本字幕由TME AI技术生成
大家好
这里是best blog 早报
我是吉诺
今天是二零二六年三月二十三号
星期一
今天的早报信息密度非常高
我挑了十条值得关注的内容
其中有两条我要重点展开聊
因为他们讲了其实是同一件事
就是开发者的角色正在发生根本性的变化
从亲手写代码变成了指挥ai 去干活
第一条是karpathy
Y 在no prayers 博客上的一段深度访谈
他直接说自己从去年十二月以来
一行代码都没写过
第二条是y 的combinatc eo greitten 开源了一个叫g stack 的项目
把cloud code 变成了一支虚拟工程团队
这两件事放在一起看
你会发现他们指向同一个趋势
好
我们先从car pathy 始
第一条精讲来自no priose 博客
评分九十四分
今天的最高
Karpasy 在这期节目里说了一句让人印象很深的话
他说
我每天向我的ai 智能体表达十六小时的意图
编程这个词已经不再准确了
这不是一个夸张的说法
他详细描述了自己现在的工作方式
每天同时管理多个aig
就像管理一个初级开发团队一样
他不再逐行写代码
而是把任务拆解成清晰的指令
分发给不同的agent 去执行
然后审查结果给反馈
再迭代
他把这个阶段叫做ai 的循环时代
而o peera 什么意思呢
以前我们用ai 主要是一问一答
你发个消息
他回个结果
一轮就结束了
但现在的agent 是在循环里跑的
他有持久记忆
有沙盒环境
能自主决定下一步做什么
你启动它之后
他可以在后台持续运行
遇到问题自己尝试解决
实在解决不了再来找你
更有意思的是他提到的auto research 项目
他说前沿实验室现在最热衷的事情是想办法把人类研究人员从研究循环中移除
具体怎么做呢
你设定好目标
指标和约束条件
然后让ai 自己去跑实验
调参数
分析结果
在设计下一轮实验
这个循环可以比人类快得多
而且不会累
不会有认知偏差
他还提到了一个很有洞察的概念
叫模型物种形成
就是说在特定任务上专门训练的小模型可能会超过通用的大模型
这意味着未来的ai 生态不会是一个模型统治一切
而是会出现大量针对细分场景优化的专业模型
最后他聊到了杰文斯悖论
很多人担心ai 写代码会让程序员失业
但kposy 的判断正好相反
当写软件的成本大幅下降
对软件的总需求会爆发式增长
就像蒸汽机提高了煤炭使用效率
但煤炭的总消耗量反而暴增了
短期内
我们可能需要更多人来监督和引导这些agent
他还说了一句很实在的话
如果agent 不好用
大多数时候不是模型的问题
是你给的指令和上下文不够好
这其实对应了一个我最近在实践中越来越有体感的判断
用ai 工具的核心能力不是写prompt 的技巧
而是你能不能把一个模糊的需求拆解成清晰的
可执行的任务描述
好
说完kpepathy 观点
我们来看第二条经讲
这条我要多花点时间聊
因为它非常值得推荐
Gr ritten y combinator 的ceo 在三月十二号开源了一个项目
叫g stacack
他在kit 上两天就拿到了一万颗星
现在已经超过两万了
G stack 是什么呢
简单说
它是一套基于cloud code 技能包
安装之后你会得到二十八个斜杠命令
每个命令对应一个工程角色
比如你输入office 减hours
它会变成一个产品经理
用六个核心问题帮你理清需求
你输入plan 减ceo 减review
它变成ceo 视角
帮你审视方案够不够有野心
Plan 减n 减review 变成工程经理
锁定架构和边界情况
Plan 减review 变成高级工程师做代码审查
找n 加一查询静态条件
信任边界漏洞这些生产级别的bug
Sovqa 会直接打开一个premio 浏览器自动测试你的应用
找到bug 之后还会自动修复并生成回归测试
Jare rturten 分享了一个工程角念
我觉得特别值得琢磨
他说
规划不是审查
审查不是发布
创始人品味不是工程严谨
如果你把这些全角在一起
你通常只会得到四者的平庸混合物
这其实是最核心的创新点
它不是让ai 变得更聪明
而是给ai 加了认知档位
就像开车一样
你不能一直用同一个档位跑所有路况
你需要在不同阶段切换不同的思维模式
规划的时候要发散
审查的时候要收敛
测试的时候要怀疑一切
测划的时候要严格按流程
他还提了一个原则
叫boyse lake
就是把湖水煮干
意思是说
用ai 之后
完整性的成本降低了十到一百倍
所以不要再偷懒走捷径了
百分之百的测试
覆盖完整的错误
处理全整的错界情况
以前需要一个团队花几周做的事情
现在ai 一天就能搞定
那就应该做到位
当然
G 斯duack 也不是没有争议
有人说这不就是一堆prompt 嘛
有什么了不起的
这个忽评有一定道理
但他忽略了一个关键点
Prompt 本身确实不值钱
但把正确的工作流程和工程纪律编码进这些promptly
这个经验是值钱的
就像一个厨师的食谱
写下来就是一张纸
但背后是多年的实践和判断
他的cto 鹏上试用之后发了条消息说
你这个gs daack 太疯狂了
这简直是上帝模式
工程审查发现了一个我们团队都没意识到的跨站脚本攻击漏洞
这条消息说明了什么呢
不是说ai 比人类工程师更厉害
而是说当你用结构化的方式让ai 从安全审查的角度去检查代码时
它能覆盖到人类容易忽略的价区
这就是认知党位切换的价值
我自己也在做类似的事情
我的这个skills 体系其实和gs daack 的思路异曲同工
只不过侧重在内容创作和数据分析这些方向
所以看到gary ritten 把这个想法开源出来
我觉得特别有共鸣
如果你也在用clode code
我强烈建议去试试gs daack
或者至少看看它的设计思路
一定会有启发
而接在简介里
好
深度精讲就到这里
接下来我们快速过一下今天剩下的八条内容
第三条
Tw 九十三写了一篇系统性的agent 的工程实践常工
覆盖了agent
Loop 上下文
工程
工具设计
记忆系统的核心维度
里面有一个观点我很认同
就是调考试agent 的时候
应该先检查工具定义
大多数工具选择错误的根源是描述不准确
而不是模型能力不行
如果你正在构建agent 的系统
这篇必读
第四条
Google 发布了ai 原生设计工具
直接冲击figment 的的核心务务viable design n 个概念开始落地了
用自然语言驱动设计
就像web coding 用自然语言驱动编程一样
设计师朋友们可能要紧张一下了
第五条
来自elevator 的深度分析讨论
传统id 是不是走到头了
当ai 编码助手能理解整个代码库
并自主执行复杂任务时
我们还需要传统意义上的ide 吗
这个问题值得每个开发者思考
第六条
Lightn space 梳理了一个很有趣的趋势
个真正正视开发者的opa i 实验室都已经收购或者深度绑定者核核心战略工具opopen ai 收low one self
Google 投了replate
Enthroropic 绑定了clod code 开发工具正在成为ai 公定的核心战略资产
第七条
Deep learning 到的ai 的the batch
本期信息密度极样
Queen 三点五全尺寸加组发布
Deep ick 布局华为芯片生态
数据中心遭
遭遇了新型物攻攻击
想篇篇读完一周ai 大事的话
推荐看这个
第八条
软逸风的科技爱好者周刊
第三八九期
聚焦ai 时代怎么招聘程序员
当ai 能写大部分代码的时候
面试和评估标准到底该怎么调整
这个问题目前还没有标准答案
但值得所有技术管理者关注
第九条
马斯克联合space x
Tesla 和taa i 官宣宣terarr 飞b 项目要建年产以太瓦算力的超大规模芯片工厂
还计划把算力中心推向太空轨道
这个计划听起来很疯狂
但考虑到是马斯克
你也不能完全不当回事
第十条
Ahead of ai 出了一篇技术深度长文
用精美的可视化图解了mhagqamla 等注意力机制变体的原理和眼睛脉络
如果你想系统理解transformer 架构的演化
这篇图文中茂非常推荐
好
十条内容就过完了
今天的早报如果用一句话总结
我觉得是这样的
我们正在经历开发者角色的重新定义
从kapathy 述的每天管理a agent 十六小时
到garary ton 用gay stuck 把cloud coat 变成一支虚拟工程团队
再到google 用ai 重新定义设计工具
Ai 实验室纷纷把开发工具作为核心战略资产
这些信号加在一起
指向一个很清晰的方向
未来的核心能力不是写代码的速度
而是编排ai 去完成工作的判断力
好
今天的早报就到这里
所有链接都在简介里
如果你觉得有收获
欢迎分享给朋友
我们明天见