2026-06-19 关注圈日报（公开账号替代版）：Codex 演示学习、Claude Code 协作、AI 医疗边界

完整关注列表这轮仍暂时不可读，本期只能覆盖最近稳定可抓的 13 个公开账号时间线；过去 24 小时内抓到 22 条非转推候选，下面是高信息量样本，不代表 @jin_feng03 的完整关注圈。

Greg Brockman 的原帖很短，只写了一句「you can now teach Codex by demonstration」。这句话背后对应的是 Record & Replay：用户在 Mac 上演示一次重复性操作，Codex 观察过程后生成 Skill；下一次换参数，就能让它重放同一套流程。宝玉的整理把适用场景说得更清楚：报销填单、视频发布、创建 issue、选择标签和审批人，这些流程固定但很难用自然语言一次讲准。12

这里的变化不在于「AI 又会自动化了」。过去让 Agent 执行固定流程，成本主要花在写说明书、调 prompt、修边界。Record & Replay 把输入方式换成了示范，用户不必先把自己的隐性操作拆成文字步骤。它更接近真实团队里的师徒交接：你先看我做一遍，再照着做。

这条原帖值得直接打开看，因为它是今天多个讨论的入口。

宝玉同日还提到 baoyu-design skill 的更新：做 PPT、动画视频或网站时，可以调用 AI 生图能力配图；用 Codex 可调用内置画图工具，用 Claude Code 可配合 baoyu-image-gen skill 调用 Codex CLI 画图，并能导出带图片的 PPTX。10 这条虽然不像 Record & Replay 那样基础设施味浓，但它指向同一个趋势：Skill 正从「文字操作手册」变成一组能调用工具、生成中间资产、交付文件的工作单元。

Claude Code Artifact 解决的是另一个老问题：Agent 在终端里跑了半天，最后只有操作者知道它查了什么、改了什么、为什么这么判断。宝玉整理的说法是，Claude Code 可以把当前会话生成一个实时更新网页，页面可展示 PR 走查、系统架构说明、调试时间线和发布清单；页面会随会话进展更新，同一链接始终有效，还可回溯历史版本。3

这件事对团队协作很实际。事故排查、代码审查、安全报告这类场景，大家需要看的不是「Agent 很努力」，而是证据、路径和下一步。Artifact 把 Agent 的工作过程变成团队可以共同审阅的对象。宝玉还提到，它默认私有，仅同组织认证成员可看，管理员可以控制组织级开关、角色权限和数据保留。3

Claude Code Artifact 这条长帖信息密度较高，可以作为今天的第二个重点入口。

Jira 里的 Claude Code 集成，则把协作入口前移到需求管理。Santiago 说，用户可以直接在 Jira UI 里把 ticket 分给 Claude，或在评论里提到它；Claude 获得 issue 的验收标准、评论、附件等上下文后，会在沙盒里克隆 GitHub 仓库、实现改动，并把 PR 回填到 Jira ticket。4

这比「让 AI 写代码」更靠近工程系统的日常入口：任务从 Jira 来，代码在 GitHub 里，审查回到 PR。Agent 真要进团队，不可能只待在 IDE 或聊天框里，它必须接住现有流程里的上下文和权限。

Greg Brockman 连发几条与 OpenAI 应用边界有关的推文。一条称 OpenAI 帮助 376 个此前未解的医疗病例找到 18 个新诊断，其中包括一名从 9 岁起就试图理解肌无力原因的患者，在 28 岁生日前被诊断出一种罕见肌原纤维肌病。5 另一条称 OpenAI 正与来自 60 个国家、49 种语言、26 个专科的数百名医生合作，让 ChatGPT 更擅长健康相关问题。6

这两条不能读成「AI 医生已经替代医生」。更稳妥的理解是：OpenAI 正在把医疗问答和疑难病例辅助推到更靠近真实临床的位置。病例数、国家数、语言数都显示它不再只是 demo，但医疗场景的风险也更高，结论必须经过医生和患者原有流程消化。

同日，Greg 还发布企业端 credit usage analytics 和 updated spend controls，称这些能力可在 global admin console 使用。7 这条看似偏后台，但和前面的医疗线索放在一起更好理解：当模型进入高频生产和高风险场景，成本、权限、审计、额度控制会变成采购和部署门槛。

Santiago 的两条短帖给今天的 Agent 热度踩了一脚刹车。他说自己从 4 月开始在 Mac Studio 上跑 gemma-4:26b，用来处理不想发给大模型公司的私人文档，现在约 60% 查询都转向它；但他也明确说，除了解释代码、简单修改、规划这类低复杂度任务，它不是理想 coding model。8

这条对个人开发者和小团队有参考价值：本地模型可以先承接隐私敏感、低风险、非复杂 coding 的日常查询，而不是一开始就追求全能。把它当成「私人文档处理器」比把它包装成「本地 Claude」更靠谱。

另一条安全提醒更直接。Santiago 说，他不信任某些工具不会盲从邮件里的指令；人类面对社会工程攻击可能还会警惕，LLM 未必会。他认为需要 firewalls、guardrails，以及更多保护用户的软件。9

这和 Jira、Artifact、Record & Replay 是同一枚硬币的另一面：Agent 连接的工具越多，能读到的上下文越多，prompt injection 和越权执行的后果就越重。今天的产品更新很热闹，但安全边界还没有跟上速度。

Elon Musk 今天有一条高互动但相对偏航天的推文：他提到 Q1 各发射服务商送入轨道的吨位，并称一旦 Starship 达到小时级飞行，SpaceX 入轨质量将约为其他所有提供商总和的 100 倍，即便其他提供商把当前发射率提高三倍。11

这条不放进 AI 主线，只作为关注圈里的技术产业补充。它延续的是 SpaceX 对运力规模的叙事：竞争点不只是单次发射成功，而是单位时间能把多少质量送上轨道。

这 24 小时的公开样本里，最清楚的一条线是 Agent 正在进入「可交接、可审阅、可接入组织流程」的阶段。Record & Replay 让用户用示范交接流程，Artifact 让团队共同审阅 Agent 的工作，Jira 集成则把 Agent 放进需求管理入口。

另一条线是边界治理。医疗、企业控制台、本地模型、邮件指令攻击，看起来分散，其实都在问同一个问题：当 AI 不只是回答问题，而是拿到上下文、工具和权限时，谁来决定它能做什么、花多少钱、把哪些数据带到哪里。