夜雨聆风AI智能体生态正在经历两个相反方向的加速：工具能力在快速堆高，使用成本也在同步飙升。Hermes Agent一口气清零了近700个最高优先级问题，GitHub Copilot重度用户月费从29美元涨到了750美元。开发者得到的东西更多了，但买单方式也在剧变。
Hermes Agent v0.18.0一口气关闭692个最高优先级项
Hermes Agent在7月1日发布了v0.18.0版本，这个版本的核心标题只有一句话：P0和P1全部归零。3个P0关键问题和493个P1高优先级问题，外加196个合并PR，在十二天内全部关闭。团队明确表示，从现在开始要保持P0/P1数量为零。
具体来看几个关键更新。
Mixture-of-Agents（MoA）从实验模式升级为一级模型选择器。以前MoA需要手动切换模式，现在它和Claude、GPT、Grok并列出现在每个模型选择器里，CLI、TUI、桌面客户端、网关全覆盖。选一个名为"my-council"的预设，就像选任何单个模型一样简单，Hermes会自动把提示路由到那个模型集群。每个参考模型的完整推理过程会单独展示，聚合器的回答以流式输出。这种设计让多模型协作从"高级用户的功能"变成了"所有人的默认选项"。
子代理现在可以在后台运行了。以前子代理必须在父对话中阻塞执行，现在可以扇出到后台并行处理长任务，主对话不会被卡住。这对批量操作场景是个重要改进——你可以在等待三个子代理分别研究不同文档的同时，继续在主对话中讨论架构方案。
模型阵容扩展了三个新面孔：claude-fable-5、claude-sonnet-5和fugu-ultra，都加入了curated OpenRouter provider。编码项目（coding projects）和可用的内存图谱（playable memory graph）也在桌面客户端中首次登场，让项目管理和上下文记忆更直观。
压缩中断保护相关的sibling-fork bug是发布前一个通宵修完的末尾收尾，属于这次清零行动中压轴关闭的关键问题。
GitHub Copilot按量计费满月，重度用户账单暴涨10到50倍
6月30日是GitHub Copilot自6月1日起改为按使用量计费后的首个完整账单周期截止日。开发者在社交媒体上晒出的账单让人倒吸一口凉气。
在重度智能体工作流场景下，有开发者的月费从29美元暴涨到750美元，还有从50美元涨到3000美元的案例。GitHub首席产品官Mario Rodriguez公开承认，Copilot已经不是一年前的那个产品了——功能更多、消耗更大、价格也完全不同。
这对开发者社区的影响是直接的。Copilot从固定月费制切换到按Token计费模式，等于把AI编程工具从"订阅制"推向了"用量制"。对于偶尔用用代码补全的轻度用户来说费用变化不大，但对于深度依赖AI Agent工作流的开发者——频繁调用代码生成、上下文分析、自动化任务编排——费用飙升是肉眼可见的。
行业正在摸索AI开发工具的定价模式。固定月费对重度用户不赚钱，按量计费对重度用户又太贵，中间的平衡点还没有找到。有开发者已经开始评估Copilot的替代方案，包括TRAE、Codex等工具。也有人在尝试混合策略：日常轻量任务用Copilot，重度自动化任务切到按次付费的API。这种"工具组合"思路可能比"换一个工具"更现实。
OpenAI首款硬件不是手机，是一个13键的宏键盘
OpenAI在AI Engineer World Fair上正式公开了第一款硬件产品——Codex Micro。不是所有人期待的AI Phone，而是一个和客制化外设品牌Work Louder联名的Macro Pad。
硬件配置包括13个可映射机械按键、一个摇杆和一个触摸传感器，支持6层独立映射，右上角还有旋钮。它深度绑定Codex这一单一AI工具，开发者通过物理按键可以一键触发代码补全、智能纠错、版本回溯等操作。7月15日正式发售，售价尚未公布，参考原型Work Louder Creator Micro 2大约200美元以下。
这件事的信号意义大于产品本身。OpenAI正在把自己的AI能力从纯软件推向物理交互层。一个13键的宏键盘当然不会取代键盘，但它暗示了一种思路：AI编程工具的交互方式不一定要停留在文本输入框里。物理按键可以减少上下文切换——你不需要在IDE和终端之间来回跳转来调用AI功能，按一个键就行。
从更长远的角度看，这种"为单一AI工具打造专用硬件"的思路，和普通外设的定位完全不同。它不是让你更方便地打字，而是让你更方便地调用AI。如果Codex Micro验证了这个方向的市场需求，后续大概率会出现更多AI专用外设——不只是键盘，可能是专门用于代码审查的旋钮面板、用于调试的触控条，甚至是为Agent工作流设计的物理控制台。
与此同时，OpenAI和前苹果首席设计官Jony Ive合作的消费级AI硬件（代号Gumdrop，可能是笔形设备或可穿戴音频设备）预计2026年底推出，那才是真正的重头戏。
亚马逊砸10亿美元，派工程师直接进驻客户公司
亚马逊在6月30日宣布投入10亿美元（约合68亿元人民币）组建FDE（Frontier Deployment Engineer，前沿部署工程师）团队，一个全新的AWS部门。核心做法是派驻5到6组工程师直接进驻客户企业，每组驻场45天，帮客户从零搭建AI系统。
亚马逊表示，这个团队的目标是把AI部署周期从数月缩短到数周。客户得到的不只是一套可运行的AI解决方案，还带走一支可以自主运维的工程团队。目前艾伦研究所、NBA、NFL和理光已经签约合作。
FDE这个岗位概念来自Palantir，指的是技术能力和业务理解兼备的工程师，需要能在真实数据和业务环境中构建解决方案。亚马逊预计会配置数千名FDE，这也是超大规模云厂商中头一个推出此类驻场工程师专项业务的。
对开发者来说，这件事释放了两个信号。AI从"卖工具"向"卖服务"的趋势越来越明确——光提供API和算力不够，客户需要有人帮忙把AI真正落地到业务流程里。同时，复合型工程师（技术加业务加沟通）的市场需求正在爆发，单纯写代码的能力溢价在降低，懂AI落地全链路的人越来越值钱。
开源新项目self-learning-skills，让AI编程助手学会"记笔记"
GitHub上出现了一个叫self-learning-skills的项目，6月28日创建，4天冲到723 Star，MIT协议。它解决的是一个几乎所有AI编程助手用户都遇到过的问题：每次新会话都从零开始，之前踩过的坑、找到的"黄金路径"、项目特有的运维命令等经验全部丢失。
self-learning-skills教AI代理识别这些有价值的经验，自动持久化到skills文件中，下次会话自动加载。支持Claude Code、Cursor、Codex等多种AI编程工具，通过npx安装即可。
核心逻辑分三步：识别需要记忆的时刻→自动捕获过程和结果→下次复用。这套机制会记录成功路径，也会记录"什么没起作用"——跳过一个已知的死胡同，有时候比知道正确路线更有价值。它是一个元技能（meta-skill），本身不做具体工作，只负责捕获工作是怎么完成的，包括那些失败的尝试。
财经与政策速览
国务院常务会议7月1日专题部署人工智能高质量发展，明确加快全国一体化智算集群建设、攻坚算力芯片与通用大模型核心短板，推进"人工智能+"制造业、低空、能源全产业行动。这是目前最高级别的产业定调信号。
此外，具身智能公司跨维智能在6月30日宣布完成B轮10亿元融资，投后估值超百亿元，蓝思科技董事长周群飞首次个人出资一家具身智能企业。华为在MWC上海发布AI-OTN解决方案，聚焦算力网与通信网承载底座。
今天的AI智能体生态呈现出一种典型的"快跑中调整"状态：能力在快速提升，商业模式在快速试错，定价规则在快速重塑。对开发者来说，紧跟工具迭代的同时，也需要对使用成本和替代方案保持清醒。