AI 边角料

Anthropic 刚发了篇论文，讲了个叫「J-space」的东西： 他们用一种叫 Jacobian Lens 的技术，在模型的中间层里找到了一个类似人类"意识工作空间"的结构——模型会在没写出来、没说出口的情况下，把关键的中间想法先"存"在这个区域里。 然后让不同的下游模块都能读取、复用这些想法，去做多步推理、规划、甚至自我监控。 简单说，这是模型“脑子里默默打腹稿”的地方，效果是能显著撑起复杂推理和长链条任务，一旦把这块区域屏蔽掉，模...

来自 Claude Code 开发者 @Thariq 的最新长文分享 一：地图不等于领地 • Fable 反复印证一个老道理：地图（提示词、技能、上下文）不等于领地（代码库、真实世界、约束条件），两者之间的差距叫"未知" • Claude 撞上未知只能靠猜你的意图，工作量越大撞上的越多——Fable 是第一个让作者意识到"工作质量卡在能否把未知讲清楚"的模型 • 光靠提前规划不够：你可能干到一半才发现未知，也可能被未知反过来告知"现在的解法根本不对，得换...

这期是我这周为一家头部企业做内部培训时，截出来的一段现场录音精选。 它不是工具清单，而是从大背景讲到具体案例：组织为什么会变扁平，为什么单点工具不够，什么是 AI SOP / skill，以及在设计、视频、选品这些业务里，AI 到底怎么放大效率，也怎么放大问题。 一：AI 进入企业投产期 • AI 正在从个人提效工具，进入组织级生产系统 • 以智能体驱动的企业级落地仍在早期，但软件、医疗、法律、电商已经开始出现明确变化 • 大企业...

AI 市场的整体人才储备确实存在极度供需失衡的情况，但一个非常反直觉的现象是：大企业招不到人，并不是因为人才都被其他大厂抢走了，而是因为顶尖人才正在上演一场轰轰烈烈的“逃离巨头”运动，疯狂涌向创业公司和垂直AI实验室。 一：RE 门槛与 Builder 分野 • RE 门槛低是相对 RS（Research Scientist）而言，OpenAI 要求科学家是"编程机器"，能把数学规范转成可运行代码 • PyTorch 调试搞不定的人，RE 也进不了——入门宽但容错率低...

一：代码八倍后的新瓶颈 • Claude Code 把代码交付推到过去 8 倍，反常识结果是生产不再最贵，验证体验才最贵 • 过去管理默认瓶颈是“写不出来”，所以排期、抢人、砍范围；agent 加速后，瓶颈变成“改动叠加后产品还对不对” • Fiona Fung 带 Claude Code 和 Cowork 团队，看到的不是远景判断，而是代码发布、用户卡点、反馈回路每天撞在一起 二：验证从盖章变成感知 • 质量控制不能只靠更努力看代码，而要靠框架、监控、测试、规范，...

一：CEO 不能再没有脸 • 旧媒体训练 CEO “别出事”：少冒犯、少标题、少争议；新媒体奖励的是可识别的判断、性格和冲突 • Go Direct 的核心不是创始人当网红，而是叙事权不再长期外包给媒体、公关和品牌部 • 柜台经济只能摆招牌和爆款；无限货架时代，播客、长帖、访谈、切片都能承载世界观 • 公司先被“人”记住，再被“公司名”记住：融资、招人、卖大单、舆论战都会因此快半拍 二：别讲参数，讲麻烦 • AI 创业公司最常见误区：模型参...

一：不会写代码的行业老手，成功率跟程序员差不多 • Anthropic 2026年6月报告分析了约40万次 Claude Code 会话（2025.10—2026.4，23.5万用户），核心发现：决定任务成败的是领域理解深度，不是编程技能 • 用户分三组——专业程序员、有领域专长的非程序员、纯新手；行业专家成功率是新手的两倍，部分任务类型上与程序员持平 • 会计不懂代码但懂财务漏洞，用自然语言描述对账规则，AI负责写脚本——"规划决策"（做什么/为什么）由人做，...

一：从提示词到系统——循环工程学的本质跃迁 • Boris Cherny（Anthropic）说"My job is to write loops"，Google Addy Osmani、OpenClaw Peter Steinberger 同期表态：人从操作者变成架构设计者，不再逐轮对话，而是设计闭环让 AI 自己触发、执行、验收 • 循环能跑的最低配置三件事：触发（让它醒过来）、目标（告诉它去哪）、验证（决定能不能收工）；没有验证的循环只是勤快的猜测机器，往代码库里灌东西没人兜底 • 越硬的目标越...

一：钉钉 ONE 是怎样诞生的 • 楔：钉钉的动物园形象「钉三多」是一只尖尾雨燕——apus apus 字面意思是「没有脚的鸟」，它最多可连续飞行 300 多天不落地 • 2025 年 4 月孕育、8 月 25 日发布会首发，DAU 巅峰约 300 万，是无招回归后第一个主推的 AI 原生项目 • 一年从立项到收缩，作者是最后留下的核心 PD，从 0 到 1 走完全程，亲历所有关键决策 二：产品怎么想、怎么定位、怎么改 • 发心第一：贪心是七罪之一——好产品只有一个主...

一：真痛点撞上旧入口 • 《置身钉内》表面复盘 ONE，从立项、发布、共创到收缩；真正刺痛的是 AI 办公为什么会把“减负”做成“追着人跑” • ONE 抓到的需求很真：群聊、审批、日程、文档、待办分散，用户每天在工作软件里捞信息；失败不在问题假，而在解法太重 • 钉钉是八亿级办公产品，有老客户、老流程、老收入；新 AI 长在旧系统里，会同时被过去的成功和今天的增长压力拉扯 二：卡片流不是万能入口 • 卡片流让移动端像 AI 助理递...

一：RTX Spark 不只是 AI PC • RTX Spark 的反直觉点，不是英伟达做 CPU，而是把 PC 从“点应用”推向“交目标”，让本地 agent 跨应用完成任务 • 这不是键盘鼠标明天消失，而是 Windows 机器第一次在硬件上认真为本地代理准备：Arm、GPU、统一内存、模型推理被放到同一套结构里 • 普通 AI PC 更像给旧流程加 Copilot；RTX Spark 想动的是入口逻辑，从打开软件、输入指令，变成电脑理解目标、调用工具、交付结果 二：英伟达站到主板中...

一：大众的中国训练场 • 5月19日《Markus Lanz》的反转点，不是“中国车打进欧洲”，而是 Volkswagen 要在中国学会造“带轮子的手机” • 合肥、上海变成德国工业的再训练基地：速度、软件、电池、供应链，不再只是德国向外输出 • 中国市场一年上千个新车信号，像高压测试场，把沃尔夫斯堡会议室里逼不出的变化逼出来 二：车标留下，价值链漂移 • 如果最先进、最便宜、迭代最快的大众电动车在中国开发，德国本土就会追问：就业、税收、...

一：百 Agent 不撞车的三件组合拳 • 协调者（orchestrator）与专家（specialist）分层，靠角色边界切断委派死循环——三人管一百个 agent，本质上和三人管一百个外包是同一道管理题，区别是 agent 会自己启动任务、自己调工具 • 共享状态文件（status.md）充当透明看板，所有 agent 读写同一份日志，替代了人类团队的 standup meeting；Gateway 后台进程作总闸，工具调用和文件写操作全部串行化，并发冲突在入口层截断 • 三层记忆架...

一：蔡浩宇的赌注：游戏不是产品，是生命体 • 米哈游联合创始人蔡浩宇卸任国内全部职务，迁至新加坡和硅谷重新创业，同期公司宣布未来三年投入最高 1000 亿人民币做大模型，CEO 刘伟原话："做不出来就当放了个大烟花" • 蔡浩宇在 LinkedIn 直接预言：AIGC 将批量淘汰中间层专业开发者，未来只剩前 0.0001% 的天才团队加 99% 的业余爱好者——这不是降本提效的表态，是行业结构整体洗牌的判断 • 他赌的不是"AI 帮我做游戏"，而是游戏...

一：Token 消耗是新指标，但必须和产出绑定读 • Reddit 上对百万级 token 预算的集体批评站得住脚：同等资金雇七十个资深工程师，质量和可控性未必输 • 有效的评估框架应包含三个维度——bug 修复数、PR 合并数、用户留存变化；缺任意一项，烧钱速度本身没有意义 • 类比早年电商：只看 GMV 不看复购率，指标亮眼但公司虚胖；Token 消耗独立存在时同理 • Goodhart 定律的隐患：一旦 token 消耗成为考核代理变量，工程团队就有动机把它...

在美国，FDE 已经被视作科技界薪酬溢价最高的黄金职位之一，其总薪酬通常在 20 万至 63 万美元以上。因为 FDE 必须是兼具深厚技术实力、产品嗅觉与极强客户沟通能力的“T型”复合人才。这种极高的人力成本迫使美国软件公司只能将 FDE 资源保留给那些能支付超大额合同的 VIP 企业客户（如世界 500 强机构）。 然而，在人才供给端，资料明确指出：中国目前每年培养约 130 万名工程师，是美国（约 13 万名）的 10 倍。这种庞大的“工程师...

最近一篇 Arnav Gupta 的文章在硅谷小圈子里刷屏了。他自己就在一家正在裁员的公司里，名单上有 8000 人，他有 10% 的概率在上面。他不知道自己要不要走，但他想在被通知之前，把关于 AI 裁员的所有想法写下来——免得事后被情绪污染。 我读完之后做了三件事：翻译、转述、加上我自己的版本增强。因为他讲的是一件中国管理者也正在面对、但大多数人还没看清的事。 一：加速验证框架的有效域：四类赛道 vs. 三类例外 • 消费类、prosum...

一：六条 GEO 常识，每条都有一个你没想到的边界 • llms.txt 不被 Google 搜索流量入口特殊对待，但对 ChatGPT、Perplexity、Claude 三家爬虫仍有意义；Vercel 披露约 10% 新注册来自 ChatGPT 引荐，AI 渠道已是独立流量入口，不能用 Google 的逻辑一刀切 • AI 内容润色只是质量的代理指标，不是质量本身；LLM 训练语料偏向编辑过的高质量文本，所以流畅度被当成信号——但空洞的稿子润色之后依然涨不动 • Google 在 2026 年 5 月正...

X 的算法设计，正在影响所有平台。 推荐系统工程师圈子是流动的——X 工程师跳去了 Meta、Pinterest、字节、Snap。X 的论文（包括开源出来的这些 ranker 设计）也是各家团队都在读的。 所以你今天读懂的 X 算法逻辑——多阶段过滤、候选隔离、作者多样性衰减、多目标加权、关注网络内外分离——几乎可以无缝映射到 TikTok、Reels、小红书的算法工程师正在做的事情。 各家平台的具体权重和参数不一样，但机制是同一套。 这是为什么我说"读...

一：带徒津贴消失之后，那杆秤悄悄翻了 • Senior 不愿带新人的机制并不复杂：一头是 12 个月不确定回报、随时可能跳槽的人；另一头是当天回本、永不漂移、复制零成本的 AI 工作流——"我也是这么被带大的"那份道德感，被 AI 的产出可见性直接压垮。 • 国营厂时代有"带徒费"，因为组织知道带人是在亏，必须用制度补这个亏；今天公司的选择是补 GPU 不补人——还在认真带的 senior 只剩三种：KPI 逼着、性格里有一份过不去、或者在赌那个...

一：5/12 改版做了什么——AI 接管"哪里能打断你" • YouTube 用 ML 模型预测"自然断点"位置，三个具体动作：Studio 新增红线反馈（这个位置 AI 大概率不会给你出广告）、二月二十四号前老视频自动追溯加入断点、手动+自动混合模式上线 • 可量化效果：开混合模式的频道平均收入涨百分之五；额外的钱来自原本被烂位置压低的库存被 AI 重新挂出去 • 关键不对称：钱涨在创作者口袋，但"什么是好断点"的定价权悄悄过户给平台 AI 二：表层...

从“金丝雀测试”到上下文分区的解决方案，并反思AI编程本质是严谨工程还是“仪式魔法”。 一：核心困境与检测机制 • 随着上下文增长，模型倾向于忽略Cloud.md中的配置文件规则（如代码风格、库限制）。 • “TC Bear”测试：强制AI使用特定称呼作为“金丝雀测试”（Canary Test），检测模型注意力是否涣散。 • 范海伦乐队“棕色M&M豆”类比：看似荒谬的要求实则是低成本的系统状态探测器。 • 局限性：当前工具链缺乏内省接口（Introspection...

古罗马传记作家普鲁塔克的分析框架，探讨人工智能作为“终极放大器”如何重塑当代人的性格与命运。 一：AI 作为人性放大器 • AI 本质并非创造新性格，而是对现有特质的指数级放大，是一种功率惊人的“性格杠杆”。 • “爱荣耀之心”：算法反馈机制（如点赞、流量）加剧了对外部认可的病态渴求。 • 案例：若亚历山大拥有 AI，可能将其征服欲极端化；凯撒可能利用生成式内容制造绝对的舆论操纵。 二：技术优势的盲区与“认知外包” • “技术盲...

一：能力扩展与上下文管理范式 • Skill 模式采用渐进式披露技术，将专门指令动态加载至主上下文，代表产品如 Claude Code Skills 适合文件转换等轻量工具调用。 该方案优点是极低延迟且无启动成本，但局限在于长程对话中容易引发上下文污染，导致模型推理能力下降。 • Subagent 通过分配独立的系统提示词与隔离窗口实现专业委派，如 ChatDev 模拟公司职能，有效防止主线程的上下文腐烂。 隔离窗口虽然提升了任务专注度，但各子代理...

2025年AI Agent正从单轮对话向长程自主任务跨越，核心瓶颈已从单纯的模型智力转向上下文工程与记忆架构的系统性治理，旨在解决Agent在复杂环境下的性能退化与成本失控。 一：上下文工程与分层治理 • 应对丢失在中间困境，实证研究表明模型对长序列中间信息的处理能力随Token增加而显著下降。 • 建立分级上下文架构，区分即时Working Context与持久Session日志，提升系统的模型无关性。 • 案例：瑞典金融科技公司Klarna曾尝试用AI完...