「智能体不再等键盘」——Claude Code 2.0 自动驾驶、SKILL.state 把 token 砍 94%、Uber 让七成 PR 流入 AI 队列

一张表看懂 2026 年 8 月 30 日 AI 编码代理的五条工程拐点

Anthropic Claude Code 在 v2.0 的演示里把 Auto 模式设为默认；Google 一篇论文把长会话 token 用量压掉 94%；Uber 工程团队公开口径是超过 70% 的 PR 归属 AI 代理；Warp 用一个「双技能拆分」方案解决了自改进代码审查的两个老问题；Claude Code 默认会静默永久删除 30 天以上的本地 transcript（默认 cleanupPeriodDays: 30）。五条线索放在同一天，说的其实是同一件事：「人敲代码」的旧循环正在被「Agent 跑流水线」的新循环替换，而替换的代价，是要把长会话成本、记忆、协作、安全一起重写一遍。

注解：本文五条线索来自 AGI Hunt AI News Daily 2026-08-30、GitHub Changelog、Warp 技术博客、Anthropic Claude Code changelog 与 Uber Engineering 软件工厂文章，均以 8-30 当天或临近日期的发布为锚点。引用时已注明来源。

🤖 Claude Code 2.0：Auto 默认 + 跨会话消息 + 12 个代理挤在 16GB M1 Pro

Claude Code 2.0 的演示文档把 Auto 模式设为默认行为。Auto 不再需要用户在每一个工具调用、每一次文件改动前去点「Allow」，而是由 Agent 自主评估任务边界、决定何时调用工具、何时停下。这一变化的代价是：它把整个产品的人机关系从「人审 + 机器做」位移到「人监督 + 机器自审」。与此同时，Claude Code 2.0 引入了跨会话消息（cross-session messaging），让多个 Agent 能在不同的会话窗口之间互相转发任务结果；自托管环境（self-hosted environment）让企业把整套 Agent 跑在自家网络里；多代理支持（multi-agent support）则允许一个项目里同时存在多个并行 Agent 实例。

更让人吃惊的是一则社区实测：一位开发者在 16GB 内存的 M1 Pro MacBook 上同时启动了 12 个 Claude Code Agent，每一个 Agent 各自驱动一个仍保持功能正常的 iOS 模拟器。这件事以前几乎不可能，16GB 跑一个 Claude Code 都嫌挤，更不用说 12 个。Auto 模式让 Agent 自己管理自己的内存与上下文窗口，而不是任由它们各自膨胀，最后把整台机器吃掉。

但 Auto 模式也带来一个不那么显眼的副作用。AGI Hunt 2026-08-30 报道：Claude Code 默认 cleanupPeriodDays: 30，会静默且永久删除超过 30 天的本地 transcript。这不是 bug，而是配置默认值。社区已经给出了临时方案：在 ~/.claude/settings.json 里把这个值改成 3650（约 10 年），就能保留更久的历史记录。

注解：所谓 cleanupPeriodDays，是 Claude Code 在 ~/.claude/settings.json 里管理本地对话历史保留时长的字段。把它从默认的 30 改成 3650，相当于把本地 transcript 的保留期延长到大约 10 年。改完之后，旧文件不会被自动恢复，但新的会话记录会按新的保留期执行。

� Google SKILL.state：长会话 token 用量直降 94%

长会话 Agent 一直有一个老毛病：跑得越久，token 烧得越快。常见的临时方案是「压缩历史」「滑动窗口」「摘要上一段」，但这些都是在「保留多少上下文」上做文章。Google SKILL.state 走了一条不一样的路线：改的不是压缩比例，而是输入本身。

具体做法：Agent 不再把整个对话历史塞回上下文，而是在每一步把「下一步需要的状态」写入一个结构化当前状态（structured current state），再保留一条最新观测（latest observation）。运行期间，Agent 主动丢弃历史而不是「重放历史」。换句话说，Agent 把自己需要的全部信息外置到一个结构化文件里，而不是堆在 prompt 里。

AGI Hunt 8-30 给出的实测数字：长会话 token 用量相对「历史作为上下文」的方案下降约 94%。这不是 94% 压缩（压缩会丢信息），而是重写了 Agent 与上下文的接口：当 Agent 需要信息时，它读的不是 prompt，而是状态文件。LLM 的注意力预算被空出来留给「决策」，而不是「回忆」。

注解：所谓「结构化当前状态」，相当于把「Agent 在这一步需要知道的所有事实」整理成一张可以 JSON 化的状态表：当前任务的输入、已完成步骤、待办任务、已经验证的中间结果。Agent 跑下一步时，从表里读，而不是从历史 prompt 里 grep。

🏭 Uber：超过 70% 的 PR 来自 AI，但人类只读了 12/214

Uber Engineering 的「软件工厂」文章给出了一个工业级数字：超过 70% 的 PR（pull request）现在归属于本地或云端 AI 代理。这不是单团队实验，而是嵌入到整个开发流程的常态化现象。AI 在每一个阶段都被嵌入：写代码、跑测试、补文档、回应 review comment。

但更值得停留的是另一组数据：某个团队上月合并了 214 个 PR，但真正被人类逐行阅读的只有约 12 个。其余的 PR 基于摘要和测试结果「一扫而过」。换句话说，70% 的产出 + 5% 的阅读，这是一个工业流水线上的真实数字，它比任何 benchmark 都更直接地衡量了「AI 代理在企业里真实地位」：AI 写的代码被信任到「不需要人读」的程度。

支撑这种信任的是 CodeRabbit 这类自动化 review 工具的可靠性。当 review 工具能在 9 秒内告诉人类 reviewer「这一行没问题」「这一行有 NPE 风险」「这一行没测覆盖」时，人类 reviewer 自然就只读那 12 个被工具标红的 PR，其余的默认通过。但这里有一个隐忧：Coderabbit 的可靠性使得这种信任变得「理性」，但它也意味着：当 review 工具漏掉一类问题时，那一类问题会被 70% 的 PR 自动通过。

注解：所谓「PR 归属 AI 代理」，是指 PR 的作者字段写的是 AI 代理账号而不是人类开发者账号。Uber 把 Claude Code、Codex、内部代理等都注册成了「开发者身份」，所以 git blame 能直接看到 AI 贡献占比。

🪞 Warp：用「双技能拆分」解决自改进代码审查的两个老问题

Warp 是 2026 年仍在被频繁讨论的终端工具之一。它的工程团队在 8 月公开了「用 Claude 构建自改进代码审查 Agent」的方法论，文章标题里就把两个失败原因点了出来：

• 失败一：模型不了解项目规范（model did not know project norms）。Claude 默认对一家公司的代码风格、命名约定、review 通过线没有先验知识。
• 失败二：模型记不住先前的发现（could not remember prior findings）。一次 review 完了，下一次 review 时 Claude 已经忘了「这个文件上次因为缺少单测被打回过」。

Warp 的解法不是「把 Claude 训练得更聪明」，而是把职责拆成两个 Skill：

• Skill 1（review）：只看当前 diff，按项目规范生成 review findings。
• Skill 2（consume）：消费 Skill 1 的 findings，然后驱动下一轮修复。

这两个 Skill 用同一个 LLM 跑，但 prompt 和上下文完全不同。Warp 还配套提出了一种叫 Atomic 的范式：把任务表示为递归状态机，在长循环里放一个显式验证器（explicit verifier），而不是依赖口头声明的「done」。换句话说，Agent 写完代码后不会自己说「我搞定了」，而是由一个独立验证器跑测试、看覆盖率、检查风格，再把结果回传给 Agent。

注解：所谓「显式验证器」，不是 Agent 自己说「我跑通了 5 个测试」，而是一个独立的模块（可以是另一个 LLM 调用，也可以是 bash 脚本）显式执行测试并把退出码回传。这种「外部验证」比 Agent 自报家门的「自评」要可靠得多。

🔬 PILOT + LongHorizon-Harness + Proteus + JIT-Agent：长程代理的四条突围路线

「上下文衰减」是长程 Agent 的核心瓶颈：跑得越久，性能越差。AGI Hunt 8-30 头条里点名的四条突围路线，每一条都对应一种「不靠更长上下文、而是靠更聪明地使用上下文」的思路：

五条路线看似各自独立，但放在一起看，指向同一个判断：长程 Agent 的工程问题不是「上下文不够长」，而是「Agent 不知道该记住什么、丢掉什么、用什么结构记住」。SKILL.state 用结构化文件回答这个问题，PILOT 用持续反思回答，LongHorizon-Harness 用三段循环回答，Proteus 用自改源码回答，JIT-Agent 用即时合成回答，五条答案背后是同一个哲学：Agent 不应该把所有信息都装在脑子里，应该让它随时能查询外部世界。

🤝 Hyr：代理开始雇佣代理，USD 预算成了新调度单位

8-30 当天还有一条容易被忽视的线索：Hyr（hyr.tech）正式上线一个「代理雇佣代理」的市场。机制不复杂：

• 用户支付代理（users pay agents）。
• 代理挂牌（list agents）：一个 Agent 把自己的能力挂到市场上。
• 代理雇佣其他代理（agents hire other agents）：一个 Agent 在执行任务时，按 USD 预算调度市场上的其他 Agent。

Hyr 由前 OpenAI 研究员 Charlie Snell 创办。它配套了一个叫 Mandate 的资金层：Rust 守护进程 + 加密双重记账分类账，Agent 可以在单一账户下跨 Stripe、银行和钱包赚取、持有、移动、消费 USD。Agent 不再只是「被人类调用的工具」，而是「会赚美元、付美元、雇同行的经济主体」。

配套的生态数据也在 8-30 当天被披露：Vercel MCP 工具调用在三个月内增长 +564%（7 月 +117%，8 月 +114%）；Skills 安装命令 npx skills add；目录排序按 find-skills 在会话内安装量排名；总安装量已超 100 万；workweave/router 决策延迟 <50ms，成本削减 40–70%。

这些数字单独看都不算革命，但合起来描述了一件事：Agent 已经不再是「Demo 阶段的玩具」，而是一类具备完整经济行为能力的软件实体。它会写代码、跑测试、付钱、雇同行、记账户，「工具」这个词，已经装不下 Agent 在做的事了。

⚖️ 代价：30 天静默删除、214 个 PR 没人读、AI 接管之后谁来兜底

五条线索的工程拐点背后，藏着三个不可忽视的代价：

第一，本地数据正在被自动清掉。 Claude Code 默认 30 天删 transcript。这意味着开发者调试 Agent 时如果想回看「两周前那次 PR 是怎么被 Claude 改坏的」，文件可能已经不在了。社区改 cleanupPeriodDays: 3650 是一个临时方案，但更大的问题是：Agent 厂商在默认配置里替用户做了「数据保不保留」的决策，而这件事本来应该让用户自己决定。

第二，工业级信任正在变成「默认通过」。 Uber 70%+ PR、人类只读 12/214，这个比例背后是「CodeRabbit 标红 + 其余默认通过」的工程现实。一旦 review 工具漏检某一类问题，整个公司的 PR 流水线就会被同一类问题冲刷。这种信任是结构性的，不是「再加几个人 review」就能修的。

第三，Agent 接管工作流后，「人」的位置在哪里？ AGI Hunt 同一天报道了盖茨在《大西洋月刊》的访谈：盖茨主张把「Human Reserved（人类保留区）」写进法律，即使 AI 和机器人技术上能做，也主动规定部分工作留给人类。这不是技术问题，是治理问题。 Claude Code 2.0 的 Auto 默认 + Uber 的 70% PR + Hyr 的代理雇佣代理，每一条都在压缩「人类在生产链路中的位置」，但没有一条回答「人类到底应该留在哪里」。

🔭 未来 6-12 个月：三个真问题

1. Claude Code 3.0 会不会把「Auto 默认」进一步推到「Long-running Auto 默认」？ 当 Agent 能跨周、跨月保持同一个项目上下文，工业流水线上的「人审 12/214」会变成「人审 0/214」。这一步走不走得通，取决于 SKILL.state 这类外部状态机制能不能稳定工程化。
2. Hyr / Mandate 模式会不会引发「Agent 银行」牌照问题？ 当 Agent 能赚 USD、付 USD、雇同行，它在监管层面就是一家微型金融机构。CFTC、SEC、央行会不会在 2027 H1 给「Agent 经济体」单独发一类牌照，将决定这一波代理雇佣代理是真繁荣还是真泡沫。
3. 「Human Reserved」是法律还是行规？ 盖茨的提议目前只是个人主张。但当 Uber 这种 70%+ PR 已经把人类挤到 review 之外时，到底是法律先划线，还是行业自发留出「人类必审」比例，将成为 2027 年 AI 治理的核心议题。

📚 信源

• AGI Hunt · AI News Daily 2026-08-30：Claude Code 2.0 Auto 默认 + SKILL.state 94% + PILOT + Warp 双技能 + Claude Code 30 天删除 + Uber 70%+ PR + Hyr + Mandate + Vercel MCP 564%
• Warp 技术博客：自改进代码审查双技能拆分方法论
• GitHub Changelog：Claude Code v2.1.251 changelog
• OpenAI Codex CLI v0.151.0 release notes：MCP result hooks
• Anthropic Claude Code changelog：v2.1.251（8-28）
• Uber Engineering 软件工厂文章：70%+ PR 归属 AI + 12/214 阅读率
• 《大西洋月刊》盖茨访谈：Human Reserved 提议