simon Levine upcoming 的 SPC talk——他研究让机器人从经验中学习，将视觉感知与运动控制关联起来。 原推 →
两个观察：一是 Halmos 正在为 AGI Science Loops 构建类似 Muse/Instinct 的工具；二是创业公司提供的「harness」比大厂实验室更有用——因为实验室有 token burn 激励，而 startup 的工具（如 Grep）能把 token 消耗自动转化为确定性、可测试、可重复的代码。 原推 →
两个产品更新：一是推出 ryOS Subtitles Chrome 扩展；二是为语言学习者打造的 Netflix 双语字幕工具，支持日语、中文、韩语发音指导，个性化样式可配置。同时发表了一篇长文缅怀 Steve Jobs——从接触 iMac G4 到成为设计师的心路历程，反思当下科技行业「过度精细化、缺少真正伟大而真诚的产品」的问题。 原推 →