8 月 20 日，Anthropic 在 Claude 官方博客宣布 Computer Use、Skills API 和 Files API 在 Claude Platform 上全面可用，同时新增浏览器操作工具。Claude Devs 在 X 上同步推送，概括为"四件套同时开放"。

Computer Use 让智能体可以操作无 API 的桌面软件；Skills API 把团队技能做成版本化、可复用的模块，智能体按需调用；Files API 让智能体返回成品文件而不是只给文本；浏览器工具补上了 Web 操作能力。四件套合起来等于把 Claude 从"能聊天"推到"能托管整个工作流"。

swyx 在 X 上发布了对 Matt Pocock 的独家专访。swyx 称 Matt 已成为 AI Engineer 大会史上观看量最高的演讲者，也是全球顶尖的 skills 专家之一——他的 /grill-me 技能甚至被微软 CEO Satya Nadella 使用过。

专访聚焦的新技能 /wayfinder，是 Matt 为"战争迷雾"场景设计的：当项目目标不明确、需要先搞清楚"该往哪走"时，wayfinder 负责规划研究路径，把模糊需求拆成可执行的探查步骤。这和 /grill-me（让 Claude 像面试官一样追问需求漏洞）形成互补——前者管探索，后者管验证。

8 月 19 日至 20 日，Claude Code 在 GitHub Releases 上连续发布了三个版本：

v2.1.236 新增 ANTHROPIC_DEFAULT_MODEL 环境变量，可设置新会话默认模型，/model 选择仍可覆盖并跨重启保留；同时加了跨会话闲置通知。

v2.1.237 修复了使用 LLM 网关或自定义 base URL 的会话中的提示词缓存问题，并新增"简洁"输出风格——Claude 直接给结果，跳过开场白和叙述，但工作完成度不变。

v2.1.238 新增 keybindingFlavor 设置（可设为 readline 让 Ctrl+W 删除至前一个空白符），并为插件市场引入 headersHelper 以生成 HTTP 头，同时修了多项 Remote Control 问题。

OpenRouter 在 X 上宣布上线新隐身模型 Ox Alpha。官方描述直白：一款前沿模型，专为高效编码、持续智能体工作及实际生产环境使用构建。规格包括 1M token 上下文窗口、支持文本/图像/视频输入。试用入口在 openrouter.ai/stealth/ox-alpha。

同日，OpenCode 宣布 Ox Alpha 接下来一周免费使用，强调"零数据留存"和"慷慨的速率限制，近乎无限使用"，并透露平台每天有 100T token 的处理能力。

8 月 20 日，Grok Build 在一天内集中推进了三件事。Testing Catalog 确认它已正式面向 SuperGrok 和 X Premium 用户推出，Web、移动端和 CLI 上同步上线了共享应用访问权限管理。Andrew Milich 补充了更具体的细节：从 grok.com、iOS 和 Android 上均可构建应用，支持完整认证、数据库、私有共享、自定义域名及 SpaceXAI API，"一条提示词即可将创意转化为带独立域名的已发布产品"。

同日发布的 v1.0.8 修了多个问题：单文件文件夹下载、虚构工具调用报错、状态行刷新；新增 MCP 服务器表单输入/URL 授权弹窗、Ctrl+S 暂存提示词草稿、/workflow 自动补全，并优化了多子代理并发启动性能以避免界面冻结。此外，官方 Netlify 插件也已上线，支持数据库、文件存储、表单、无服务器函数、图片托管等，可通过 CLI 安装：grok plugin install netlify --trust。

PuppyOne 的思路和 8/19 报过的 Memmy 不同——Memmy 把多 agent 的工作记忆统一映射到同一张 SQLite 表，PuppyOne 则不发明任何新存储位置，直接用文件系统当共享工作区。智能体（如 Claude Code）读写 Markdown、代码、JSON 等常规文件，人类可以查看 diff 和仓库历史，Git 追踪所有变更。

它可在 Mac 本地或云端运行，定位是"智能体周围的工作区"而不是智能体本身——也就是说，它不替代 Claude Code 或 Codex，而是给它们提供一个共享的、人类可审计的状态层。

开发者 Daniel Vaughn 在 Hacker News 上展示了实验性编辑器 Huzzah。核心想法：用声明式、持久化的伪代码文件，替代长文本、命令式且一次性的提示词来驱动 LLM 生成代码。保存文件时，Huzzah 捕获 diff 并将其作为提示词，自动重新生成受影响的源代码。

和当前主流 coding agent 的区别在于：主流方式是对话式的——你在聊天框里打一段需求，agent 生成代码，下次改需求再打一段；Huzzah 把"需求"变成一份可编辑、可版本控制、可 diff 的文件，改需求 = 改文件 = 触发重新生成。项目目前处于实验阶段，源码已公开。

DAIR.AI 在 X 上推荐了一篇新论文，重新评估了基于记忆的自我改进智能体。论文补充了先前工作忽略的两点：多次运行测量方差、随机打乱任务顺序。结果发现，这两者均显著降低性能——换句话说，之前报告的"记忆让智能体越跑越好"的增益，相当一部分来自评估噪声和默认任务顺序隐含的课程学习效应。

论文同时指出：添加详细评分标准与环境反馈可以部分恢复性能，但与原始报告的差距仍然明显。这意味着"记忆驱动自我改进"不是不成立，而是此前的实验设计高估了它的效果。

swyx 在最新一期 Latent Space 播客中与 poolside 创始人 Eisokant 对谈，讨论了 NVIDIA 以 60 亿美元收购 poolside"模型工厂"业务。据引用推文，该工厂持续产出超越 Thinky 的模型，大量研究人员获 NVIDIA 录用，创始人留守 poolside，未来或转型为 neocloud 算力提供商。

poolside 此前最知名的产品是 8/14 briefing 报过的 Laguna S 2.1——118B MoE 开源编码模型，1M 上下文、单卡可跑。这次被 NVIDIA 收购的不是模型本身，而是持续产出编码模型的"工厂"业务和团队。

Rohan Paul 在 X 上推荐了 arXiv 2608.16370 的一篇论文，标题直译为"上下文压缩让智能体付出什么代价？任务完成指标未揭示的交互成本"。核心发现：5 倍上下文压缩对 GPT-5.5 的最终任务结果影响出奇地小——压缩后的智能体在统计上与完整上下文版本同样成功。

但变化发生在"怎么做到"上：压缩后的智能体更重度依赖检索来重建被丢弃的信息。也就是说，任务完成率没变，但达成路径变了——从"一次性读完"变成"按需检索重建"。