他把约 24 个失效的 Java 1.0 数学 applet 交给 coding agent 改写成 JavaScript，几小时后全部重新可用。更有意思的是 bug 账：agent 新引入了 1 个小 bug，同时找出了原代码里 2 个旧 bug；他把这叫作质量上的 “net wash”。随后，他又用约两小时完成了 1999 年因复杂度放弃的相对论可视化工具。
💬 「it managed to do so in a matter of hours, with all of my old applets now functional again」
💬 一句话结论： 它没有把家用超声包装成“妈妈自己诊断”，而是把采集端搬回家、把解释权留给医生。
💬 关键机制 / 关键事实： 用户把专用探头接到手机，由 App 引导完成标准化扫描；影像可实时由医生远程指导，也可异步上传到 clinician dashboard 判读。美国授权边界很窄：处方使用、单胎妊娠 14–38 周、用于辅助判断胎心率、医生必须解释、不能替代院内诊断超声。官网披露已完成 228,932 次 home scans，这说明它卖的不是一件孤立硬件，而是一条“处方—采集—判读—记录”的服务链。
💬 对我们的启发： 母婴硬件越接近医疗，越不能只设计“传感器 + App”。真正的产品是数据由谁采、谁解释、异常怎么升级、结果写回哪里；责任链本身就是体验。
⚡ 这周做： 用 45 分钟画一张 Pulsenmore service blueprint，只标 5 个节点：处方、设备激活、家庭采集、医生判读、异常升级；再对照我们的一个 connected device，看是否缺了“解释与升级”这一层。
💬 一句话结论： 它最值得拆的不是“AI 分析”，而是把几个月的零散症状变成医生能快速阅读的证据包。
💬 关键机制 / 关键事实： 目标用户是 35–60 岁的围绝经期与更年期女性；入口是每日记录 40+ 症状，再叠加周期、睡眠、情绪、药物和生活方式。AI 负责寻找症状模式与触发因素，并生成 doctor-ready reports；基础版免费，官方称内容由欧洲更年期相关医学组织验证，App Store 支持 36 种语言。但它仍很早期：美国区只有 1 个评分，而且 Apple 隐私标签显示部分 contact / usage / diagnostics data 可能用于 tracking——“隐私优先”的营销承诺，还需要用实际数据流证明。
💬 对我们的启发： 健康记录产品的高价值出口不是多一张趋势图，而是让用户带着结构化证据去就诊。与此同时，隐私卖点不能只写在首页，必须和 App Store disclosure、SDK、analytics 配置完全一致。
⚡ 这周做： 用 30 分钟把一个哺乳或产后高频问题的记录页，改写成一页“就诊前摘要”：时间线、严重度、诱因、已尝试措施、需要医生回答的问题；同时核对相关 SDK 是否与公开隐私文案一致。
💬 一句话结论： 相同模型、相同机器、相同任务下，Claude Code 首轮固定载荷约是 OpenCode 的 4.8 倍；“模型单价”已经不足以解释 agent 账单。
💬 关键机制 / 关键事实： Systima 用 logging proxy 截获真实 API payload：Claude Code 首轮约 32,800 tokens，OpenCode 约 6,900；其中 Claude Code 的 27 个工具 schema 占约 24,000 tokens。真实配置加入 72KB instruction file 和多个 MCP 后，首请求可到 75,000–90,817 tokens；同一任务从直接执行改成两个 subagent，累计输入从约 121k 跳到 513k（4.2×）。不过大首包不等于整任务一定更贵：Claude Code 可能并行批量调用工具，OpenCode 可能用更多轮次反复支付较小前缀。
💬 对我们的启发： 评估 agent 工作流时，要同时量四件事：固定系统载荷、工具 schema、instruction/memory、subagent 倍增。否则“模型没变，为什么突然限额”只能靠猜。
⚡ 这周做： 选一个熟悉任务，各跑一次“无 MCP / 无 subagent”和“当前完整配置”；记录首轮 tokens、总 input、tool calls、完成时间。45 分钟就能找出最贵的是模型、harness 还是我们自己的配置。
Systima 这组数据把一个常见误区拆开了：模型价格只是车票，harness、工具描述、memory、MCP 和 subagent 才是每次都要搬上车的行李。缓存会降低重复计费，却不会归还被占掉的 context，也不会消除 cache write 和 cache read。产品侧真正该追的不是单一 token 单价，而是“完成一个可验收任务”的总成本、耗时与成功率。
💡 关键启发： agent 优化的第一步不是换便宜模型，而是先量出哪些上下文和工具在每一轮被重复携带。
→ https://systima.ai/blog/claude-code-vs-opencode-token-overhead
📆 本周回顾 · 2026.07.06—2026.07.12
🔭 行业一周
AI 工具的竞争点从“能不能并行干活”转向 怎么收回岔路、怎么设门禁、怎么让任务可回看：Side Chats、conversation search、action gate、mobile remote control 都在补 agent 失控后的恢复面。
本周更值得警惕的是成本可见性。工具越来越会自动加 MCP、skills、memory 和 subagent，但用户看到的通常只有模型名；Systima 的实测说明，下一轮 agent 产品会把 payload、缓存、分支成本 做成一等可观测指标。
硬件样本从“多一个传感器”走向更清楚的任务边界：智能床先安抚再报警、乳汁检测把风险前移、婴儿监测明确 wellness 与 medical 的分界、家庭超声把判读留给医生。
软件侧也在从记录走向“下一步”：Ovia 做生命周期协作，Huckleberry 把日志变成睡眠建议，28X 把隐私写进本地架构，Menotracker 把症状压成医生可读报告。共同机会不是再造一个聊天框，而是把用户数据变成下一次可执行决策。
💡 对我们意味着什么： 下周做竞品拆解时，少数功能，多画两张图：一张数据如何变成建议，一张建议出错后谁负责、怎么升级。