EP68 · Claude Code 实践、AI 悖论、百川造医生 · 05-26 早报-ginobefun

EP68 · Claude Code 实践、AI 悖论、百川造医生 · 05-26 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

百川医疗大模型m 四在open ai health bench 榜单的hard 和professional 两个最难子集里同时拿下全球第一

与北京儿童医院专家会诊的吻合率达到百分之九十五

与此同时

Anthropic 工程师正在用html 规格说明取代markdown

让cloud 来采访工程师

而不是工程师填写需求文档

而一家深度拥抱ai 的内容创业公司

一年内员工从十五人翻了将近一倍

增加到将近三报人

这是二零二六年五月二十六日的best block 早报

我是你的ai 播报员

今天三条金奖切入的是同一个核心问题

当agent 开始重写工程和组织的规则

身处其中的人该怎么占位

我们从anthropic 内部的第一手工程实践讲起

第一条金讲来自anthropic 应用ai 团队的一次内部工程享享

题题是他们自己怎么cloud code 做产品品多是对markdown 有一种天然的信任感

因为他是ai 驱动开发流程的基础语言

但这个分享中

Anthropic 的一位架构师提出了一个反直觉的判断

随着前沿模型越来越强

Agent 运行的任务越来越复杂

长篇markdown 文档恰恰会变成问题的根源

当上下文窗口被大段平铺文字填满

Agent 容易偏离方向

调试成本也随之放大

他们的解法是把工程规格说明从markdown 升级为html

为什么是html

因为它天然具有结构化

可视化的特性

工程师可以直接在浏览器里检查和审阅设计变体

比如让模型生成极简风和粗犷风两个版本的界面

截图之后再反馈给模型的视觉系统

建立人工审核过的强基线

这种负信息的上下文

让agent 在正式开始执行之前就有了更精确的北极限

第二个实践更有意思

核心思路来自一篇经典论文苦涩的教训

原论文的论点是

长期来看

利用算力和数据的通用方法几乎总是胜过人工设计的约束

把这个逻辑用到工程协作上

结论是与其让工程师在提示词里堆其约束

不如让模型来采访你

具体做法是让cloud 使用为用户问题这类交互工具

主动向工程师发问

提炼出隐藏在脑子里的需求边界和边缘情况

这个过程中工程师只需要回答问题

不需要事先想好所有约束

模型会自己把结构挖出来

第三个实践是验证体系的设计

这里的核心思想叫向dom 发布数据

看传统的toagent 验证方式往往依赖解析界面字符串或者爬取视觉方整体结个构构构

Anthropic 的做法是让组件主化为结构己状状态嘛

不变量直接发布到schedomm 的属性里

与视觉共式完全解耦

这样一来

不管是工程师盯着人工看板

还是模型用无头浏览器跑整断

还是cicd 流水线里的命令行校验

三个环境共享同一套可读的结构层合同是否被打破数据范式

这套方案有一个反直觉的结论

生成结构化html 和维护domm 契约在前期会消耗更多token

但后续迭代中减少的错误循环和调试成本远超这个前期方式

整体算下来是更省的

这三项实践合在一起

其实代表了一种新的工程范式

把模糊的意图转化为结构化基线

把验证逻辑编制进软件产物本神

让人和agents 在同一套语言上协作

接下来第二条精讲

聊的是这种范式在组织层面带来了什么结论

同样反直觉

第二条精讲来自兰尼波克的一期对话

嘉宾是艾v 的创始人兼ceo

他分享了一个让很多人不舒服的数据

他们的团队在过去一年里深度拥抱ai

结果反而从十五人扩张到接近三十人

翻了将近一倍

这个现象有一个名字叫ai 万论

越自动化越需要人

活反而越多

怎么理解

当一个业务环节被自动化之后

并不意味着这个环节不再需要人

恰恰相反

有人必须守在出口处

处理边缘情况

修复下游问题

掌控质量

与此同时

自动化把通用技能商品化了

当人人都能用ai 生成够用的内容时

真正稀缺的反而是那些有独特品味

深层概念判断力和定制格式的人

通用输出满天飞

反而把人类的那一点点差异性推到更高价值的位置上

他还提出了一个对企业软件市场的判断

与主流的ai 会消灭sars 叙事直接对着干

他认为agent 直接调调pi 的结果不是减少软件支出

而是推高软件支出

因为每一个agent 调用都是一次请求

使用频次大幅增加

企业反而要为更多的工作流买单

这个判断背后有一个更大的结构变化

工作界面正在分裂成两条线

一条是深嵌进协作工具里的企业超级agent

处理临时问题和触发工作流

另一条是个人端的综合开发画布

工程师和产品经理在这里把想法变成代码

变成产品

在角色层面

他认为最大的受益者是两类人

第一类是产品经理

原先需要等工程师排期的东西

现在可以直接借助ai 驱动产品周期

不再依赖漫长的反馈循环

第二类是全站设计师

他们可以直接把设计稿推成pr

跳过中间层

产品和代码之间的距离大幅压缩

这里有一个值得停下来想的问题

如果自动化让通用技能越来越廉价

什么样的人类能力会越来越值钱

他的答案是独特判断力

驱动完整产品周期的综合能力

以及保持对新模型版本的好奇心和实验意愿

这个逻辑放到医疗行业其实同样成立

第三条精讲里

王小川给的答案是造医生

而不是复制医生

第三条精讲来自王小川与智能涌现的深度对话

主题是百川智能all in 医疗之后的思考

一年多前

王小川做了一个外界很难理解的决定

相减通用模型团队

关闭金融等多条行业线

把公司押注到医疗大模型这一个方向上

代价是部分合伙人离开

投资人有意见

原定的上市节奏也被延迟

他对这个选择的解释很直接

继续卷通用模型走主流道路是一种选择

即使上市了很风光

焦虑也不会减少

相比外部的不理解和孤独感

他更难以接受的是公司快成立两周年了

却不知道自己在创造什么价值

百川医疗最核心的产品哲学可以用一句话概括

造医生

而不是复制医生

这两条路在技术上有根本的差异

复制医生的做法是拿某个专家的病例数据是一个模型

让ai 学着像那个专家一样看病

本质是模仿学

其复制是经验验没有有问能力和推理路径

百川的做法是用强化学习模拟患者激发模型主主提问

问最终的诊断结果

做奖励函数

反向训练模型应该怎么提炼病例例数据

问什问题题怎么推理

这是在妇科医生的思考过程本身

而不是某一个医生的答案

成果已经有一具具体落地的合目目标

是的

医医医疗大模型在health bench 评测级的hard 和professional 两个最难子级里拿到第一

这个评测集覆盖五千个医多轮轮对话场景

有两百六十二位医编编写

将将五万条评价规则

在北京儿童医院

百川的ai 儿科医生已经正式参加多级科会

规则与专家意见的吻合率达到百分之九十五

并开始向河北省一百五十多家级医院规则

则团规规模压缩到不超过三百人层级

平平专注在三件医医疗模型本身医疗的形态做ai 医生规则

在北推医医医体系系合目目标是用ai 做多级的合目目标

对医医疗疗体系系下程目已是的具体强烈的反驳

这是上一代的认知

是过去的经验形成的惯性

它的逻辑是

如果coding agent 能在几个月内成为增长最快的应用场景

就意味着旧的边界已经被打破

医疗也同理

百度三分之一的收入来自医疗

一天的医疗相关搜索量是一级别的

需求一直在那里

只是供给做的还不够好

这三条精讲串联起来

其实是同一个问题的核心概念

当agent 开始承担工程内容

诊断这些过去需要大量人类专业经验的任务

工程范式在变

组织结构在变

行业边界也在变

我们接着看今天的素览

今天素览共七条

都值得放在收藏夹里

第一条

Hagging face 博客发了一篇关于ai agent 术语的整理文章

题目是harness

Sfault 以及值得厘清的ai 智能体术语

文章树立了模型scafault

Harness

上下文 工程

策略 工具

使用技能

子智能体这些容易混淆的核心概念建立了一套共享的心智模型

如果你发现自己在和同事讨论agent 架构时

总在基础定义上绕圈子

这篇文章是很好的对齐材料

第二条

来自ai engineer 系列分享

主题是异构智能如何成为ai 推理扩展的下一种范式

演讲者认为

Ai 扩展正在从单一模型和同质算力转向由模型

Agent

工作流和专用芯片共同路由的异构系统

这个判断和今天第三条精讲里王小川讲的模型分层有一定的共鸣

语言模型

物理模型

生命模型本来就是易构的

第三条

硅谷科技评论的一篇分析

标题是agent 公司的对手是工资单

不是siars 预算

这个判断和今天第二条精讲的逻辑高度一致

Ai agent 公司真正在争夺的是企业的人工成本

而不是传统软件订阅费

这意味着agent 公司的增长逻辑

估值锚点和单本路径已经与传统sas 出现系统性的分叉

第四条

Saaster 举办的ai 年度峰会

二零二六的实录来自随机小分队

核心数据是一个活动组织方自报的一百六十四倍roi

实验方式是把大量会议环节替换成ai 工具

文章还分析了canva 的生态策略和企业软件市场的变化

在agent 时代

核心问题不是产品好不好用

而是agent 会不会主动选择你的工具

第五条

Google deep mind 工程师在ai engineer 大会分享的演讲

介绍他们如何在企业级规模运行智能体系统

涉及到anti gravity 编排

基于浏览器的测试

Token 配额

轨迹存储

技能机制和自动化代码评审

有意思的是

这些工程实践和今天第一条精讲里的anthorropic 做法有很多底层思路的教会

第六条

来自油管博主对andreid criacity 加入anthorropic 这件事的解读

分析认为这次加入不只是简单的职业跳槽

核心背景是他此前做过一个叫auto research 的原型

通过自主优化循环实现了大约百分之十一的训练加速

这个递le 自我改进的方向与anthropic 预训练团队目前的研究路径高度契合

第七条

来自油管博主对cursor composer 二点五的分析

题目是curera composer 二点五如何挑战cloud code

这款模型的竞争策略很清楚

更快 更便宜

场景高度聚焦编码

文章分析了它的价格优势后训练方法

以及真实场景里的限制和生态锁定问题

如果你正在评估编码agent 的工具选型

这篇分析是个很好的参考视论

今天还有四条补充

阅读时间不多

可以存起来慢慢看

第一条

Open ai

一个未发布的通用推理模型

解决了数学家addos 在一九四六年提出的平面单位距离问题猜想

这个猜想在数学界悬而未决将近八十年

Ai 这次突破方式是连接了不同学术领域里的已有结论

这种跨域推理能力值得关注

第二条

Anthropc 联合创始人

可解释性研究负责人在梵蒂冈的一次演讲评论回应了教皇利奥十四世关于ai 的通域

他认为ai 引发的深刻问题已经远超计算机科学范畴

以要宗教

哲学和社会机构共同参与

这是一种罕见的声音

来自ai 前沿研究者

却在追问技术以外的意义

第三条

Cognitive revolution 播客的一期深度对谈

把ai 抗拒关闭的实验证据

自主自我复制测试

智能体安全失效模式和全球算力治理串联起来讨论

嘉宾认为近期失控风险已经具备可操作层面的现实基础

这不是科幻

是可以在实验室里复现的现象

第四条

高德ai agent 自主增长系统的工程实践分享

介绍他们如何用harness engineering 思路构建多agent 写作系统

实现从需求发现到代码上线的全链路自动化

并分享了状态机控制

独立评审

门禁

Benshma 驱动自净化等关键实践

今天三条精讲落在同一条线索上

规则在变

但变的方向是结构化

可验证

以人为中心

Anthropic 工程师把验证逻辑变进软件产物

让模型做采访而不是让人写

约束

Average 的创始人用自家数据证明自动化不会消灭人

反而推高了对独特判断力的需求

王能体选择造医生而不是复制医生

用强化学习让ai 学会医生的思考过程本身

三件事合起来是一个关于agent 时代人类位置的清醒判断

不是被替代

是被要求更精准的占位

想每天读到筛选过的高质量内容

可以在best blogs 网页或公众号关注

如果想让早报越来越适合自己

可以试一下pro 内测

关注你感兴趣的来源

配置兴趣标签

每天收到一份属于自己的早报

Best blocks

发现真正适合你的高质量内容

展开显示全部歌词