# AI 世界月报｜2026-05

> 覆盖窗口：以 2026-05-10 至 2026-06-01 已沉淀内容为主，向前回看过去 30 天。  
> 主要来源：LLM Wiki `syntheses/ai-world-current-map.md`、`syntheses/ai-agent-infra-watch.md`、`syntheses/ai-world-daily-log.md`、`syntheses/ai-x-intel-signal-log.md`，本地周报 `reports/ai-world-weekly-2026-20.md` 至 `reports/ai-world-weekly-2026-23.md`，以及本地日报 `reports/ai-world-daily-2026-05-10.md` 至 `reports/ai-world-daily-2026-06-01.md`。  
> 可信度纪律：一手发布 / 媒体报道 / X 传闻 / 待核实分层处理；官方自称的 benchmark、成本、效果提升、市场份额和客户成绩仍需第三方验证。  
> 降级说明：未发现 2026-05-02 至 2026-05-09 的完整日报/周报沉淀；BestBlogs 多期返回 `success=true,data=null` 或缺原始 URL；GitHub stars 为日报采集时点快照，未逐仓审计 star 来源。因此本月结论以 5 月中下旬高密度沉淀为主，不把缺证据的传闻当事实。

## 一、月度总判断

过去 30 天 AI 世界发生的结构性迁移是：竞争中心从“模型能力展示”迁移到“可治理 Agent 生产系统”。模型仍然是底座，但真正进入企业价值链的，不再是聊天窗口或单次生成，而是 runtime、MCP/工具协议、sandbox、浏览器/桌面执行面、成本账本、审计证据、行业 skill、HTML/PPT/图文 artifact 和任务级评估。

这不是周报主题的简单重复，而是四条线在一个月内合流：

1. **Agent 从会回答，变成要能被托付任务。** OpenAI private MCP / Codex Windows computer use、Anthropic Managed Agents / Zero Trust / containment、Google ADK / Agents API、OpenRouter apply_patch / spend caps、Runway MCP、Google Pay & Wallet MCP 共同说明：Agent 的下一层门槛是安全连接企业系统，并在可控环境里执行。

2. **企业 AI 的采购问题从“有没有 AI”变成“单位任务值不值”。** Copilot token billing 争议、企业 AI 配给报道、OpenRouter 成本控制、DeepSeek 折扣、Step 3.7 Flash、SGLang/AMD、smallcode 等线索把成本治理推到前台。未来客户会问每类任务的成功率、失败率、人工接管、现金成本和复测机制。

3. **交付形态从文本迁移到 artifact。** `open-design`、`html-anything`、`open-slide`、`guizang-ppt-skill`、`GordenPPTSkill`、`guizang-social-card-skill`、`graphify`、`beautiful-html-templates` 的重复出现，说明 HTML/PPT/设计稿/社媒卡片/知识图谱正在成为 Agent 的标准输出容器。企业更容易为“可审阅、可发布、可复用的产物”付费，而不是为一段回答付费。

4. **行业机会没有被模型公司吃掉，反而被基础设施层证明。** 法律、汽车、设计、安全审计、视频/工业 AI、知识图谱等方向都在变成 skill 或 workflow。通用模型升级提高了底线，但汽车销售、售后、车间、经销商运营、交付验收这些具体流程仍需要行业数据、责任链、审批、证据和本地化交付。

## 二、过去 30 天的结构性迁移

### 1. 从模型榜单迁移到 Agent Runtime

5 月上旬的核心词还是 browser harness、CubeSandbox、Mirage、codeburn、OpenRouter Pareto Code；到月底，关键词已经升级为 private MCP、Managed Agents、Zero Trust、computer use、MCP tunnels、apply_patch、spend caps、动态工作流、第三方评估。迁移的本质是：Agent 不再只是“模型 + prompt”，而是“模型 + harness + 权限 + 工具 + 状态 + 证据 + 预算 + 人工接管”。

可信度：高。主要来自一手发布与 GitHub 项目重复信号。  
关键来源：Anthropic Managed Agents / Zero Trust / containment；OpenAI private MCP / Codex computer use；Google ADK；OpenRouter apply_patch；`reports/ai-world-weekly-2026-20.md` 至 `2026-23.md`。

### 2. 从通用聊天迁移到可执行工具协议

MCP 在本月从开发者生态词变成企业连接层信号。OpenAI private MCP、Google Pay & Wallet MCP、Runway MCP、Claude MCP tunnels 说明工具协议正在承接企业 API、内网系统、多媒体工具、支付/钱包集成、文件与浏览器动作。真正的问题不再是“能不能接工具”，而是身份、权限、审计、出站连接、数据边界和失败恢复。

可信度：高。核心是一手发布。  
ABU9 含义：车企 DMS/CRM/经销商后台/售后工单系统可先做受控连接层，不急着包装成全能问答。

### 3. 从“多 Agent 表演”迁移到任务治理

本月 X 信号里反复出现一个反转：并行 Agent、Agent 办公室、虚拟员工 dashboard 很容易制造热闹，但人的审查、合并、判断仍是瓶颈。Claude Code dynamic workflows 和多子 Agent 是能力增强；Viking 提到的 orchestration tax 是边界提醒。能落地的不是“启动更多 Agent”，而是任务拆分、上下文隔离、证据汇总、质量门、回滚和人工接管。

可信度：中高。官方功能 + 一线体验互相印证。  
降权对象：拟人化多 Agent UI、只展示忙碌状态但缺证据和接管点的产品。

### 4. 从 RAG/Memory 叙事迁移到文件化真相源 + Skill + Script

本月一个很强的确定性增强是：Memory 不是流程，摘要不是事实，向量库不是万能入口。高质量 Agent 的真相源会回到普通文件、Markdown、CSV、稳定 file ID、JSON CLI、原始证据、claim 级来源和可复核日志。可确定步骤要沉淀为 skill + script，LLM 只负责模糊理解与参数转换。

可信度：高。来自多轮 X 一线经验、OpenClaw 自身实践、日报/周报反复归纳。  
关键来源：宝玉关于企业数据查询 Agent 的 X 信号；Nicolas Bustamante / meng shao 文件化真相源信号；OpenClaw Wiki/Memory 实践。

### 5. 从模型选择迁移到后台路由

Lovable / LangChain / OpenRouter / Copilot 计费等信号指向同一件事：用户不该为模型供应链复杂度买单。未来 AI 应用层要把模型选择、prompt 适配、工具暴露、重试、验证、成本上限和回退策略放到后台。企业客户真正买的是任务结果与成本边界，不是模型菜单。

可信度：中高。方向清晰，具体模型成本和 benchmark 需按任务实测。  
OpenClaw 含义：建立任务级 cost ledger 和 model routing，不以“接入更多模型”作为价值表述。

### 6. 从纯数字世界迁移到视频、工业与汽车现场

NVIDIA Metropolis Blueprint、Mistral 收购 Emmi AI、Qwen-VLA、Gemini world models 访谈、Tesla FSD 案例、OpenAI Robotics 招聘、汽车 skills 等信号说明物理世界 AI 重新升温。但这一线索必须拆开：NVIDIA/Mistral/Qwen 官方发布可信度较高；Tesla FSD 长途零干预、OpenAI Robotics 产品边界、xAI 训练栈等仍需核实。

可信度：中。方向重要，但成熟度和商业可落地性差异大。  
ABU9 含义：先从视频即知识库、车间质检、培训摘要、展厅内容生成、售后工单复盘切入，不把自动驾驶/机器人当短期交付承诺。

## 三、确定性增强的判断

1. **Agent Runtime 是本月最高确定性方向。**  
证据密度最高，来源覆盖 OpenAI、Anthropic、Google、OpenRouter、Runway、GitHub 项目和 X 一线实践。值得继续投入。

2. **MCP/工具协议会成为企业连接层。**  
private MCP、MCP tunnels、Pay & Wallet MCP、Runway MCP 说明协议层开始进入业务系统。确定性增强，但企业级身份、权限、审计仍是产品差异点。

3. **Artifact 是企业 AI 近期最容易变现的交付形态。**  
HTML/PPT/图文/图表/知识图谱项目持续出现，和 ABU9 售前、培训、汇报、车间看板高度贴合。确定性增强。

4. **成本治理会变成 AI 项目成败门槛。**  
Copilot token billing、企业配给、OpenRouter spend caps、低成本模型与任务路由共同强化。确定性增强。

5. **安全与审计要前置到执行链路。**  
Zero Trust、containment、workspace policy、TrapDoor 传闻、PromptArmor Copilot Cowork 案例共同说明 Agent 指令文件、MCP、浏览器、文件、凭据都是攻击面。确定性增强。

6. **行业 Skill 包比泛 RAG 更接近产品化。**  
法律、汽车、设计、PPT、社媒卡片、安全审计都在 skill 化。ABU9 应把行业流程拆成可安装、可复核、可版本化的能力包。

## 四、减弱或被证伪的判断

1. **“只要模型更强，企业文档/RAG 自然会好”减弱。**  
ParseBench 文档理解信号、企业文档失败经验、Agentic Search 讨论都说明 ingestion、解析、表格/图表结构、证据定位和评测仍是硬问题。

2. **“Memory 写多一点就能让 Agent 稳定”减弱。**  
一线经验显示 memory 是背景，不是流程；过度摘要可能损害可靠性。稳定执行需要 script、skill、结构化数据和原始证据。

3. **“多 Agent 越多越强”减弱。**  
并行执行容易，吸收结果、审查、合并、定位失败很贵。多 Agent 应用于低耦合、可验证任务，不应成为 KPI。

4. **“通用问答产品仍有大空间”减弱。**  
Google 搜索入口 AI 化、平台默认入口增强会压缩独立通用答案引擎空间。应用层必须绑定私有数据、行业流程和可执行动作。

5. **“高 star 等于趋势”被反复证伪。**  
GitHub 新仓榜被灰产、代理、金融 bot、web2api、描述缺失项目污染。必须默认做 README、license、commit、issue、用途风险复核。

6. **“AI 替代岗位”的粗暴叙事减弱。**  
更可信的变化是任务软件化、专家周期压缩、组织流程重构和审查责任上移，而不是无边界自动替代。

## 五、值得下注的方向

### 1. 企业 Agent Runtime 六件套

下注等级：高  
内容：private MCP / browser harness、sandbox、权限审批、trace 证据、成本账本、质量门。  
为什么：这是 OpenAI、Anthropic、Google、OpenRouter、Runway 信号的交汇点，也是企业敢不敢放权的核心。  
对 OpenClaw：把六件套产品化，所有敏感任务默认有证据、审批、预算、失败恢复。  
关键来源：Anthropic Managed Agents / Zero Trust / containment；OpenAI private MCP / Codex；OpenRouter apply_patch / spend caps；Google ADK。

### 2. 汽车行业 Skill 包

下注等级：高  
内容：售前方案、门店营销图文、售后工单复盘、车间日报/看板、交付验收审计、故障诊断、法规/功能安全审查。  
为什么：ABU9 有行业积累，外部也已有 `automotive-skills-suite` 样板；行业 skill 比泛聊天更容易复用和收费。  
关键来源：https://github.com/jherrodthomas/automotive-skills-suite

### 3. HTML/PPT/图文 Artifact Pipeline

下注等级：高  
内容：HTML 报告、PPTX 客户汇报、社媒卡片、车间看板、培训材料、知识图谱。  
为什么：客户能看、能改、能验收、能传播；是 AI 从对话走向交付的最短路径。  
关键项目：`nexu-io/html-anything`、`GordenSun/GordenPPTSkill`、`op7418/guizang-social-card-skill`、`nexu-io/open-design`、`safishamsi/graphify`。

### 4. 成本驾驶舱与模型路由

下注等级：高  
内容：任务、模型、token、现金成本、工具调用、运行时长、失败重试、人工修改量、产物链接、成功率。  
为什么：成本会从后台账单变成企业 AI 采购的前台指标。  
关键来源：Copilot token billing、OpenRouter spend caps、Clawdmeter/codeburn、DeepSeek 折扣、Step 3.7 Flash、smallcode。

### 5. 浏览器 / 桌面 / IM 执行面

下注等级：中高  
内容：可审计浏览器 Agent、Windows computer use、飞书/企微入口、移动端任务审批。  
为什么：大量企业系统没有干净 API，浏览器和 IM 是现实执行面。  
注意：必须绑定截图证据、权限、失败回放和人工接管，否则风险高。

### 6. 视频即知识库 / 现场数据 Agent

下注等级：中  
内容：展厅视频、车间作业视频、培训录像、质检片段、门店行为摘要。  
为什么：汽车数字化与真实运营现场强相关；NVIDIA/Google/Qwen/Mistral 信号增强。  
注意：先做只读检索、摘要、证据片段，不承诺自动控制物理设备。

## 六、应降权或放弃的方向

1. **纯 Prompt 库。** 除非升级为可执行 skill、脚本、测试、验收和版本控制，否则不作为长期资产。

2. **拟人化 Agent 办公室 UI。** 没有任务证据、成本、失败原因和接管点的 dashboard，应降权。

3. **通用问答 / 通用搜索壳。** 平台默认入口会挤压这类产品，除非绑定私有上下文和动作闭环。

4. **神秘模型、融资、未公开 benchmark。** 只进入观察层，不驱动产品路线或客户承诺。

5. **高 star 低信息仓库。** `odysseus`、`NemoClaw`、`pi-dynamic-workflows`、web2api、代理/IP 扫描、金融 bot 等默认待核实或噪音降权。

6. **无成本边界的自动化。** 不记录 token、现金成本、失败率和人工接管的 Agent 项目，不应扩大试点。

## 七、长期跟踪清单

### 项目

| 项目 | 方向 | 可信度 | 影响等级 | 跟踪理由 |
|---|---|---:|---:|---|
| Anthropic Managed Agents / Zero Trust / containment | Agent runtime / 安全 | 高 | 高 | 一手工程信号，直接定义企业 Agent 权限、沙箱、质量门 |
| OpenAI private MCP / Codex computer use | 企业连接 / 浏览器桌面执行 | 高 | 高 | 私有系统连接与端到端执行面 |
| OpenRouter apply_patch / spend caps | 工具语义 / 成本治理 | 高 | 高 | Agent 工具调用与预算控制基础设施 |
| Google ADK / Agents API / Pay Wallet MCP | Agent 平台 / MCP | 高 | 中高 | 企业连接和移动/Android 入口 |
| Runway MCP | 多媒体工具协议 | 高 | 中 | 多媒体创作进入 Agent 工具链 |
| strukto-ai/mirage | VFS / workspace | 中高 | 高 | Agent 状态、回滚、审计和文件隔离 |
| browser-use/browser-harness | 浏览器 Agent | 中高 | 高 | 企业遗留系统自动化基础组件 |
| TencentCloud/CubeSandbox | 沙箱 | 中高 | 中高 | 私有化/隔离参考 |
| getagentseal/codeburn / Clawdmeter | 成本观测 | 中高 | 高 | 任务级成本管理样板 |
| nexu-io/html-anything | HTML artifact | 中高 | 高 | HTML 作为交付容器 |
| GordenSun/GordenPPTSkill / guizang-ppt-skill | PPT artifact | 中高 | 高 | ABU9 售前和汇报强相关 |
| op7418/guizang-social-card-skill | 社媒卡片 skill | 中高 | 中高 | 门店运营、活动图文、车主运营可迁移 |
| jherrodthomas/automotive-skills-suite | 汽车行业 skill | 中高 | 高 | ABU9 强相关，需复核内容和 license |
| vercel-labs/zerolang | Agent-native DSL | 中 | 中高 | 方向重要，但生态和 runtime 边界待验证 |
| safishamsi/graphify / Understand-Anything | 知识图谱 / 代码理解 | 中 | 中高 | 交付审计、遗留系统理解有价值 |
| NVIDIA Metropolis Blueprint | 视频即知识库 | 高 | 中高 | 一手产品信号，适合展厅/车间/培训观察 |

### 公司 / 组织 / 人物

| 对象 | 类型 | 可信度 | 影响等级 | 跟踪理由 |
|---|---|---:|---:|---|
| Anthropic / Claude Code 团队 | 一手发布 | 高 | 高 | Agent 工程化、安全、质量复盘最密集 |
| OpenAI / Codex / Greg Brockman / Sam Altman | 一手发布 + X | 中高 | 高 | private MCP、computer use、Robotics、评估框架 |
| Google AI Developers / Gemini / ADK | 一手发布 | 高 | 高 | Agent API、Android、MCP、world models |
| OpenRouter | 一手发布 | 高 | 高 | 模型路由、工具语义、成本控制 |
| LangChain / Harrison Chase | 一手发布 + 产品观点 | 中高 | 中高 | harness profiles、低成本模型适配 |
| Jerry Liu / LlamaIndex | benchmark + 观点 | 中高 | 中高 | 文档理解、Agentic Search、企业 RAG 边界 |
| meng shao / Nicolas Bustamante | X 一线实践 | 中高 | 中高 | 文件化真相源、生产级 harness |
| 宝玉 / dotey | X 一线实践 | 高 | 中高 | Skill + Script、成本治理、企业数据查询 |
| Viking / Review Forge | X 一线实践 | 高 | 中高 | AI coding review 前置 |
| Gary Marcus | 批判观点 | 中 | 中 | 成本、ROI、scaling 风险的反泡沫校验器 |
| NVIDIA AI | 一手发布 | 高 | 中高 | 视频、工业 AI、垂直 Agent |
| Mistral | 一手发布 | 高 | 中 | 工业 AI / Search Toolkit |
| Qwen / Alibaba Cloud | 一手发布 | 高 | 中高 | VLA、企业合作、中文生态 |

## 八、可信度分层样例

### 一手发布

- Anthropic Managed Agents / Zero Trust / containment / Claude Code postmortem：企业 Agent runtime、安全、质量门。  
  链接：https://www.anthropic.com/engineering/managed-agents ，https://claude.com/blog/zero-trust-for-ai-agents ，https://www.anthropic.com/engineering/how-we-contain-claude
- OpenAI private MCP / Codex computer use / 第三方评估：企业连接、浏览器桌面执行、评估框架。  
  链接：https://x.com/OpenAIDevs/status/2059703536825565499 ，https://x.com/OpenAI/status/2060428604727771421 ，https://openai.com/index/trustworthy-third-party-evaluations-foundations
- OpenRouter Series B / apply_patch / spend caps：模型路由、工具语义、成本控制。  
  链接：https://openrouter.ai/announcements/series-b ，https://x.com/OpenRouter/status/2060395056196936054
- Google Pay & Wallet Developer MCP Server / ADK：企业工具协议与 Agent 平台。  
  链接：https://developers.googleblog.com/supercharge-your-integration-workflow-with-the-google-pay-wallet-developer-mcp-server
- Runway MCP Server：多媒体创作工具进入 Agent 协议层。  
  链接：https://runwayml.com/news/mcp
- Mistral Search Toolkit / Emmi AI：企业检索与工业 AI。  
  链接：https://mistral.ai/news/search-toolkit ，https://mistral.ai/news/science-to-win-industrial-ai
- Qwen-VLA：从理解世界到行动的 VLA 方向。  
  链接：https://qwen.ai/blog?id=qwenvla

### 媒体报道

- GitHub Copilot token 计费争议：成本治理前台化。  
  链接：https://techcrunch.com/2026/05/30/what-a-joke-github-copilots-new-token-based-billing-spurs-consternation-among-devs
- 企业 AI 使用配给：token 成本接近管理问题。  
  链接：https://www.wsj.com/tech/ai/corporate-america-is-starting-to-ration-ai-as-cost-skyrockets-1eb99d7a
- DeepSeek 折扣、微软 AI 成本、软银法国 AI 投资等：作为市场温度和成本压力参考，具体数字需核验。

### X 传闻 / 待核实

- OpenAI Robotics 招聘和产品边界：方向重要，需官方页面/JD/产品说明继续核实。  
  链接：https://x.com/sama/status/2061117302528188712
- xAI 放弃 JAX GPU 转向自研 C 训练框架：需技术文章或官方信息。  
  链接：https://x.com/SemiAnalysis_/status/2060571944575963482
- Tesla FSD 零干预长途、DeepSeek IPO、GPT-5.6、DeepSeek V4 Flash、神秘模型能力：只进观察池，不进确定趋势。
- TrapDoor 供应链攻击：事件本身待核实，但 Agent 指令文件成为攻击面的方向已足够重要，应转化为 workspace policy lint。

## 九、对 ABU9 / OpenClaw / 企业 AI 的月度策略建议

### 1. ABU9：不要做“汽车 AI 平台”，先做汽车行业 Skill 包

第一版只做 5 个高频闭环：

- 售前方案 Skill：输入客户背景、车型/业务线、痛点、竞品、预算，输出 HTML/PPT 方案和风险清单。
- 门店营销图文 Skill：输入活动、车型、优惠、城市、客群，输出微信/小红书/海报卡片。
- 售后工单复盘 Skill：输入工单、维修历史、配件、客户反馈，输出复盘报告和改进建议。
- 车间日报/看板 Skill：输入派工、效率、质检、返修，输出日报、异常和管理动作。
- 交付验收审计 Skill：输入项目材料、配置、权限、日志、验收标准，输出缺口清单和证据路径。

每个 skill 必须有输入模板、输出 artifact、reviewer、失败样例、人工确认点和版本号。不要先做泛问答。

### 2. OpenClaw：把 Runtime 六件套做成默认产品能力

六件套：private MCP / browser harness、sandbox、权限审批、trace 证据、成本账本、质量门。  
本月信号足够明确：OpenClaw 的护城河不是“能接哪个模型”，而是能否稳定、安全、低成本地完成真实任务，并留下证据。

最小动作：

- 每个 cron / agent 任务记录模型、token、工具、耗时、失败重试、产物链接。
- 浏览器和外发动作默认截图/日志留证。
- 敏感操作继续保留人工审批，并抽象成 policy gate。
- 每个高频 skill 增加 outcome rubric：成功定义、失败样例、证据要求、最低验收线。

### 3. 企业 AI：从“演示效果”切到“任务账本”

客户 PoC 不再只看 demo。每个 PoC 建一张任务账本：

- 任务边界：做什么、不做什么、谁审核、错了谁负责。
- 数据边界：数据来源、权限、脱敏、保留周期。
- 成本边界：模型、token、工具调用、现金成本、人工接管。
- 质量边界：成功率、失败样本、复测日期、回滚策略。
- 交付边界：HTML/PPT/PDF/看板/系统写入的验收标准。

这会把 ABU9 从“AI 功能供应商”抬到“AI 生产系统交付方”。

### 4. 先做只读审计型 Agent，再逐步放开写操作

优先场景：代码/配置审计、交付材料审计、售后工单复盘、合同/方案一致性检查、车间异常分析、客户跟进质量复盘。  
原因：只读任务风险低、证据清楚、ROI 容易量化，能为后续自动执行建立信任。

### 5. 把 HTML/PPT artifact 设为 ABU9 标准交付容器

所有日报、周报、客户方案、培训材料、车间看板、门店活动材料，都优先用可移动端预览、可导出、可归档、可复用的 artifact 承接。  
这条线短期最容易出效果，也最容易沉淀模板资产。

### 6. 建立“传闻隔离层”

对 X 爆料、融资、神秘模型、benchmark、FSD/机器人等高冲击信息，只进入观察池。只有满足以下条件之一才升级为决策依据：

- 官方发布 / 论文 / repo / 文档。
- 第三方可复现实测。
- 与 ABU9/OpenClaw 内部小实验结果一致。
- 有明确客户需求牵引，且不需要对外承诺未验证能力。

## 十、下月跟踪问题

1. private MCP / MCP tunnels 是否开始出现企业真实部署案例？权限和审计怎么做？
2. Anthropic Managed Agents、OpenAI Codex、Google Agents API 的 runtime 能力差异是否可整理成对标表？
3. HTML/PPT artifact 项目中，哪个最适合 ABU9 售前方案最小样板？
4. `automotive-skills-suite` 能否抽出 5 个中国车企可用 skill？license 和内容质量是否可靠？
5. OpenClaw 成本账本最小版能否跑通：日报、周报、代码任务、浏览器任务各一类样本？
6. 浏览器 Agent 在 DMS/CRM/经销商后台中，哪些流程适合半自动验证？
7. Agent workspace policy lint 能否覆盖 `AGENTS.md`、`CLAUDE.md`、`.cursorrules`、MCP 配置、外发权限和依赖锁？
8. 视频即知识库能否在展厅/车间/培训任一场景做只读原型？

## 十一、本月结论

5 月 AI 世界的确定变化是：AI 正从“模型产品”变成“可治理的任务执行系统”。最值得下注的不是追每个新模型，而是围绕企业真实流程建立 Agent runtime、行业 skill、artifact pipeline、成本账本和可信证据链。

对 ABU9，正确方向是汽车行业 Skill 包 + HTML/PPT/图文 artifact + 只读审计型 Agent。  
对 OpenClaw，正确方向是 runtime 六件套 + 文件化真相源 + 成本驾驶舱 + policy gate。  
对企业 AI，正确方向是按任务建账、按证据验收、按成本扩张，而不是把传闻、榜单和 demo 当生产力。

## 十二、Wiki 沉淀记录

- 已使用 Wiki 页面：`syntheses/ai-world-current-map.md`、`syntheses/ai-agent-infra-watch.md`、`syntheses/ai-world-daily-log.md`、`syntheses/ai-x-intel-signal-log.md`。
- 已使用本地周报：`reports/ai-world-weekly-2026-20.md`、`reports/ai-world-weekly-2026-21.md`、`reports/ai-world-weekly-2026-22.md`、`reports/ai-world-weekly-2026-23.md`。
- 已使用本地日报：`reports/ai-world-daily-2026-05-10.md` 至 `reports/ai-world-daily-2026-06-01.md`。
- 本月应写回的结构化结论：Agent runtime 迁移、MCP 企业连接层、artifact pipeline、成本治理、文件化真相源、行业 skill、传闻隔离、ABU9 汽车 skill 最小闭环。
- 保存文件：`/tmp/ai-world-monthly-2026-05.md` 与 `~/clawd-private/reports/ai-world-monthly-2026-05.md`。