开发工具

UI SDK 把 Select 拆成弹层、选择和键入跳转，让 Agent 拼组件而不是抄模板；另一半是 createAgent 桥，让 Agent 读组件状态、直接调动作，不用截图猜坐标。基准好看，但只有一个任务、三次运行。

用自己已有的 Claude Code、Codex 账号，同时跑多个 agent，每个任务一个 worktree。讲清楚隔离、调度、远程执行、手机接管怎么配合，以及两笔容易被忽略的账：订阅限额与条款，还有编排与验收的隐性成本。

阿里内部用了两年的 AI 评审助手开源。核心不是更强的模型，而是把选文件、打包、配规则、定位置交给确定性代码，模型只负责读和判断。附 AACR-Bench 基准的读法，以及为什么它刻意牺牲 Recall。

谷歌上线的决策模型 gemini-decision-1：不写字只打分，一次请求最多 1000 个问题，每百万输入 token 0.10 美元、输出免费。本文拆解它的三种问法、价格与延迟口径，以及小团队能怎么用。