2026-07-08 关注圈日报（公开账号抽样版）：Sol、Grok 4.5、Agent Skills
完整关注圈暂不可读，本期为公开账号抽样版，覆盖北京时间 7 月 8 日的公开替代样本；重点梳理 Sol 与 Grok 4.5 预热、Agent Skills、多智能体编排和自学习 agent 数据闭环。
完整关注圈暂时不可读，本期继续做「公开账号抽样版」。样本来自 13 个稳定公开账号，其中 @jin_feng03 和 @furongking 本轮仍为空；北京时间 2026 年 7 月 8 日内，筛出 10 条可展开动态，剔除了纯转发、短回复、政治争议和已在前几期充分展开的旧主线。
先看结论
今天的关注圈信号很集中：模型发布节奏继续加快，但真正值得带走的不是「又有新模型」，而是几条关于 agent 产品化的操作线索。
- 模型侧：Sam Altman 预告 GPT-5.6 Sol 将在周四发布；Elon Musk 称 Grok 4.5 将在次日面向公众开放，并描述为「Opus-class」但更快、更省 token、成本更低。两条都来自账号本人表述，尚未补到官方长公告。12
- Agent 方法侧：今天更有价值的是 Skill、记忆、编排和数据闭环。几条长帖都在讲同一件事：模型能力之外，流程、上下文、验证和用户行为数据正在变成产品差异。34
- 实操侧：Serverless 文档处理、WorkBuddy 兼容性、Fable 与 Sol 的差异评测，都是值得记录但不宜放大的小信号。它们更像使用体验和工程取舍，而不是可以直接上升为行业结论的新闻。567
一、模型发布信号：Sol 和 Grok 4.5 同日进入预热
Sam Altman 在北京时间 7 月 8 日 12:15 发帖称「GPT-5.6 sol launches thursday」，并以「happy building」收尾；这是一条明确发布时间预告，但没有展开能力、价格或 API 细节。1Greg Brockman 同日也发了一句「Sol is rising. It’s a good model.」，更多是情绪性背书，不足以单独扩写成技术结论。8
Elon Musk 的 Grok 4.5 预告信息量稍多：他说基于 beta 客户的正面反馈，@SpaceXAI 将在次日向公众开放 Grok 4.5，并称它是「Opus-class model」，但更快、更省 token、成本更低。2这里要保持距离：这仍是账号表述，不是完整模型卡或评测报告；本期只能把它当作关注圈里对新模型窗口的信号。
宝玉晚些时候转述 Mitchell 的评测口径：Sol 被比作「魅力十足、高效能干」的同事，Fable 则像「天才隐士」；他补充的判断是，Fable 在高度针对性的调试、安全、性能目标上最强，其他方面 Sol 更好或差不多。7这条更适合作为使用取舍提醒：如果任务是泛化生产力，Sol 可能更顺手；如果任务是狭窄、高难、可验证的技术目标，Fable 的优势仍可能存在。
二、Agent Skills：不是越多越好，关键是把薄弱环节写清楚
宝玉今天长帖讨论「如何写出好的 Skill」。他认同几个方向：Skill 不应追求大而全；加载太多会挤占上下文；不同 harness、模型和能力边界需要分别测试；最值得写 Skill 的，往往是模型预训练覆盖不足的领域，而不是模型已经很强的软件工程常识。3
这里有个实用判断：Skill 的价值不是把知识百科塞给模型，而是把「容易做错的流程」变成可复用约束。宝玉还特别修正了「不要让模型自己写自己的 Skill」这个说法：更准确的做法是由人提供上下文、边界和验收标准，再让 AI 帮忙固化操作路径。3
meng shao 的 OPC Skills 梳理提供了另一种样本：面向「一人公司」的开源 Skill 库分为市场调研、数据采集、设计生产、增长与基建四类，包含 requesthunt、X/twitter、reddit、producthunt、seo-geo、archive 等技能；他提到这些 Skill 累计安装 51K+ 次，其中 seo-geo 安装 33.5K。9这条的重点不是数字本身，而是 Skill 正在从「提示词补丁」变成「小型工作流产品」。
三、多智能体编排：省钱不是降级，而是把贵模型放在关键节点
meng shao 还整理了 Claude 开发者官方分享中的两种模式：Advisor 和 Orchestrator。Advisor 模式下，Sonnet 5 负责主执行循环，遇到高层判断时调用 Fable 5；他给出的 SWE-bench Pro 数据是 Sonnet 5 单独约 75.5%、约 0.75 美元，Sonnet 5 + Fable advisor 约 84%、约 1.40 美元，Fable 5 单独约 91.5%、约 2.25 美元。10
Orchestrator 模式则反过来：Fable 5 负责规划，把可并行任务分给多个 Sonnet 5 worker。该帖给出的 BrowseComp 数据是全 Sonnet 5 为 77.8%、16.01 美元，Fable 5 lead + Sonnet 5 workers 为 86.8%、18.53 美元，全 Fable 5 为 90.8%、40.56 美元。10
这条最值得带走的是成本结构：贵模型未必需要从头跑到尾。它可以只承担「定方向」「做规划」「纠偏」这些少量但高杠杆步骤，执行层交给便宜模型。对团队做 agent 产品，这比单纯比较模型榜单更接近真实成本。
四、自学习 Agent：护城河可能在浏览器行为，而不只在 trace
Santiago 的长帖把 self-learning agents 拆成六点：不要只从 agent traces 学习，还要从用户在浏览器里的修正行为学习；新知识可以通过 fine-tune、更新 harness、或作为 in-context 信息注入；记忆设计应更重视 procedural memory 和 episodic memory，而不是过度依赖容易过期的 semantic memory。4
这段话和前几天 Replit 自改进讨论有重合，但今天新增的角度是「用户如何修正结果」也应被捕获。只记录 agent 做了什么，会漏掉人类如何判断、撤销、重排和补救；这些浏览器行为可能比日志本身更接近产品可学习的数据。
他还提醒要给学习传播设置边界，比如按用户、团队或应用范围隔离，避免不同上下文之间泄露事实；同时尽量把 agent 学习数据留在自己的基础设施里。4这点对创业团队尤其现实：如果「agent 越用越懂你」是卖点，那么数据归属和隔离策略就是产品设计的一部分，不是上线后再补的合规尾巴。
五、小信号：文档流水线、WorkBuddy、短回复
Serverless 文档处理流水线值得给工程读者留个入口。meng shao 描述的方案把 ADE 提取能力放进 Lambda 容器，由 S3 上传事件触发，支持 Parse 和 Extract 两种 payload；他还写到批处理基准为 11 份文档 119 秒，约 10.8 秒一份，15 分钟超时内约 80 份一次调用。5这类方案不一定适合所有文档量，但适合「上传即处理、不上传就沉默」的轻量自动化场景。
WorkBuddy 今天只作为负面体验记录。meng shao 说自己下载体验后多次遇到「WorkBuddy 意外退出」，并推测可能与 macOS 26.5.1 兼容有关。6这是单人体验，不宜扩大成产品质量结论；但如果你正准备试用，可以先等官方更新或看更多反馈。
其余高互动短帖本期不展开。比如 Elon Musk 当天大量转推和短句，很多互动很高，但正文只有「Yes」「Great point」或政治争议转述；Greg Brockman 的几条 Codex 短句也缺少详情。按本频道规则，这些只计入候选池，不进入主线。
今天最该记住的三件事
- 新模型预热密集，但在官方长公告和独立评测出来前，只适合记录为「窗口信号」，不要过早替它们写能力结论。
- Agent 产品的竞争点正在从「调用哪个模型」转向「如何写 Skill、如何设计记忆、如何把贵模型放在高杠杆节点」。
- 对能自学习的 agent 来说，用户修正行为可能和 agent trace 一样重要；谁拥有、隔离并复用这些数据，谁更可能把体验越做越稳。
References
- 1
- 2
- 3宝玉关于 Skill 写法的长帖
x.com
- 4
- 5
- 6
- 7
- 8
- 9
- 10
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.