Follow 深度日报：Agent ROI、Codex 视觉资产链路与可观测评估

OpenAI 发布 “How to manage AI investments in the agentic era”，把企业 AI 投资的核心指标从单纯部署模型，转向 measuring useful work per dollar、效率提升和高价值工作流规模化。这个表述很值得注意：它把 agent 从“新工具采购”放进 CFO/业务负责人能理解的投入产出框架。结合 ChatGPT Work 的发布节奏，OpenAI 正在把 Codex/Work/Sol 从技术热度导向企业预算语言。

OpenAI Academy 连发两篇 ChatGPT Work 行业用例：数据科学团队可把真实工作输入变成 root-cause briefs、impact readouts、KPI memos、scoped analyses 和 dashboard specs；销售团队则对应 pipeline briefs、meeting prep、forecast reviews、account plans 和 stalled-deal diagnoses。这不是 coding agent 的典型叙事，而是把 Work 产品包装成跨职能知识工作台。

Simon 记录自己在 Codex Desktop 里触发自定义 pet，并让 GPT-5.6 Sol xhigh 通过多轮 gpt-image-2 生成角色参考图、动画帧、sprite sheet、GIF 预览和过程说明。他公开了 prompts、运行目录、生成图像和 QA 预览，使这个例子不是“看起来很酷”的视频，而是可追溯的资产生成流水线。重点不在吉祥物本身，而在 Codex skill 如何把图像模型调用、文件组织、动画切片和产物说明自动化。

Simon 分享了用 `uvx` 跑 GitHub Actions 时更 cache-friendly 的做法：通过 `UV_EXCLUDE_NEWER` 固定依赖解析时间点，并把日期纳入缓存 key，避免每次运行都从 PyPI 拉取新版本。它看似是小技巧，但和 Dependabot cooldown、agent 生成 PR 激增放在一起看，说明自动化越多，依赖漂移和供应链噪音越需要主动治理。

LangChain 发布 “How to Debug Coding Agents with LangSmith Traces”，目标是把 Claude Code、Codex、Cursor、Copilot、Pi、OpenCode 等 coding agent 的会话统一追踪。核心能力包括识别稳定 session key、查看完整 run tree、追踪 turns/model calls/tools/subagents、记录 token 与成本，以及查询错误和重试。Harrison Chase 在 X 上强调他们做了很多工作来标准化 coding agents 到 LangSmith 的 trace。

Hamel 与 Antaripa Saha 的文章比较了 human-annotated traces 和自动 eval 系统。Hamel 在窗口内总结：自动 eval 能发现一些人类漏掉的问题，也能融入 trace 浏览和 LLM judge 创建流程；但它们常错过需要领域经验和 taste 的问题，缺乏从人类反馈学习的好机制，而且有些结果可以用 coding agent + 人在环里得到。结论不是不用，而是必须迭代、带人类反馈地用。

Sam Altman 称 5.6 Sol 增长“insane”，推理团队正在支撑需求，但短期可能出现 hiccups；随后转发 Tibo 关于 Codex 和 ChatGPT Work 达到 8M active users、再次重置用量限制的说法。即便具体数字仍需以官方长期披露为准，社媒信号已经很清楚：Sol/Work 的竞争进入容量、限额、稳定性和用户探索边界阶段。

Logan Kilpatrick 为 Google AI Studio 招聘 TPM lead，职责横跨 product、GTM、engineering 等，以加速 AI Studio 进展。他前一日还提出 Agentic Coding Environment 是 IDE 的自然后继，并在窗口内强调 AI 时代每三个月都需要提高 ambition。与 Google AI RSS 中 7 月 7 日 Managed Agents 扩展相比，这些个人动态显示 Google 正在补产品组织和开发者入口。

Shreya 认为 AI-assisted writing/communication 是当下最重要的问题之一，核心批评是 AI 写作会稀释个人或组织 brand、滥用修辞、制造过多术语，让读者更难判断什么重要。Hamel 则测试了 Distribution Fine Tuning 相关 demo，认为它对“de-sloppifying”社媒文本有明显帮助。这条线和 eval/tooling 一样重要：AI 系统不只要把任务做完，还要让输出具有真实信息密度和可读性。