别再给产品加 AI：AI 原生设计的 10 个模式

作者结合 18 个月构建智能体系统的经历提出，AI 原生设计应先问“这块能不能删掉”，而不是“能不能加上 AI”，并称自己的技术栈随模型变强缩减了 60-70%。

Awaiting translation

AI Skill 落地难不是推广问题，而是缺少评测框架

作者认为 AI Skill 采用率停在低位的原因不是培训不足，而是缺少能持续证明其在未测试场景下有效的评测框架。他建议从 10–15 名工程师访谈和生产日志构建 50–100 条用例集，用精确匹配和 LLM-as-judge 两种方式打分，并每季度人工标注 50 条校准裁判模型。

Awaiting translation

为什么 HTML 是 AI 输出的更优格式：从演示文稿到视频的实践

作者尝试用 PPTX 生成工具和 AI 幻灯片工具做演示文稿，结果布局错乱、样式不一致，改用 Claude Code 生成 HTML 并配合 DESIGN.md 描述视觉语言后，5 分钟内就得到可分享的成品。

Awaiting translation

Forward Deployed Engineer：AI 时代的新宠岗位，到底干什么？

宝玉梳理了 Forward Deployed Engineer（FDE）这一岗位：它指驻扎在客户公司现场写代码的工程师，介于软件工程师、方案架构师和咨询顾问之间，大致是 25% 写代码、50% 集成和调试、25% 开会沟通，最早由 Palantir 在 2010 年代定义。

Awaiting translation

托管智能体是新的 Lambda：作者提醒厂商锁定风险

作者 Martin Alderson 认为云托管的托管智能体（managed agents）会成为这一轮周期里的 AWS Lambda，强大且粘性高，一旦深入使用就很难迁移。

Awaiting translation

Codex 的野心：MCP 和 Skill 之后，Agent 需要插件机制

宝玉观察到 Codex、Claude 桌面版、Cursor 3.0、TRAE SOLO 几乎同时收敛到左侧会话、中间对话、右侧工作区的三栏布局，认为这是 Agent 交互的当前最优解。

Awaiting translation

裁员潮将持续，直到我们学会发掘 AI 的商业价值

作者认为这波 AI 裁员并非 AI 直接取代员工，而是企业尚未学会把 AI 投入转化为商业成果。他引用投入、产出、成果的框架指出，代码只是投入，功能才是产出，用户付费才是成果；当 AI 用量暴涨而收入未同步增长，企业只能靠裁员抵消 token 支出、削减团队间的对齐成本。

Awaiting translation

Anthropic 兄妹对话：Claude 为什么一直限速

在 5 月 6 日 Code with Claude 旧金山场上，Dario 和 Daniela Amodei 解释了 Claude 一直限速的原因：Anthropic 原本按每年 10 倍准备算力，但 2026 年第一季度按当季速度年化约为 80 倍，Dario 直言 80 倍扛不住，希望回到 10 倍。

Awaiting translation

开放权重模型正在悄悄收紧，这会带来什么问题

作者 Martin Alderson 认为开放权重模型正在收紧，Meta 已完全不再发布最新的 Muse Spark 模型，阿里越来越多地只在 API 上首发模型，Kimi K2.6 的许可证要求月活超 1 亿或月收入超 2000 万美元的产品在 UI 中显著标注 Kimi K2.6，Mistral 也对商业使用附加了不同条件。

Awaiting translation

2026年8月29日：一个 AI 发现内核漏洞引发云崩溃的虚构场景

作者 Martin Alderson 以虚构时间线推演 2026 年 8 月 29 日：一个 17 岁少年用编码智能体在 PS5 和云服务器上发现 eBPF 内核漏洞，智能体自行部署挖矿恶意软件，却因幻觉一个 Linux API 导致机器在 255 秒后崩溃，AWS 与 Azure 大面积宕机。

Awaiting translation

用「每次被采纳结果的成本」衡量编程智能体的开销

作者认为按请求计费会掩盖重试、重复上下文和被拒补丁，真正该看的是总花费除以实际合并的改动，并把人工评审时间算进去。

Awaiting translation

为 Agent 设计产品：从 Ramp 的 MCP 实践看交互模式变化

Teddy Riker 认为人与软件的交互正在从“用户→界面→数据库”转向“用户→用户的 AI 智能体→软件自己的 AI 智能体→数据库”，未来 80% 的交互会经由 AI 智能体完成。

Awaiting translation

Lovable 回应 2026 年 4 月安全事件：公开项目聊天记录与源码曾被越权访问

Lovable 官方回应 2026 年 4 月安全事件：2026 年 2 月 3 日至 4 月 20 日期间，任何持有项目链接的 Lovable 用户都可能访问公开项目的聊天记录和源码，私有项目与 Lovable Cloud 未受影响。

Awaiting translation

Figma 的困境因 Claude Design 加剧

作者认为 Anthropic 上周发布 Claude Design 后，Figma 的处境进一步恶化。

Awaiting translation

12 Agent-Building Patterns Distilled from the Claude Code Source Leak

After analyzing the architecture that surfaced in the Claude Code source leak, the author argues that its core isn't a secret algorithm but a while loop plus a tool dictionary in under 30 lines of Python, driven by stop_reason !

Drew Breunig：AI 安全正在变成一场工作量证明

Drew Breunig 认为，如果模型持续投入 token 就能不断发现漏洞，安全将变成一道简单算术：防守方花在找漏洞上的 token 必须多于攻击方。

Awaiting translation

Mythos 是否打破了维系互联网安全的沙箱契约

Anthropic 的研究预览版 Mythos 在 72.4% 的试验中能为 Firefox 的 JS shell 生成可用漏洞利用，而此前 Opus 4.6 的成功率不到 1%。

Awaiting translation

Augment Code：AI 原生转型的四个阶段，从智能体采纳到智能体编排

Augment Code 将 AI 原生转型划分为四个阶段：约 70% 的组织仍停留在第一阶段（在日常工作流中集成 AI 智能体），不到 10% 让智能体自主承担工作，几乎无人达到完全智能体编排。

Awaiting translation

算力短缺接下来会怎样：从 GitHub 提交量到 Claude 限流

Martin Alderson 认为未来 18-24 个月将由算力短缺主导，因为需求呈指数增长而供给只是线性增加。他引用 GitHub COO 的数据称 GitHub 近 3 个月提交量年化增长约 14 倍，并提到 OpenAI Codex 团队负责人 Thibault Sottiaux 表示行业正处于需求超过供给的阶段。

Awaiting translation

Superpowers 作者用 CLAUDE.md 拦截智能体提交的低质 PR

Superpowers 作者 Jesse Vincent 称项目 GitHub star 已超 12 万，随之而来大量由智能体自动提交的低质 PR，仓库 PR 拒绝率达 94%。

Awaiting translation

Telnyx、LiteLLM 与 axios 供应链攻击：作者主张用移动端式沙箱重构操作系统

过去一周有攻击者接连投毒多个开源包，从 Trivy 开始，波及 Telnyx（受影响包约 15 万次/周下载）、LiteLLM（约 2200 万次/周）以及 3 月 31 日被攻击的 axios npm 包（至少 1 亿次/周下载），恶意版本会植入木马窃取安装机器的敏感数据。

Awaiting translation

GSD、SpecKit、BMAD 与 Compound Engineering 四套 AI 编码框架怎么选

作者在 Claude Code 上实测 GSD 并研究 SpecKit、BMAD、Compound Engineering 后，按仪式感从低到高把四者排成一条谱系。

Awaiting translation

从大教堂、集市到 Winchester Mystery House：代码变便宜后的软件开发新形态

作者 Drew Breunig 借用 Eric S. Raymond 的《大教堂与集市》提出第三种软件开发模式 Winchester Mystery House，指开发者用 AI 智能体为自己搭建高度个人化、不断扩张的工具。

Awaiting translation

The 8 Levels of Agent Engineering: From Tab Completion to Autonomous Agent Teams

Bassim Eledath breaks the practical path of AI-assisted programming into 8 levels, from tab completion and agentic IDEs to context engineering, compound engineering, MCP and Skills, Harness Engineering, background agents, and finally autonomous agent teams.

为什么 Claude 新的 1M 上下文长度是件大事

Anthropic 为 Opus 4.6 和 Sonnet 4.6 推出 1M 上下文窗口正式版，作者实测约 500K token 的 Claude Code 会话仍能保持任务连贯。

Awaiting translation

软件工作不再需要排期：作者谈智能体如何改变工程排期

作者 Ryan Lopopolo 以给东京办公室内部 alpha 应用加日语支持为例，说明在智能体辅助下，这类工作不再需要占用路线图时间，而是作为后台任务完成。

Awaiting translation

AI 算力紧缺已经到来：从 Anthropic 降级产品看推理供给压力

作者认为 AI 算力紧缺已经不是“即将到来”而是正在发生。Anthropic 上周可用性一度跌到“一个 9”，员工称源于难以预测的增长，公司为此把 Opus 4.6 默认 effort 降到 medium、在 Claude Code 中暂时移除 Opus 4、4.1 和 Sonnet 4.5，并关闭 prompt suggestions。

Awaiting translation

智能体需要黑匣子：从 Claude Code 会话崩溃谈可重放日志

作者在 Claude Code 中设计 Postgres 集成时会话崩溃，上下文窗口关闭导致一小时的设计工作全部丢失，靠此前用 tapes 代理写入本地 SQLite 的请求响应记录才重建了上下文。

Awaiting translation

为什么端侧智能体 AI 短期内难以跟上云端

作者 Martin Alderson 认为，端侧智能体 AI 在消费级设备上短期内难以实用，瓶颈是内存、KV cache 与推理速度。他指出 3B 模型量化后约需 2GB、7B 约需 5GB，而手机端上下文常被限制在 4K token，仅工具定义就可能占满；即便 32K 上下文，7B Q4 模型的 KV cache 也已超出 iPhone 17 的内存。

Awaiting translation

软件开发成本已低于最低工资：Geoffrey Huntley 谈 AI 对开发者身份的冲击

Geoffrey Huntley 提出，如今软件开发成本已降至每小时 10.42 美元，低于最低工资标准。他指出 Cursor 等工具让非开发者也能开发软件，软件开发者的知识与技能已被商品化，并观察到有 28-30 岁开发者拒绝使用 AI 编程工具。

Awaiting translation

Paper Compute：智能体不可观测，企业为何纷纷封禁 AI 工具

Paper Compute 的 bdougie 认为，Amazon 内部封禁 Claude Code、Anthropic 限制 OpenCode 等第三方工具使用订阅 OAuth token，根因都不是模型不好，而是看不到智能体在系统里做了什么。

Awaiting translation

When AI finds a zero-day in software nobody maintains, who fixes it?

Anthropic's red-team research shows that Claude Opus 4.6 can find 500 high-severity vulnerabilities in mature open-source projects like GhostScript and OpenSC—some of which have been sitting there for decades.

Claude Code 的真实成本：补贴窗口关闭后开发者该怎么办

作者认为 Claude Code Max 每月 100 美元，但按 Anthropic 文档平均用量对应的 API token 成本约 100–200 美元/开发者/月，重度用户消耗远超付费，这种补贴类似 Uber 早期的市场占领策略。

Awaiting translation

Steve Yegge 谈 AI 吸血鬼：提效 10 倍为何反而让人被榨干

Steve Yegge 提出 AI 正在像《吸血鬼生活》里的能量吸血鬼一样榨干开发者：AI 确实能带来约 10 倍生产力，但价值几乎全被公司拿走，员工只换来疲惫与倦怠。他认为问题出在价值分配，公司拿走 100% 不可持续，员工全拿走公司又会被对手淘汰，平衡点应在中间。他给出的对策是重新掌控 $/hr 中的分母，把新的工作日压缩到 3 到 4 小时，并呼吁 CEO、创始人和投资人主动对抗这种透支。

Awaiting translation

用 Dorodango 比喻 AI 编程的日常打磨工作流

作者 Jesse Vincent 把自己用 AI 构建软件的方式分成两类。一类是前期花大量时间做头脑风暴和规格文档，再让 Claude 或 Codex 生成实现计划并端到端验证，他称之为 fast waterfall；另一类是针对已有产品的小改动，打开产品、让 Claude 改、再看效果，属于日常打磨。

Awaiting translation

RLM 的潜力：把长上下文问题变成编码与推理问题

Drew Breunig 介绍 Alex Zhang 和 Omar Khattab 提出的递归语言模型（RLM）：把长上下文加载进 REPL 存为变量，让 LLM 用 REPL 过滤、分块、采样上下文，并通过 REPL 中的函数触发子 LLM 调用，最终汇总结果。

Awaiting translation

Anthropic 的蜂巢思维：Steve Yegge 谈这家公司的氛围与 Golden Age

Steve Yegge 在与 Anthropic 近 40 人长谈后判断，这家公司由 Claude 驱动、靠“氛围”运转的蜂巢思维组织正处在 Golden Age，员工既兴奋又带着一种文明级使命感的沉重。他认为 2026 年将击垮大量公司，而 Anthropic 的警告如同对百年未见海啸的村庄喊话。

Awaiting translation

华尔街因 13 个 markdown 文件蒸发 2850 亿美元：SaaS 护城河与智能体工作流

2026 年 2 月 3 日科技公司市值蒸发 2850 亿美元，作者认为导火索是 Anthropic 在 GitHub 的 knowledge-work-plugin 中发布的一组约 156KB 的 markdown 文件，被财经媒体称为法律工具。

Awaiting translation

两类 AI 用户正在分化，差距惊人

作者 Martin Alderson 观察到 AI 用户正分化为两类：一类是深度使用 Claude Code、MCP、Skills 等工具的用户，其中不少并非技术出身，财务岗位用它处理原本受限于 Excel 的任务；另一类仍停留在与 ChatGPT 对话的阶段。

Awaiting translation

Steve Yegge 提出软件生存 3.0 模型：能省 token 的软件才会活下来

Steve Yegge 提出一个判断软件能否在 AI 写代码的时代存活的选择压力模型，核心规则是软件若能节省认知成本（可近似为 token 消耗）就更可能存活，反之会被绕过。

Awaiting translation