AI 行业动态：一周大事速览（8 月 12-13 日密集发布）
DeepSeek V4-Pro 正式版转正（8月12日深夜）：MoE 架构总参数 1.6 万亿，每 token 激活 490 亿，编程智能体 DeepSWE 评分从预览版 12.8 跃升至 62.7；价格仅为 Claude Fable 5 的约 2%，8 月 17 日起引入"峰谷定价"（闲时半价）。
DeepSeek Harness v0.1 开源（8月13日）：对标 OpenAI Codex 与 Claude Code 的开源 Agent 框架（Agent = Model + Harness），MIT 协议，核心是"一切皆插件"——模型、工具、技能、沙箱、UI 均可自由替换，由前 Jane Street 量化交易员崔添翼带队。
Google DeepMind Gemini 3.7 Flash（8月13日）：距上代仅三周的精炼版，编码能力大幅跃升（FrontierCode 34.4%→43.6%），输入价格砍半至 $0.75/百万 token。
阿里 Qwen3.8-2.4T-A95B 开源（8月13日）：首次开源 Max 级旗舰，2.4 万亿参数 MoE，每 token 激活 950 亿；PaperBench 93.0 分居参评模型首位；经 Unsloth 1-bit 量化后 4.9TB 可压缩到 397GB，410GB 显存即可本地运行。
人物动态：Google DeepMind CEO Demis Hassabis 卸任，转任 DeepMind 董事长兼 Google 首席科学家（8月6日）。
趋势总结：所有厂商都在抢"Agent 能把活干完"这条赛道，同时价格战白热化——对开发者来说是"最幸福的烦恼"。
注释：MoE（Mixture of Experts，专家混合） 一种大模型架构，每次只激活部分参数，兼顾性能与效率；Agent（智能体） 指能自主规划、调用工具、多步执行完成任务的 AI。
AI 论文速览：MatrAIx —— 用 83 亿模拟用户重构 AI 产品评估
本周刷屏的一篇 arXiv 论文：MatrAIx: Simulating the World with 8.3 Billion Persona Agents（2026-08-04 发布，代码已开源）。
它讲的是什么？ 传统的 AI 产品评测，是把用户当成行为统一的"抽象平均分"，忽略了新手/专家、耐心/易放弃等真实差异。MatrAIx 提出用人口规模的数字模拟用户来测试 AI 产品：
- Persona 8B：83 亿条角色记录、1290 维人物属性，基于有向无环图（DAG）关联属性避免自相矛盾，生成逼真的"数字人物"
- Playground：四类仿真环境（问卷、AI 对话、网页浏览、多系统应用），完整记录交互轨迹，区分"任务未完成""产品故障""用户主动放弃"
- Applications：1010 项覆盖 20+ 行业的任务库，已开展 18189 次评估试验
有什么用？ 在真人测试之前，先用可复现、可控的模拟用户群做发布前压力测试，提前发现特定人群（不同语言、经验、风险偏好）的使用障碍；也能固定同一批模拟用户对比产品不同版本。
要注意：作者强调，91.5% 的行为遵循率只说明模型能"演好"角色，不能替代真人，尤其医疗、金融等高风险场景仍需真人证据。它定位是"先模拟、再面对现实"的筛查工具。
注释：Persona（人格/人物画像）这里指为模拟用户设定的性格、背景、行为倾向等属性集合。
AI 工具技巧：结构化提示词五要素
想让 AI 一次就产出你要的东西，与其啰嗦半天，不如用一套结构化提示词模板（Structured Prompt）。五个要素按顺序组织：
- 背景（Context）：一句话说明"我是什么场景/给谁用"
- 角色（Role）：明确让 AI 扮演谁，如"你是一位资深前端工程师"
- 任务（Task）：动词开头的明确指令，如"帮我审查这段代码的安全性"
- 约束（Constraints）：硬性要求，如"不要引入新依赖""控制在 200 字内"
- 输出格式（Format）：指定格式，如"用表格输出""每段配一个例子"
一个可直接复制的模板：
【背景】我要给技术公众号写一篇 800 字的 AI 工具科普。
【角色】你是一位擅长写浅显易懂科普文的科技编辑。
【任务】用大白话解释"提示词工程"是什么。
【约束】不用行话；每处专业词汇必须附注释；控制在 800 字左右。
【格式】分三段输出，第一段用生活化类比开场。
要点：约束和格式写清楚，比多写几段任务描述更有效——AI 输出的"形状"完全由这两项决定。
注释：提示词（Prompt） 就是你发给 AI 的指令文本；提示词工程（Prompt Engineering） 就是设计这些指令让 AI 稳定输出你想要的结果。
GitHub AI Skill：Karpathy 的 AI 编程四原则
近期 GitHub 上有个现象级仓库 forrestchang/andrej-karpathy-skills（GitHub 链接），总星数已超 67K。它里面没有任何代码，只有一个 CLAUDE.md 配置文件——把它放进项目里，就能约束 Claude Code 等 AI 编程助手的行为。
它做什么？作者 Andrej Karpathy（前 Tesla AI 总监、OpenAI 创始成员）观察到 LLM 编程的四大通病：不确认假设就埋头写码、过度设计、顺手改无关代码、只执行不校验。仓库把这套洞察提炼成四条原则：
- Think Before Coding（编码前思考）：不确定就停下来提问，别猜着写
- Simplicity First（简洁第一）：不写超出需求的功能，能 50 行写完就不写 200 行
- Surgical Changes（手术式修改）：只改该改的，每行改动都能追溯到你的请求
- Goal-Driven Execution（目标驱动）：给它验收标准（"完成后 X、Y、Z 应成立"），而不是操作步骤
为什么有趣？一个 Markdown 文件引爆 6 万星，说明当前 AI 编程的最大瓶颈不是"模型不够聪明"，而是缺少行为约束。安装只需两条命令：
/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills
注释：CLAUDE.md 是 Claude Code 的项目规则文件，放在项目根目录，AI 每次运行都会自动读取并遵循。
AI Agent 动态
DeepSeek Harness 刚以 MIT 协议开源，"一切皆插件"，可自由组合模型、工具与技能，对标 OpenAI Codex 与 Claude Code，本周社区热度最高。