模型能力进步以后，旧经验未必自动变成优势。LangChain 的设计 Agent 曾依靠大量预制组件获得稳定输出；新模型更会设计后，团队发现这些限制使作品趋同，开始删掉补偿旧能力的规则，同时保留品牌原则、检查和制作顺序。本期观察由这个具体变化出发：我们需要定期检查一条规则究竟在保护目标，还是只在维持过去的做法。
这不是简单主张少写指令。Simon Willison 的小游戏表明，能迅速生成可运行成品，仍需通过试玩判断它是否有趣、流程是否通畅；Charles Miller 与评论者的分歧则帮助区分短期技巧和持续试探工具边界的能力。读完这三条，可以更具体地考虑升级模型时应该重新测试什么，而不必在“全部推倒”和“照旧累加”之间选择。
另几项能力进展把目光移到输入和输出：H-Net 尝试让模型学习字节如何组成更大单元，Nemotron 转写明确区分逐字与书面目标，MiniCPM-OCR 为识别结果增加独立判别环节。它们分别改变了计算、监督和复核的安排，不能仅凭一个总分判断是否适合自己的任务。
评测部分也保留了两种尺度：DAYJOB Tax 检查复杂文件工作能否完整交付，AA v5 则展示综合榜单如何随着题目和权重变化重排。前者提醒人发现未被点明的条件，后者提醒人先读清测量对象，再决定一个名次与自己的工作有多大关系。
当日材料
- LangChain 的设计 Agent：删去固定模板，保留设计原则与制作流程
- Scaling Hierarchical Networks：让模型学习怎样把字节合成更大的单元
- Nemotron 3.5 Transcribe：转写准确之前，先说清要写成什么样
- MiniCPM-OCR 把“读出文字”和“判断读得对不对”拆开
- DAYJOB Tax：文件给齐了，模型仍可能漏掉没有被点明的问题
- AA v5 更换了考题，也让“总分代表什么”重新成为问题
- Simon Willison 做了四个小游戏，评论者追问的却是“好玩吗”
- “AI 技巧会过期”，不等于不必练习使用工具