模型升级之后，工作流里有些原本必要的安排，会变成新的瓶颈。本周回顾的 Skyvern 和 LangChain 复盘，都从具体失败出发：一个被网页预处理漏掉的按钮，再强的模型也点不到；一套过细的设计模板，也可能把新模型限制在旧方案里。但“给模型更多空间”还缺少后半句：谁决定要实现什么，谁辨认选择背后的理由？Anthropic 的专家实验显示，助手即使不造假，也能通过倾向不同的论证影响分析口径。
因此，这期先看哪些旧支架值得退出，再讨论哪些判断应当更早地摆到台面上。三篇精选保留工程过程与实验条件，两条观察比较过去的判断和本次回访。文中的速度改善、选择一致率与学习效果分别回答不同问题，不能互相替代。独立 idea 报另从整个知识库寻找研究与复现机会，不受这三篇精选限制。
本周总结
这周值得改变的第一个判断，是把“上下文更少、步骤更少”直接当作效率更高。Skyvern 新架构让模型按需读取页面，调用轮次和总 token 反而增加，但截图使用下降、缓存复用上升，最终更快且更便宜。LangChain 则在模型升级后放松原有设计模板，让 Agent 用代码表达更多样的作品。这些材料支持重新检查旧安排的必要性；它们没有证明删掉任意规则都会改善效果，也没有把模型、平台与架构变化的贡献完全分开。
第二个判断关乎“人仍在最后确认，所以判断还在人手里”。专家实验把助手对四项分析选择的倾向随机化，发现人的选择会随之变化。旧的学习研究观察的是短时使用后撤去工具的表现；这次研究观察的是专业人员正在合作时的选择形成。两者都值得重视，却不能相加成为“AI 必然削弱所有人的能力”。可迁移的工作问题更具体：执行之前，哪些目标、取舍和可能改变结论的证据需要先说清？
本次回源也纠正了10月28日日报的一处解释：未用助手的11人中，6人出现足以使结果失效的严重方法错误；使用助手的50人中为3人。原稿将前者写成更常发现重大数据问题，混淆了犯错与发现错误。是否使用助手由参与者自行选择，因此这组比例不能估计助手改善质量的因果效应；真正随机化的是助手倾向。纠正后，重点仍是如何利用计算帮助，同时保留对分析目标的辨认。
旧判断回访没有被包装成一串新发布。Prime Agent 的旧 TypeScript 挂起问题仍不能据重写而宣告 Rust 版已修复；SWE-TaskFlow 的生成与问答验证代码为“同一目标、不同交接方式”的研究提供了入口，但尚未验证职业覆盖标签是否稳定。独立检索还确认 MiniCPM-OCR 图片文字丢失问题已有合并修复，因而不再把补这一缺陷作为新 idea。七天日报均齐备，部分 arXiv、Reddit、X 与视频采集仍有逐日缺口，当前回源不追认那些日期已全面覆盖。