邱懿武
工作台

AI 建造者日报 2026-10-26

AI 的下一个战场不是会聊天,而是能稳定嵌入软件、可被逐条评测的「决策积木」。

整理日期

渠道:AI 建造者日报 · 体裁:日报 · follow-builders(上游 X/播客/博客 + 本地补充源)


今日亮点

JEV 创始人 Diogo Almeida:AI 的未来不是「会聊天」,而是「做决定」

TypeSafe 的 JEV 发布三周估值冲到 75 亿美元。Almeida 的核心判断:过去几年 AI 被困在「聊天框」里,而真正能改变世界的是能稳定嵌入软件、输出概率而非文字的系统一(System 1)模型——分类器不是「低级老技术」,而是「把智能装进软件」的接口,Facebook、TikTok、Google 的底层都是分类器。

→ 启发:判断一个 AI 项目好不好,别看它多能说,看它的每个判断能不能被单独评测、被组合复用。

Guillermo Rauch:如何「指导 AI」是 0 号技能

Vercel CEO:你有时会指导过度(其实 AI 比你更懂),有时又指导不足(AI 跑偏、带偏见、丢上下文)。能不能管好这个分寸,是他看人的第一标准。

→ 启发:给团队定 AI 能力标准时,「提示词写得漂亮」不是能力,「知道什么时候闭嘴放手、什么时候插手纠偏」才是。

Aaron Levie:网安将吃掉 1000 倍于今天的 token

Box CEO:网络风险面在爆炸,大公司都扛不住,更别说绝大多数企业。agent 群可以扇出、调用任意安全工具、读日志、判风险等级——这个能力是最近几个月才出现的。

→ 启发:企业 AI 落地别只盯客服和营销,安全是「刚需 + 高 token 消耗 + 付费意愿强」的黄金场景。

Ryo Lu(Cursor 设计负责人):机器给了我们答案,却拿走了「挣扎」

一篇很长很真诚的思考:过去我们在试错、拆解、求助、重来的过程里学会东西,也在和人的摩擦里成为一支乐队。现在「问一下,答案就来了」,结果看起来完整,我们却可能漏掉了那些「从没学会去问的问题」。

→ 启发:给孩子、给团队用 AI 时,要刻意保留「困难的台阶」,别把学习的过程整个外包给机器。

Aditya Agarwal:越是 AI pilled,越要庆祝人类

「让 agents 自己煮着(或者不煮),去陪家人、去公园、去跳舞,但请庆祝人类。」

→ 启发:agent 的第二价值不是替代人,而是把人从琐碎里赎回来——这本身就是产品卖点。


机构视角

The a16z Show|Aaron Levie:The New Startup Playbook

10 人创业公司能不能打赢几百人的公司?Levie 认为 AI agent 给小队带来了过去经济上不可能的杠杆——创始人从「亲自干活」转向「编排 agent」,战略、品味、「知道该造什么」变得前所未有地值钱。他判断几乎每个行业、每个职能都可能长出专门的 AI agent,可能催生数百家十亿美金公司;但有一件事 AI 不会改变:分发(distribution),「建好了,他们也不会自动来」。

阅读原文

OpenAI News|Cloudflare 用 OpenAI 做漏洞发现

Cloudflare 用 OpenAI Daybreak 排查漏洞并生成修复方案供人工审核,开发者用 Codex 提速、提质。

阅读原文

OpenAI News|ChatGPT 的广告栈是怎么造的

用 LLM 理解对话意图,让广告与回答严格分离,在保证用户信任的前提下做规模化相关投放。

阅读原文


对我们的价值

「决策积木」思路 → 造物云 KA 交付 / 小龙虾 agent

JEV 最关键的一句是「把自然语言写的巨型 system prompt,拆成一个个可单独评测的分类器」。我们给客户交付 agent 时,最容易翻车的就是把「线索分级」「需求归类」「续约风险」全塞进一段 prompt 里祈祷它别错。可行动:在新交付的 agent 里,把这些关键判断做成独立、可评测的决策节点,每个节点单独算准确率,错了就加进 eval 集。

→ 对我们的启发:把「可验证性」做成造物云 agent 交付的标准话术和验收项,这比吹「我们用了什么大模型」更能打动 KA 客户。

「每个职能一个专门 agent + 分发才是壁垒」→ MBA 同学技能 AI 化

a16z 剧本的两句可以直接落地:① 别做通用助手,把某一个具体职能(如招投标文件初筛、教培招生跟进、简历初筛)做成专门 agent;② 光做出产品没用,要卡住分发渠道(同学网络、行业社群本身就是分发资产)。

→ 对我们的启发:MBA 技能 AI 化项目,用「一个职能 = 一个 agent」来切分,每个 agent 配一条现成分发路径,而不是做一个大而全的平台等用户来。

Peter Yang 的 Once Reading 案例 → 教育 AI 产品的留存结构

一款 4 岁孩子能坚持数月的阅读 App,成功三要素:① 强制每日亲子共学形成习惯;② 轻游戏化(每节课后和孩子拍搞怪照);③ 30 课后寄实体书,给里程碑式成就感。

→ 对我们的启发:教育 AI 别卷内容量,卷「习惯闭环 + 即时奖励 + 阶段里程碑」这三件事,可直接迁移到造物云的教育类产品设计。