发布了开源项目 gdp-ts（Ghosts of Departed Proofs for TypeScript）。它同时是一个库、一个 linter 和一个 AI skill：敏感函数要求调用方提供「证明」，证明自己已经做过权限检查，typechecker 在编译期就会验证这些证明，避免团队和 agent 写出严重的安全 bug。他的核心观点是：这类模式在 Haskell 圈早就有了，以前因为人工 code review 和语法负担太重一直很小众。现在形势反过来了，agent 写代码的速度已经超过人能 review 的速度，而 agent 恰恰最适合在硬约束和紧凑的反馈循环里工作。
认为很多企业的 agent 落地卡在一个地方：没办法在「真实」工作环境里测试、调优 agent，比如 agent 要访问的文件、CRM、邮件等。不清楚 agent 在你自己的 evals 上表现如何，也就无法判断换模型或升级流程之后它会怎样。现在每家企业都只能一家一家自己摸索，他判断以后每个企业都会有专人负责 evals、eval 基础设施和模拟环境，这会是一个很大的赛道。
（前 Google，曾负责 Gemini、Veo、Nano Banana）也在谈 evals：团队最常犯的错，是把 evals 当成 agent 做完之后额外加的一道 QA。AI 产品本质上不一样，你的 evals 就是你的产品 spec。
发了两条和 Claude 工作方式有关的推文。第一条说，用他提到的这种方式做规划，比直接生成原始 HTML 省很多 token，因为 state machine、图表、代码片段这类常用内容，模型不必每次都重新写组件和逻辑。原推
第二条说，他最喜欢把「Claude 在云端运行、但能访问你本地文件」这种模式叫作 local hands，这个能力也会来到 Cowork。原推
反直觉观点：大模型实验室自己做的 harness 天然有多烧 token 的动机，所以创业公司做的 harness 有真实价值。他举例说 Grep 只要观察 agent 的使用情况，就能自动把烧 token 的环节换成确定性的、经过测试、可重复执行的代码。原推
他还说 AGI Science Loops 要来了，Halmos 正在为它们打造 Muse/Instinct 这样的工具。原推
（曾任职 Notion、Stripe）写了一篇很长的文章纪念 Steve Jobs。他回忆自己小时候用米色 PC，第一次看到 iMac G4 就被震撼，于是把自己的 PC 改成 Mac 的样子，由此走上界面设计这条路。他感叹 Jobs 走后科技行业陷入「不断微调、想办法让人一直刷下去」的循环，机器越来越聪明，人却越来越孤独，并希望我们多花心思把人的生活变好，而不是一心想打败人类。原推
另外他做了一个给语言学习者的小工具 ryOS Subtitles：在 Netflix 上同时显示任意两种语言的字幕，日语、中文、韩语还带发音标注，可以装成 Chrome 扩展。原推 · Chrome 扩展
发布了一个新教程，教你从零做一个 AI 语言学习 app，通过实时语音通话学日语。内容包括用他的 spec skill 做核心设计、接入 Gemini Live API 实现语音、用 Nano Banana 生成立体模型风格的插画。照着做，可以在出国前学会任意一门语言的 100 个常用短语。
说今天可能是他在 OpenAI 最棒的一天，「乐趣和强度都拉满」。原推
他还透露 Sergio 正在把协作空间直接做进 ChatGPT，而且每天都在明显进步。原推
（前 Dropbox CTO）觉得，如果能在本地运行 Muse/Dot 这台「电脑」会很有意思，比越来越封闭的 macOS 更适合当 agent 环境。原推
他还预告 Physical Intelligence 联合创始人、Berkeley 教授 Sergey Levine 会到 SPC 分享机器人如何从经验中学习。原推
简短表示美国在开源权重模型上正在追上来。