本字幕由TME AI技术生成
Ai 当编程助理已经是日常
但把它当成思考伙伴来用的方式才刚刚开始展现出来
今天是二零二六年五月十六日
星期六
欢迎收听best blocks 早报ep 五十八
今天的三条金讲都围绕这条线展开
第一条
来自google 一位高级staff 工程师在info q 的演讲
讲带着团队要维护九种编程语言的客户端库
跨多个仓库
多种技术战
他不是让aii 写
写更多代码
而是把ai 当一一个问问题
能
能一起做实验伙
伙伴 二 二
来自laatenspace 对a bribrie 团队的谈
第
第是条条比chat gpt 还早四年起步的ai 原生医疗公司
今年要支撑八千万次医生和病人的对话
听他们讲怎么把环境记录扩展成一整套医疗疗能层
层三条
来自open ai 自家的podcast
第十九期
产品负责人和研究员一起聊image 二点零上线之后看到的反馈
使用量增长百分之五十
每周生成大十五五点层第条条不爆炸弹都耐看
我们开始先说第一条
Google 高级staff 工程师在info cill 的那个演讲叫做把ai 用作大规模工程系统的思考伙伴
他目前的身份是google cloud cli 和sdk 的uber tech leade
再往前还在google 的构编程语言团队呆过几年
背景景说清楚是因为他讨论的工程场景真的很硬核
他带着团队要维护九种编程语言的客户端库
在把种语言都自自己的库库
自己的发布技奏自己语言特性
要在这种规模模让aii 正帮上忙
在的不是prompt 技巧
而是方法论
他总结了三步法
第一步是先读懂系统
在让ai 写任何代码之前
先和他一起把整个系统的边界依赖
历史决策梳理一遍
他举了一个例子
让ai 在仓库里挖出三年前一个关键改动的原因
再把那段提交记录的上下文拿出来读
搞清楚当时为什么这么设计
今天还成成不成立
这一步看起来慢
够过它就会来出
再第不是是实验论是把ai 一次性给出最终方案
而是让他他先生成几个不同的可能解法
每个做一个小圆形跑起来
看看哪条路真的走得通
他说这一步特别像他当年在构团队时的工作方式
先写几个prototype 跑数据
再决定走哪条路
Ai 让这个过程从原来要花一周的工作压缩到一个下午
第三步才是真正的重新设计
基于前两步的认知再决定要不要动那段架构
动到什么程度
但他最想强调的不是这三步本身
而是一句话
他说
Ai 最大的价值不是让你写更多代码
而是把你每一次我应该这么改慢的犹豫时间从几天压缩到几小时
这一句对很多工程师来说应该会有共鸣
我们平时改一段关键代码的犹豫往往不在于不知道怎么改
而在于不确定这么改之后会不会有连锁反应
不确定这个判断是不是对的
这种犹豫过去靠开会
靠和老同事聊
靠自己花几天把上下文捋一遍
现在ai 可以陪你把这个过程做得更快更系统
他还讲了一个细节
团队里现在的工作模式变了
前是先开会讨论方案再去写代码
现在更多是先和ai 一起把方案的几种走法都试一遍
把数据带到会议上再讨论决策
会议时间反而变短了
因为大家手上都有更扎实的判断
这条精奖的takeway 很清晰
Ai 当编程助理只是入门
把它当成能帮你做判断的思考伙伴才是高阶用法
下一条
我们看一个把这种工作方式落到产业里的真实案例
第二条来聊a bridge
一家ai 原生医疗公司
这是lattin space 团队的一起访谈
受访的是a bridge 产品负责人和cto 两个人
先说时间线
A bridge 成立于二零一八年
比chat gpt 早四年
这一点很关键
他们不是看到chat gpt 火了才进场的
而是在大模型还不出圈的时候
就已经在医疗这个最难的领域里安安静静做事了
规模数字也很惊人
今年预计要支持八千万次医生和病人之间的对话
覆盖美国二百五十家医疗系统
二十八种语言
五十多个专科
二零二五年六月完成一轮融资
三亿美元
不止
五十三亿美元
这不是一个故事
公司是真的在跑量的产品
那么他们到底做了什么
最开始做的是环境记录
英文叫mbs scripe
就是医生和病人看诊的时候
A bridge 在旁边听
自动把对话整理成病例
医生不用再花晚上现场补语境
这件事就让医生平均每周省下十到二十个小时
这个数据在美国医疗系统里几乎是奇迹
因为美国医生写病历的时间负担是全球最重的之一
很多人就是因为这件事职业倦怠的
但访谈里最有意思的部分不是环境记录本身
这是他们怎么从这件事扩展到了一整套临床智能层
产品负责人是这么讲的
当你已经听懂了医生和病人之间的所有对话
你就掌握了医疗里最稀缺的一种信号
就是真实诊疗现场的语境
基于这个语境
可以做很多别人做不了的事
第一件事
实时预授权
在美国看病
很多检查和手术要先得到保险公司预授权
这个流程过去要好几周
现在abridge 可以在医生开单的当下
根据对话内容自动生成预授权材料
几分钟就走完
第二件是临床决策支持
在医生还没动笔之前
系统已经听懂了病人的主述
可以提醒医生最近的指南
建议过去类似病例的处理方式
这不是替医生决策
而是在合适的时机看信息推到合适的位置
第三件是ehr 集成
也就是和电子病历系统打通
第to 在访谈里用了一个特别有画面感的比喻
他说把电子病历当成医疗agent 的文件系统
Agent 要做事不是凭空读写病人数据
而是有一套规范的接口去操作系例
就像程序员在文件系统上读写系件
这个抽象一旦立住
很多上层应用就可以快速搭起来
这一条和第一条其实有一条共同线
Google 那位工程师讲的是方法论
怎么把ai 当思考伙伴
Abriage 讲的是产业实践
怎么把这种工作方式落到一个最复杂的行业里
下一条我们换个领域
看open ai 自己怎么复盘imagent 二点零
第三条来说open ai
Podcase
第十九七
话题是image 二点零上线之后的复盘
对谈的两位
一位是open ai 产品负责人
一位是研究员
分别从产品视角和模型视角拆解了这次发布
先说数据
Image 二点零上线之后
使用量增长了百分之五十
每周生成的图大约十五亿张
这个量在所有ai 图像产品里都算第一梯队的水平
他们讲了三个具体改进
我觉得每一个都值得展开
第一个是文字渲染
过去ai 画图最头疼的就是文字渲染
海报上一行英文都画不对
Image 二点零做了专门的优化
现在画带文字的图
比如带标题的海报
但说明的图表
准确率比上一代有非常明显的提升
教师在做生物图
专业人士在做幻灯片这类场景里是真的变得可用了
第二个是多语言原生支持
以前你用中文写prompt
模型会先把它翻译成英文再去生成
这次改成了原生的多语言理解
中文prompt 里那些含义微妙的形容词可以直接被模型用上
不再经过翻译这一层损耗
第三个是写实感
研究员讲了一个内部测试方法
叫做网格测试
过去他们测一张图能画对几件物体
最多就是测七八个
再多就乱了
这次他们把网格扩到一百个随机物品
让模型一次性画出来
看每个都有没有正确出现
有没有相互穿模
能做到一百个对象一次画对
证明模型在物体一致性上的能力跨了一大步
接下来是路线图
他们讲的很克制
不画大饼
第一个方向叫creative agents
简单说就是一个能慢慢学懂你审美偏好的助手
你今天画了一张图
给了反馈说太冷了
下次他生成的时候就会偏暖一点
再下次你说构图太对称
它就会主动错位一点
一个会学习你审美的工具
长期来看比一次性更强
大的模型对创作者更有价值
第二个方向他们叫image 乘以codex
意思是把图像生成和代码生成串到同一个回合里
你描述一个app 的概念模型
同时给你画出界面草图
再生成对应的实现代码
视觉概念和能跑起来的代码在同一次交互里出来了
下方方向独独立发发者来说
你能天一个能改变工作流东西
回过头来看今天这三条精讲
Google 那位工程师讲方法
A bridge 讲产业落地
Open ai 讲产品演进
三条放在一起其实在指同一个方向
Ai 当编程助理的时代已经过了新鲜期
把它当成能一起想问题
能一起做判断
能一起把产品推到下一步的思考伙伴
才是当下真正在发生的事
接下来是速览部分
今天值得知道的七条
第四条
越志暗面
Kimi 推出一个叫web bridge 的浏览器插件
它解决的问题是让cloud code 色curcodex 这些ai agent 能带着你自己的登录态和cookie
真正像你一样去操作浏览器
这件事的使用价值很高
比如订机票
整理某个内网系统第一个需要在录的的询
如果某个流程程已经摸熟了
可它把它做成一个专用的命令行工具
重复跑
比每次守点高效的多
第五条
Zarbot 写的deep sick v 四maga oee 解解是他们技术报告深度解读的第三章重a 讲讲细粒度的专家并行调度
怎么通过通信和计算重叠
把性能到到原来的一点五到一点九倍
读底层架构的朋友可以仔细看
第六条
Ai news 本周综述
标题叫做万物皆像conduct 看齐
Conduct 是一种智能体优先的工具形态
这一周里
Github 新版co pilot app
Codex 移动端cloud code 几次更新几乎都在朝同一个方向收敛
意思是ai 编程工具这条赛道已经不再讨论谁的补全更准了
开始比谁能把更长的工作流整体接管下来
第七条
宝玉分享了一篇讲forward deployed engineer 的文章
这是ai 时代正在兴起的一个新岗位
简称fde
文章对比了open ai and thropic 和google 三家在这个岗位上的不同布局
如果你在考虑下一步职业方向
或者你的公司在思考怎么把ai 真正交付到客户那里
这一篇可以读一读
第八条
腾讯会员推出了一个离线翻译模型
叫做imt 一点五
把支持三十三种语言的翻译模型压缩到了四百四十照
可以在手机上本地离线运行
腾讯说
在内部评测里
质量谷谷歌翻译还要好些
手机端端线翻译这件事
可能就要从普通工具变成基础设施了
第九条
腾讯科技拆解serious 这家ai 芯片公司的招股书标题用了一个很直接的词
叫做警惕爆雷风险
文章从晶圆级芯片的技术真相
到他们和open ai 之间股权换订单的合同结构
再到百分之三十九毛利率背后的会计幻觉
一层层揭开
这是一篇做了功课的财经分析
不是简单单热热
第十条
Anthropc c 普华华永到扩大战略联盟
要把cloud 部署到普华永到全球三万名员工里
Anthropic 还专门成立了一个针对cfo 的业务集团
在已经落地的项目里
交付效率提升了百分之七十
这件事是企业服务市场的一个信号
咨询公司不只是用ai
而是开始把ai 当成核心交付能力
重新组织自己
最后是几条补充阅读
今天都在best blocks 平台上
感兴趣的可以去找
第一篇是iterate 一个演讲视频
提出把ai agent 整个运行环境收敛到事件溯源这一个抽象上
事件历史就是状态
处理事件就是改变状态
架构很干净
第二篇是hugging face 团队系统讲解他们的开智智能体态
从本地编程智能体到mcp 集成
再到通过skills 实现模型自动微调
包括用acr 处理三万篇论文的真实案例
第三篇是软逸风科技周刊第三百九十六期
这一期讨论互联网通信的替代规则
介绍了laura 和meastastic 这两个开源项目思路很有意思
第四篇是阿里发布的code 一点零
从一个aid 升级成了智能体自主开发工作台引入了独立任务视窗
跨项目多任务并行团队级知识引擎
如果你团队在选ai 开发工具
可以对比一下
第五篇是前端早读课转载的文章
在copperty 提的四条规则基础上
作者
Monimio 补充了工则专门应对多步骤agent 任务的crowded 的md 规则
实测把出错率从百分之四十一降到百分之三
今天的早报到这里
今天三条精讲讲的是同一件事的三个层面
Ai 当编程助理已经常态化
把它升级成一个能一起读懂复杂系统
能一起做判断
能一起重新设计工作流的思考伙伴
才是当下值得花时间练习的能力
Google 那位工程师给的方法论
Average 给的产业落地的样本
Open ai 给的产品眼镜的克制路线
三条都不爆炸
但都耐看
也都值得抽时间去读原文
如果你今天只能选一篇精读
我会建议挑那条和你当前工作离得最近的
今天的内容和原文链接都在best blocks 平台上
Show notes 里也都列好了
我们明天继续