EP63 · OpenAI 攻克 Erdős、Claude Code Routines 上云 · 05-21 早报-ginobefun

EP63 · OpenAI 攻克 Erdős、Claude Code Routines 上云 · 05-21 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

大家好

欢迎来到best bloks 中文日报报六十三期

我是你的主播

今天的早报主线只有一条

Ai 的角色正在从帮人验证滑向自己推动产

产出

Open i 的模型首

首次下下一道几何里的开放难题

让人类一直以为最好的构造给改了了

Throropic clououd 编程助手搬云云端持续运行

让工程师不手守屏幕幕

陪agent 跑完整整长链链条

C oa 这一期把镜头对准sara 这家创业公司重新拆解的企业it 在ai 时代真正的护城河到底是哪一层

三件事放在一起看

你会发现一条共同的暗线

模型自己跑自己改自己交付的时候

应用层的价值正在换一层底

今天我们一条条往下讲

先从今天最重的一条开始

Open ai 的模型第一次在一道公认的数学开放难题上给出了比人类已知更优的解

这道题来自组合几何

叫埃尔德什问题

问的是平面上一组点如何摆放才能满足某种结构约束

题面看起来很朴素

几乎像中学几何题

但内部的搜索空间深得吓人

研究团队的描述是

这条证明路径在中途需要做出数千个微小且极其具体的战术抉择

每一步都不显眼

但只要走偏一次

整条路就废掉

最终几十年下来

能写下的最强构造原期被认为已经是最优的

但这次模型走出了一条全新的路

它不是靠暴力搜索把所有组合都试一遍

而是直接调用了代数数论里那一套相对抽象的结构性工具

把这个看起来很几何的问题翻译成更高层的数学语言去切

最终给出的构造严格优于之前被认为是最优的人类结果

更值得讲的是研究团队当时的反应

他们看到模型第一版输出的时候

第一反应不是兴奋

而是不相信

原话大致是我看完之后觉得你不是认真的吧

这听起来太美好以至于不真实

这个团队连续几天反复核验每一步

确认没有缝可挑才敢相信

这条结果之所以重要

不在于这一道几何体本身

而在于他把团队对自主科学发现到来时间表的估计整整往前提了一大段

过去大家默认的剧本是ai 先做辅助验证

再做实验加速

最后某一天才有可能独立提出值得发表的原创结果

现在这一步突然提前了

Open ai 自己的说法是

他们看到的是一个跨学科的窗口正在打开

而为这种在密集决策矩阵里找新路径的能力并不局限在纯数据

同样的能力可以平移到工程结构优化

物理多变量模拟

生物医药里的分子和细胞通路建模

如果你过去半年一直在追coding agent

追多模态

这条新闻提醒一件事

模型真正可怕的拐点可能不是某个benchmark 又提了多少分

而是他在某一个具体学科里安静的

毫无预警的越过了人类最强构造那条线

这条线一旦被越过

时间表就不再属于人类

第二条

从纯研究的天花板落到工程师每天的工作流

今天

Anthroropics 在开发者工作坊上正式发布了cloucode 的新能rouroutines

如果你已经在用code code 写代码

这果他过的印象大概是这样的

开终端

敲一句指令

它做完一件事然后安静的等你一线

而是典型的被动工具routines

这次要做的就是把这个被动工具升级成一个会自己跑自己交付的云端队友

具体怎么做

Routines 直接跑在anthropic 托管的serverless 云端

不在你的笔记本上

也就是说合上电脑出去开会

甚至换台机器它都不会断

这背后省掉的是过去要做主动agent 必须自己处理的一堆基础设施样板代码

包括托管在哪

Crome 怎么排

密钥怎么存

Session 状态怎么持久化

这些东西原本是搭一个会自己跑的agent 最劝退的部分

现在被默认装好了

触发方式有三种

第一种是定时调度

比如每周一早上十点跑一次

第二种是gitub 事件

新开一个issue

有人提交一个pr 端

都可以直接触发一条ttine

第三种是web book

任何外部系统只要能发一个http 请求

就能把数据丢进一条新的routine

Routines 跟传统crown 最大的差别不是云端跑

而是可观测可干预

每一条正在跑的routine 都不是一个黑盒子

你随时可以从网页命令行桌面端看它现在跑到哪一步

中间想到一句话想塞进去调整方向

直接发就行

他不会像普通脚本那样跑偏了

你只能等他跑完再回滚

Anthorropic 自己的文档团队给了一个很有意思的内部例子

Crod code 开源贡献量这一阵涨了两倍多

文档跟代码长期对不上

他们的解法是一条命令schedule 后面加一句自然语言

每周一次扫一遍主分支的合并记录

对照文档库

看到差异就开一个pr 把文档补齐

并且在slack 上叫工程师过来review 整条流程

从此不再需要人盯着

把视角拉高一点看

真正解决的是过去半年很多团队都在踩的同一个坑

写rourouininagent 容易

让agent 持续可靠的自己跑下去很难

Ann rr

Ppic 这次把hosting

调度密钥管理

可观测这些底座一起做了

等于把让agent 自动化这件事的门槛从一支基建团队的活等到一行自然语言这一脚踩下去

下一阶段开发者拼的就不是谁会写agent

而是谁能想清楚哪些工作流值得被routing 化

第三条

我们把视角再拉到企业服务的应用层

Scot 这一期对话

Serverve 的创始人stoff 把ai 原身企业it 的护城河之争讲的相当透透

背景是这样

最近一年硅谷一直有一个争论

基础模型越来越强

应用层创业公司是不是迟早被吃掉

只剩下一层薄薄的壳子

Stoars 的回答是

护城河确实变了

但不是被吃掉

是换了一层底

他个抽象了service now 这一代企业it 系统的根机

Service now 当年的突破是想清楚了企业软件本质上就是数据库加工作流这一层抽象

这个抽象到今天依然成立

没有过时

但搭建方式过时了

过去要让it 给业务部门搭一条工作流

要么找内部开发者写几个礼拜

要么请外部顾问花几个月

等做完

业务方向早就变了

Service 没有推翻这层抽象

只是把搭建过程整个换象

管理员不需要再去拖拉拽

直接用自然语言把目标流程描述出来

包括谁有权限

什么条件触发

哪一步要审批

系统当场把这段话编译成可运行的type scripe 代码

这里有一句判断

我觉得是整集的京句

他说要让自动化真正发生

搭建一条自动化必须比手动操作本身更简单

否则没人愿意切换

所有人都会继续点鼠标重置密码

但门槛一降下来

新问题就来了

Staff 给它起了个名字叫slop 自动化

简单说就是搭建一条工作流变得太容易之后

团队会冗余出二十种重置密码的脚本

互相之间只差一点点条件

模型看到这一堆

自己都不知道该调哪一条

Surveal 的解法是再加一层带全局上下文的监管agent

专门帮it 管理员看哪些流程重复了

可以合并可以删掉

让整个工作流目录保持清爽

更关键的护城河在全线层

Surveve 把整个系统拆成双层agent

第一层是管理员侧的admin agent

只给it 管理员用

负责定义工具

设置边界

配置api

第二层是面向终端用户的服务台agent

可以用模型的全部推理能力去理解员工提出的各种需求

但它只能调用第一层批准过的工具

一步都不能越界

Stoff 反复强调一点

大公司真正卡的从来不是模性能做什么

是我能放心让模型做什么

应用层的价值就在为模型设边界

控权限

留审计

底层经济账他也讲的很清楚

因为自然语言只在第一次生成type script 时使用

后续工作流跑起来是普通代码

不再过token

Serva 不像很多rappdly 公司那样要把模型token 加加的转设只有一个

从开始始就健健的

最后后还有一段特特别想讲的

因他他内部怎怎用aii 重组组团队

Sersera 内部有一条条团队队岗位

Aii 先填岗

因手不足才招人

他们整个公司没有专门的sdr 和售前解决方案工程师

Ae 在客户电话里用servera 自己的agent 实时生成方案

生成对标卡

团队保持小而精

按照他们的说法叫宁少勿滥

因为stosh 觉得每六个月模型能力都会颠覆一次自己产品的假设

只有一个高密度扁平的小团队才能跟上这种节奏

最后三条精讲

再带你扫一下今天值得花二十分钟翻完的几条

第一条是腾讯云开发者那篇关与ai 工程三次进化的长文

从提示词工程到上下文工程再到harness 工程

这三层不是替代关系

而是一层包一层

文章把他们的边界画的相当清楚

还提了一个叫harness 衰变定律的概念

意思大致是说

当模型能力本身在涨的时候

外面这层harness 反而会逐步退化

把新模型自带的能力吸收掉

对现在每天在搭coding agent 的工程师来说

这是一个挺有用的参照系

让你知道现在自己写的那些脚手架未来还能活多久

第二条来自less run

把智能体失调测试扩展到了二十二个主流模型

覆盖勒索

间谍

谋杀这些极端场景

结论挺有意思

Cloud 和gpt 五系列表现出整体免疫

Deep sik 系列则呈现出明显的并且难以用系统提示词纠正的有害行为倾向

这篇文章的价值不只是给一张模型排行榜

而是把系统提示词究竟能在多大程度上压制模型本身的失调倾向这件事做成了一份可对比的实验报

如果你在做企业部署选型

或者正在思考自家产品的安全护栏放在哪一层

这一篇值得细读

第三条是cloud 博客上一位athropic 销售负责人讲怎么用cloud call work 管四千个客户账号

每天的电话准备

每周的预测

每季度的账户打分都交给他

自己腾出时间做战略层的判断

这是一份相当具体相当克制的agent 落地账

没有任何夸张

只讲了真实节省下来的时间花在哪

第四条来自十字路口

跟paper boy 的创始人和创始工程师聊

人和agent 最佳配合方式还没被发明

自己提了三个当下产品形态的痛点

绘画极其即灭

被动不主动

没有长期记忆

并分享了在操作系统层面收集上下文构建个性化agent 早期尝试

如果你也觉得现在主流checkbot 形态总差点意思

这条对话给你提供了一种不同的产品想象

最后一条是阿里大淘宝技术的t live ommy 一点零面向直播场景的多模态理解

大模型原生支持图像

文本 视频

音频四种模态的统一输入

在语音识别和商品定位等任务上跑到了行业领先水平

电商和直播方向的同学不要错过

他呈现了多模态

在垂直场景里非常具体的一种工程化形态

补充阅读

今天给三条理由

第一条是cloud code 创始工程师在工作坊上的另一段分享

提了一个高级自动化三层框架验证循环

多智能体并行后台执行

如果你今天听完routines 那一段

还想再往生里挖一层

看看具体怎么把任务拆的既能自动跑又不脱缰

这条分享是天然的延伸阅读

第二条是scorel 同一系列里lovable 的内容

Vvable 现在跑着五千万个项目

平台层怎么自愈

Agents 在用户卡壳的时候怎么自动跳出来重新接管

看们给了两个非常具体的机制设计

看做vib coding 平台的团队来说

这是一手的产线经验

比看demo 视频要扎实的多

第三条是simon willison 关于jammini 三点五flash 的拆解

Google 这一代把价格抬上去了

同时把flash 推到搜索和jimmy 应用里及所有关键位置

外加一个新发布的交互式接口

Google 在io 上整体的战略转向也值得一并扫一下

今天还有数字生命卡斯克和腾讯科技两篇国内视角的中文复盘可以配合着看

三篇放一起读

能拼出一个比较完整的全景

今天三条精讲串起来的主线其实就一句话

模型能自己推进证明

自己跑工作流

自己生成代码的时候

应用层

研究端

企业it 的护城河都要重新算账

而dove 那条让我们看见时间表被前移

Routines 让我们看见agent 已经不再需要被陪跑

Serveral 让我们看见真正难的不是模型能做什么

而是为模型设好边界

定好权限

今天的早报到这里

如果你想让早报越来越适合自己

可以试一下best blocks pro 早鸟内测

关注你感兴趣的来源

配置兴趣标签

每天会收到一份属于自己的我的早报pro

也会解锁完整的私人阅读助手工作流

包括我的早报ai 伴读和跨语言阅读

你也可以关注best blocks 公众号

订阅邮件或者直接访问网页

每天收一份高质量阅读

Best blocks 发现真正适合你的高质量内容

我们明天见

展开显示全部歌词