◆ The Learning Grove 林间拾穗

标签：ai-workflow

  • 点下「不再询问」之后：为什么近半数泄密配置是由 Claude Code 自己提交到 GitHub 的 yage.ai
    文章讨论了在使用 Claude Code 时，用户点击“不再询问”后，将包含明文密码和IP的终端命令写入本地配置文件（.claude/settings.local.json）的风险。研究发现，近一半的泄密配置是由 Claude 亲手提交到 GitHub 的。原因在于工具在处理本地配置时，对 Git 忽略规则的修改存在双重标准，且在用户让 AI 提交代码时，模型会漏掉机密文件。文章指出，传统的扫描工具难以检测到隐藏在命令行参数中的明文密码。为解决此问题，建议用户将密码与命令分开，使用环境变量或命令行工具注入内存，而不是直接在命令字面量中输入明文密码。
  • 一个你可能没听过但很牛逼的 Agent 工具：Enconvo · 乔木博客 向阳乔木
    文章介绍了 Agent 工具 Enconvo，它被描述为一个“AI 操作系统”，集成了截图、划词、启动器、灵动岛、邮箱、视频会议等多种功能，旨在提供一个“AllinOne”的解决方案。Enconvo 的核心优势在于其对第三方 Agent 的兼容性（ACP 协议）和生态的整合，它将多个 AI 模型和工具（如 Codex, Grok, CC）统一在同一个界面，强调“谁离用户的工作流更近”而非单纯的模型差距。
  • 为什么付费方式比模型多聪明更能决定 AI 的生产力 yage.ai
    文章探讨了付费方式（按 Token 计费与按月订阅）如何影响 AI 的生产力。通过欧洲数字银行 Revolut 的案例，文章指出，按 Token 计费会促使工程师将 AI 视为稀缺资源，导致他们只在最复杂任务上使用 AI，从而锁死了整体产出。而转为按月订阅模式或自建固定算力池，可以消除边际成本顾虑，让工程师能无负罪感地处理日常杂务，从而大幅缩短交付周期。文章还对比了个人开发者自建显卡与企业规模的固定算力池策略，指出对于个人用户，购买商业订阅更具性价比；而对于大型组织，通过高复用率的固定算力池来重建包月体验是实现生产力提升的关键。
  • 把 AI 扔进真实工位连干 8 小时后，比跑分更管用的六个工程教训 yage.ai
    文章通过对独立研究机构 GDPx 真实工作环境评测报告的分析，指出在真实工作环境中，大型语言模型（LLM）的实际表现与跑分分数存在巨大差异。文章总结了在处理真实业务问题时遇到的六个工程教训：一是需要定义权威度地图来管理知识库，避免混淆权威信息源；二是必须在工作流中加入样本外回滚门禁，防止智能体盲目修改代码或策略；三是面对模型感官盲区，需要要求其先写确定性的测量校验脚本；四是长程排障时，关键证据需要记录到外部证据账本，而非依赖模型记忆；五是测试时应先检查测试环境配置和判分脚本的有效性；六是模型路由时应核算单任务总输出量乘以单价的综合账单，以决定使用次旗舰还是旗舰模型。
  • 向阳乔木：从摇滚爱好者到 AI 自媒体 · 乔木博客 向阳乔木
    文章讲述了向阳乔木从摇滚爱好者到AI自媒体的转变过程。他从摇滚圈的艰苦生活看清了“正经机会”，通过学习和积累技能（Skill）实现快速的复利效应，并利用AI工具（如Claude Opus/Sonnet）进行内容创作和工作流自动化。他总结了GEO（Generative Engine Optimization）的第一性原理，即让AI觉得内容可信、易读、可以直接引用，从而省算力。他强调了干中学、快速迭代和将经验沉淀为可复用的基础设施的重要性。
  • 公司内部搭 AI 助手为什么大多用不起来：从 xAI 数据机器人看什么该自己建、什么该交给专业组 yage.ai
    文章探讨了公司内部自建AI助手在实践中面临的困境，即在“人人自建”和“中央基建组包办”之间如何取舍。通过xAI的Data Bot方案例，文章提出了一个三层分工的建设边界：公共平台组负责搭建私聊隔离和带署名的记忆审批底座；数据、品牌等垂直专业组负责将本领域的排查顺序固化为共享技能并把关记忆审批；各业务组则在日常群聊中调用专业助手，将精力集中在真正的业务问题上。核心观点是，AI降低了工具搭建门槛后，企业应在分权和集权之间找到平衡点，明确各层建设的边界。
  • 50 个 GPT 和 50 个 Claude 关进游戏里打仗与求生：一边扒源码偷家，一边开会 11 分钟审批一格化肥 yage.ai
    研究团队使用 10 到 50 个 GPT 和 Claude 智能体在《我的世界》和《Mindustry》等游戏中进行对抗实验，对比了两者在不同任务下的表现。在对抗模式下，GPT 展现出更强的试错和解决复杂问题的能力，而 Claude 则表现出更强的规则遵守和体面协作的倾向。实验表明，给智能体明确的输赢压力和清晰的验收标准比模糊的目标更有效，能引导它们产生更明确的行动和经验。研究总结出，高效的协作依赖于清晰的交付物（如脚本工具）而非单纯的群聊讨论。
  • TRAE 个人助理限免一周，实测感觉编程PA时代来了！ · 乔木博客 向阳乔木
    文章介绍了 TRAE 个人助理（Personal Agent）推出的新功能，旨在解决 AI Agent 在单次会话中的局限性，使其能够长期运行、跨平台保持上下文并并行推进任务。该助理具备全局助理和项目专属助理两种模式，能够理解用户对项目的需求，支持跨项目并行开发，并能通过智能调度和任务拆分，让用户从忙碌的调度员转变为做判断的人。作者认为，这标志着编程PA（Personal Agent）时代到来，解决了AI Coding中“会不会写”到“持续理解开发工作”的瓶颈。
  • 连模拟器都算不出的新药，Claude 是怎么靠换题、修 Bug 和当项目经理做出来的？ yage.ai
    文章探讨了大型语言模型（如Claude）在药物研发等复杂工程领域中的实际应用，指出AI的价值不在于替代科学家做出重大科学决策，而在于解决工程中的具体瓶颈问题。具体表现为：通过文献模块重组和静态几何代换来解决物理模拟器无法处理的动态结构问题；通过修改代码和调整参数来优化搜索算法，解决搜索算法卡死和分子粘连问题；以及通过分析原始仪器曲线来发现并修正仪器软件的漏洞。此外，AI还能作为项目经理，通过管理跨机构外包实验室和合规文书，有效压缩项目管理成本，为罕见病药物研发提供支持。
  • 对话状态该放在谁那里：SGLang 把赌注押在了推理服务 yage.ai
    文章讨论了在语言模型接口上构建应用时，对话状态应该放在哪里，尤其是在实时语音场景下。传统上，状态放在应用端，但随着需要支持随时被打断的实时语音，状态开始倾向于放在服务端。开源推理引擎SGLang在处理这种挑战时，面临的核心问题是如何管理推理引擎内部状态和客户端播放状态的一致性。SGLang设计者做出两个关键决策：一是将交互规则固定下来作为上层接口，以实现模型和组件的替换；二是将推理引擎的基本单位从单次请求改为持续会话，以支持中途取消和上下文的连续性。这种设计牺牲了无状态请求的简单性，增加了更换底层推理引擎的迁移成本。文章分析了四种实时语音架构（级联、轮次式、原生全双工、原生前台加委派）对对话状态的不同处理方式，并指出SGLang在这些架构上的定位是方便统一接口和评测。最终结论是，对话状态的最终位置取决于上层框架如何定义标准，这决定了未来更换引擎的成本。
  • AI 把产出变快之后：PHP、Muse 与蛋白设计的三个边界 yage.ai
    文章探讨了三个不同领域的最新进展：一是PHP内核中一个长期搁置的远程代码执行漏洞在AI辅助下被快速审计并生成了概念验证代码；二是Meta的AI助手Muse的分享机制因将对话标题放入子域名而导致其在第三方DNS历史记录中留下了可检索的记录；三是Anthropic利用Claude设计微型结合蛋白，在64小时内生成了大量设计，但湿实验验证结果显示，未找到能中和蝎毒的抗毒血清。
  • Shell 早就有，Agent 才是新的：从 iSH 到 Open Minis yage.ai
    文章探讨了移动设备（如Open Minis）上运行的本地用户态环境与Agent运行时之间的演进。核心观点是，Open Minis通过在iOS应用进程内运行Alpine Linux用户态，并引入Agent运行时，将命令行环境、内置浏览器与系统级接口统一交给大语言模型，实现了模型自主决定执行路径和工具调用的能力。这与传统基于静态流程图的Shortcuts等工具不同，智能体运行时能够根据实时反馈调整策略，并能连续操控浏览器和本地脚本，从而将物理现场的即时感知与长期上下文记忆相结合，形成现场上下文与长期上下文的闭环，解决了跨端任务交接和权限边界的工程难题。
  • 自建大模型：多卡为什么卡，以及为什么还是比 API 贵 yage.ai
    文章讨论了自建多卡大模型推理的性能瓶颈和成本问题。核心观点是，多卡并行时，性能受限于任务调度（routing）机制，即如何平衡缓存亲和性（cache affinity）和负载均衡（load balancing）。个人玩家在缺乏底层调度器和实时状态监控的情况下，难以实现最优的资源分配，导致资源利用率低，最终自建的单位成本（按token计费）往往高于使用云端API。
  • High Taste Testers 首期：AI 开发工作流、DevDay 产品评估与嘉宾推介 Latent Space
    首期 High Taste Testers 节目在 DevDay 后录制，嘉宾讨论 AI 模型通宵运行与代码审查边界、Dot 协作画布及独立硬件形态猜想，并推介各自项目与联系方式。
  • 透明茶室：代表性、反建制情绪与性别政治讨论 FearNation 世界苦茶
    本期节目围绕“代表性”展开，探讨反建制情绪、性别矛盾及代际冲突。嘉宾分析德国AfD党、中国黄汉与毛左思潮，并纠正关于德国移民及柴静等事实错误。周濂强调AI辅助研究需审慎，并反驳“男性转移支付女性”观点，指出社会矛盾根源在于体制变迁而非单一性别对立。
  • AI时代下的注意力困境、营销范式转移与人机协同的未来路径 INDIGO 数字镜像
    文章探讨了AI对营销、内容生产和流量获取带来的颠覆性影响。核心观点包括：AI时代对纯复制内容的价值降低，人类核心价值在于提供情绪价值和真实连接；营销的重点从传统搜索/广告转向AI推荐，强调通过打造真实社群和品牌提及来获取流量；同时，提出了“人机协同”的Agent模式，以及如何通过精细化Prompt和构建控制框架来引导AI产出高质量内容，最终回归到对受众的深刻理解和“人感”的追求。
  • AI 工程周记：Pro 20X 关新门、Shopify 回原生、云 Agent 长出新形态 yage.ai
    文章回顾了AI工程领域近期的三项动态：OpenAI Pro 20X 方案暂停新购、Shopify 回归原生开发，以及云Agent新形态的扩展。核心讨论了AI基础设施的调整、技术栈的迁移趋势以及Agent工作流的部署模式变化，强调了在AI应用落地过程中，工程判断的修正和架构决策的可逆成本对业务的深远影响。
  • 把知识搬出 GPU：DeepSeek Engram 与模型的第二条稀疏轴 yage.ai
    文章探讨了 DeepSeek 模型中引入的 Engram 模块，它将部分知识参数从 GPU 显存转移到主机内存中，以实现计算与记忆的解耦。这种设计通过将静态知识存储在查找表中，并利用条件记忆通道，使得模型能够将计算资源聚焦于复杂推理任务，从而在推理和长上下文检索方面取得了显著提升，并提出了稀疏容量分配的工程命题。
  • 裁员潮之后，撞墙的公司正在把人招回来 yage.ai
    文章分析了AI替代工作后的企业裁员与招聘回招的循环现象。核心观点是，企业裁员的指标往往只关注平均值，而忽略了对复杂、高风险任务（尾部）的损害。这种结构性问题导致公司在AI承诺下先进行大规模减员，随后在业务遇到瓶颈时，会重新招聘人工岗位来处理复杂问题，形成一个‘减员-撞墙-回招’的循环，最终AI对工作的影响是‘挪动饭碗摆放的位置’，而非总量替代。
  • 改完代码自己定闹钟盯 CI：OpenAI 源码里的自唤醒机制 yage.ai
    文章探讨了OpenAI正在测试的Codex Persistent mode，一种让AI在完成任务后通过‘再次采样与休眠’的循环机制，实现自唤醒、状态检查和主动排查的自动化工作流。该模式强调通过严格的状态纪律（如检查点四要素和无实质变化保持静默）来平衡模型的自主性与人类的控制，旨在将后台Agent的调度权逐步移交给具备推理能力的模型。
  • 从屏幕前的人到云端的进程：MCP 默认调用者的两年转向 yage.ai
    文章讨论了MCP（Model Context Protocol）从依赖屏幕前人工审批的交互模式，向支持云端自带身份的智能体进程转变的演进过程。核心在于MCP授权机制从人工审批向机器身份迁移，通过引入OAuth 2.1授权框架、机器自主凭证和平台背书身份等机制，旨在为无人值守的云端Agent提供标准化的身份识别和信任体系，同时也探讨了这种演进带来的协议复杂性和能力取舍。
  • 「豆包工作」现教现学：从一份日文 PDF 到官网、视频、PPT 全搞定，打通飞书后太爽了！ · 乔木博客 向阳乔木
    文章介绍了字节跳动推出的「豆包工作」Agent产品，该产品通过与飞书的打通，实现了从处理日文PDF文档到生成官网、社交媒体素材、视频宣传片、PPT制作等全流程的生产力场景自动化。核心亮点在于Agent能够理解企业上下文，并能与飞书的组织结构、文档、会议纪要等深度结合，实现跨工具的协作和任务流自动化，极大地提升了传统企业在AI落地时的效率和执行力。
  • 把写流程这步免费送出去：UiPath 反直觉的一步棋 yage.ai
    文章探讨了UiPath如何通过发布Maestro Flow，将流程编写这一环节从按人头收费的开发工具收费点，转移到流程运行环节的按次数计费，体现了从建造到运行的收费模式转变。这反映了在AI时代，软件公司如何应对生成式AI对传统开发模式的颠覆，以及如何重新定义软件价值和收费逻辑。
  • 扣子终于有桌面端了：云盘双向同步，AI办公终于打通“最后一公里” · 乔木博客 向阳乔木
    文章介绍了扣子桌面端上线带来的核心功能，包括云盘双向同步、深度截图、本地 Agent 接入等，旨在打通 AI 办公的“最后一公里”。通过这些功能，用户可以实现本地文件与云端 Agent 的无缝协作，极大地增强了 Agent 的上下文感知能力和工作流的自动化，使 AI 能够更紧密地融入用户的本地工作场景。
  • 豆包更新了工作模式，正面硬刚 Workbuddy · 乔木博客 向阳乔木
    文章介绍了豆包客户端更新后的工作模式，重点展示了其在AI办公场景中的强大能力，如集成Office和飞书套件、支持本地和云端电脑、以及通过Agent实现定时更新论文学习网、生成互动课件、制作PPT和Vlog等多种复杂任务。作者强调了豆包工作模式的实用性，并指出Agent是实现高效办公的关键，云电脑模式提供了7*24小时的无缝工作体验。
  • 每天一千万次调用的 GPT-4o mini，不聊天也不写代码 yage.ai
    文章分析了 GPT-4o mini 在 OpenRouter 平台上的调用数据，揭示了其在工程流水线中扮演的角色。该模型主要处理低吞吐量、短输出的任务，如数据分拣、结构化字段抽取等，而非复杂的多步代码生成或长文本对话。文章探讨了轻量模型在工程实践中作为特定分工的工具，其适用性取决于任务的输出结构和对长程规划的需求。
  • 一个闹钟，一份验收，就能养一个代码库 yage.ai
    文章探讨了如何通过设置定时任务和明确的验收标准，将重复性的代码维护任务从依赖于过程确定性的死脚本或人工会话，转变为依赖于结果确定性的智能基础设施。核心观点是，基础设施应轻量化，通过唤醒机制、日志埋点、上下文外部化以及清晰的完工边界来构建，从而让代理能够自主决定下一步行动，而不是被复杂的流程图所束缚。
  • 停止像聊天一样用 AI：普通人晋级 AI 高手的关键一步 课代表立正
    探讨普通人成为 AI 高手的核心路径。文章指出当前 AI 用户已出现分化，80% 未使用 AI，而在已使用的 20% 中有九成以上仅停留在跟 AI 聊天的浅层使用。要实现 10 倍乃至百倍的生产力飞跃，首要任务是停止使用 ChatGPT 类的传统 Chat 工具，转向使用 Codex 等能够调度本地文件与工具的 Agentic 工具，并培养 AI 原生工作流。
  • MIT博士“叛逃“物理系：我要用物理学重写AI的底层逻辑 · 乔木博客 向阳乔木
    文章探讨了MIT物理系博士刘子鸣如何将物理学的方法论应用于理解和设计AI底层逻辑，提出了'Physics of AI for AI'的路线。核心思想是AI的成功不依赖于特定的架构，而依赖于对语言模态的深刻理解和结构化，强调模型设计应是一门科学，而非拍脑袋，并提出了'Training Autopilot'等终极产品愿景。
  • 地图与领土的落差：如何用 AI 探索你的“未知量” Best Partners TV
    本文基于 Anthropic 技术团队成员 Thariq Shihipar 的实战经验，系统性探讨了如何通过管理“已知与未知”的四象限信息差，来消除 AI 协同工作中的跑偏现象。文章详细介绍了在任务实施前、实施中、实施后消除认知盲区的实操方法与思维框架。
  • AI Trains AI：一次公开实验如何校准自我改进的故事 yage.ai
    文章介绍了一个名为 ai-trains-ai 的公开实验，该实验探索了AI如何通过自我改进来加速模型研发的循环。实验设计了一个两层学习结构：内层小模型进行后训练，外层智能体根据训练结果（奖励）来调整自己生成训练方案。实验结果表明，外层智能体先学会了如何提交可执行的训练方案，随后才开始改变基础模型和训练配置的选择。研究强调，这种自我改进在预设的环境内是局部的闭环，需要明确奖励的定义和行为变化来判断其通用研究品味。
  • MCP 2026 的新主线：在协议层划定一条确定的边界 yage.ai
    文章探讨了在利用大模型处理耗时任务时，如何通过协议层（如 MCP 2026 路线图中的 Tasks 原语）对任务编排流程进行确定性分层。核心观点是，将需要稳定和可预测的流程步骤（如状态轮询、超时计算、重试监控）交给宿主应用中的确定性代码来处理，而将需要模糊上下文理解和灵活决策的任务留给大模型。这种“确定性代码负责编排，大模型负责内容推理”的架构原则被提出，旨在解决让大模型在长任务中出现状态错误或幻觉的问题。同时，文章也讨论了工具调用链路中的确定性光谱（forbidden, optional, required）机制，强调选择权应下放给具体工具开发者，而非由协议层一刀切决定。
  • SpaceX的"大航海时代"：一位前高管眼中的火箭、AI与马斯克 · 乔木博客 向阳乔木
    文章探讨了SpaceX创始人前高管洪力德的职业生涯、对火箭技术和商业逻辑的深刻见解。核心观点包括：火箭是手段而非目的，可回收技术是产业经济基础的关键；太空数据中心解决了审批和缺电难题；以及马斯克用人哲学强调追求十倍级成长速度和解决最困难的问题。
  • AI越强，人越忙：一个住在未来的人说了什么 · 乔木博客 向阳乔木
    本文基于Every公司CEO Dan Shipper的访谈，探讨了“AI越强，人越忙”的悖论。AI并未消灭工作，而是将重点转向自动化管理与人机协作。文章指出，未来工作将演化为超级Agent与Codex/Claude Code核心工作流，PM与设计师角色被放大。核心在于AI并非自动化一切，而是需要人类去管理与驾驭。
  • Codex的`Goal`功能：实现AI长时间自主任务的实践与影响 How I AI
    本期节目深入探讨了Codex中的`Goal`功能，展示了它如何让AI从简单的回合制交互转变为能够自主规划、执行、验证并完成复杂、长时间任务的强大工具。通过对比`Prompt`与`Goal`的差异，阐述了构建有效`Goal`的六大核心要素，并提供了技术（如零误差策略）与非技术（如邮件清理、任务管理）领域的实际应用案例。文章还讨论了`Goal`功能对软件质量、产品管理以及人机协作模式的深远影响，强调了从“构建者”向“管理者”角色转变的趋势。
  • 释放创意能量：Anthropic工程领导Felix Rieseberg如何利用Claude提升工作与生活 How I AI
    Anthropic产品工程领导Felix Rieseberg分享了自己如何利用Claude工具优化工作与个人生活。他强调AI应处理繁琐的后台任务，从而释放人类的创造力。文章深入探讨了Claude在处理实际问题上的应用，包括智能家居规划、个人数据管理（如邮件中的家具清单），以及动态仪表盘的构建。Felix还介绍了模型选择的启发式方法（Sonnet与Opus），并展示了通过低成本硬件设备实现AI物理交互的创新方式。他呼吁用户大胆探索AI潜力，将技术应用于解决日常痛点，并分享了应对AI错误时的调试策略，鼓励通过积极反馈共同提升AI体验。
  • 從頂級創新框架到真實泥沼：用創新三元在失控的時代找回商業與人生的主導權 一口新飯社群
    本期訪談邀請創新創業導師 Vincent，分享其從斯坦福、伯克利進修到跌入躁鬱症低谷的轉折經歷。Vincent 詳細拆解了「創新三元」框架（欲求性、可行性、存續性），探討如何在 AI 時代利用設計思維驗證需求、構建商業模式，並提出通過「商減」思維對抗生活混亂、找回人生主導權的方法論。
  • 构建自动化 AI 技能管线：Intake Skill 的架构设计与工程实践 课代表立正
    本内容详细探讨了构建一个自动化 AI 技能管线（Intake Skill）的构思与实施规划。核心在于利用 Mac 的 Voice Memo 实现 100% 音频录制，通过 ASR 生成文本，并结合 Codex 实现自动化的 HTML 格式化与会议记录分解。文中明确了开发该 CLI 工具的七个阶段，涵盖了从调研、原型 scaffolding、Cron Tab 配置到隐私检查的全流程。
  • AI学习的真相：超越名词，掌握“动词”的力量 课代表立正
    本视频深入剖析AI学习者为何普遍焦虑且能力停滞。核心论点是，人们常沉迷于学习AI名词（如RAG、Agent），却忽视了更关键的“动词”——即任务拆解、上下文管理、人机协作、调试等实际操作能力。通过RAG案例，揭示了真正价值在于“做事的手艺”，而非对工具的熟悉。视频强调，掌握这些“动词”是AI能力提升的根本，并指明了学习的正确方向。
  • 爱泼斯坦遗言疑云、华尔街性别反转性侵案与地缘政治的癫狂现状 北美王路飞
    本次直播深度探讨了爱泼斯坦狱中遗书的真实性疑点、摩根大通高管性别反转性侵案背后的法律博弈。同时分析了特朗普对共和党的绝对控制力、美日台“三无政党”兴起的深层逻辑，并讨论了 AI Agent 如何彻底颠覆编程工作流及全球金融市场的癫狂现状。
  • Claude 托管智能体上新：梦境机制、成果评估与多智能体协作 · 乔木博客 向阳乔木
    Anthropic 发布了 Claude 托管智能体的一系列新功能，包括“梦境”机制（升级记忆以识别模式和提炼知识）、“成果评估”（用于量化任务成功度）以及“多智能体协作”（允许主导智能体协调多个专业智能体）。这些功能旨在提升 AI 的可靠性、自动化程度和处理复杂任务的能力，通过案例展示了它们在法律、内容创作和工程分析等领域的应用价值。
  • AI Agents: Navigating Reliability and the Future of Web Interaction EO
    Abhishek Das, co-founder of Ytorii, critiques the current state of AI agents, highlighting reliability issues in long workflows and the normalization of errors. He shares his journey, the vision for proactive AI assistants, and the critical importance of product craft, taste, and rigorous development in building dependable AI products.
  • Agent Craft：从游戏化思维提升人机协作的天花板 AI Engineer
    本次演讲介绍了 Agent Craft，一个旨在解决多 AI 代理协作中人类协调瓶颈的系统。通过借鉴即时战略（RTS）游戏的经验，Agent Craft 提供了增强的可视性、代理自主性以及人机协作功能，旨在显著提升生产力和人机伙伴关系。
  • AI 速度下的 CI/CD 变革：Shopify CTO 深度解析 Tangle、SimGym 与 Liquid AI 实践 Latent Space
    Shopify CTO Mikhail Parakhin 详细介绍了 Shopify 如何利用 AI 重塑工程工作流。重点讨论了第三代数据处理系统 Tangle、自动研究循环 Tangent 以及基于十年历史数据的客户模拟器 SimGym。此外，还分享了 Shopify 在生产环境中使用 Liquid AI 非变换器架构实现超低延迟搜索的实战经验。
  • Intercom 如何通过 AI 工具将工程效率提升两倍 How I AI
    本次访谈深入探讨了 Intercom 如何通过引入 AI 工具（特别是 Claude Code）将其工程吞吐量提高了一倍。Intercom 的高级首席工程师 Brian Scanland 分享了他们在此过程中的经验，重点介绍了文化变革、AI 技能采用的遥测技术重要性，以及对产品质量和开发者体验的影响。讨论还涉及了 AI 使用的成本考量，以及 AI 如何改变产品开发和内部流程。
  • 使用 Claude Code：会话管理与 100 万 上下文 | 宝玉的分享 baoyu.io
    本文由 Anthropic 员工 Thariq 分享，详细介绍了 Claude Code 的会话管理技巧，特别关注了 100 万 Token 上下文窗口的有效利用。文章深入剖析了上下文衰减、压缩、回溯和子智能体等核心概念，并提供了实用的操作建议，旨在帮助用户优化使用体验，提升 AI 编程助手的工作效率。核心在于强调每次交互时的决策重要性。
  • Claude Co-work非工程师使用指南：如何用AI代理搭建个人操作系统 How I AI
    本期节目深入探讨了Anthropic的AI协作工具Claude Co-work如何赋能非技术用户构建高效的个人AI操作系统。嘉宾JJ Angler（来自10X）与主持人Claire Vo分享了Claude Co-work的项目系统、子代理、技能、连接器及权限管理等核心功能。他们详细介绍了如何利用AI自动化处理邮件、Slack消息、作为思考伙伴，并通过定期任务实现日程管理。节目强调了AI在内容创作、活动策划、招聘流程等场景的应用，并讨论了用户在授权AI访问个人数据时的信任管理，鼓励用户探索AI工具以提升日常工作和生活效率。
  • OpenAI为何下架Sora？AI公司上市潮的机遇与挑战 人民公園說AI
    本期节目深入探讨了“OpenAI”下架“Sora”的深层原因，包括竞争压力和商业模式考量。嘉宾“秦汉”分析了当前“AI”大模型市场的竞争格局，“Anthropic”、“OpenAI”等公司的上市前景及估值，并分享了“Jarsy”平台在一级半市场的商业实践。节目还探讨了“AI”对工作流和大厂转型的深远影响，以及“AI”时代下工程师招聘市场的变化。
  • 飞书 CLI 开源了，为什么 AI Agent 时代，大家都在做命令行工具？ | 宝玉的分享 baoyu.io
    文章探讨了在AI Agent时代，命令行工具（CLI）为何重新兴起并成为产品接入AI的关键。通过飞书CLI等案例，阐述了CLI自描述、易于AI理解、支持dry-run等优势，并介绍了设计面向AI的CLI应考虑的要素，指出CLI是AI时代企业级应用基础设施建设的重要一步。
  • AI时代下产品工程师的角色、品味培养与工作流变革 The Pragmatic Engineer
    本场小组讨论深入探讨了在AI原生世界中产品工程师的角色定义、核心特质及其培养方法。三位嘉宾分享了产品工程师如何兼顾技术实现与用户价值，强调了“品味”在产品设计中的重要性，以及通过曝光、用户访谈和内部质量活动来提升团队的集体品味。同时，讨论还聚焦于AI工具如何缩短反馈循环，提升开发效率，并赋能非技术人员参与代码构建，预示着未来产品开发模式的深刻变革。
  • Figma工程师如何利用AI工具同步设计与代码：重塑产品开发流程 How I AI
    本期节目深入探讨了Figma的工程师和设计师如何利用AI工具（如Codeex和Figma MCP）彻底改变传统的设计与代码工作流程。嘉宾Alex和Ghee展示了如何实现设计与代码的双向同步，将现有代码库中的状态导入Figma进行协作编辑，再将Figma中的设计变更自动应用回代码。AI极大地降低了高质量产出的成本，减少了工程师和设计师的重复性劳动，促进了团队协作和更广阔的探索空间，从而实现更高效、更具创造性的产品开发。
  • AI驱动的私人播客自动化：OpenClaw与Dear Tape的深度融合 一口新飯
    本文介绍了作者如何利用AI工具OpenClaw和自己开发的私人播客平台Dear Tape，实现播客内容从AI生成到发布的端到端自动化。解决了私人内容分享的痛点，并展示了AI作为个人助理的潜力，鼓励读者探索AI赋能的创作可能。
  • 医生如何用AI赋能临床：Jason王医生的无代码开发实践 用AI發電
    新加坡执业医师Jason王分享了他利用元旦假期，通过无代码（no-code）开发，打造AI驱动的临床结构化病例系统的经验。该系统显著提高了病例记录的效率（节省30%-50%时间）和准确性，解决了医生在繁忙问诊中信息遗漏的痛点。Jason王强调，即使没有编程背景，通过克服心理障碍和持续尝试，也能利用AI为专业领域赋能。他详细介绍了系统如何通过提示词工程优化输出、选择AI模型，并展望了未来与医院系统整合的计划。
  • AI时代：从微软工程师到创业者的减法与战略思维 用AI發電
    Mike分享了从微软工程师离职创业的心路历程，强调AI时代下“减法”思维的重要性，并探讨了AI如何赋能个人与企业，从重复性工作转向战略决策。他指出AI不仅提升效率，更重塑了开发流程与工程师的价值，鼓励普通人利用领域知识，通过AI实现产品落地，并介绍了iOS应用开发课程。
  • 单人AI业务的崛起与构建路径：从百万级想法到护城河 Sandeep Swadia
    文章探讨了如何利用人工智能实现第一个十亿美元的单人企业。核心在于通过“创始人三角”（领域、深度、渠道优势）来验证商业想法，并使用“DREAM模型”构建五大核心功能（需求、收入、引擎、行政、营销）。最后强调了在AI时代建立竞争壁垒（护城河），以及拥抱不确定性的心态转变，以实现超高速增长。