本字幕由TME AI技术生成
大家好
欢迎收听best blocks 每日早报
今天是二零二六年五月十八日
星期一
我是你们的主播
今天是ep 六十一个整述
感谢你们一路陪伴我们走到第六十期
今天我们精选了十篇内容
覆盖ai 创业
工程实战
硬件产业三条主线
三篇精讲分别是ann roropic 官方出品的创始人创业手册
一位g hb 资资工程程真实记录的十五个月llm 使用进化
以及lennis podcast 邀请一位在苹果
Meta
Open ai 都主导过硬件团队的高管给出的ai 原件初业判断
如果你是正在考虑用ai 创业的技术人
或者已经在摸索如何把ai agent 接入日常开发工作流
那今天这期应该会对你很有帮助
素览环节还有七条内容
都是近几天工程社区比较热门的话题
我们一会儿一起过
好
先来看第一篇
第一篇
创始人手册
打造ai 原生初创公司
这是anthroropic 官方博客的一篇文章
由宝玉翻译
并补充了中文读者视角的注解
发表在他的博客上
文章的核核心主张是
到了二零二六年
创始人这两个字的含义已经被彻底改写了过去
一家公司的创始人是什么人
决定了他能做什么
技术创始人写代码
非技术创始人搞业务
这条边界清晰可见
但现在
Ai 把这堵墙拆了
没有工程背景的人
文章把可以发布生产及软件
只懂写代码不懂市场的工程师也可以自己完成竞品分析
财务建模
甚至拿出一份专业的融资ppt
文章里有个词
我觉得智能体的指挥家
传统创始人是埋头苦干的员工
现在的创始人是ai 智能体的指挥家
你不再是写代码的人
你是决定做什么
为什么做的人
然后让ai 去执行
文章把创业旅程拆成四个阶段
构思 Mvp 发布
扩展
每个阶段都给出了具体的工具站和操作建议
在构思阶段
文章给了一个我觉得很有价值的警告
Ai 反而让未经验证就动手做的风险变高了
因为开发成本已经接近零
创始人很容易在没验证问题是否真实存在的情况下
就经做出了一个能跑的原型
然后他们会拿着原型说
你看
市场验证了
其实根本没有
这是一个很典型的自我欺骗路径
文章里有个说法是
一个能跑的原型不是验证的结果
它是拿去做压力测试的道具
真正的验证是用户访谈的反馈
在工具选择上
文章区分了三种cloud 使用方式
Clod chat 用于快速对话和简单任务
Cloud code 用于需要接入文件
日历
Crm 等外部系统的知识型工作
Cloud code 则是工程师用来直接在代码库理工作
智智体编程环境这它者底层层同同一个结型
在工作空间完全不同了
文章里还有一个判断非常值得记
Ai 时代的确认篇
误有了超级滤镜
如果你让ai 去验证你的点子
他一定会帮你找到支持的证据
如果你让他估算市场规模
他会给出一个让投资人看了流口水的数字
解要也在同一个工具里
就是让ai 反着来
专门去找推翻译假设的理由
用它当魔鬼代言人
而不是拉拉队
宝玉翻翻译里还补了不少中文试的的据
比如对自力更生创业种子前轮融资
事前验式推演
这些概念的解释适合国内读者直接上手阅读
如果你对ai 创业感兴趣
今天这篇是我强烈推荐精读的一手材料
第二篇是来自github 一位资深工程师的个人博客文章标题翻译过来是
二零二六年我作为资深工程师如何使用llm
这篇文章好在哪里
好在他非常诚实
而且是前后对比的结构
把一年多前的状态和现在的状态并排放在一起
让你一眼就能看出变化有多大
这位工程师一年多前也写过一篇同主题的文章
当时他用ai 做什么
主要是智能自动补全
偶尔问问不熟悉领域的问题
把一次性的研究代码当做搜索引擎用
有几件事他明确说当时不用ai 做
不让他写完整的pr
不让他写adr 这种技术文档
不用他做大型代码库的调研
现在呢
最大的变化是每一个代码改动他都先交给agent 去做
然后自己做一遍审查
不是偶尔
是每次
是默认流程
他在github 大量使用github copilot t app
每天几十个agent 绘话
在排查bug 这件事上
他的描述特别有意思
他现在把每一个bug 不管难不难
都先交给agent 去诊断
因为agent 能正确诊断百分之八十的问题
上周他碰到一个很棘手的bug
前后开了十四次agent 绘话才找到答案
你可能会觉得
十四次
这不说明agent 没用吗
他的解读正好相反
人类的价值在于那十四次绘画之间做的事情
从日志里挖上下文
构建自己的心智模型
搭建问题复现环境
告诉agent 你这个方向不对
因为x
正是这些介入
让第十四次agent 的绘话
面对的问题比第一次简单的多
这就是他说的收窄搜索空间
有几件事他至今没有改变
Pr 描述他自己写
Slack 消息他自己写
Adr 他自己写
博客他自己写
虽然每篇都会跑一遍ai 反馈来查漏补缺
他的原则是任何需要向外部读者表达这里有一个人在思考的内容
都不能外包给ai
文章结尾他给了一个总结
我觉得非常到位
当前ai 使用的核心技能是在尽量多的把工作转给agent 和不走过头之间找到那条线
很多人用不足
不让agent 排查bug
不把测试任务交出去
也有人用过头
用ai 写本该自己写的
沟通团队
信任agent 去做那些需要仔细人工审查的大改动
这篇文章的价值不在于给你一套最佳实践
而在于它是一个真实的在生产环境里工作了十五个月的工程师的第一手观察记录
不推销任何产品
不拍任何马屁
对于正在摸索如何系统引入llm 的工程师来说
这种诚实的第一人称叙述非常难得
第三篇
Ai 硬件浪潮才刚刚开始
这是linux podcast 的一期对话
嘉宾是一位在硅谷顶级硬件公司都担任过重要职位的高管
主导过苹果macbook 的硬件团队
Matter 的oririon ar 眼镜以及open ai 的机器人部门
在今天的中文脚本里
我们就称它为这位硬件高管
他在这期博客里给出了几个我觉得相当反直觉的判断
值得拿出来细说
第一个判断
关于vr 投资
过去十年
各大公司在vr 上烧了数十亿美元
消费级vr 至今仍是小众市场
很多人把这笔钱看作失败
作位硬件高管不这样看
他说
Vr 那些年真正解决的是空间感知技术难题
包括同步定位与地图构建
多摄像头深度处理等
这套技术栈今天成了机器人与物理ai 的核心底座
投资没有白费
只是回报以一种意想不到的方式到来了
第二个判断
关于硬件开发的纪律性
还有一句话很直接
软件工程师可以每天编译代码
随时发补丁
但硬件工程师整个产品生命周期里只有四到五次编译机会
每次编译意味着把设计图纸转化为物理模具
一旦进入量产就锁死了
没有远程补丁可以打
他给出了四条原则
早锁核心指标
先啃最难的问题
把测试资源集中在用户最常触碰的地方
永远给自己留工程缓冲
第三个判断
关于供应链
他点了两个风险
一个是驱动器
让机器人手臂和手指灵活运动的精密电机组件
生产能力高度集中在亚洲
西方面临结构性瓶颈
另一个是内存
超大规模数据中心正在抢购全球d ram 资源来训练大模型
消费硬件和机器人产业的内存价格正在急涨
他把这叫d ram 价格
陨石建议硬件创业公司提前预购内存配额
第四个判断
关于人形机器人的现实
专用工业机器人已经在制造流水线上近乎无人干预的运作
但人形机器人仍处于原形阶段
他认为大多数场景里
专用机器会比人形机器人更高效
最后他还谈到了离开open ai 的原因
不是对技术不满
而是对智理和国防合作边界存在分歧
觉得缺少清晰的安全护栏
完整内容在show notes 里
感兴趣的朋友可以去看原文
第
下面我们来快速过一下今天速览环节的七条内容
第四条
Mama privacy 开源项目
来自摩哒model scope 社区
这个项目提出了一个很有意思的方案
在端侧做可逆伪逆名化处理
把你的隐私私息息本
本地码码码
码后的内容发云云端处处返
返结 结果
在在地还原
将
将enagg 既能记住你的下文文的原原隐
隐私 不
不开架本测
测试下来
推理和记忆能力几乎没损
损失
这个思路值得关注
别别是对企业agi 场景来说
第五条
用ai 调试a 会
同是一个来自ai engineer 大会的视频分享
Incident io 的创始工程师分享了在复杂多提示词ai 架构如何何ai 智能体来调试
评估和持续优化化三种生产验证模式
这个个题题贴近现实
很个团
团队搭了aai 水水之之会发发现试试产产价码
这
这个团频有实战参考价值
第六条
Airi 深度解析
同样来自ai engineer 大会
Ibm 的一位ai 开发者布造师通过增量式演示拆解了智能体质ness 的核心价值
核心观点是不改ai 提示词
只靠确定性工程就能让一个a 通语语言型智能体验一来自的的产产自动文化
把不确定的ai 输出锁进确定性的工程框架里
这个思路很值得工程团队参考
第七条
为什么你的ai 用户体验是破碎的
这锅不再模型对位
来自ably 的工程师研究了四十家公司的生产案例
指出问题根源在于基于sse 的ai 流式传输
在断线重连
多端同步等场景下
有三个结构性失效点
他提出的解法是持久绘画架构
让ai 对话状态变得可靠
可恢复
多端可同步
对于在做ai 产品的工程师
这个视频的实际参考价值很高
第八条
超越代码覆盖率
用play right 重塑ai 时代的测试闭环
这位来自微软和github 的开发者布道师指出了一个很现实的问题
Ai 生成的单元测试在自我印证测试和代码出自同一个ai
测试当然能通过
但这并不意味着工功是是对的
他演示了如何用play right 端到端浏览器测试配合github coilt 命令行工具
重新建立真正的红绿重构循环
让测试回归它本来的意义
第九条
Ai 需要大踏步走进业务现场
以企业微信为例
这篇来自流言蜚语的文章核心观点是
Ai 产品做的好不好
不看它多厉害
看它有没有深入业务流程
像写周报
起草邮件这种辅助性功能只是表面
看正有价值的ai 是融入业务流
让用户根本感知不到ai 的存在
它就在那里默默帮你完成事情
嗯 第十条
复盘十六个兼zai 创业团队
这篇来自白鲸出海
盘点了十六个由z 时代创始人创立的ai 创业项目
涵盖社交
健康
学习和行业重塑四个方向
共同特点是场景洞察准
执行速度快
已经获得百万美元级别的融资
这代年轻创业者和ai 一起长大
他们对用户场景的理解方式和上一代完全不同
最后是三条补充阅读
今天我们全部放在双tos 里
感兴趣的朋友可以点进去看
第一条
Llm 评估不能全靠感觉
这篇文章介绍了一个生产级llm 评估系统把忠实度拆解成归因信号和具体性信号两个维度
构建了一个能发现单一分数掩盖的自信幻觉问题的决策层
对在做ai 产品评估的工程师有实用价值
第二条
企业无人建模的风险
这个标题听起来很绕
但核心论点很尖锐
Ai 自动化了很多入门级岗位
但这些岗位正是培养未来评估ai
训练ai 的领域专家的地方
由ai 取代人
同时也破坏了自己改进所依赖的专家培培管道
这是一个值得认真对待的长期风险
第三条
掌握cloud code 四阶段工作流
这是anthropc 官方出品的演示视频
首把手展示如何用探索
规划 编编
提交四个阶段来使用clode code
从源头避免来回纠错
大幅提升开发效率感
好配
配合今天第一篇精讲内容
一起看好今天的ap 六零就到这里
这期三篇精讲
Anthropic 的创始人手册讲的是创业视角的转变
Github 工程师的文章讲的是开发工作流的进化
硬件高管的播客讲的是物理ai 产业链的现实约束
三个层面
三种视角
但背后都是同一件事
Ai 正在重构每一个职业角色的工作方式
感谢你收听best blocks 每日早报
我们明天见
如果你觉得今天的内容对你有帮助
欢迎把节目分享给身边的朋友
让更多人一起发现好内容