周报 · 编辑摘要

本周新稿与要点：成本、硬件与用法三条线（2026-10-08 周）

RefHub 编辑 · 发布 2026-10-08 · 更新于 2026-10-08 · 约 5 分钟

这一页把最近上线的新稿集中列出，方便你一次看完本周新增；每篇都标了来源与核对日期，事实以来源页为准。

本周新增

• 给 AI 编码 Agent 记账：按客户分摊 Claude Code 与 Codex 的账单（2026） —— 一个零依赖的本地小工具读取 Claude Code 与 Codex CLI 已写的会话日志，按公开牌价算出花费，并按仓库（国外源(GitHub)）
• 选分析 Agent 的模型：8 个 LLM 实测，便宜 25 倍不等于少答 20 分（2026） —— 一家做分析 Agent 的公司自建可复跑基准，拿 8 个模型比质量与成本：业务题上 Sonnet 5.5 以 75% 正（国外源(公司博客)）
• 本地跑 1,200 亿参数与系统级 Agent 隔离：微软这波更新意味着什么（2026） —— 10 月 7 日微软与英伟达发布 RTX Spark 设备：最高 20 核 Grace CPU、6,144 核 Blac（国内源(少数派)）
• 把 AI 的记忆存成纯文本：一次查询少读一个数量级的 token（2026） —— 一个把会话历史与代码图都存成本地纯文本文件的记忆层：在 LongMemEval-S 上 GPT-4o 达 83%、Cla（国外源(GitHub)）
• 老显卡跑本地大模型：8GB 显存 2019 年显卡实测（2026） —— 一篇实测在 2019 年的 RTX 2080 SUPER（8GB 显存）上跑 LLM：0.8B 模型 324 对 247（国外源(个人博客)）
• Agent 技能库怎么用：把提示词变成可复用资产（2026） —— 技术社区里有人把 552 条视频的原始提示词连同原片对照一起公开，并整理出 400+ Agent 技能（大量免费）（国内源(V2EX)）
• 让 Agent 在后台操作 macOS：贵在哪，以及怎么把成本砍到 15%（2026） —— 用 Claude Code 后台操作 macOS 应用时，成本大头不是动作本身，而是每一步都重读整个窗口（国外源(dev.to)）
• AI 推荐的依赖可能有五分之一不存在：slopsquatting 是怎么被利用的（2026） —— USENIX Security 2025 的研究生成 57.6 万个代码样本、跨 16 个 LLM，发现 19.7% 的（国外源(dev.to)）
• 任务管理的瓶颈在「记」不在「排」：2Do 新版把录入变成一句话（2026） —— 老牌 macOS 任务管理工具 2Do 在 2026 年 8 月做了整版重构：三栏布局、原生多窗口、忙碌热力图，以及最实（国内源(少数派)）
• 会「跑」的 Markdown 笔记：Ledge 把命令和 AI 提示词放回笔记里（2026） —— Ledge 是一款可执行的 Markdown 笔记本：在代码块上按 ⌘↩，shell、SQL、代码与 AI 提示词的输出（国外源(Show HN)）
• 自己编译内核的推理引擎：Magnitude 比 llama.cpp 快在哪（2026） —— Magnitude 是一款开源自优化推理引擎：先在你这台设备上编译并调优内核，再让开源模型跑，来源称比 llama.cp（国外源(GitHub/HN)）
• 顶级模型开局、便宜模型接手：一套省八成开发成本的分工法（2026） —— 一个开发者用 7 个真实项目实测：让顶级模型负责开局与审查、便宜模型负责日常开发，一个多月约 19.4 亿 token （国内源(V2EX)）

本周要点

• 成本线：本周三篇都指向同一件事——省钱的杠杆不在单价，而在「少读、少重算、少重调」。纯文本记忆把每题 Tokens 压到约十分之一，技能库把一次调好的提示词变成可复用资产。
• 硬件线：2019 年的显卡仍能跑本地模型，前提是把显存算清、量化档位选对；这条线配合站内教程一起看更实用。
• 用法线：无论是技能、记忆还是本地推理，先跑通一条最小链路，再谈调优与替换，避免一上来就把范围开太大。

怎么用这一页

把它当成入口：先扫标题，挑一篇与你当前任务最接近的读；涉及价格与额度的判断，配合站内价格库与额度计算器一起核对。

自检清单

• 知道本页只列最近上线的新稿
• 挑一篇与你任务最接近的先读
• 价格类信息会回源核对当日

下一步：想按任务找教程，去 教程库；想比较模型与工具，去 对比。

常见问题

来源参考

• 各篇来源见其页面内「来源参考」区块（附核对日期）。