Anthropic 於 2026 年 9 月發布 Opus 5.5 官方使用指南，作者 Addy Osmani，閱讀時長 9 分鐘。Opus 5.5 相比前代更擅長多步驟長任務，可連續數小時執行大型倉庫改動直至測試通過，且每次回覆前都會自行思考。指南建議一次性交代完整任務並說明完成標準，刪除提示詞中的 think carefully 等語句，在 CLAUDE.md 中寫明何時繼續、何時停下詢問，並讓子代理並行處理審計與遷移。
推薦理由：你日常用 Claude Code 跑 coding agent，這份指南直接給出 Opus 5.5 的提示詞寫法、CLAUDE.md 停止規則與子代理拆分方式，可立刻套用到現有工作流。
handoff-compact 是一個 Claude Code 外掛，在 autocompact 觸發時用會話分支生成交接文件並替換原對話，實現無人值守的 handoff + /clear。作者稱長時間無人值守會話中一半 token 花在上下文已超 200k 的輪次上，既貴又因 context rot 降低品質。交接文件包含目標、狀態與驗證依據、下一步、決策與理由、已排除方案、未決問題、檔案與提交、驗證命令及最近 10 條 prompt 原文。
推薦理由：你常用 Claude Code 跑長會話，這個外掛能在 autocompact 時自動完成 handoff + /clear，幫你省 token 並緩解上下文退化。
OpenAI 發布 GPT-6.1 Sol，定價 $2/$10 每百萬輸入/輸出 token，比 Astra 的 $10/$50 便宜約 80%，在 DeepSWE v1.1 上比 GPT-6 Sol 高 6.4 分。Sonnet 5.5 在 Agent Arena 首秀排第 3 並在 Chat 類別登頂，Anthropic 包攬前三；Sol 每任務中位成本 $0.56，比 GPT-6 Sol 便宜 39%。
推薦理由：Sol 把前沿模型價格壓到 $2/$10，直接影響你用 Codex 與 Claude Code 的成本結構；llama.cpp 與 Ollama 的新端點則關係到你 Mac Studio 本地推理的選型。
Claude Code 發布 v2.1.288。修復了長對話報「Prompt is too long」卻不自動壓縮、--resume 丟失剛被壓縮恢復的檔案與上下文、恢復的會話不儲存該輪最後回覆，以及回應中途 API 超時導致整輪失敗——非互動會話與子代理現在會從部分回應繼續，僅有思考內容的回應會重試。
推薦理由：你日常依賴 Claude Code 跑長會話與子代理，這些修復直接避免 --resume 丟上下文和超時中斷整輪工作，值得儘快升級。
Latent Space 最新一期播客請到 MIT 的 Alex Zhang，聊遞迴語言模型（RLM）、AI 寫 GPU kernel 與多智慧體 swarm。據他介紹，基於 RLM 的 harness 是首個接近解出 ARC-AGI-3 的方案，早於 OpenAI 的 Astra；他還談到 OpenAI 的 1 萬 agent、1300 億輸出 token、約合 4000 萬美元的問題求解實驗。
推薦理由：你每天用的 Claude Code、Codex 本質就是 harness，這期直接講 harness 設計、context offloading 與持久化 subagent，對自建 agent 流程和本地跑開源模型都有參考價值。
Claude Code 發布 v2.1.287：新增 Claude Mods，外掛可以修改更深層行為；並內建 You should know，由側邊 agent 監視你或 Claude 可能遺漏的內容，用 /plugin enable cc-plugin-you-should-know@builtin 開啟（需第一方會話且開啟遙測）。agents 檢視新增 n:<text> 過濾器匹配會話名與任務；
推薦理由：可以用 /plugin enable cc-plugin-you-should-know@builtin 給日常 Claude Code 會話加一層側邊 agent 複核，同時注意自建 MCP 伺服器升級後可能需要補上 bareElicitationCapability 才不會斷…
理論物理學家 Matthew Schwartz 發布開源工具 BootLoops，把 Claude 當作 LLM 的"挽具"，專攻適合當前 AI 的"Claude 形狀"問題。他用 Claude Fable 5 移植並改進散射振幅計算方法，還借 BootLoops 把數學物理技術帶到生態學、群體遺傳學、地質、經濟、語言學等領域，並與各領域專家合作篩選真正有價值的問題。BootLoops 開源，可搭配任意模型使用，但當前 AI 仍無法解決科學中的大多數問題。
推薦理由：你日常用 Claude Code 等 coding agent，BootLoops 展示瞭如何按模型能力挑問題、而非硬套人類科研流程，可直接借鑑到你的 agent 工作流與本地模型實驗。