Anthropic、OpenAI、Google 四項更新背後嘅隱藏共同點
三間公司幾乎同時更新咗編碼代理。方向高度重合。真正嘅競爭焦點唔係模型，而係吸收開發者工作流嘅速度。
上個星期，Anthropic、OpenAI 同 Google 幾乎係同一時間推出新功能。單獨睇，每個更新都好似只係小幅改進。但如果你並排比較，會發現一個清晰嘅模式：三間公司都係做緊同一件事。
四個更新
Claude Code Remote Control
Claude Code 加入遠程控制功能，直接取代咗 tmux + Tailscale 嘅組合。
以前嘅做法：喺伺服器起 tmux session，用 Tailscale 做隧道，然後喺另一台機 SSH 入去。整個流程成本唔低，但係有需要嘅人都會去做。而家呢，終端機打 /remote-control，掃個 QR code，session 就轉到手機。
技術細節值得留意：
- Max plan 研究預覽優先開放
- QR code 掃描即時連接，唔需要另外設定 SSH
- Notebook 瞓咗（睡眠）之後自動重連，唔會斷線
- 本地檔案系統同 MCP 伺服器狀態保持不變
最後一點係關鍵。唔係單純嘅鏡像或串流，session 係真正轉移咗，context 完整保留。
對於要喺通勤途中審閱跑緊嘅 agent 任務嘅人嚟講，呢個係即時嘅工作流改變。
Claude 企業版 Cowork 擴展
企業版更新嘅重心係插件市場。管理員而家可以建立內部專用嘅插件市場，按團隊部署唔同配置。
呢個設計思路同 Salesforce AppExchange 或者 Slack App Directory 係同一個邏輯：平台掌控分發，生態系統做內容。
具體更新包括：
- 10 種新職能範本：HR、法律、財務等預設配置
- 12 個新 connector：包括 DocuSign 同 FactSet（後者係機構金融數據嘅大廠）
- Slash command 結構化輸入表單：唔再係純文字輸入，可以定義欄位同驗證
- OpenTelemetry 使用量追蹤：企業級可觀測性
- 與 Claude Agent SDK 相同嘅插件格式：開發者寫一次，兩邊用
最後一點係長遠嘅護城河。當企業開始圍繞 Claude 插件格式建內部工具，遷移成本就會急劇上升。
Codex 子代理 + Responses API WebSocket
呢兩個更新係分開發布嘅，但協同效應相當顯著。
Codex 子代理：Codex 正式加入子代理功能，可以喺任務執行期間動態呼叫其他專用 agent。
Responses API WebSocket 模式：取代舊有嘅輪詢（polling）方式，改用持久連接。實際效果：
- 20 次以上工具呼叫嘅任務提速 20–40%
- Cline 團隊測試複雜多檔案編碼場景，改善幅度約 40%
啲數字係第三方實測，唔係官方宣傳，所以可信度較高。
結合兩者睇：子代理靠協調多個 agent 完成複雜任務，WebSocket 減少每個工具呼叫嘅延遲。呢個係 OpenAI 喺基礎設施層嘅提速，影響係全線嘅。
Gemini CLI 加入 Hooks
Hooks 功能允許你喺 agent 循環嘅關鍵節點注入自訂邏輯。
時間線值得一提：Claude Code 係舊年 9 月率先引入 hooks 機制，而 Google 係 v0.26.0（上個星期）跟住嚟。
Google 嘅實作包括：
- BeforeTool hook：工具執行前觸發。官方示例係 API key 洩漏防護，設定時間「5 分鐘搞掂」
- AfterAgent hook：agent 完成後觸發，可以實現 Ralph 循環（自動觸發下一個 agent）
- 三層設定優先次序：專案層 > 用戶層 > 系統層，覆蓋邏輯清晰
用代碼控制代理循環，而唔係靠平台提供嘅 UI 設定，係一個明顯嘅設計取向：開發者優先。
真正嘅共同點
四個更新並排列出：
| 更新 | 吸收咗咩工作流 |
|---|---|
| Claude Code Remote Control | tmux + Tailscale 遠程 session 管理 |
| Cowork 插件市場 | 企業內部工具分發同部署 |
| Codex 子代理 + WebSocket | 多步驟 agent 協調同實時通信 |
| Gemini CLI Hooks | 自訂腳本攔截 agent 循環 |
模式係一致嘅：三間公司都係將「開發者已經喺度做嘅嘢」吸收入產品核心。
遠程控制唔係新概念，tmux + Tailscale 早就係 power user 嘅標配。插件市場唔係新概念，企業早就喺 Slack 同 Notion 上面見識過。Agent hooks 唔係新概念，CI/CD pipeline 嘅 pre/post hook 已經存在幾十年。
但係當呢啲做法被吸收入平台，原有嘅獨立工具就面臨替代壓力。
競爭嘅實質
AI 編碼工具嘅競爭，討論焦點往往喺模型能力：benchmark 分數、context window 大小、推理準確率。
但呢一輪更新顯示，工作流吸收力才係真正嘅護城河。模型能力可以追，但當你嘅工作流、你嘅插件格式、你嘅 hook 腳本全部都依賴某個平台，切換成本就唔再係「模型夠唔夠好」嘅問題。
Anthropic、OpenAI、Google 三間公司都睇到呢一點。所以你喺同一個星期見到三間公司幾乎做緊同一件事。
唔係巧合，係競爭對手互相觀察之後嘅收斂。
下一個被吸收嘅工作流係咩？留意各平台點樣處理 agent 狀態持久化，呢個係而家仲靠外部工具解決嘅最後一塊拼圖。
訂閱通訊
獲取關於我最新項目、文章同埋 AI 和 Web 開發實驗嘅更新。