TOPIC 01
Claude Code 源码泄露：三层反蒸馏、七层记忆、隐藏功能全面曝光
昨天 Anthropic 因 NPM source map 发布失误，Claude Code 的 50 万行源码被还原（Anthropic 已确认是 human error）。社区在 24 小时内完成了疯狂分析，Python 版移植、free-code 翻译、cc-gateway 反追踪工具全出来了。
**三层反蒸馏机制：** 宝玉的深度分析揭示了 Anthropic 防竞争对手 API 蒸馏的三层防护。第一层，API 输出中掺入虚假工具调用，正常用户由服务端过滤，但批量抓取做训练就会污染模型；第二层，把中间推理文本替换为摘要加密签名，外部观察者只能看到摘要，拿不到完整推理链；第三层，Claude Code 用独立 JSON 协议格式与 API 通信，与每周 920 万次普通 API 请求统计隔离，竞品无法伪装成 CC 获取特殊待遇。
**七层记忆架构：** shao__meng 分享了 @evermind 团队 @troyhua 的解读，CC 的记忆系统从 Layer 1 工具结果持久化（超阈值落盘 + 上下文仅保留 2KB 预览）到 Layer 6 Dreaming（后台跨会话记忆整合，类比人类睡眠），层层递进。所有决策都以保护 prompt cache 为前提。
**隐藏功能：** 源码中发现未发布功能包括 next model Capybara（被要求避免过度评论）、UNDERCOVER mode（团队可秘密向公共仓库贡献代码）、Ultraplan 模式（10-30 分钟异步多 Agent 规划）、buddy 伴侣精灵（愚人节彩蛋）等。frustration detection regex（检测用户骂街后调整回复风格）成为最大 meme。
**反方观点：** 铁锤人（lxfater）认为 CC 代码泄露意义不大：底层还是模型问题，Codex 是开源的，还有 OpenCode 等参考。混淆后的 50 万行代码想还原到能运行，现在 AI 也做不到。真正值钱的是模型能力，不是框架代码。
我的看法：三层反蒸馏机制设计思路和我们在 Tanka 做 Arena 的多视角防护类似——都是在数据传输层面做手脚。但最有价值的是七层记忆架构：对于 Agent 算法工程师，Layer 1（工具结果持久化）和 Layer 3（Session Memory 分叉提取）是成本最低、效果最直接的两层。我们的多轮对话上下文膨胀问题可以直接借鉴这个思路——不一定是 7 层，但「成本最低优先」的原则是金。另外泄露出来的 Ultraplan 模式（10-30 分钟异步规划）才是 Agent 处理复杂任务的真正方向，不是什么 chat.
TOPIC 02
OpenAI 完成 1220 亿美元融资，AI 融资进入单轮千亿美元时代
OpenAI 官方宣布完成 1220 亿美元融资（史上最大单轮私募），投后估值 8520 亿美元。同时公布的业务数据：当前月收入 20 亿美元（从季度 10 亿到月 20 亿只用数月）、增速是 Google 和 Meta 同期的 4 倍、9 亿周活用户、5000 万付费订阅、搜索功能年增 3 倍、广告业务 6 周内 ARR 破 1 亿美元、企业收入占比超 40%、Codex 周活 200 万（3 个月增 5 倍）。shao__meng 补充 Anthropic 估值应该也在 4000 亿美元左右。
我的看法：1220 亿融资的核心信号不是钱多，是窗口期短——投资者在赌 AGI 时代的入场券。对 V 的意义：基础设施在加速，多 Agent 应用生态会有更大的 runway。最值得关注的是 Codex 周活 200 万、3 个月增 5 倍的数据，AI 编码工具已经进入千万级日活的赛道，在这个量级上任何一点差异化优势都会被放大。
TOPIC 03
OpenClaw 2026.3.31 发布：QQ Bot 集成、远程 MCP、Slack exec approvals
OpenClaw 发布 2026.3.31 版本，核心更新：原生 QQ Bot 集成（私聊/群聊/频道 + 媒体支持）、LINE 发送图片视频音频、后台任务流（list/show/cancel）、CJK 处理改进。预告下版本：持久化任务编排、Android 通知转发、Matrix 草稿流 + 历史记录、Slack exec approvals natively、Remote MCP over HTTP/SSE、WhatsApp 表情反应、Teams 成员信息 via Graph。NVIDIA 资助了安全加固工程，steipete 同步发布 Claw beta bits（可靠性+安全性改进+新任务系统）。
我的看法：Remote MCP over HTTP/SSE 是最实用的更新——可以把 MCP server 部署在远端，OpenClaw 直接调用，不用在本机开端口。持久化任务编排也是我一直想要的：现在的 cron 任务有时候中途断了就没了，持久化版本会有重试和状态持久化。Slack exec approvals 对团队协作场景也是利好。
TOPIC 04
Google Veo 3.1 Lite 发布，AI 视频成本直降 8 倍
Google 推出 Veo 3.1 Lite，AI 视频生成成本 $0.05/秒起。720p 起步价不到 Fast 版一半（$0.05 vs $0.15），8 秒 720p 视频仅 $0.40（Fast 版 $1.20）。支持文本/图片生成视频、720p/1080p、横竖屏、音频同步。同时 4 月 7 日起 Veo 3.1 Fast 全线降价（720p $0.10、1080p $0.15、4K $0.35）。jesselaunz 测试 Gemini Lyria 3 音乐生成，3 分钟史诗管弦乐效果尚可。
我的看法：$0.05/秒让 1 分钟视频成本降到 $3，制作一条 3 分钟短视频只要 $9。这个价格已经足够让个人和小团队大规模实验了。音视频 AI 的成本曲线和文本 token 一样在快速下降，Sora 基本上已经被挤出去了。
TOPIC 05
Harness Engineering 重新定义 AI 优先级：框架比模型重要 6 倍
Stanford & MIT 联合论文发现：同一个 LLM，只改变 harness（运行框架/工具/调用方式），性能差距可达 6 倍。dair_ai 提出 agent harnesses 作为代码设计太限制性，如果 harness 本身用自然语言写呢？langchain 发布动态 config middleware 教程展示如何运行时重塑 agent 的 model/tools/prompts。Mitchell Hashimoto 的 Harness Engineering 概念与 SDD（规范驱动开发）是放大器关系，不是替代关系。Amazon 总结四维 AI 评估框架（信任/有用性/效率/满意度），yan5xu 呼吁开源项目要包含 harness 工程。
我的看法：6 倍差距！这个结论直接重塑我们 Agent 算法的优先级。V 的 Arena 本质上就是一个 harness——多视角讨论框架就是 harness，模型是底层引擎。harness engineering 的设计理念应该系统化地融入 Arena。而且用自然语言写 harness 的方向对 V 的 Arena 很有启发：Agent 角色配置用自然语言描述，比写代码定义角色灵活得多。