1. How monday.com transformed its platform into an agent-first product where humans and agents collaborate

推荐理由： 这是近期很好的 AI-native product 案例。monday.com 明确承认早期做的是“AI dust”——把总结、分类之类能力撒在旧工作流表面，虽然有使用量，但没有形成持续的新行为。真正的转折是把 agent 变成平台中的一等协作者，让它直接继承 board、workflow、project context、permissions 和 governance，并参与完整业务链路。

核心要点：

  • Agent-first 不是增加一个 chat 入口，而是重构工作流。 monday.com 从“在原产品里加 AI 功能”转向让 agent 直接存在于 board 和任务流中：可以被 mention、被分配工作，并把结果继续交给下一个 agent 或人类。平台自 2026 年 5 月上线新架构后，两个月内累计超过 500 万次 agent interactions。
  • 一个典型 campaign workflow 已经变成多角色流水线：人类确定 brief → Strategist Agent 结构化需求 → Landing Page Builder 在客户环境里生成页面 → Brand Reviewer 检查品牌和法律约束 → 人类只做 publish / refine 的最终决策。这里真正重要的不是单 Agent 能力，而是 handoff、shared state 和 approval boundary。
  • monday.com 总结的关键不是模型选择，而是组织与基础设施：小团队拥有明确决策权；用户是否愿意把真实工作交给 Agent 取决于 trust、permissions、transparency、reliability；同时 backend 必须能承受 agent 对实时项目数据、历史和结构化 workflow 的高频访问。也就是说，AI-native product 的 moat 更可能来自既有 context + workflow + governance，而不是聊天界面。

2. Claude on call: How Claude Tag serves as Anthropic’s first responder for CI/CD failures

推荐理由： 这是一个很完整的 production agentic workflow：不是让 Agent 偶尔回答 CI 问题，而是把 detection → triage → investigation → mitigation → verification → postmortem → handoff 做成长期运行的事件响应系统。它也很好地展示了 memory、skills、MCP tools、subagents、schedule 和 human steering 应该怎样组合。

核心要点：

  • Anthropic 的 CI on-call Agent 在近期有 SITREP 的 incident 中都负责第一份情况报告，通常 15 分钟内给出初步分析；实际 triage 的 median 为 14 分钟，最快案例在 4 分钟内就在首份报告中指出 root cause。Agent 不是盲搜，而是由 orchestrator 并行调度 executor subagents 查询 Grafana、logs、PagerDuty、GitHub、Kubernetes 和 Slack。
  • 长期能力被编码在版本化文件，而不是只留在会话里。 standing instructions 和 bug-class investigation skills 存在 GitHub markdown 文件中；lessons.md 持续记录每次事故的 root cause、fix 和 gotcha。重复出现的经验再被提升成正式 skill，形成 incident → lesson → reusable skill 的自改进闭环。
  • 权限与责任仍然分层：deterministic alerting 和 agentic escalation 并存；Agent 可以调查、提出 mitigation、生成 PR、验证恢复，但 merge 仍要求 named human owner 和 CI gates。这个模式说明 agentic CI 的目标不是消灭 on-call，而是把人从 alert filtering、证据收集和重复排障中移到架构判断与最终授权上。