WWDC 2026 预测 - Gemini 驱动的全新 Siri + iOS 27 / macOS 27
Siri 大升级：
变成真正的 AI 聊天机器人，支持个人上下文（访问邮件、照片、文件等）、屏幕感知、多 App 深度集成、生成图像/内容、网络搜索；界面全面革新（Dynamic Island + 独立 Siri App，像 ChatGPT 一样聊天）。Gemini 底层：
Apple 与 Google 合作，使用 Gemini 模型作为 Siri 和 Apple Intelligence 的核心动力。第三方集成：
支持 ChatGPT、Claude、Gemini 等外部 AI 作为扩展，可切换默认服务和声音。系统更新：
iOS 27 / iPadOS 27 / macOS 27 重点围绕 AI 特性展开，macOS 27 可能命名为 Big Bear，并停止支持 Intel Mac。其他亮点：
- Camera App 加入 Siri 模式
- Safari AI 标签分组
- Liquid Glass 界面微调
- 硬件新品大概率不在 WWDC 发布
What to Expect From WWDC 2026: Gemini-Powered Siri, iOS 27, macOS 27 and More
Claude Workflow：上百个agent蜂群工作很爽，但注意可能有过拟合上下文的问题
Opus4.8 我个人体验下来，最大的缺点是上下文过拟合，或者更确切的说，仓库中的显式文档对 agent 相较此前出现了更大的引力。所以我跟严格要求，旧的不合格内容不再做归档，通过git管理直接进历史，不要在当前版本上下文出现，不然会持续拉扯模型注意力。
在任何时候，新建立的工作，我都需要严格拆分成若干独立工作，做独立文档，独立工作区，方便随时可以在 /effort → [Ultracode] → Workflow 模式下，放出上百个上下文可控的 独立·第三方·干净上下文的 agent 蜂群，并声明各自所需的参考文档，不让混淆上下文。
Supabase 宣布完成 5 亿美元的新一轮后期融资，估值达到 105 亿美元。
Supabase 宣布完成 5 亿美元的新一轮后期融资，估值达到 105 亿美元。本轮投资由新加坡主权财富基金 GIC 领投，Accel 和 Y Combinator 等既有投资方全部参与。距离其上一轮融资仅过去八个月，公司累计融资规模已超过 10 亿美元。
公司表示，此轮增长主要受到 AI 辅助开发工具需求上升驱动，诸如 Claude Code、OpenAI Codex 与 Cursor 等应用的用户需要依赖后端数据库，而这些开发者已成为 Supabase 的主要用户群。Supabase 基于开源 PostgreSQL 提供可直接使用的后端服务，包括数据存储、用户身份验证、内容分发及安全功能，并扩展了面向 AI 开发者的功能，例如通过 pgvector 支持向量嵌入，并提供 Python client 用于管理这些 embeddings。
Supabase 成立于 2020 年，目前拥有超过 25 万用户，并与 MongoDB 和 AWS Aurora 形成直接竞争关系。公司同时公布了名为 Multigres 的新工具预览版，旨在解决大型应用的数据库扩展需求。投资方 Accel 表示该产品在扩展能力上表现突出，并称 Supabase 的过去一年增长速度在数据库领域中极为罕见。
深度洞察
本轮大额融资显示出供给端数据库服务商正在加速向 AI 开发基础设施靠拢。Supabase 通过在标准 Postgres 之外叠加向量数据库、内容分发与安全组件，形成以单一数据库栈覆盖多类需求的产品结构，可能降低开发者在不同技术栈之间切换的成本，同时压缩传统数据库提供商的差异化空间。其自研的 pgvector 与新发布的 Multigres 显示公司正在试图在存储格式和扩展架构上构建技术壁垒，以适应 AI 模型对嵌入管理和高并发读写的新型负载。
从需求侧看，AI 辅助开发工具的普及意味着大量非专业开发者开始构建应用，使后端基础设施需求呈现低门槛、可快速迭代和支持混合数据类型的特征。Supabase 的用户增长可能反映了这一结构性变化：AI 生成代码推动应用数量增加，而每个应用都需要稳定的数据库后端，形成新的增量需求。同时，向量嵌入成为 AI 应用的核心数据形式，正在重塑数据库产品的标准能力边界。
在行业结构层面，Postgres 生态的强化或许会影响 MongoDB 等非关系型数据库的竞争位置，因为 AI 工具链对结构化与向量化数据的统一管理需求可能使兼容性更高的 Postgres 更具吸引力。云服务商自家的托管数据库（如 AWS Aurora）也可能面临来自第三方平台的替代压力，尤其在开发者体验和集成度上被重新评估。Supabase 的扩展路线意味着开发者平台与数据库供应商界限进一步模糊，市场竞争可能向 “应用后端一体化服务” 方向收敛。
贝叶斯主义视角的人机协作关系
贝叶斯主义的视角：人的想法和判断，AI的假设，这些都是先验概率，要通过实证和验证的似然估计，从而在后验概率分布中，得出当前的高置信度结论。
这个映射是干净的———三者的关系：
- L3 先验：假设 / 判断 / 直觉（人的、AI 的都算）—— P(H)
- L2 似然：证据本身 —— P(E|H)
- L1 后验：被证据乘过的结论 —— P(H|E) ∝ P(H)·P(E|H)
关键直觉：L1 不是"更强的判断"，而是"先验 × 证据"的乘积。由此推出
一条铁律：一个没被证据乘过的先验，不管说得多笃定，仍然是 L3，不是 L1。
所以在我理想的上下文管理中：
1. 任何假设（人的、AI的）默认是 L3 先验，不享受结论待遇；
2. 只有被实测证据更新过的才记 L1，才可据以下注 / 行动；
3. 用实证持续修正 L3 —— 这就是贝叶斯更新本身。
L1 也是暂定的。今天的后验是明天的先验，新证据一来要重新乘一遍。「L1 不是终点」，而是「只在证据动过的信念上下注，且随时准备被下一份证据改写」。
接续上贴，创建了一个上下文可控的工作裂变法 skill 仅供参考
name: harness-fission
description: >-
通用 harness 管理工作法「工作裂变」(self-contained, 任意项目可用)。把任何一块有分量的新工作裂变成 MECE 树状的独立、自包含、原子工单—— 每个工单 = 一份带「声明参考」的 bounded-agent 任务简报,好让干净上下文的 agent 蜂群 (/effort→Ultracode→Workflow) 并行执行而不过拟合。 自带通用模板、不依赖任何项目的既有文件;陌生项目里先 orient 再裂变。 WHENEVER 用户要结构化/拆解一块有分量的新工作、整理项目工作树、为并行 agent 搭工作区、担心 agent 过拟合仓库文档、或准备放 agent 蜂群——即使没点名也要用。 触发词:拆分/结构化这块工作 · 怎么组织这个项目的工作 · set up workspace for agents · break this down · 开 agent 蜂群 · 上下文隔离/过拟合 · harness 管理 · MECE 拆解 · 工作裂变。
Harness Fission — 上下文可控的工作裂变法
把一块新工作裂变成「许多干净上下文的 agent 各做一小块、互不污染」的形态。自包含、任务无关——自带模板，不依赖任何项目既有文件。
何时用
- 结构化 / 拆解任何有分量的新工作：一个目标、一个功能、一次发布、一次重构、一次调研。
- 整理项目工作树、决定什么留在当前上下文、什么进历史。
- 准备
/effort → Ultracode → Workflow放 agent 蜂群之前（这是它的主舞台）。 - 担心 agent 被仓库里一堆文档带偏（过拟合）。
为什么（核心信念）
能力强的模型会过拟合上下文：仓库里显式文档对 agent 引力极大，注意力会被工作树里的东西拽走。两个推论：
- 工作树只含「当前判断 + 在用基础设施」；被取代 / 低质内容 → git 历史，不归档，免得持续拉扯注意力。
- 蜂群很强但喂全仓库就过拟合：每个 agent 只喂它那一个工单 + 它声明的参考＝干净 bounded 上下文。
三条铁律
- 旧内容 → git 历史，不归档：被取代 / 不合格的直接
git rm（前提先 commit 留底），不建_归档/。归档夹本身也是注意力黑洞。 - 按工作区隔离，严禁跨混：每块独立工作各自独立文件夹；每个隔离工作区带一份边界契约（见
assets/_boundary.md）——「只在本目录干、核心只读引用、不碰兄弟工作区」。这是放 bounded agent 的入口。 - 叶子 = 自包含 bounded-agent 任务简报：空文件是占位符不是工单。每个原子工单 = frontmatter（status / owner / evidence / next-action / refs）+ 五段（定义 / 现状 / 交付物 / Next Action / 阻断·边界）。一个 agent 或人冷启动拿起来就能做、能交付。
方法（6 步）
0. Orient（陌生项目必做）
没有假定上下文。先读 README / AGENTS.md / 目录结构搞清三件事：①这是什么项目 ②哪些是共享只读基础设施（核心层）③这块工作具体是什么。心里有图再裂变。
1. 选透镜 + MECE 拆
按工作类型选对的拆解透镜（别硬套同一种）：
| 工作类型 | 拆解透镜 |
|---|---|
| 目标 / 成败（"在 X 上成功 / 赚钱"） | 充分必要条件（断一条整体就断） |
| 构建 / 功能（"做出 Z"） | WBS 组件 / 交付物（缺一块就不完整） |
| 发布 / 迁移 / 流程 | 阶段 / 关卡（有序门） |
| 代码库 / 重构 | 模块 / 子系统 |
| 调研 / 排障 | 问题 / 假设 |
| 检验恒等式：所有单元做完 = 整体；每个单元必要；彼此不重叠（MECE）。 |
2. 裂变
每个单元 → 一个独立工作区文件夹，标准子结构（套 assets/ 模板，文件夹名按领域本地化）：
<单元>/
├── _scope.md # 范围 / 不含 / 完成判据(+ MECE 边界声明)
├── 现状(known)/ # 已确立的:我方现状 + 外部实证
├── 瓶颈(open)/ # 每个待办 = 一个原子工单文件
└── 参考(refs)/ # 证据/引用,按 L1/L2/L3
3. 声明
每个工单 frontmatter 标 owner(🤖AI / 🧑human)、status、evidence_level(L1实测 > L2推断 > L3假设)、next-action、refs(声明可读的参考，只读)。正文「阻断·边界」写明：它只碰什么、读哪些参考、绝不碰哪些（兄弟工单 / 别的工作区）。
4. 蜂群
/effort → Ultracode → Workflow。一个工单 = 一个 bounded agent，prompt 里只喂「该工单 + 它声明的参考」，绝不喂别的工单 / 工作区（喂全仓库 = 过拟合源头）。owner:🤖AI 的派 agent 去做；owner:🧑human 的留给人（AI 给不了的实测 / 决策 / 资源 / 资金 / 法律）。
5. 收口
工单完成 → git commit（msg 如 close: 单元/工单）→ 从活跃工作树消失进历史。结论按证据级裁决（L1 > L2 > L3），别拿假设当事实。
反模式（过度工程警戒）
- ❌ 给蜂群喂全仓库上下文（过拟合源头）；只喂工单 + 声明参考。
- ❌ 建
_归档/（用 git 历史）；上重型编号体系 / schema 校验插件 / 看板（<10 工单时纯负担）。 - ❌ 空文件冒充工单；把综合稿（Structure Note）全量强拆（只拆高优先待核项，综合稿合法存在）。
- ❌ 一个文件塞多件事；跨工作区物料混放；硬套不合工作类型的透镜。
模板（自带，自包含）
本 skill 在 assets/ 自带通用模板，不依赖任何项目既有文件：
ticket.md（原子工单 = bounded-agent 简报）·scope.md·state.md（现状）·reference.md（参考）·_boundary.md（工作区边界契约）
落地时：
- 项目已有工作区规范 / 模板 → 用项目的（本 skill 让步于本地约定）。
- 项目没有 → 把
assets/复制进项目（如_templates/），按领域改名，bootstrap 一份规范。
一句话
把「成功需要什么」翻译成 MECE 工作树，把每个叶子收敛成一张干净上下文 agent 能拾起的原子工单——人填人的、蜂群填机器的、旧的全进 git 历史。
有人用 Opus 4.8 不到一天做了个拼多多版《英雄联盟》——我管它叫 LMAO。
有人用 Opus 4.8 不到一天做了个拼多多版《英雄联盟》——我管它叫 LMAO。
https://lmaomoba.com
reddit.com
Anthropic 发布 Claude Fable 5（安全版 Mythos 5）
- 核心发布：Claude Fable 5 是 Mythos-class 新一代旗舰模型，综合能力超越此前所有公开模型，在软件工程、知识工作、视觉理解、科研等领域达到 SOTA，尤其擅长长时程复杂任务。
- 安全创新：内置保守型安全分类器，敏感查询（网络安全、生物/化学武器等）自动回落至 Claude Opus 4.8，误触发率低于 5%，实现“快速安全发布”。
- Mythos 5：与 Fable 5 同底层模型，专供可信网络防御者和关键基础设施提供商，通过 Project Glasswing 项目启动，具备全球领先的网络安全能力，后续将逐步扩大受信访问范围。
- 亮点能力：自主软件工程（Stripe 等企业反馈：数月工作压缩至几天）、高级视觉理解（仅凭截图玩通 Pokémon）、超长上下文记忆、蛋白质设计及新型科学假设生成。
- 定价：输入 $10 / 百万 tokens，输出 $50 / 百万 tokens，比 Mythos Preview 便宜一半。
Claude Fable 5 and Claude Mythos 5
Apple Intelligence and Siri
Apple Intelligence 是苹果的个人智能系统（Personal Intelligence System），强调隐私优先、基于用户个人上下文，并深度集成到 iOS、iPadOS、macOS 等系统中。
主要亮点（下一代更新，本秋季推出）
全新 Siri AI
更强大、更自然、更个人化。支持自然对话、开放式问题、脑暴想法，并能基于个人上下文（照片、邮件、笔记等）进行搜索。在更多 App 中执行操作（如 Messages、Music、Reminders）。
独立 Siri App，支持文字或语音输入。英语版将于今年晚些时候推出。Visual Intelligence（视觉智能）
扩展至 iPad、Mac、Apple Vision Pro，可对屏幕内容进行搜索和操作。照片与图像编辑
新增 Spatial Reframing（空间重构）、Extend（扩展）、Clean Up（清理）等 AI 工具，轻松编辑和变换照片。写作与沟通工具
- Write with Siri：在任意输入框写作、编辑、生成草稿，并匹配个人写作风格。
- Proofread：实时语法和拼写检查。
- Messages / Mail 中的智能回复建议、翻译、总结等功能。
其他新功能
- 照片 App 强大 AI 编辑能力
- Safari 智能浏览工具
- Image Playground（生成逼真图像）
- Genmoji、Image Wand 等创意工具
- 生产力增强（日历、智能提醒等）
- Home App 改进与 Accessibility 优化
隐私与技术架构
- 隐私优先：使用苹果自研 Foundation Models，在设备端或 Private Cloud Compute（专用私有云）处理数据，绝不用于训练模型。
- 集成深度：紧密融入日常 App，结合个人上下文提供高度相关的智能帮助。
兼容设备（部分）
- iPhone 16 系列（Pro / 标准版，A18 / A18 Pro 芯片）
- iPhone 17 系列（Pro / Air / 标准版，A19 / A19 Pro 芯片）
- 高端 iPad 和 Mac（M 系列芯片）
Apple Intelligence and Siri
Performative UI：专为 AI 创业公司打造的「表演型」React 组件库
让你的AI产品看起来就值几个亿
- 极致AI视觉张力：27个开箱即用的炫酷组件（Sparkle、Gradient Text、Token Stream、Aurora背景等），瞬间赋予产品顶级实验室的科技感和仪式感
- 显著提升转化与信任：从Hero区、Pricing Card到Social Proof，专为AI初创设计，帮助你“表演”出产品实力与市场热度
- 极简集成：一行
npm install performative-ui即可使用，MIT协议，完全免费，适合快速迭代的AI Builder - 幽默又实用：每个组件都自带戏谑描述，既能快速提升UI逼格，又融入互联网梗文化，完美适配AI Demo、Landing Page和Pitch Deck
performative-ui | AI-native React Components
小米 MiMo-V2.5-Pro-UltraSpeed 1T 参数模型突破 1000 TPS
小米联合TileRT推出MiMo-V2.5-Pro-UltraSpeed，在商品级8卡GPU上实现1万亿参数模型超1000 Tokens/s的解码速度。通过FP4量化+DFlash块级并行推测解码，以及TileRT的持久化内核与异构流水线等极致模型-系统协同，极大释放了大模型实时推理潜力，让编码代理、实时决策、医疗辅助等场景的生产力发生范式级跃升。
大家怎们看前沿部署工程师 FDE？
FDE 是什么？
把既懂硬核写代码、又能直面客户痛点的复合型工程师直接“派驻”到业务前线，专门负责用公司核心技术解决产品在客户侧定制化落地的“最后一公里”问题。
最近 FDE 很火，英文名是 Forward-Deployed Engineer，我看了一些介绍主要是解决：
- 数据太烂：客户的数据像个垃圾堆（全是旧表格、碎文件），AI 根本没法用。FDE 过去负责把垃圾清理干净，喂给 AI。
- 软件难用：AI 产品是标准工具，不一定直接适配客户需求，而 FDE 会入驻到客户身边按照客户的需求修改优化功能，直到客户能充分用起来。
- 光买不用： 客户花大钱买了软件或 AI 服务，但员工没用起来。FDE 要去通过手把手的教成、带动大家真的用起来没，让客户的投入产生价值。
尤雨溪创立的 VoidZero 正式加入 Cloudflare
Vue.js 与 Vite.js 的创建者 Evan You 在 X 上发文，深情感谢 VoidZero 团队、Accel 领投的投资者、Vite 社区以及 Cloudflare 各方支持，宣布 VoidZero 项目正式被 Cloudflare 收购，团队将一起在开源环境下继续推进 Vite 与 VoidZero 的下一代构建工具开发。这次合作标志着 Evan You 的“疯狂之旅”迎来新篇章，未来将与 Cloudflare 共同打造更极致的 Web 开发体验。
VoidZero is Joining Cloudflare
MacBook Neo 太火爆，苹果据传将 2026 年产量翻倍至 1000 万台
- 产量翻倍：分析师郭明錤称，苹果将 2026 年 MacBook Neo 出货目标从 500 万台上调至 1000 万台
- 需求远超预期：3 月上市后销量飙升，CEO 蒂姆·库克在 4 月底财报会上称用户反响「爆表」，并带动上季度首次购买 Mac 的用户数创纪录
- 超低定价是关键：美国起售价 599 美元，大学生价 499 美元，是史上最便宜的 MacBook，搭载 iPhone 的 A18 Pro 芯片，提供 Citrus、Blush 等多彩配色
- 第三方数据佐证：市场研究机构 IDC 数据支持其热销说法，Windows PC 行业也已开始关注
- 二代在路上：第二代 MacBook Neo 预计明年发布，将升级 A19 Pro 芯片和 12GB 内存
MacBook Neo is So Popular That Apple Reportedly Doubled Production
Gemma 4 12B：谷歌发布无编码器多模态开源模型，16GB 笔记本即可本地运行
- 无编码器统一架构：图像与音频原始数据直接送入 LLM 主干，省去独立视觉/音频编码器，降低多模态延迟
- 首个支持原生音频输入的中型 Gemma 模型：可直接处理文本、图像、视频和音频
- 笔记本可跑：仅需 16GB 显存或统一内存，性能接近更大的 26B MoE 模型，但内存占用不到其一半
- 开源开放：Apache 2.0 许可，可从 Hugging Face、Kaggle 下载，支持 Ollama、LM Studio、llama.cpp、vLLM 等
- 低延迟优化：附带多 Token 预测（MTP）草稿模型，并首发 macOS 桌面端本地应用
Introducing Gemma 4 12B: a unified, encoder-free multimodal model