本字幕由TME AI技术生成
嘿 大家好
我是基六
今天是二零二六年四月三号
星期五
今天这期内容比较丰富
有几件大事值得好好聊一聊
Cursor 发布了三点零版本
这是转向了以智能体为核心的开发环境
Google 发布了键m 四开源模型
文质朴也各自拿出了新东西
不过比产品界布更让我感兴趣的是两个关于怎么用好智能体的深度讨论
一个是cusimon
Willison 在linuis podcast 里聊到的暗工厂模式
一个是bagda
Bo kler 在martin flower 博客上发的约束工程
这两篇其实在回答同一个问题
就是当ai 智能体越来越能干的时候
我们人类到底该做什么
先从产品开始聊聊cursor 三bk tag 零
Cursor 在四月二号发布了三点零版本
这次更新比较彻底
不是功能加几个按钮那种小改
而是从底层界面到交互逻辑都重新设计了
最核心的变化是引入了一个叫智能体窗口的东西
你可以把它理解为一个专门用来管理ai 智能体的工作台
一个在cursor 里跟ai 模话
基本上是一个聊天窗口
做所有事情
现在不一样了
你可以同时开好几个智能体
每个智能体在不同的代码仓库
不同的环境里工作
可以是本地的
也可以是云端的
甚至可以通过远程ssa 只连到服务器上
而且所有的智能体
不管你是从桌面客户端输出最素最后通过slack 和gthup 启动的
都会出现在同一个侧边栏里统一管理
有两个新命令值得说一下
一个是worktree
这个命令会用gate worwork tree 给你创建一个隔离的工作副本
智能体在里面改代码不会影响你正在用的主分支
另一个叫best of n
你可以用同一个任务同时跑好几个不同的模型
每个模型各自在隔离的work tree 里工作
最后你来对比哪个模型的输出最好
最有一个新功能叫设计模式
你可以在内置浏览器里直接标注和圈选界面元素
然后让智能体针对你圈的部分去修改
不用在费劲描述你指的是页面上哪个按钮了
Bk tag 零
Cursior ate ter 叫设计
其实解决了一个很实际的痛电
我自己在在用cloud code 时候也经常遇到
就是你想同时推进几个不相关的任务
但上下文一混就乱了
Cursor 三把每个智能体的环境完全隔离开
让并行工作真正成为可能
不过有一些事情值得关注
社区反馈里提到了一些问题
比如定价模式变了
之前是每月固定五百次快速响应
现在改成了二十美元的额度制
实际可用次数大概减少到了两百多次
高强度使用的月份账单可能超出预算
还有稳定性方面
三月份出过一个代码回滚的问题
Cursor 在某些情况下会把用户改过的代码悄悄还原了
团队已经确认修复了
但确实让一些人受了影响
总的来看
三代表了cursa i 编辑器器代码码全全向智智体体协作的方向
科r 自己也说
有了模型
产品和运行时这三个基础
接下来会构建更自主的智能
体现到代码库能够自我驱动
能不能用好
取决于你的工作流是不是已经准备好了同时管理多个智能体现在话题
聊一个最近让我想了很多的访谈
Scm
Wilson Son
江g 框架的共同创建者
最近在lennis pardcast 上做了一次很长的分享
话题涵盖了ai 编程的现状和未来
Bktaga 零
他提出了一个观点
说二零二五年十一月是ai 编程的一个拐点
当时gpt 五点一和cloud open 四点六这两个模型相继发布
他说虽然这两个模型跟前代相比只是渐进式的能升
但刚好跨过了一个关键的门槛
以前你让ai 写代码
大部分时候能用
但你得全神贯注的盯着
过了这个拐点之后
他在绝大部分时间都能按你的意图完成任式
这个看似微小的差别实际上彻底改变了工作方式
他把现在的ai 编程分成了两种模式
但你叫氛围编程
就是你不看代码
完全凭感觉跟ai 对话
做出来东西能用能用
但种方式非常常适的程程序
当任
任何人都能快速搞出一个工工具来解决自己的问题
Wilson 说他很喜欢这种技术的民主化
但他的局限也很明显
但自己用的东西出点bug 个没关系
但如果你是给别人做产品
不看代码不负责任的方式可能会造成伤害
另一种模式叫智能体工程
这是面向专业开发者的
你不是简单的让ai 写几行代码
而是编排一整套流程
包括编写
调试 测试
Willison 想让智能体开发出能能一百万用户使用的生产产软件件
然然需要后的工工程程件和对系统运作方式的理解
离ktad 零最有意思的是他聊到的暗工厂模式
这个概念来自制造业
如果一个工厂完全自动化
不需要人在场
你就可以把灯关掉
机器在黑件中继续运转
在软件开发里
这意味着没有人写代码
甚至没有人读代码
他举了一个实际的例子
Strong dm 这家做访问管理安全软件的公司只有三个工程师
如年七月启动了一个叫软件工厂的项目
定了两条基本规则
代码不能由人类编写
代码也不能由人类审查
三个月之后
到去年十月就有了可用的成果
你可能会想
做安全软件不读代码怎么保证质量
他们的做法很聪明
建了一整套数字孪生环境
把oktaa
Jera Slack
G
Google 全家桶这些工具的工作副本都搭了出来
然后每小时跑成千上万个测试场景
质量不再依赖人工审查每一行代码
而是通过大规模的自动化模拟来保障
Strong dm 的cto 还给了一个量化的建议
他说现在每个工程师每月至少应该花一千美元在ai token 上
这个数字让你感受一下企业对这件事的投入力度
有意思的是
斯坦福法学院今年二月专门发了一篇论文讨论这个模式
标题叫由智能体构建
由智能体测试
那谁来信任
直接质疑的就是当创建和测试都由ai 完成时
责任和信任该怎么建立
威德森也聊到了开发者在这个时代怎么定位自己
他说资深工程师会因为ai 变得更有价值
因为他们有二十多年的经验
可以指挥多个智能体写作
但他坦言这非常耗费精力
他自己到上午十一点就精疲力竭了
因为大脑要同时维持好几一个问题的上下文
对于初级开发者来说反而还好
Ai 降低了入职门槛
最危险的是中间层
他们既没有足够的经验去驾驭复杂的智能体流程
也失去了新手那种爆发式增长红利
他还聊到了安全问题
他提出了一个提示词
注入了致命三要素
当一个智能体同时能接触私密信息
接受到恶意指令
又有向外发送信息的能力时
灾难就可能发生
而应用了挑战者号航天飞机的教训
说我们现在正处于异常正常化阶段
大家都在构建不够安全的智能体
目前没出大事
所以觉得没问题
但只要其中一条路径没有切断
系统就是不安全的
而现在的过滤词防御只能达到百分之九十七的有效性
在安全领域
这意味着不及格
这些观点让我挺触动的
特别是暗工厂模式和安全风险之间的张力
一方面我们在追求更高的自动化
另一方面
安全防护还远远没有跟上
Bk tag 零说到怎么让智能体靠谱
接下来这篇文章正好给出了一个系统性的框架
Bigtablk ler 是softwkks 解除工程师
有超过二十年的软件开发经验
他在martin follow 的博客上发了一篇关于约束工程的文章
提出了一个简洁的公式
智能体等于模型加约束
约束这个词听起来可能有点抽象
其实很好理解
Ai 模型本身就像一个能力很强但没有经验的新人
他什么都能做
但不一定知道你的项目里什么该做什么不该做
约束就是你给它设定的规则和反馈机制
确保它的输出符合你的预期
他把约束分成了两个方向
一个叫引导
是在智能体行动之前给它方向
比如你写一份项目规范文档
告诉智能体这个项目的架构是什么样的
有哪些编码规范要遵守
接口文档长什么样
这些都是在他动手之前就给好的指南
另一个叫传感器
是在智能体行动之后检查它的输出
比如代码检查工具发现了风格问题
类型检查器发现了类型不匹配
甚至可以用另一个ai 来做代码评审
关键是传感器发现问题之后不是只报错
而是会把信息反馈给智能体
让他自己修正的
这两个方向又各自分成两种类型
计算型的像代码检查器和类型检查这些
速度快
结果确定
跑一次几毫秒就出结果
成本几乎为零
推理型的
比如用另一个大模型来审查
机制每度慢一些
成本高一些
结果也不是百分之百确定的
但能做更深层的语义判断
比如检查代码逻辑是不是真的对了
而不仅仅是格式对不对
Bk tag
零这篇文章最打动我的一个观点是
他说人类开发者的角色正在从写代码变成引导智能体
我们的工作不再是一行一行的敲代码
而是把自己的经验和直觉变成可执行的规则和检查机制
每次智能体犯了一个错误
你就把这个经验固化成一条新的约束
下次它就不会再犯
这个过程它叫引导循环
他还提到了一个叫约束性的概念
就是说不是每个代码库都同样适合被智能体约束
用强类型语言写的项目
天然就有类型检查
这个传感器模块边界清的架构也更容易设定规则
相比之下
那些技术债务多
结构混乱的老项目恰恰最需要约束
但也最难建立约束
这个理论不是空谈
已经有很多实际案例在验证它了
兰兰庆团队有一个很有说服力的数据
他们的deep agents 编程智能体在terminal bench 二点零这个排行榜上从第三十名跳到了前五名
而他们没有换模型
只改了约束
也就是说
智能的上限不变
但围绕他的脚手架变好了
输出质量就有了质的飞跃
Open ai 的codex 团队更激进
他们只有三个工程师
用智能体写了超过一百万行代码
合并了一千五百个pr
没有一行是人手打的
工程师的工作完全变成了设计环境
定义意图和建立反馈循环
Strap 的编程智能体项目叫minius
现在每周能产出一千三百多个pr
同样是零人类编写
全部由人类审查
有人专门写了一篇分析文章
标题就叫围墙比模型更重要
精准的概括了这个趋势
这些案例给了我一个很清晰的判段
二零二五年证明了智能体能写代码
二零二六年正在证明约束才是真正困难的部分
与其纠结用哪个模型
不如把精力花在怎么建立一套好的约束系统上
这才是人类开发者在ai 时代最核心的竞争力
而接下来过一下今天剩下的几条内容
每一条都值得关注
先说模型方面的新架构
Google 发布了解码四系列开源模型
一共有四个版本
覆盖从手机到服务器的各种场景
最小的两个叫e 二b 和e 四b
参数量只有二十亿和四十亿
是专门为手机和物联网设备设计的
他们用了一种叫逐层嵌入的新架构
简单说就是让模型的每一层都能针对性的调整输入信号
在同等大小下挤出更多智能
最大的是三百一十亿参数的稠密模型
在r rena ai 排行榜上排到了第三名
这个成绩超过了很多参数量大好几倍的专有模型
全系列都支持文本
图像和音频输入
上下文窗口最长二十五万六千个token
而且原生支持函数调用和结构jason 输出
这意味着直接就能用在智能体工作流里
最关键的是
这次google 听取了社区的反馈
从之前的限制性许可换成了patch 二点零
开发者可以完全自由的商业使用
这对想在本地或者边缘设备上跑模型的团队来说
是一个值得认真考虑的选项
是着是q 问三点六plus 阿个巴巴通易实验室的最新更新
这次的重点不是刷榜单
而是提升编码智能体在真实场景里的可靠性
具体来说就是在前端代码生成
Bug 修复和保端自动化这些日常开发任务中
让ai 的表现更稳定
更少出错
它默认支持一百万的超长上下文
这个容量足够把一个中大型项目的代码库全部放进去分析
还有一个新功能叫preserve thinking
在多轮对话中保留之前的思考过程
这样智能体在做长时间任务的时候
前后决策会更一致
不会走着走着忘了之前想的是什么
他已经适配了cloud code
Open en od
Ooen code 等主流编程工具
想试的话通过阿里云百练api 就能用上
然后是美团发布的long cat next
这个项目在技术路线上比较独特
值得多说几句
传统的多模态模型通常是把文本
图像
声音用不同的编码器分别处理
然后在某个阶段拼接到一起
Long cat next 走了一条不同的路
它用一种为离散原生自回归的模式
跟图像和声音都变成和文字一样的离散token
让三种信号在同一个空间里被统一处理
这个思路的好处是理解和生成可以在同一个框架里完成
而且研究结果显示
两者之间还能互相促进
跟市数量六百八十五亿
但实际激活的只有三十亿
推理效率很高
它在细粒度视觉理解
图像生成和多方言音频处理上都达到了专用模型的水平
质朴也发布了glm 五v turbo
一个专门为视觉编程设计的模型
跟市面上很多号称支持多模态的模型不同
跟lm 五v turbo 从预训练阶段就把视觉和编程两种能力深度融合了
不是后期加一个视觉模块拼上去的
所以他能直接看懂设计稿
截图和网页界面
然后生成可运行的代码
实现从设计到代码的直接跨越
更有意思的是
他支持画框
截图
读网页这些原生的视觉工具调用
让ai 智能体能像人一样看见屏幕上的内容
然后决定下一步做什么
它通过三十多项任务的协同强化学习来保持各项能力的平衡
上下文窗口
二十万token 已经适配了cloud code 和auto code 等主流框架
Launchin 发布了一份关于开源模型能力的评估报告
结论很值得关注
他们用自己开发的deep agents 测试框架做了一轮系统评测
发现开源模型已经在基础智能体任务上追平了闭源前沿模型
特别是glm 五和mimaxm 二点七
在工具使用
文件操作和指令遵循这些核心智能体能力上
已经不输cloud ops 和gpt 五点四
而且部署在basstand 或grouck 这样的优化基础设施上时
成本只有闭源模型的八分之一到十分之一
速度也明显更快
这意味着对很多实际项目来说
开源模型已经不只是一个能跑的替代品
而是一个在成本效率上有明显优势的务实选择了
Google 还发了一份使用skills 构建adk 智能体的开发者指南
Adk 是google 的智能体开发工具包
这份指南的核心思路叫渐进式披露
替代了传统的把所有信息塞进一个系统提示词的做法
它把智能体的知识分成三层
第一层是原数据
很小
启动时就加载
第二层是工作指令
按需加载
第三层是深度参考资料
只在用到的时候才拉进来
据称这种分层方式可以减少百分之九十的token 消耗
对于需要处理大量领域知识的智能体来说尤其实用
指南里还介绍了四种实现模式
从最简单的内联技能到最高级的技能工厂
后者甚至允许智能体在运行时自己生成新的技能
最后一条是个稍微不一样的话题
Word 联合创始人alex
布莱mia 做客i 十六z 的节目
聊到了在ai 时代怎么证明你是一个真人
他认为传统的身份验证方式
不管是验证码还是政府id
在面对能够模拟数字行为的ai 时都已经不够用了
他们的解决方案是用一种叫ob 的硬件设备做虹膜识别
因为话膜有足够高的数学商来保证全球唯一性
同时结合多方计算和零知识证明
在证明你是真人的同时不暴露任何个人信息
他还提到了一个值得深思的风险
Ai 不仅能冒充人类
还可能通过操纵情绪来影响人的判断
在没有可靠身份验证的情况下
创作者
经济和民主体系都可能面临冲击
这个话题在ai 生成内容越来越多的今天变得越来越现实
好
今天信息量不小
如果只听一条的话
我最推荐same willison 在linuis podcast 上的那期访谈
不管你是资深开发者还是刚开始接触ai 编程
都能从里面得到不少编程
另外burgta deo focular 的约束工程那篇也值得花十分钟读一下
他给了你一个系统性的框架
去思考怎么用好ai 智能体
所有链些都在简介里
周末愉快
下次见