- 日期:2026-11-18
- 来源:follow-builders(上游 X/播客/博客 + 本地补充源)
- 标签:AI建造者 / 日报 / 行业动态
- 一句话:软件工厂只是过渡,真正稀缺的是「人和 agent 协作的工作空间」与能被 eval 验证的交付物。
今日亮点
Thariq(前 Claude Code,Anthropic):软件工厂是临时问题,工作空间才是答案
他说「software factories feel like a temporary problem,模型会自己学会给你造工厂」,真正有趣的问题是怎么建一个 agent 能和你协作的工作空间。这条拿了近 5000 赞。
启发:别再往「流程外壳」上堆工程,力气要花在人机协作的界面上——那份界面才是长期资产。
Aaron Levie(Box CEO):人均 token 消耗曲线还看不到天花板
他的判断链是:今年夏秋的模型迭代把 SOTA 又推了一截 → coding 直到现在才「真的能用」(一年前基本是垃圾)→ coding 通了才带出 tool use 和 computer use → agent 才能被扔进财务、生命科学、网络安全这些知识工作领域 → 再往后是 agent swarm 和后台 agent,token 消耗量级再上一个台阶。
启发:「agent 能不能用」不是模型能力问题,是「coding 能不能用」这个前置条件刚被满足。
Mihail Eric(斯坦福 CS146S 讲师、Monaco AI 负责人):去年的作业,今年学生一句 prompt 就做完了
所以他今年把课程重写了:第一周让学生用 200 行代码写一个 coding harness,再用 MITMProxy 拦截真实 Claude Code 的请求,把 system prompt、plan prompt、compaction prompt 摊开给学生看。作业从「教学式练习」换成「给真实开源仓库提交 PR、由 maintainer 评审」。他也讲了实话:「大部分学生是完了,少数会极其值钱」——因为地板被抬高了,应届生要按 senior 的标准要求自己。
启发:教材的半衰期已经短于一个学年;能被 one-shot 的作业,就不再有教育价值。
Guillermo Rauch(Vercel CEO):用户从「人」变成「agent」,工程循环的入口也变了
「老办法:用户是人,做用户访谈、画用户旅程、做原型。新办法:用户是 agent,跑 eval,eval 反过来驱动工程循环。」他同时给了「拥有自己的智能路线图」四步:用开放 SDK/harness、用 gateway 保住模型选择权、自有 trace 与数据并强制 ZDR、用私有推理保住模型。
启发:eval 不是测试部门的事,它是新的「用户研究」。
Peter Yang 转述 Nate Parrott:让 Claude 不做「AI slop」的 5 条设计法
① 前置给足上下文(截图、喜欢的页面、旧作品;有产品就让它从代码重建真实界面)② 让它先研究同类产品的成熟 UX 模式 ③ 明确告诉它自己的设计偏见——「模型不知道自己有什么偏见」,在 design.md 里禁掉衬线字、米白背景、卡片边条 ④ 先做线框,锁定核心流程再谈字体颜色 ⑤ 一次要 5 个方案,挑喜欢的部分让它 remix 再来 5 个。
启发:反 slop 不靠「请做得好看点」,靠把偏见写成可执行的负面清单。
机构视角
a16z《Can AI Learn to Improve Itself? | Recursive Self-Improvement》
a16z 新栏目 Working Theory 首期,Sarah Wang 对话 OpenAI 首席研究官 Mark Chen 与 Thinking Machines 联创 John Schulman。核心:AI 已经在帮前沿实验室跑实验、写代码、验证想法,Mark Chen 说 OpenAI 已经建了「AI research interns」;两人讨论了 RSI 到底指什么、为什么 research taste 极难被教、以及为什么 AI 可能是解决 alignment 的最好工具。
OpenAI News《Introducing GPT-6.2 Astra and Sol》
新模型主打更强的专业输出、coding、computer use,以及更低的成本,同时覆盖 ChatGPT Work、Codex 和 API。
OpenAI News《Strengthening NATO and allied cyber defenses with AI》
OpenAI 与 NATO 及盟国网络机构合作,帮可信防守方找漏洞、验证修复、保护关键系统。
对我们的价值
「作业一年就过期」→ 教育 AI 的交付物必须换成可验证的产物
Mihail 的判断很硬:去年还能当作业的东西,今年学生一句 prompt 就 one-shot 了,所以他把评分标准从「完成练习」换成「你的 PR 被真实 maintainer 接受」。这直接打在造物云的教育 AI 业务上——我们卖的课程和训练营,内容半衰期也在同步缩短。
→ 可行动:小龙虾 Agent 训练营每个模块的结业标准,从「交一份作业」改成「在你的真实业务仓库里跑通一次端到端 agent 任务,并留下一份可复跑的 eval + PR 式变更说明」。评审看合并记录,不看截图。
Levie 的 token 曲线 + Rauch 的 eval 论 → KA 交付物要从「系统上线」改成「eval + trace」
Levie 说 agent 真正被扔进知识工作,是因为 coding 通了;Rauch 说用户已经是 agent,工程循环的入口是 eval。合起来的意思是:客户买的不是「一个能跑的 agent」,是「一套能证明它还跑得对的东西」。这对造物云的 KA 服务是结构性变化——上线只是开始,模型一换、提示一改,没有 eval 就没有质量承诺。
→ 可行动:每个 KA 项目交付时强制附一套 20-50 条的黄金 eval 集,模型调用统一走 gateway,trace 落到客户自己的存储里。换模型先跑 eval,跑不过不许上。
「协作工作空间」这条,正好戳中我们 Agent 团队现在的痛点
播客里 Mihail 和 swyx 都承认:子 agent 该不该继承主线程上下文、什么时候压缩回传,目前全靠手感和 hack,「我不喜欢我现在做的任何一件事」。Thariq 则说真正该建的是协作工作空间而不是工厂。我们自己的多 agent 编排恰好卡在同一个位置——不是缺 agent,是缺「agent 之间怎么交接」的纪律。
→ 可行动:给团队定一条硬规则——任何 agent 任务必须产出两样东西才算法完成:(a) 一段 PR 式的变更说明(做了什么、碰了哪些边界、为什么这么选),(b) 一个别人能复跑的验证脚本。这正是 Mihail 说的「PR 描述就是这一时刻的 spec」,也是我们唯一能规模化的交接格式。