Steve Yegge@Steve_YeggeAI 评分22

英语的一个了不起之处在于，它巧妙地演化成让你总能在还没想好句子怎么结束之前就先把句子说完。你只管开口，最后总能想出一个不破坏语法的结尾。从莎士比亚时代起就是如此。 这就是为什么能用介词结束句子对英语如此重要：有时候你的句子就是会走到那一步。

宝玉@doteyAI 评分7171

SemiAnalysis 实测 Anthropic、OpenAI 等九家 AI 订阅套餐后得出，同样 200 美元，Claude 订阅折算的 Token 用量约为 OpenAI 的 5 倍。

Shreya Shankar@sh_reyaAI 评分2828

一位五年多没用过 BI 工具的人看完 Rippling 案例后认为，对智能体而言，选工具/MCP 和选数据正变成同一个问题，业务逻辑与数据的边界越来越模糊。Rippling 数据团队仍靠人工检查智能体查询、发现模式后再建汇总表。传统 ELT 以推送为主，智能体让 BI 更偏向拉取：问题先到，系统再决定需要哪些数据、转换和工具。

Joy & Curiosity #102：Gemini 4 Argon 智能体优化数据中心内存，GLM-5.3 可绕过安全防护

Google 发布 Gemini 4 Argon，其 Argon 智能体团队通过分析全集群性能遥测数据自主识别并应用内存优化，上线后释放超 300 TiB 内存，预计总节省 500 TiB 至 1 PiB。

geoff@GeoffreyHuntleyAI 评分2020

Geoffrey Huntley 认为，Docker/Kubernetes 时代的编译、重启、部署 CI/CD 循环整体可以被压缩，但因 VC 产业复合体而迟迟未发生。他反驳 golang 或现有语言会胜出的观点，称几乎所有编程语言本质相同，下一步将是被重新应用的旧思路：actor 模型与修复镜像而非重建镜像，且为 LLM 作为程序员而设计，而非为人类。

宝玉@doteyAI 评分6262

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。

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。

Thorsten Ball 谈 Jev：把 LLM 决策变成 200ms 的“智能 if 语句”

Thorsten Ball 在 Register Spill 中称 Jev 不是 LLM，而是“为软件直接使用的快速结构化决策”而建的模型，TypeSafe 将其描述为“非结构化状态输入、带类型的概率决策输出”的前沿智能函数调用。

Sebastian Raschka@rasbtAI 评分3636

Sebastian Raschka 用 Paint UI 复刻同一张图，对比 GPT-5.6 Astra 与 Qwen3.8 Max 的计算机使用（视觉）能力：Astra 默认用几何图形分层绘制，Qwen 则逐像素还原，后者结果天然更接近原图、得分会更高。但他认为不能据此断定 Qwen 的计算机使用或视觉理解更强，这恰恰说明只看最终结果的 benchmark 有多不可靠。

Sebastian Raschka@rasbtAI 评分2020

Sebastian Raschka 认为，AI 行业的 "pacing" 并非放缓训练与开发，而是为模型发布增加更多检查框架。他指出近期已有类似案例：Mythos 未按原样发布，而是延迟推出削弱版 Fable 变体；Astra 模型至今未发布。这些决策此前都是临时的，若形成正式框架，可减轻公司为争夺榜首而仓促发布模型的压力。

Joy & Curiosity #96：Stripe 以 75 亿美元收购 OpenRouter，GitHub 月提交量增至 29 亿

Stripe 以 75 亿美元收购 OpenRouter，致投资人的信被曝光。GitHub 披露月提交量自 4 月以来从 14 亿增至 29 亿，新增 300 万 CPU 核心和 120 PB 高速存储。作者还回顾了 GitHub 开源贡献、StackOverflow、TDD、文本编辑器等曾被视为基石的开发实践在近两年的式微。

Andrej Karpathy@karpathyAI 评分6262

Karpathy 给 Opus 5 输入《魔戒》第一段、约 1M token 预算（约 10 美元），让它用 three.js 渲染这个故事。Opus 运行约 2 小时，写出 5500 行代码，程序化地渲染出故事场景，效果有些粗糙但有趣。

什么是循环工程，领先软件工程团队如何用它

Augment Code 提出循环工程，即设计从触发、执行、验证到完成结果的智能体循环，让智能体承担中间环节、人类只在需要判断的检查点介入。文章把循环工程与提示词工程、上下文工程分层对比，并给出触发、执行、验证、结果、改进五个阶段，以及代码评审、工单转 PR、漏洞修复、事故响应四种已在生产运行的团队级循环。

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。

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。