2026-10-10 · 周六 · 8 条 Claude Code 钩子可失败即拦截、Anthropic 三年 1.5 亿美元投入 Genesis Mission、Google 开源 AQuA 与 ML Drift
今天的主线是「把失败情况想在前面」：Claude Code 让守卫钩子出错时默认拦截，Copilot 评审的额度和触发权收归组织，Google 用另一个智能体给线上智能体做体检。智能体进生产后，决定质量的不只是模型，还有故障、账单和质检这些默认值怎么设。
-
- 命令型和 HTTP 型钩子新增 onFailure: "block"：钩子起不来、超时或以意外退出码结束时，拦下这次操作而不是放行。
- Claude apps 网关的每个上游可配置可选的 models 列表，只把列出的模型发往该上游，故障切换时同样遵守；Bedrock、Vertex、Foundry 等云上游支持 timeouts.upstream_ttfb_ms，限制流式响应开始前的等待时间，超时后切换或返回 502。
- 支持 Program Status Protocol（OSC 7501），实现了该协议的终端可以显示 Claude Code 正在工作、等你操作还是已完成。
- 新增 CLAUDE_CODE_RETRY_WATCHDOG_MAX_WAIT_MS，限制无人值守重试模式等待 429 和 529 错误的时长。
开发者视角「失败即拦截」是安全钩子该有的默认值：一个挂掉就放行的守卫，等于没有守卫。我会把拦截删除、拦截推送生产配置这类钩子都切到 block，同时给钩子本身加健康检查，免得它一出错就把整个团队卡住。
-
- 在白宫科技政策办公室主办的峰会上宣布：三年 1.5 亿美元，用于联邦政府的 Genesis Mission（用 AI 加速科学发现）。
- 资金将让 Claude 覆盖该计划中超过 15 个机构，包括 NASA、美国国立卫生研究院（NIH）和美国国家科学基金会（NSF）。
- 三年内为「数百个」Genesis Mission 研究项目提供 Claude、Claude Code 和 API 额度，并与机构和国家实验室在聚变能源、量子计算等方向合作。
- 同时为参与项目的科学家提供培训、上手和技术支持，帮助新加入的机构启动第一个项目。
开发者视角对做产品的人，这条的意义不在金额，而在 Claude Code 被当成科研人员的标配工具来发。和 10-05 那条 1 亿美元培养部署工程师连起来看，Anthropic 在花钱买「落地能力」；面向专业用户的产品，可以参考这个路子，把培训和上手支持当成产品的一部分来设计。
-
- 在受信任的本地项目里开启 worktrees 功能开关后，Codex 可以创建和列出受管的 Git worktree。
- 智能体 Command Center 可以用 p 键置顶任务；自定义的 Responses 兼容模型提供方可配置联网和远程压缩。
- Linux 沙箱修复：多个被拒绝文件时的启动问题、拒绝可写的沙箱构建可执行文件，ripgrep 配置不再能削弱拒绝规则。
- 可重试的 Responses 和 WebSocket 失败会遵守服务端的 Retry-After；apply_patch 会保留已有的 CRLF 换行。
开发者视角worktree 交给智能体自己管，意味着同一仓库里并行跑多个任务会成为常态。我的建议是先在一个仓库里试，约定 worktree 的命名和清理规则；ripgrep 那条修复也提醒我们，沙箱规则要定期用实际命令去验证，而不是只看配置文件。
-
- 新设置有两档：Member（默认）计入成员自己的 Copilot 额度，额度用完时评审会失败；Organization 计入仓库所属组织。
- 选择 Organization 需要组织开启 AI Credits 付费用量，可以另设预算；入口在组织设置的 Copilot > Policies。
- 新开关「只允许授权用户触发 Copilot 代码评审」开启后，组织或企业之外的 Copilot 许可证（如个人许可证）不能请求评审。
- 组织层开启后，仓库管理员无法关闭。
开发者视角默认档下成员额度一用完评审就失败，这对把评审设为必过检查的团队是隐患。我会改成组织付费并设预算，同时打开授权触发开关；和 10-05 评审开放 API 那条连起来看，评审正在从个人工具变成组织的流程成本，需要有人管账。
-
- AQuA（Ambient Quality Agent）是 google/adk-recipes 仓库里的开源参考实现，部署在自己的 Google Cloud 项目里，可定时、每次部署后或按需运行，每次最多抽样 1,000 个会话。
- 流程分五步：抽样、按九项清单审查、聚类、对照完整记录核验、跨次运行跟踪；它不在请求链路上，也不会修改智能体、不会自己提 PR。
- 旅行助手示例：32 个会话产生 42 条发现、聚成 9 类，核验剔除 3 类后剩 6 个问题；改了两处单行提示词后，完整通过的会话从 5/32 升到 13/32。
- 成本：96 个会话的单智能体扫描 0.70 美元，32 个会话的多智能体扫描 3.76 美元（约每会话 0.12 美元）。
开发者视角我更看重核验那一步：先让模型找问题，再让它对照原始记录剔除误报，这和我坚持只引一手信源是同一个道理。智能面试这类会话型产品可以照搬这个思路，每次发版后抽几十个真实会话做体检，一次几美元，比等用户投诉便宜得多。
-
- ML Drift 是 LiteRT 的核心 GPU 加速引擎，也可作为独立库使用，Apache 2.0 许可，代码在 GitHub。
- 支持 OpenGL ES、OpenCL、Metal 和 WebGPU，覆盖 Android、iOS，以及通过 WebGPU 的 Windows、Linux 和通过 Metal 的 macOS（桌面为预览）。
- 针对端侧大模型按 prefill 和 decode 阶段切换内核；Gemma 基准中内存开销比其他框架最多低 12%，YouTube Shorts 平均帧延迟最多降低 40%。
- 旧的 TFLite GPU delegate 不再有新功能，LiteRT 加速器对现有模型完全向后兼容。
开发者视角和 10-07 的 EmbeddingGemma 2 放在一起看，端侧语义检索的模型和引擎都齐了。AI 云盘这类产品可以先在网页端用 WebGPU 试一版本地向量化，把隐私敏感文件留在用户设备上；还在用 TFLite GPU delegate 的项目，该排迁移计划了。
-
- ML-Intern 会先规划，花钱前申请预算，先跑小测试再跑完整任务，然后在 Hugging Face 的算力上训练、评估并发布模型。
- 每个任务从 0 美元预算开始，运行付费任务前需要用户批准；在 HuggingChat 打开 ML-intern 模式即可使用。
- 示例 Citrus Doctor 微调 Qwen3.5-2B 识别柑橘病害，335 张测试图准确率从 14.9% 升到 52.8%，花费约 1.90 美元。
- 作者几天内做了 6 个项目，总计约 103 美元；模型、数据集和 Space 公开在 ML-Intern-lab 组织下。
开发者视角「从 0 预算开始、花钱先问」是所有会动钱的智能体都该抄的设计。对小团队，这意味着训一个专用小模型的门槛降到几美元一次试验；我会拿内容审核、标签分类这类固定任务先试一版，再和直接调大模型比成本。
-
- Ai2 的集群规模 88 到 1024 张 GPU 不等，服务约 150 名研究员，需求是供给的 2 到 3 倍。
- 改为由管理者设定 GPU 时间预算、分层公平共享调度：任务声明的最短运行时间受保护不被抢占并计入预算，预算外的时间免费但可被抢占。
- 改造前后占用率都保持在 98%；30 天测试中各团队拿到应得 GPU 时长的 98%，15 个分配里 13 个达到 95% 以上。
- 调试任务 p90 排队从 2 小时降到 30 秒，需要人工介入的修复减少 74%。
开发者视角这篇没有开源代码，但思路可以直接用：把「优先级」换成「预算」，抢资源就有了成本。团队内部共享推理或微调 GPU 时，我会先按项目分预算、给调试任务留快速通道，比反复调优先级省心得多。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。