💬 一句话结论： 巴黎公司 endogene.bio 用一管经血就能筛查子宫内膜异位症，把一个平均要拖 7-9 年才确诊的病，推向"在家自采样"的方向。
💬 关键点： ▸ 从经血里直接分离干细胞，用癌症诊断常用的 DNA 甲基化分析来识别病变 ▸ 准确率 81%（敏感度 79%、特异度 83%），关键创新是"鲜样不培养"——避免细胞在实验室里molecular 变形 ▸ 研究发在 Nature，是这条赛道少有的高级别证据
💬 一句话结论： 全球最大食品公司下场和一家生物科技初创合作研究婴儿营养里的活性蛋白，信号是——婴儿营养正从"配方调配"走向"分子级定制"。
💬 关键点： ▸ Helaina 的首个产品 effera 是全球首个人源等同乳铁蛋白，支持铁平衡、免疫和肠道健康，生物利用度高于牛源 ▸ 雀巢拿出 30 多年母乳低聚糖（HMO）研究积累，Helaina 出精准发酵技术 ▸ 这是一笔多年期战略合作，不是一次性 PR
💬 一句话结论： 微软在 Build 上推出 Scout，是一类叫 autopilot 的新 agent——不用你每次喊它，它在后台 7×24 盯着你的活儿，还会主动提示"哪个决策卡住了"。
💬 关键点： ▸ 和现在的"对话式 agent"最大区别：不需要 prompt 触发，常驻后台理解你跨 app 的工作流后自己行动 ▸ 自带受治理的 Entra 身份（agent 有自己的"工号"），主打企业级安全可控 ▸ 官方原话：它能"发现风险，比如停滞的决策，让你在它变成阻塞前处理掉"——这是把 agent 从"执行工具"往"主动雷达"推
⚡ 这周做： 花 20 分钟想一个你现在靠人肉每周盯的"卡点清单"（项目进度、待办决策都行），用你手边的 AI 试着让它自动生成一版——体感一下"被动问答"和"主动提醒"差在哪。
💬 一句话结论： Uber 开始限制员工对 Claude Code 这类 AI 工具的使用量来控成本——这是大公司第一次把"AI 工具账单"当成需要管理的开支，而不是无限福利。
💬 关键点： ▸ 起因是这类 agent 工具按 token/任务计费，重度用户一天能烧掉惊人的额度 ▸ 信号意义大于事件本身：能力越强、越"自动跑"，成本越不可控，企业开始算账 ▸ 还没上 HN 头条（6pts），属于刚冒头的早期讨论
The New Stack 一位作者把四个主流 AI 编码 agent 连续用了六个月，写了一篇实战横评。核心不是"谁最强"，而是它们已经分化出不同人格：Claude Code 适合长任务但容易触额度上限，Codex 适合持久后台任务，Cursor 强在嵌入工作流，Antigravity 是新玩家。他的结论是大多数人不该只用一个，而是按任务类型在它们之间切换——"工具不再是选一个,而是组一套班子"。
💬 「半年下来我学到的不是哪个工具赢了，而是把它们当成一支团队、按活儿派人。」
有篇被热议的博客提出一个反直觉观察：RSS 这个 20 年前的"订阅源"技术,正在成为 AI agent 的标配输入。 原因很简单——agent 需要稳定、结构化、不被反爬的信息流来"了解世界",而 RSS 恰恰提供了干净的"标题+时间+链接"三件套,比爬网页可靠得多。这也解释了为什么越来越多产品在悄悄给自己加回 RSS 输出:不是给人看,是给 agent 喂。
💡 关键启发： 当你的产品要被 AI agent 消费时,"机器可读"会重新变成一个产品决策——母婴助手未来若要接入第三方 agent 生态,结构化输出能力就是入场券。
→ https://julienreszka.com/blog/rss-is-back-ai-agents-are-reading-it/