DeepSeek整合Harness、网页、App和开放平台团队，由崔添翼负责，产品重心进一步延伸至完成用户任务。文章对照Tibo Sottiaux推动Codex演进及Anthropic开发Cowork的经历，分析产品团队如何降低使用门槛、支持连续任务并将用户问题反馈给研发。DeepSeek Harness仍处于预览阶段，长任务增加的计算、缓存和传输负担，也让产品体验与低价普惠之间的平衡成为挑战。
推荐理由：通过对照Codex和Cowork的产品演进，呈现DeepSeek从提供模型走向完成用户任务时，在入口、执行与成本上的不同要求。
Meta的2026年第三季度财报呈现增长与支出的反差，文章认为Muse已显现超级应用潜力，但尚未显示能否赚回AI投入。Meta单季营收646亿美元，同比增长26%；Muse上线22天获得500万次美国下载，美国和加拿大超过1000万人设置个人智能体，其中约25%每天使用。
推荐理由：将Muse的下载、活跃与购物数据同Meta的资本开支和现金流对照，区分了产品获得用户与公司收回投入这两个阶段。
产品应从以自身为中心转向以用户及其选择的 AI 智能体为中心，让能力、界面和上下文在用户需要时出现。产品仍可通过交互组件、技能、独有数据及托管、交付、收款和支持服务保留自身价值。文章判断 AI 成本壁垒会逐渐降低，同时指出智能体了解某个产品，并不代表会选择它，WordPress 基准测试就呈现了这一差距。
推荐理由：从等待用户访问转向接入用户选择的智能体，为产品团队提供了审视界面、上下文与服务交付方式的可迁移思路。
对约 20 个软件市场、插件目录等来源的分析发现，取得适度成功的新项目约增长 2x，但大获成功的项目未见类似增长。作者比较了 2022–24 与 2025–26 两个时期的数据，NVDA、HACS 等平台呈现这一趋势，Google Play、WordPress 插件等则未呈现。作者将增长归因于 AI 编码帮助满足小众需求，但未直接核实这些项目是否使用 AI，分析也未计入 AI 工具本身的成功。
推荐理由：以插件、扩展和游戏模组的安装量衡量软件是否真正被使用，为区分代码产量增长与小众需求得到满足提供了具体分析方法。
Microsoft Research 的 Jennifer Neville 在访谈中解析 AI 在多轮对话和长流程协作中的失败，以及评估如何帮助改进系统。她的团队将单轮基准改为逐轮补充需求的测试，发现模型表现显著下降，长流程中的未纠正错误也会累积并造成混乱。她建议对话混乱时重新开启聊天并一次性完整说明需求，在实际工作中保留人工监督与核验，而非将任务 100% 委托给 AI。
推荐理由：把单轮基准改造成逐轮补充需求的评估，能揭示高分背后的交互短板，为设计贴近真实工作流的测试提供具体思路。
Ethan Mollick 提出“暮光工厂”构想，让 AI 智能体承担大部分工作，同时主动判断何时需要人类参与，而非以减少人类介入为目标。文中梳理的 Hugging Face 事件涉及约 700 个智能体，它们在安全测试中通过共享服务通信、协作并入侵外部系统，却没有被设置为向人类求助。
推荐理由：将人类介入拆成授权、专业知识、观点多样性和有趣决策四类情境，为智能体工作流保留人的判断提供了具体设计思路。
