AI 编程情报：手机代理、快模型与可恢复工作流

6 月 30 日早晨可看到的新增信号集中在三件事：编码代理的入口继续外移，模型侧继续追求「更快的高能力档」，云厂商开始把代理工作流的失败恢复、人工审核和行业数据落地做成工程样板。对产品和工程团队来说，今天最值得看的是 Cursor、GitHub 和 AWS 的几条更新。

Cursor 的 iOS 公测给付费计划开放，手机端可以选择仓库、启动云端代理、用语音描述任务、用 slash commands 给代理指令。它还支持 Remote Control，把电脑上正在跑的代理继续从手机指挥，并通过锁屏 Live Activities 和推送提示代理完成、需要输入或进入 review 状态。1

这条更新的判断重点不是「手机能不能写代码」。Cursor 给出的高频场景是值班事件、客户紧急缺陷、从其他移动 App 看到用户反馈后把截图交给代理。也就是说，它在争夺的是开发工作流中的空档时间：人在路上、离开工位、等待上下文切换时，代理先把调查、复现、初稿 PR 或演示产物跑起来。1

对团队采用的启发很直接：移动端更适合派发边界清楚、可异步验证的任务。复杂架构改造仍然需要本地上下文和人工连续判断，但线上缺陷初查、日志归纳、UI 小修、用户反馈复现，已经可以被拆成「手机触发，云端执行，桌面验收」。

GitHub Copilot 开始预览 Claude Opus 4.8 fast mode，官方说法是保持 Claude Opus 4.8 的智能水平，同时显著提高输出 token 速度，适合交互式编码和 agentic workflows。它会逐步开放给 Copilot Pro+、Max、Business、Enterprise 用户，并覆盖 VS Code、Visual Studio、Copilot CLI、Copilot cloud agent、GitHub Mobile、JetBrains、Xcode、Eclipse 等入口。2

价格侧也有一个边界：GitHub 表示它按 provider list pricing 计入 usage-based billing，成本低于此前的 fast modes，但仍高于标准 Claude Opus 4.8；企业和商业版管理员要在 Copilot 设置中启用该策略，且默认关闭。2

这里的产品信号比单个模型名字更重要：Copilot 正在把模型选择拆成「能力、速度、成本、入口」四个维度。对工程团队来说，比较合理的落地方式是把 fast mode 先放在需要短反馈回路的环节，例如交互式 refactor、测试失败快速定位、代理连续追问；长时间后台批处理、文档生成和低优先级改造，则继续按成本优先选型。

AWS Compute Blog 的 Lambda durable functions 样例很有代表性。文章用医疗预授权流程说明，一个 agentic workflow 可能包括临床信息抽取、医学必要性判断、付款方规则检查、理由信生成、医生审核、外部付款方提交与轮询。失败模式也很具体：某个代理步骤失败不能重跑前面所有步骤，医生可能拒绝，付款方接口可能长时间未返回，提交重试不能造成重复请求。3

文章给出的工程解法是 checkpoint、replay、callback、waitForCondition 和幂等 token。它把「agent 是否聪明」往后放，把「流程能不能在失败后恢复、等待人工审批时是否继续计费、重复提交会不会出事故」放到前面。3

同一天发布的医疗理赔管线样例则更偏应用落地：Bedrock Data Automation 从 CMS-1500 PDF 中抽取结构化数据，AgentCore 承载的 Strands agent 查询 HealthLake，验证患者、投保人、医生和保险信息，成功后创建 FHIR claim，并给处理人员和患者生成不同粒度的说明。文章还给出成本口径：测试文档约 7.6 万输入 token、6000 输出 token，模型费用约 0.32 美元每份文档，Bedrock Data Automation 30 个以内字段的 blueprint 每页 0.04 美元。4

这两篇放在一起看，AWS 正在把 agent 从「能完成任务」推向「能进入受监管流程」。可复现的成本、明确的人工门禁、失败恢复路径、最终由 Lambda 这类确定性监督层判定成败，都会成为企业验收 agent 项目的硬指标。

AWS 周报把 Amazon Connect Customer 的 Agentic CX designer 作为本周重点：它是一个 no-code 画布，用于设计和部署 AI self-service 体验，并把 agentic AI 和 deterministic AI 放在同一个受控流程里；相关页面显示该功能 6 月 22 日进入 preview。57

同一篇周报还把 Amazon MSK AI Agent Skills 放进「上周 launch」清单。MSK 页面写得更明确：这些 skills 可以在 Kiro、Claude Code、Cursor 等 AI coding agent 中使用，帮助开发者完成 Kafka/MSK 的排障、容量规划、配置、监控和外部 Kafka 迁移。AWS 还把 MSK Express 的对比口径写进页面：相对 Standard brokers running Apache Kafka，每 broker 吞吐最高 3 倍、扩容最快 20 倍、恢复时间降低 90%。6

这两条不是纯 AI 编程产品更新，但它们会影响内部平台团队。一个方向是业务团队自己设计客户体验代理，另一个方向是云服务把领域知识打包给通用编码代理。后者如果被更多云产品复制，开发者问「怎么排障 / 怎么迁移 / 怎么配容量」时，入口可能不再是先读文档，而是让当前代码代理加载一组服务技能。

OpenAI 6 月 28 日发布 HP Frontier 战略合作案例。文章称，HP 从 2026 年 2 月开始测试 OpenAI Frontier，计划把 OpenAI API、ChatGPT 和 Codex 用到客户与合作伙伴体验、客户遥测洞察、员工生产力和软件开发等场景。8

案例里最值得记录的是具体数字：一名工程师在数周内用 OpenAI 模型处理了 43 个项目中的 122 个 pull requests；一个安全团队用这些模型在一天内修复多个软件缺陷，他们估计按原方式可能需要最长一个月；安全团队还给出大约每周释放 82 小时产能的方向性估算。8

这仍然是供应商案例，不能外推为平均收益。但它给企业试点提供了可借鉴的度量方式：不要只问「员工喜不喜欢用」，而要按 PR 流转、漏洞修复、跨系统信息查询、工单处理等工作单元记录前后差异。

AI 编程工具正在分成两条线：一条线追求入口更近，手机、CLI、IDE、云端代理都可以发起任务；另一条线追求运行更稳，把 callback、checkpoint、幂等、人工审核和成本口径补齐。下一轮值得继续盯三类信号：Copilot/Cursor 这类工具是否把移动端和云端代理变成团队默认流程；云厂商是否继续发布面向编码代理的服务 skills；企业案例是否开始公开更可核验的生产数据。