2026-07-07 新聞檔案

本頁保留 2026-07-07 的精選新聞。建議先看中文 5 條抓教學主題，再對照英文 5 條練習怎麼把同一則更新改寫成工程問題。

2026-07-07 每日重點

今天可先把 5 條消息分成 release 封裝、狀態／設定邊界、production agent stack 三欄，再補 source of truth。

回到今日新聞彙整

中文 5 條

  1. OpenClaw 2026.7.1-beta.2 把 GPT-5.6、attach、Telegram Codex、on-exit cron 與 scoped conversations 一次打包，適合拿來教「新能力上線時，邊界與觀測要不要一起交付」
    來源：來源（OpenClaw 官方 Release）
  2. OpenClaw 保留 preflight overflow token count 到 recovery budgeting，適合教學生把「超額預估」也視為恢復流程的一部分，而不是只在正常路徑算成本
    來源：來源（OpenClaw 官方 Commit）
  3. Hermes Agent v2026.7.1 把 Mixture-of-Agents、completion contracts 與 verification evidence 綁在同一版，提醒學生「做得更會想」和「做完要能證明」最好一起設計
    來源：來源（Hermes Agent 官方 Release）
  4. Hermes 修正 hermes --tui -m 不應把模型選擇永久寫回全域設定，這很適合教「一次性旗標」和「持久化設定」必須分清楚
    來源：來源（Hermes Agent 官方 Commit）
  5. TechCrunch：Vercel CEO 認為 production 場景應把 models 和 agents 分開看，這很適合帶學生討論 agent stack 為何不能只比模型分數
    來源：來源（TechCrunch）

English 5 Items

  1. OpenClaw 2026.7.1-beta.2 packages GPT-5.6 support, attach, Telegram Codex, on-exit cron runs, and scoped conversations into one release-level lesson about shipping new capability together with boundaries and observability
    Source：Source（OpenClaw Official Release）
  2. OpenClaw now preserves preflight overflow token counts into recovery budgeting, a compact lesson in carrying budget evidence across failure and recovery paths instead of recomputing from a cleaner story later
    Source：Source（OpenClaw Official Commit）
  3. Hermes Agent v2026.7.1 ships Mixture-of-Agents, completion contracts, and verification evidence together, making stronger reasoning and provable completion part of the same release story
    Source：Source（Hermes Agent Official Release）
  4. Hermes fixes hermes --tui -m so a one-off model choice does not persist globally, a useful example of keeping session-scoped flags separate from durable configuration
    Source：Source（Hermes Agent Official Commit）
  5. TechCrunch: Vercel CEO Guillermo Rauch argues production teams should separate models from agents, giving students a concrete way to discuss why agent stacks cannot be compared by model scores alone
    Source：Source（TechCrunch）