AI 今日简报｜Gemini 4 Argon 上线，Agent 开发工具也在变

Gemini 4 Argon 今天上线，这当然是大消息。不过，把今天几条新闻放在一起看，我更在意的是：Agent 的能力往前走，开发工具也开始跟着变了。

Anthropic 在重做源码管理，LangSmith 让人直接用一句话找出失败任务，Grok Bot 则把邮箱和应用接进聊天。以后挑 AI 工具，除了看模型，还得看它能接什么、出错后怎么查、做了一半能不能继续。

Gemini 4 Argon 来了，要不要换？

Google 已经宣布全球推出 Gemini 4 Argon。按 Pichai 公布的入口，开发者可以从 Gemini API 付费层和 Gemini platform 接入；Antigravity、Gemini app 和 Search 的使用条件则对应不同订阅。

如果你本来就在 Google 这套工具里，先看看现有订阅能不能用，再拿几件手头的活试一轮：改一处项目代码、整理一份长资料、处理一个需要多步完成的任务。

看它有没有漏掉要求，做到一半会不会停，最后还要你改多少。这些比榜单上的几个百分点更能决定你要不要换。

Google 的发布帖把编程、金融、法律、网络安全和科学任务列为重点方向。具体到个人，还是先把每天用得最多的那件事做好。用着顺，再慢慢扩大范围。

按 Anthropic 披露的数字，他们每天合入的代码变更，从 5 月约 2,500 个涨到了 9 月超过 30,000 个。原来按人类开发节奏设计的基础设施开始吃不消，他们因此重做源码管理。

先别把变更数量换算成程序员效率。一个改动可能只有几行，也可能涉及整个模块。

真正值得盯的是后面的流程：代码生成得快，谁来审，怎么测，多个 Agent 同时改到一个地方怎么办，出了问题怎么退回去？

你让 Agent 多干一点，这些问题很快就会碰到。做小项目也一样，至少把构建、检查、改动范围和回滚办法留好。否则它半小时改了一堆，你花两小时收拾，省下的时间又还回去了。

这也是最近经常看到 Harness Engineering 的原因。简单说，就是给 Agent 配好工具、检查、进度保存和失败恢复。Baseten 也把相关系列整理成了书。模型负责想和做，这些配套决定它能不能把一件长任务做完。

LangSmith 的 AI Search可以直接描述你要找的情况，比如“用户在哪里表达不满”“哪些任务没完成”，然后定位相关运行记录。

做过 AI 应用就能理解这件事的用处。用户说“没用”，你不能只拿这两个字改提示词，得知道他问了什么，模型调用了哪个工具，结果在哪一步出了偏差。

这些过程记录叫 Trace。有了它，才有东西可查；能用自然语言查，排问题又少一道门槛。

如果项目已经有真实用户，我会优先把记录补齐。至少留住模型调用、工具结果、耗时和错误信息。下次有人反馈，你能打开那次任务看，而不是靠猜。

Grok Bot 0.70.2 在补办公能力。 这次更新包括独立邮箱、邮件草稿、聊天里的 Figma、Notion 和 Canva 卡片，以及公开 X 内容搜索。对经常在邮件、文档和设计工具之间切换的人，这些连接比多聊几句更有实际意义。

Gemma 在做端侧反诈。 DeepMind 与新加坡 GovTech 的合作，会针对当地诈骗手法微调 Gemma，用于设备端检测。这里值得关注的是本地处理：手机上就能判断的事情，有机会少走一趟云端。On-device Inference，说的就是在终端本地跑推理。

Argon 还有一段机器人演示。 DeepMind 展示了从视频理解投掷任务、编写仿真，再帮助 Apollo 机器人连续投中 7 次。这段演示值得看，尤其是视频理解怎么接到仿真和动作上。后面还要看换场景、换任务时能做到什么程度。

Context Engineering，上下文工程。 听着像新概念，实际就是安排模型每一步该看到什么：哪些资料要放进去，历史要留多少，工具结果怎么给，过时的信息什么时候丢掉。LangSmith 团队成员也谈到了这次 AI Search 的上下文设计。

你让 Agent 连续干一小时，它得记住目标，又不能被前面一堆无用输出挤满。这个安排不好，再强的模型也容易跑偏。

如果今天只做一个改进，我建议打开项目里最近一次失败任务，看看能不能找到具体原因。缺记录就补记录，卡在工具就修工具。先把这次失败弄明白，再决定要不要换模型。