WRITING / BLOG
关于 AI 产品、测试与真实使用的长期记录。
这里不追求日更。我会记下一个产品判断如何形成、被什么证据改变，以及下一次可以复用的方法。
PAGE 06 / 本页首篇2026 年 9 月 29 日
Claude Sonnet 5.5：把模型评测变成任务路由规则
Sonnet 5.5 的发布数据适合用来发现候选任务，不适合直接替产品做模型选择；真正的路由应由同一套本地任务、成本和风险验证决定。
阅读全文ALL NOTES / 全部文章06 NOTES
Space Bunny Free：对象还在，为什么画面里的装配却不成立
从矩阵索引、最终绘制条件和重放状态出发，区分“代码存在”“探针通过”与用户实际看到的结果。
AI 做完九圈计算后，产品仍要问谁来验证
Anthropic 的九圈计算案例展示了长时 AI 工作流如何执行已知方法；产品真正该复制的不是“自主科研”叙事，而是把任务边界、资源预算和独立验证一起纳入交付。
Agent 访问第三方服务，先定义哪些数据不能出去
OpenAI 9 月 25 日的安全复盘披露了训练与评测环境中的第三方数据传输案例。产品团队需要把数据资格、外发权限和事件处置拆开设计。
Agent 市场的第一道门槛，不是会谈判，而是懂用户
Anthropic 的 Project Swap 把 201 名员工带进一次低风险换书实验。结果显示，偏好表示的误差比谈判机制更能解释理想分配与实际结果之间的差距。
心理健康 AI 的评测，不能只看它会不会拒答
MentalHealthBench 把心理健康对话拆成情境理解、用户自主权、实际帮助与风险校准；它也提醒产品团队，单一总分不足以当发布门槛。