Every：为何为每位员工构建个人基准并测试 AI

Every 的 Dan Shipper 测试了 Anthropic 的常驻智能体 Duet，认为它是目前最好的个人智能体。同期 Every 平台负责人 Willie Williams 解释了团队为何放弃早期的个人智能体实验，转而构建一个全团队共享的智能体。评测负责人 Mike Taylor 则在新书《Context Engineering with DSPy》中讲解如何衡量智能体输出质量。

Every 团队复盘放弃个人 Agent 产品 Plus One、改为全公司共享的 Every Agent 的原因：每个用户的 Agent 独占一台运行开源程序 OpenClaw 的云电脑，运维负担过重，且许多试用者流失。团队在 5 月 12 日重构中删除了 86,730 行代码，并将基础设施迁移到 Anthropic 的 Claude Managed Agents。

Every 作者复盘将个人 Agent 产品 Plus One 替换为全公司共享的 Every Agent 的过程。

Dan Shipper 撰文讲述 OpenAI 一支小团队如何将发布失败的 Codex 打造成接管 ChatGPT 的应用，如今 Codex 与 ChatGPT for Work 合计拥有 4000 万周活用户。

作者分享在 Claude 和 ChatGPT 中关闭记忆功能、每换一个任务就新开对话线程的做法，即使仍是同一项目。文章指出即使单个线程内上下文也会累积导致 context rot，模型可能延续已放弃的指令、沿袭早前错误或漏掉关键细节。作者改编自 Drew Breunig 的 "How Long Contexts Fail"，介绍识别对话跑偏并在不丢失有用工作的前提下重启的方法。

作者把老板 Natalia Quintero 一年的 Slack 消息蒸馏成 natalia.md，用来模拟她是否会批准一封发给客户的邮件。他还克隆了一位 GitHub 高管和一位 CEO，这些 AI 克隆熟悉真人遵循的每条规则，却从不知道何时该打破规则。

Every 工程团队将自建 Agent 集群迁移到 Anthropic 的 Claude Managed Agents，以专注打造住在公司 Slack 里的共享同事 Every Agent。团队放弃了自运维 Agent 集群，并接受了随之而来的取舍。

一位作者在耗费百万字失败草稿后发现，改进 AI 配置有时意味着给它更少的规则去遵循。文章以德语词 Kummerspeck（悲伤培根）和 Torschlusspanik（关门恐慌）为引，讲述其在优化 AI 设置过程中的挫败经历。

Every 团队对本周发布的三款模型做了 Vibe Check。团队实测发现 Opus 5.5 在产品和设计工作上的表现持平或超过 Fable 5.1，且每 token 成本低 60%。

文章讨论"tokenmaxxing"（尽可能多消耗 token）在什么情况下值得、什么情况下该收敛。核心观点是：昂贵的实验性 token 消耗并非总是浪费，关键在于区分值得投入的探索与应当克制的过度消耗。