Karpathy 把 Claude 叫成「第三种 UI」，Levie 说应用层要管模型路由：6月24日精选

本期最强的线索不是单个产品发布，而是多位 AI 产品与基础设施人物在同一天把问题指向同一处：agent 正在从「一个聊天入口」变成「团队里的持久协作者」。Karpathy 用 Claude 举例，把这看成 LLM 交互的第三次改版；Anthropic、Box、Vercel 和一批开发者工具的讨论，则把这个判断落到了权限、文件、CLI、模型路由这些更硬的工程层面。

Karpathy 今天的长推最适合放在第一条。他说，新的 Claude 交互方式更「inline」地进入组织活动：当工具、集成、计算环境、记忆、安全等底层工程都接好以后，Claude 基本上像一个可以被团队直接对话的成员，能处理很大范围的工作。他把这称为 LLM UI/UX 的第三种范式：第一种是去网站里用模型，第二种是把模型装成桌面应用，第三种是一个自包含、持久、异步、带组织上下文和工具权限的实体 1。

这个判断和 Anthropic 这组 Claude Tag 推文正好咬合。cat Wu 说，Claude Tag 是 Anthropic 内部发产品方式的一次变化，内部版本已经合并了 65% 的产品 PR，也是第一个原生多人协作、主动式的产品；她随后又补了一条，说 Claude Tag 有数百种可定制方式，并列出 6 个内部用户和外部设计伙伴常用的流程 28。

Alex Albert 给了一个更短的产品体感：这东西已经改变他和 Claude 一起工作的方式，「不像是在用一个工具，更像是在管理一个团队」3。这句话听起来轻，但它说明用户心智已经从 prompt 输出转向任务分派、跟进和验收。

Levie 把同一件事放进企业软件语境。他说 Claude Tag + Box 是 headless software with agents 的一个例子：只要你能在 Slack 里和某些 Box 企业文件交互，就可以把这些内容开放给 Claude，企业内容因此变成一个可携带的知识库 4。

这里的关键不是「Claude 能读文件」这么简单，而是访问控制、工作流上下文和企业内容都必须进入 agent 的操作边界。没有这些，agent 只能在聊天窗口里给建议；有了这些，它才可能真正改文档、看资料、发起流程，甚至和团队成员一起推进产品 PR。

同一天，Peter Yang 提了一个很产品的问题：如果访问你产品的是 agent，而且它只是在找 API 或 CLI，那「设计」到底是什么 5？这不是一句玩笑。过去 UI 的默认读者是人；agent 时代，文档、命令行、权限模型和错误信息都可能变成用户体验的一部分。

Steipete 则用更冲的方式把 Google Workspace CLI 推到台前。他写道，Google 解雇了做 Google Workspace CLI 的人，「因为他做了 Google Workspace CLI」，并顺手放出 gogcli.sh；Peter Yang 接着说，Google Workspace CLI 非常有用，应该被庆祝 910。这组讨论最有价值的地方在于：当 agent 需要操作工作区、邮箱、日历和文档时，CLI 不再是开发者小众偏好，它可能是自动化入口。

如果前两节都在讲「agent 怎么进工作流」，Levie 的另一条推文讲的是「进来以后怎么控制成本和质量」。他判断 AI 定价会出现杠铃结构：一端是昂贵的前沿模型，一端是便宜但够好的开放或闭源权重。应用层的任务，是按具体工作负载选模型，并用客户或流程级 eval、数据准备、领域 FDE 和业务上下文来减少高 token 成本或低质量输出 6。

这条对创业公司尤其现实。单纯把「最强模型」接进产品，可能会在成本上被打穿；只押便宜模型，又会在复杂任务上掉质量。更稳的路线是把路由、权限、eval 和工作流绑定在一起。模型选择不是一个后端配置项，而是产品能力的一部分。

swyx 也从模型供给侧补了一条信号。他提到 Z.ai 今年 1 月在港股以 120 港元发行，GLM 从过去「很少有人在用」走到今天被拿来和 DeepSeek 以及其他开放模型比较；他还把 Z.ai、GLM 和 AI Engineer 现场对话放在同一条线上 7。这不是财务分析，而是开发者圈对开放模型候选池的再排序。

Garry Tan 提到的 Linzumi 则是另一种应用层信号。他说 Linzumi 像 Codex，但真正多人协作，并补充创始人 Sean Grove 曾在 OpenAI 团队参与降低 ChatGPT 的 sycophancy 11。如果把它和 Claude Tag 放在一起看，今天的高价值讨论几乎都在同一个方向上：agent 不是单人对话框，而是多人协作、可审计、能进工作流的系统。

如果你在做 AI 产品，今天最值得检查的不是首页文案，而是三件事：第一，你的产品有没有给 agent 读懂和操作的 API / CLI / 文档入口；第二，权限、记忆、企业内容和操作边界是不是产品设计的一部分；第三，模型选择有没有和任务难度、成本、eval 绑定，而不是固定写死在某个供应商上。

Karpathy 说的第三种 LLM UI 还没有完全定型。但从 Claude Tag、Box、Eve、Google Workspace CLI 到 Linzumi，今天这些推文已经给出很清楚的方向：未来的 agent 产品不会只拼聊天体验，它会拼谁能更安全、更便宜、更顺地进入真实团队。