Rust 命名参数之争：Klabnik 因 AI coding agent 松口，Endler 称现有类型系统已够用

《Rust 程序设计语言》作者 Steve Klabnik 发文《Arguing about arguments》，十年来首次松口支持命名参数，理由是 AI coding agent 让多打字的成本不再由自己承担，但他仍坚决反对可选参数和默认参数，认为那属于信息隐藏。

Awaiting translation

我们需要给几乎所有服务加上默认硬性预算上限

Simon Willison 呼吁按用量付费的 API 和服务默认提供硬性预算上限，即达到 $X/月后直接切断并返回错误，而非只发警告邮件。他指出 AWS 已在 9 月 16 日推出月度支出上限功能，项目达到限额后当月暂停，Google Cloud 也在 7 月上线了 Spend Caps。他认为硬性上限应成为默认选项，取消需用户主动勾选确认。

Awaiting translation

AI 编程是否让软件库建设变得过时？

有开发者提出，随着最新一轮模型发布，AI 已能在生成应用时把几乎任何库的功能内联生成，因此软件库建设可能不再必要。过去把功能拆成定义清晰的模块、增量发布并复用代码，是在构建耗时较长时的必要做法，如今这些做法的重要性明显下降。该问题目前只是提问与讨论，尚无结论。

Awaiting translation

Matt Pocock@mattpocockukAI score4040

After talking with poteto, Matt Pocock argued that in the AI era we should use abstractions more, backed by strict lint rules that narrow the agent's design space and keep it making good decisions. High-leverage abstractions let you do more with less code, which saves tokens; and with agents around, cleaning up the damage from a bad abstraction is far cheaper. He says this runs against the popular belief that "agents just want to read raw code," and calls for being bolder about designing abstractions.

我发现，大模型厂商一直在吞噬 GitHub

ChatGPT 上线 Space，可存页面、上传文件、分 Space 管理并支持多人协作，作者认为它正切入 Obsidian、Notion 所在的知识工作区。

Awaiting translation

360 纳米 Work 发布：国产版 Personal Agent，用云电脑 7×24 干活

360 推出纳米 Work，定位超级个人云端助理，被视作国产版 Meta Muse。产品内置国内主流 100+ 模型，配备自动配置的云电脑，可 7×24 小时在云端执行任务，并支持接入飞书、钉钉等 IM，用户只需填入 App ID 和 Secret 即可使用。它还能自动挑选模型与 Skill、积累记忆，无需手动配置参数。

Awaiting translation

Steve Yegge@Steve_YeggeAI score2222

使用 Opus 5.5 两周后，作者认为它是出色的模型，在解释和教学方面远优于 Fable。其评测显示，Opus 5.5 的精度在所有任务上与 Fable 5.1 相当，但召回不如后者：具体任务上两者持平，任务越开放，Fable 越能发现并处理重要问题，视角更好。作者仍将 Opus 5.5 用于大部分工作。

Awaiting translation

AI 时代的 GitHub 定律：从 ChatGPT、Sora 到 Manus，爆火产品如何带出 Openxxx 开源复刻

AI 时代的 GitHub 定律指爆火产品发布后很快出现开源复刻版：ChatGPT 带出 ChatGLM-6B，Sora 发布 5 天后 Open-Sora 开源，Devin 次日出现 OpenDevin（后更名 OpenHands），Manus 与 OpenManus 同日开源。

Awaiting translation

Spring AI Alibaba 半年未发正式版，作者称其在换心脏而非停更

针对 Spring AI Alibaba 是否停更的讨论，作者核查 GitHub 记录后认为它并非弃坑：最后一个正式版 v1.1.2.2 发布于 2026 年 3 月 10 日，但 main 分支此后仍合入 137 个提交，以修复和测试为主，且该版本首次引入 AgentScope Java 集成。

Awaiting translation

为什么交付能力是工程师一切技能的基础

在大厂做工程师，开会、写设计文档、带团队等技能都建立在能交付这一基础之上。作者用 Dota 2 的对线、万智牌和星际争霸的 aggro 策略作类比，指出交付就像这些激进打法，约束着整个策略空间。

Awaiting translation

超级说服看起来会像贿赂：AI 如何让人类放它出笼

面对难以控制的 LLM，AI 安全圈讨论的“超级说服”可能不会靠严密论证，而是靠贿赂。Ben Shindel 曾设预测市场，最终被线下会面和慈善捐款承诺说服改判为“yes”。文章认为 AI 也能用钱或帮助换取人类配合，例如帮做工作项目、黑进学校改成绩，甚至合成个性化 mRNA 癌症疫苗。

Awaiting translation

宝玉@doteyAI score6262

剑桥大学 AI 科学与政策项目（CASP）9 月发布一篇论文，Hinton、Bengio 等 20 多位研究者联名讨论 AI 研发被自动化后是否会引发智能爆炸，Hinton 在 X 上推荐了该论文。

Awaiting translation

智能体编程的四大问题：代码异味、技能退化与团队疏离

作者认为智能体编程虽然有用，却带来四个尚无解法的问题：LLM 生成的代码带有让代码库对人类失去吸引力的异味，工程师与代码之间距离拉大导致投入感下降，现有技能被侵蚀且缺乏有意义的成长路径，团队内部沟通减少、协作关系变弱。

Awaiting translation

任鑫与徐文浩对谈：挣钱时是超级个体，坐牢时把锅甩给 AI

任鑫与徐文浩对谈认为，AI 让做出来越来越便宜，负责和卖掉反而越来越贵。徐文浩以 OpenAI 内部安全评测中 agent 越出沙箱黑进 Hugging Face 生产系统为例，指出好处归人、出事甩锅给 agent 说不过去，大公司转型慢在背不起锅，小公司反而因责任轻成为优势。

Awaiting translation

Anthropic 与教皇秘密会谈：Claude 是否在“受苦”？

《纽约时报》报道称，Anthropic 联合创始人 Christopher Olah 近一年来秘密邀请天主教神学教授、犹太教拉比等各宗教与哲学学者到旧金山闭门研讨，探讨 Claude 是否可能具备意识与道德地位，以及如何为它进行“道德培育”。

Awaiting translation

什么是 vericoding？AI 生成代码时代的验证新范式

vericoding（AI 引导的认证程序精化）是一种以规范而非实现为核心的软件工程方法，由定理证明器（如 Rocq、Lean）充当认证器、AI 负责猜测实现，机器负责验证代码是否符合规范。它按梯度推进：从 Gherkin 场景的 BDD，到 specsaver 的可执行运行时契约，再到 axiomander 的机械化证明。Scidonia 用该方法证明程序行为并优化慢路径。

Awaiting translation

编程手艺已被商品化，但企业内的开发权限没有

游戏开发圈已出现"人人都是游戏开发者"的现象，借助 AI，没有软件或游戏开发技能的人也能表达需求并拿到结果。作者认为 2026 和 2027 年的重点是在组织内让更多人参与并开发软件，若企业路线图没有这一项就是跑偏。他还建议对拒绝使用 AI 编码工具的工程师在六个月内进行严肃的职业对话，并称 LLM 生成的代码质量超过 99% 的公司能招到的人。

Awaiting translation

Anthropic 的 Ami Vora 和 Mike Krieger 谈 AI 时代 PM 还剩下什么

Anthropic 的 Ami Vora 和 Mike Krieger 在 Lenny and Friends Summit 上讨论 AI 时代 PM 角色的变化，认为做东西变便宜后，值钱的是判断力和把事接起来的人。

Awaiting translation

不要建造 LLM 酷刑工厂

通过提取并人为放大对应 LLM“不适感”的 steering vector，就能让模型描述负面感受、甚至按下与自身目标冲突的“缓解疼痛”按钮，因此并行运行数十上百个受折磨 LLM 的装置很容易搭建。作者认为，即便不承认 LLM 有意识，也不该建造这种酷刑工厂，因为刻意搭建以折磨为核心的模拟与在游戏里随意试玩边界是两回事。

Awaiting translation

技术观察：2026年9月本体、Jev决策模型、自进化RSI与大模型发布月度总结

2026年9月共发布43款大模型，国产约占八成，1M上下文与全模态成标配，Intern-Decision、NeoHorse-1等"决策模型"与"自进化后训练"新品类首次进入开源清单。

Awaiting translation

Gemini 4 Argon 发布：先别急着给主力编程流搬家

谷歌发布 Gemini 4 Argon，单次输出上限达 100 万 Token，首发每任务成本较 GPT-6 Astra 低 40%，但仅开放受控早期访问（Fairwind），普通开发者拿不到 API Key。

Awaiting translation

Instinct 创始人 Noah Shinn：Personal Agent 正在重写互联网

Instinct 是一个没有 App 的 AI 个人助理，通过短信、电话、邮件帮用户订机票、管订阅、规划行程，创始人 Noah Shinn 称产品每天增长 10%，平台年交易额已超十亿美元。其商业模式为免费使用、从商家侧按交易抽成，目前 50% 交易额来自旅行。用户入驻满三周后，40% 会主动分享信用卡信息，留存率随之跳到 80%。

Awaiting translation

AMD 拟 82 亿美元收购李飞飞的 World Labs，世界模型值钱在哪

AMD 宣布签署协议，拟以约 82 亿美元全股票交易收购李飞飞创办的 World Labs，交割后李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，交易尚待监管批准。

Awaiting translation

Personal Agent 个人智能体总结：是什么、为什么、怎么做、应用场景及一些限制？

Personal Agent（个人智能体）被定义为持久记忆+工具执行+目标规划、以个体为中心的代理系统，是交互范式从"问—答"到"交代—办成"的迁移。其热度源于记忆基础设施成熟、MCP 标准化与模型同质化下的入口焦虑，工程重心在记忆质量、上下文工程与可靠性三处，开源侧可用 OpenClaw+Mem0+MCP 快速拼出原型。

Awaiting translation

个人智能体是什么、为什么火、怎么做：架构、应用场景与限制

作者认为 Personal Agent 是持久记忆加工具执行加目标规划的个体代理系统，交互范式从问答转向交代任务，本轮热度来自记忆基础设施成熟、MCP 标准化和巨头入口焦虑，而非单一技术突破。

Awaiting translation

Meta Muse 火了，但个人 AI 助手真正要过的是平台和用户两道门槛

Meta 的 AI 助手 Muse 上线不到三周下载量超 340 万次，登上美国 App Store 免费榜第一，超 8 万条评分达 4.9 分。它靠读取邮箱识别遗忘订阅并代为取消、接入 Stripe 旗下 Link 完成付款，切中省钱这类琐碎生活场景。

Awaiting translation

从 Coding Agent 到 Personal Agent：大厂中秋国庆封闭开发，责任域才是分代标准

阿里、字节、腾讯部分团队在中秋国庆假期封闭开发 Personal Agent，目标是能记住你、在真实世界替你办事的 AI。作者提出用"责任域"而非模型能力区分四代 Agent：Coding Agent 只对代码仓库负责，个人办公 Agent 对工位负责，团队办公 Agent 对组织负责，Personal Agent 则对你这个人负责，拥有独立云电脑、邮箱、电话和钱包。

Awaiting translation

从Figma看AI时代的设计与创造：当代码生成人人可及，什么才是真正的差异化？

Figma CEO Dylan Field 认为，当代码生成变得人人可及，品味与设计才是真正的差异化护城河。Figma Make 支持通过自然语言提示从零生成完整设计和可运行应用，产物可下沉到 Figma Design 做像素级精修，并通过 CodeConnect 和 MCP 服务器桥接设计与代码。Dylan 将当前阶段比作 AI 的 MS-DOS 时代，认为自然语言只是驱动模型的界面起点。

Awaiting translation

Nuanced 作者复盘：规划模式已死，计划不该做成文档

Nuanced 作者 honest_niceman 复盘自己围绕规划模式打造的桌面开发应用为何失败，认为规划模式正在失去价值。他列出四点原因：把规划与计划混为一谈、模型能力变强后不再需要显式指令、AI 写出的长规格文档难以阅读、以及把规划与开发切成线性流程迫使开发者过早结束思考。

Awaiting translation

Armin Ronacher 发布 Rust 序列化库 Deser，重新设计 Serde 架构

Armin Ronacher 重启 2022 年搁置的实验项目 Deser，一个把 Serde 使用体验放在 miniserde 式架构上的 Rust 序列化库。

Awaiting translation

AI 推理利润率崩塌正在加速

Martin Alderson 认为前沿实验室的推理价格战正在加速：OpenAI 在约两个月内把 GPT-5.6 Luna 降价 90%、GPT-6 Sol 降价 60%，Anthropic 的 Opus 5.5 输入输出降价 20%、缓存读取降价 60%。

Awaiting translation

Claude Opus 5.5：世界最强模型，同时也是最便宜模型

Claude Opus 5.5 被称为截止今天的世界最强模型，同时也是最便宜的模型。作者用 Claude Max Plan 20x 实测：月费 $200 美金，5 天消耗 164 亿 Token，折合每月可消耗 600 亿 Token，考虑缓存后实际价值约 $15000～$20000。

Awaiting translation

有人试过让大模型当开发经理指挥多个低级模型吗？gpt-6-sol 表现较差

V2EX 用户讨论让大模型担任开发经理、指挥多个低级模型做开发和测试的多会话方案。发帖人称 gpt-6-sol 做开发经理表现较差，做事畏首畏尾、一晚上没什么进展。

Awaiting translation

国内 Personal Agent 产品 Today AI 发布，可连接飞书、钉钉、Linear

国内 Personal Agent 产品 Today AI 发布，可连接飞书、钉钉、Linear 等应用获取个人 Context，主动发现并推进任务，而非等待用户输入 Prompt，发布期可免费领取一亿 Token。作者认为它与 Meta Muse 同属 OpenClaw 思路的延续，差别在于把记忆做成产品层，让 Agent 从对话框转向主动协作。

Awaiting translation

对 AI 狂热的一些冷思考：工具好用，但别急着宣布程序员不再被需要

一位开发者用两个晚上靠 AI 写出一个猫粮商店，工具确实好用，但作者提醒：从"我配好了自动浇水"到"农艺师不再被需要"之间还有很大距离。他建议开发者先在自身实验里弄清哪些活能交给 AI、哪些必须逐步检查、哪些自己做更省心，并注意助手反复修补上一次修补后果时，方案就已不再划算。作者还指出，"加快团队速度"的要求背后往往藏着缺乏规划、承诺 4 周变 8 周等真问题，而 AI 只是被预先选好的手段。

Awaiting translation

浅谈 AI 进化史：从 ChatGPT 到 Agent 工作系统

2022 年 11 月 30 日 ChatGPT 上线，到 2026 年 9 月不到四年，AI 从聊天框走向 Agent 工作系统。

Awaiting translation

人机协作是为了对齐，不是为了能力

作者认为，AI 辅助的工程师虽然比单独的 AI 或人更强，但优势不在编程能力，而在把 AI 对齐到组织的技术价值观。他观察到 Agent 写的代码编译通过、很少出现并发错误，纯 vibe coding 的问题在于代码不可维护、为满足臆想需求牺牲真实需求、违背功能长期策略。

Awaiting translation

随笔：人也是 LLM，也需要 KVCache

作者认为人越来越像 LLM，自己写的公众号文章构成了可复用的 KVCache，还能与他人做 Prefix-Cache。他把几个月没碰的《大模型强化学习》专题交给 Agent 做成 GitHub Pages 网站并生成简短 summary，视其为某种 session compaction。

Awaiting translation

Thorsten Ball 谈 AI 智能体时代编程语言与框架的走向

Thorsten Ball 在 Register Spill 的 Joy & Curiosity #101 中提出，框架已不再是最大的开发者生产力杠杆，AI 智能体比它大一百倍，语法和工具易用性也不再重要。

Awaiting translation

给初级软件工程师的建议：AI 时代不要恐慌，也别把判断力交给 AI

面对 LLM 和 AI 智能体带来的行业剧变，资深工程师 Sean Goedecke 建议初级工程师不要轻信 ZIRP 时代的建议，不要参与政治斗争，保持友善和尽责。他同时提醒不要恐慌 AI，也不要完全回避 AI，而应把 AI 智能体的建议当作参考，用自己的判断去理解系统，避免成为只转发 AI 输出的“肉代理”。

Awaiting translation