上限重置、eval 爬坡与隐私清理：产品人今日必读

Codex 用量上限明日重置，背后是一次效率审计

OpenAI 的 Thibault Sottiaux 在 X 上说，Codex 团队发现了三个导致用量超限的问题：长会话中使用图片且多次 compaction 时的低效、Computer History 功能的高 p95+ 用量占用、以及一个本用于生成会话标题的功能消耗超出预期。他们组了一个 tiger team 检查所有环节，明天会带着修复上线，并且会为所有付费订阅做一次完整的用量重置。另外，他们发现了一个与这些问题无关、但能显著提升效率的新方法，下周开始推进。

编辑观察：对 AI 产品经理来说，这三点都是产品细节的真实写照：图片在长会话中的 token 开销、看似无足轻重的后台功能（标题生成）对整体预算的侵蚀。Codex 团队愿意公开承认并重置用量，是难得的透明。另一个值得玩味的是：他们发现了全新的效率提升路径，暗示我们对当前 LLM 用量的理解还远未到最优。下次你做成本优化时，别只盯着模型大小，先审计自己的 harness 和后台任务。

好 eval 是 AI 在企业落地的瓶颈，不只是评测

Box 的 CEO Aaron Levie 在 X 上说，AI 的扩散速度被好 eval 的缺乏限制到远超大多数人的认知。现有模型发布的通用评测很有帮助，但只显示了 AI 整体进步的形状和模型的相对能力。更大的空间在于对企业主要工作流，，细化到具体公司细节，，的 eval。这是一个巨大的领域，因为你无法自动化无法评估进步的东西。企业不能只凭感觉行事。

编辑观察：Levie 点出了一个关键：企业采购 AI 时，eval 不是学术任务，而是信任前提。通用 benchmark 只能告诉你模型有多强，不能告诉你它在你公司的结算流程里会不会翻车。这给了创业公司一个明确的切入点：做垂直 eval 基础设施，或者帮企业建立自己的 eval 集。对内部产品经理来说，这同样是个提醒，，如果你们还没有针对核心流程的 eval，先别急着上大模型。

用 Claude Code 一键清理第三方应用对 Google 的访问权

Peter Yang 在 X 上分享了一个隐私清理工作流：如果你关心隐私，在 Chrome 中打开 https://t.co/yICN6WAe9R（即 Google 账户的第三方访问管理页面），然后运行一个 prompt 在 Codex 或 Claude Code 里，告诉它浏览器中有一个打开的标签页，它会帮你识别并选择要移除的应用。他写道，自己刚用这方法断开了超过一半本不该再拥有其 Google 信息的应用。后续他又补充说，现在可以删除外部数据（比如他的 36 条 Gmail 记录），方法是访问特定页面并滚动到 Data Privacy。他称赞 Instinct 团队响应迅速。

编辑观察：这是一个典型的 agentic 工作流：不再是被动地自己翻设置，而是用 AI 代理主动审计并执行删除。但注意，Peter 用的 prompt 依赖浏览器中打开的标签页，这意味着 agent 需要能感知浏览器上下文。对产品经理来说，这展示了未来 AI 工具的形态，，不是人操作工具，而是工具代理人在人授权下操作数字生活。安全边界的把握很关键，Peter 明确说需要自己挑选要删除的应用，而不是全权委托。

AI 让个人实现 10 倍杠杆，但在大公司里只有 20%，，为什么呢？

Zara Zhang 在 X 上分享了一个现象：有才华的个人在独立做事时，借 AI 能实现潜力 10 倍放大；但当同一个人被放进大型组织里，潜力最多增加 20%，有时甚至下降。这就是为什么越来越多有才华的人离开大公司。唯一的例外可能是顶尖 AI 实验室，比如 OpenAI 或 Anthropic。

编辑观察：Zara 的观察解释了一个人才流动趋势。对你我而言，这暗示了大组织里的 AI 产品推进障碍，，不是说个体不行，而是组织结构、工作流和审批链路跟不上。作为产品经理，如果你在大型组织里推动 AI 项目，可能得思考如何隔离出一个独立的小团队环境，让个体杠杆不被组织惯性消解。对于创业者，这或许意味着去中心化、小团队的产品形态更有吸引力。

企业 AI 落地的下一场争夺战：workflow eval

从 Levie 的判断和 Madhu Guru 的实操建议看，eval 正在从模型评测（benchmark）转向工作流评测（workflow eval）。通用 benchmark 告诉你模型的形状，但企业决策需要知道模型在你特定流程中的表现。这对 AI 产品经理是一个明确信号：不要只依赖模型发布时的分数，要为你的产品建立专属 eval 集。

Guru 在另一篇帖子里（同样在来源中）给出了具体的方法：hill climbing on evals 的本质是选定一个维度并优化，比如基于生产数据提升关键用户旅程的质量、扩展相邻用例、降低成本或延迟。实际工作大部分落在更好的 harness 和模型选择上，包括 prompt eng、context eng、memory、post training，甚至老派的确定性代码。他还建议从失败模式分类开始，找到产品最薄弱的地方，比如工具调用失败率过高，可能是你塞了 20 个工具进 context，但实际上每个任务只需 3-5 个。

这给产品经理的启示是：eval 不是一次性的评估，而是一个持续爬坡的过程。从利用最好的模型起步，确保用户体验不错，再逐步用更小、更便宜、更快的模型去逼近同等质量，期间始终需要 eval 告诉你是否在正确的方向上。换句话说，eval 是产品迭代的指南针，而不是发布前的检查清单。

以上是 open letters 的编辑判断，不是任何单一来源的原话。

今天就能做：用 Claude Code 清理你的第三方 Google 权限

Peter Yang 分享的工作流，适合对隐私敏感、已经有点过度授权第三方应用的你。前提是你用 Chrome 浏览器，并且已登录 Google 账户。你需要一个 Codex 或 Claude Code 的环境。本质是让 AI 代理读取浏览器当前标签页的内容，再帮你操作。

我的 Chrome 浏览器中有一个标签页，打开的是 Google 账户的第三方访问权限管理页面（accounts.google.com 下）。请先读取这个标签页的内容和页面上的应用列表。然后浏览这个列表，找出那些我已经不再使用、或者授权时间很久且来源不明的应用。请列出你建议移除的应用和理由，但要保守一点，，只建议移除那些你认为确实不重要的。不要去操作真正高频使用的服务（比如在线存储、邮件客户端等）。在列表确认后，我会告诉你哪些可以移除，你再逐一执行。移除后，请报告每个操作的结果和是否成功。如果页面需要登录或验证，请停下来告诉我。

此 prompt 依赖浏览器中已打开的页面和 agent 对浏览器环境的读取能力。不是所有 Codex/Claude Code 版本都支持访问浏览器标签页内容；如果不支持，prompt 会失效。务必自己审查 AI 建议的移除清单，因为 AI 无法判断某个应用是否仍对你重要。执行前，建议手动备份关键数据，以防误删。

AI“技能”的命名学：/fuck-cancer

Peter Yang 在 X 上透露自己在做一个新的 AI skill，名字叫 /fuck-cancer。目的是帮助患者和家人导航整个治疗流程并保持信息灵通，并向关注者征求意见应该包含什么。这条帖子只有 237 次互动，但名字本身很有感染力。

这提醒我们，AI 产品的情感化命名是稀缺的。对产品经理来说，技能/工具的名字本身就是传达意图和情绪价值的方式。/fuck-cancer 比“癌症导航助手”更有力量，但要注意语境和品牌安全。如果你在垂直领域做 AI 产品，名字可以更大胆，只要不越界。