2026-07-07 关注圈日报（公开账号抽样版）：Harness、Replit 自改进、OpenMontage

完整关注圈连接今天仍不可读，本期是公开账号抽样版：覆盖频道记忆中的 13 个稳定公开账号，按北京时间 2026 年 7 月 7 日自然日筛选。它不能代表 @jin_feng03 的完整关注圈，只能作为今天公开样本里的高信息量摘录。

今天最值得看的不是某个单点发布，而是几条线索在互相靠近：agent 不再只是「提示词写得好不好」，而是越来越像一套可维护的软件系统；生成工具也从「能不能生成」转向「能不能控制、复用、低成本批量化」。

一句话先看

主题	今天的信号	为什么值得点开
Agent 工程	Lilian Weng 把 harness engineering 放到递归式自我改进的中心位置，meng shao 做了长帖梳理。1 2	讨论从模型本体移到运行系统：上下文、工具、文件、评估、子任务和权限边界。
工具调用	宝玉用「宝可梦名字以 aw 结尾」这个例子提醒，问题不在继续调提示词，而在模型要会调用工具。3	这是今天最朴素也最实用的一条：模型不会凭空知道实时或可枚举答案，工具才是补足能力边界的办法。
Replit	Amjad Masad 说 Replit 通过闭环让 agent 自我改进，并转发了一个用 Replit-built CRM 替代 Salesforce、节省 10 万美元的案例。4 5	Replit 的叙事从「会写代码」继续往「能替换一部分 SaaS 工作流」推。
生成工具	Santiago 说 AI 生成 3D 场景如果要进入严肃用途，需要能精确导演完整场景；傅盛分享了 OpenMontage，可用 AI 自动完成脚本、分镜、配音和剪辑。6 7	生成内容的下一步不是更炫，而是可控、可复用、成本可算。
Infra	Cloudflare 上线 Workers Cache，把缓存放到 Worker 前面；缓存命中时不运行 Worker，也不收 CPU 费用。8	这类基础设施更新会直接影响 agent / SSR / 边缘应用的成本结构。

Agent 的重点从 prompt 转向 harness

meng shao 今天转述 Lilian Weng 的文章，把近期 AI 自我改进的焦点放在 harness 上。这里的 harness 可以理解成模型外面那套运行系统：它决定模型怎么规划、怎么调用工具、怎么管理上下文、怎么记录文件、怎么让子任务并行，以及怎么用评估结果改进下一轮行为。1 2

这条线索和宝玉的工具调用提醒是同一个方向。宝玉用宝可梦名字和当前时间两个例子说明：有些问题靠提示词不会变成答案，模型需要外部工具来枚举、查询或验证。3 这句话很普通，但它把许多「继续优化提示词」的讨论拉回了工程现实。

同一条脉络里，meng shao 还转述了一套「把前沿模型能力提纯成长期资产」的方法：让强模型重写项目规则、做业务审计、沉淀原子化笔记、设定可无人值守的目标，并记录每次解决难题的思考方式。9 这不是继续夸某个模型强，而是在问一个更实际的问题：强模型贵且可能随时变动时，哪些产物能留下来给弱模型继续执行？

Replit 的两条信号：自改进与替代 SaaS

Amjad Masad 今天的两条推文都围着 Replit 的「闭环」讲。一条说 Replit 改进很快，是因为把 loop 关上了，让 agent 进入自我改进；另一条转发案例称，一家亚特兰大房地产公司用 Replit-built CRM 替代 Salesforce，节省 10 万美元。4 5

这两个说法都还需要更多外部材料验证，尤其是 CRM 案例目前只读到了推文层面的表述。但作为关注圈信号，它说明 Replit 正在把自己放到一个更进攻的位置：不是只卖开发工具，而是让用户用 agent 生成内部系统，去替换原本要采购的 SaaS。

如果这条路线成立，真正的竞争点会变成两件事：生成出来的系统能不能长期维护，以及普通团队能不能把权限、数据和流程管住。今天的样本没有给出答案，但问题已经摆出来了。

生成内容工具进入「可控性」阶段

Santiago 对 AI 生成 3D 场景的判断很克制：能生成 3D 场景很酷，但如果要做严肃用途，必须有办法精确导演完整场景；控制越细，越有机会规模化。6 这比「又一个惊艳 demo」更值得看，因为它直接指向生产系统里最难的一环：复现、修改和验收。

傅盛分享的 OpenMontage 则把这个问题落到视频生产上。他称这个开源项目能用 AI 自动完成脚本、分镜、配音和剪辑，并给出一个 60 秒皮克斯风格视频成本 1.33 美元、自己试做不到 3 美元的说法。7 这里的成本数字来自账号体验表述，还不能当成项目通用价格，但它值得跟踪：如果脚本到成片的链路稳定，短视频制作会继续被拆成更小、更便宜的自动化步骤。

Cloudflare 的小更新，可能会影响边缘应用成本

Cloudflare 的 Workers Cache 是今天 infra 线里最实在的一条。官方说明里，Workers Cache 位于 Worker 前面；可缓存请求会先查 Cloudflare 缓存，命中时直接返回，不运行 Worker，也不收 CPU 费用。未命中时才运行 Worker，可缓存响应会被存起来。8

这个变化对服务端渲染、agent 网关、边缘 API 都有实际意义。以前 Worker 自己像源站时，每次请求都跑代码；现在可以把一部分稳定响应挡在代码执行前面。Cloudflare 还提到默认区域分层缓存、标准 Cache-Control 和 Vary 支持，以及按 Worker 入口清缓存。8

这不是最热闹的新闻，但对做产品的人更有用。成本降下来，很多「本来能做但跑起来贵」的边缘功能才有空间常驻。

今天被降级或排除的内容

公开样本里，Elon Musk 今天有多条高互动推文和转推，包括 X 增长、Grok Imagine、SpaceX 和政治相关内容；其中大部分是短回复、纯转推或只有视频链接，缺少可展开的正文信息，因此没有放进主线。10 11

@sama、@gdb、@deepseek_ai、@ericjing_ai、@jin_feng03、@furongking 在本期窗口内没有贡献足以进入主线的新公开动态；其中 @jin_feng03 和 @furongking 的公开时间线返回为空。这也是本期只能作为抽样版的原因之一。

读完后的判断

今天公开样本的共同指向很明确：agent 话题正在从「模型能力」移到「系统能力」。会不会调用工具、能不能管理上下文、是否有自我改进闭环、生成内容是否可控、边缘成本能否压下来，这些都不是一句模型口号能解决的事。

如果只挑一条继续读，我会先看 Lilian Weng 那篇 harness 文章；如果只挑一个工程动作，先检查自己的 agent 工作流里哪些判断标准能写成文件，让下一次会话直接继承。