EP17 · Cursor 3/Gemma 4/GLM-5V-Turbo · 04.03 早报-ginobefun

EP17 · Cursor 3/Gemma 4/GLM-5V-Turbo · 04.03 早报

歌手:ginobefun

专辑:BestBlogs

时间:2026-03-15

    使用手机浏览器「扫一扫」

    在手机上保存,获得更好体验

标签
歌词

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

展开显示全部歌词