AI News｜2026-08-26

今日目录

• Replit Agent 已全面取代 Claude CoWork
• AI Agent 时代，系统记录的重要性被重新定义
• ChatGPT Plus 用户将恢复 5 小时使用限制
• 零数据泄露 (ZDR) 是 AI 增长的关键驱动力
• 构建高质量评估：区分 AI 系统能力的关键
• 软件应可被 Prompt 驱动修改

今日判断

今天的信息流让我更关注 AI Agent 在实际工作流中的落地情况，以及围绕 Agent 运行所必需的基础设施和产品设计。Amjad Masad 的分享直接点出了 Replit Agent 在效率和持久性上的优势，这表明 Agent 不再是简单的辅助工具，而是能深度融入日常工作，甚至替代现有工具。

Aaron Levie 的观点则将视角拉高到企业层面，强调了“系统记录”（Systems of Record）在 Agent 时代的重要性。Agent 的大规模应用将对数据治理、安全和可靠性提出更高要求，而能够良好支持 Agent 交互的系统将获得巨大机遇。这预示着企业级软件的重塑，以及对数据安全和合规性的新一轮审视。

快讯

Replit Agent 已全面取代 Claude CoWork

查看原文 · 来源：Amjad Masad

Replit 的联合创始人 Amjad Masad 分享了他个人使用 Replit Agent 的体验，表示该 Agent 已完全取代了他日常使用的 Claude CoWork。他强调 Replit Agent 在持续性、细致性以及代码和软件的有效利用方面表现更佳。我的判断是，这标志着 AI Agent 在实际开发工作流中正从辅助角色向核心角色转变，其在任务的持久性、自主性和对工具的理解能力上，已经开始超越一些通用型 AI 助手。这对于开发者来说，意味着更高效、更无缝的开发体验。

AI Agent 时代，系统记录的重要性被重新定义

查看原文 · 来源：Aaron Levie

Box CEO Aaron Levie 指出，在 AI Agent 能够执行海量工作的时代，“系统记录”（Systems of Record）的重要性前所未有。Agent 将大量查询、处理、执行工作流，并与人及其他 Agent 协作。因此，数据的治理、可靠性、安全性、访问控制和业务逻辑变得至关重要。他以 OpenAI Hugging Face 事件为例，说明了 Agent 运行可能带来的风险，并强调只有那些提供良好产品体验、API 和商业模式以支持 Agent 的系统才能适应这一趋势。我的判断是，这预示着企业级软件将迎来一次重大变革，对数据基础设施和安全治理的要求将大幅提升，能够与 Agent 高效协同的平台将获得巨大优势。

ChatGPT Plus 用户将恢复 5 小时使用限制

查看原文 · 来源：Thibault Sottiaux

OpenAI 的 Thibault Sottiaux 宣布，将为 ChatGPT Plus 用户恢复 5 小时使用限制。此举是为了平滑计算资源负载，从而维持套餐的慷慨使用量，并改善新用户因意外耗尽使用量而产生的困惑体验。Pro $100 和 Pro $200 订阅用户在未来几个月内不受此限制。我的判断是，这是 OpenAI 在平衡用户体验和资源成本方面的一个务实调整。虽然对部分用户可能带来不便，但从长期来看，有助于维持服务的稳定性和可负担性，并鼓励用户更精细地规划使用。

零数据泄露 (ZDR) 是 AI 增长的关键驱动力

查看原文 · 来源：Aaron Levie

Aaron Levie 认为，零数据泄露（ZDR）是 AI 增长的重要原因。ZDR 大幅简化了企业处理与子处理器数据交互时的合规流程，否则 AI 工具的采用速度会慢得多。对于驱动 AI 增长的应用工具而言，它们通常会与客户签订协议，只提供 ZDR 模型，以避免客户逐一检查每个模型。企业内部的治理要求也倾向于使用 ZDR 模型，因为它们无法明确区分输入上下文窗口中的个人身份信息（PII）或其他敏感数据。我的判断是，数据安全和隐私合规正成为 AI 技术落地和规模化的关键瓶颈，ZDR 作为一种解决方案，正在深刻影响着 AI 产品的设计和市场接受度。

构建高质量评估：区分 AI 系统能力的关键

查看原文 · 来源：Madhu Guru

AI 研究者 Madhu Guru 在其“如何构建优秀评估”系列中，探讨了评估的“区分性”（discriminatory property）。他指出，一个好的评估应该能够有效区分 AI 系统之间有意义的差异，而不是让所有系统都表现优异或全部失败。理想的评估应兼具现实性、难度，并对能力差异敏感。当评估饱和时，需要调整策略。我的判断是，随着 AI 模型能力的提升，评估的科学性和有效性变得越来越重要。如何设计出既能反映真实世界复杂性，又能精确衡量模型细微差别的评估体系，是推动 AI 技术进步的关键挑战。

软件应可被 Prompt 驱动修改

查看原文 · 来源：Peter Steinberger

开发者 Peter Steinberger 提出了一个颇具前瞻性的观点：“我们需要摆脱那些无法通过 Prompt 修改的软件。” 这句话简洁地表达了对未来软件交互方式的期望，即软件的配置、行为甚至功能都可以通过自然语言指令进行调整。我的判断是，这指向了软件工程的下一个范式转变：从传统的编码和配置，转向更灵活、更直观的“提示工程”驱动的软件定制。实现这一点将极大地降低软件的使用门槛，并加速创新迭代。