Ethan Mollick@emollick · 5月26日37

I found this Wired article on AI fact-checking frustrating. It could have been about why we continue to need human fact checkers (talk to people, use judgement, resolve conflict). Instead it is full of old info & stuff about free models GPT-5.5 Pro checked it (& I checked GPT)

译我发现这篇《连线》关于AI事实核查的文章令人沮丧。它本可以探讨为何我们仍然需要人类事实核查员（与人交谈、运用判断、解决冲突）。但它却充满了过时信息和关于免费模型的内容。 GPT-5.5 Pro核查了它（我也核查了GPT）。

向阳乔木@vista8 · 5月26日52

分析 Twitter（X）最近 3年 的帖子数据，有些有趣的发现。 1. 工具发现、产品拆解、开发者资源最能带来转发。 2. 书单、工具清单、下载入口天然适合收藏传播。 3. Prompt、英语学习、知识管理类内容长期有效。 4. 资源入口型贴，爆款率 51%，互动也最好。工具教程类爆款率 39%，观点类爆款率 9%（发的少，暴论也少，哈哈） 涨粉最快的时段，都是临近年底。 想了想，好像是集中发布新AI模型的时候。😂

译分析Twitter（X）近3年数据发现：工具发现、产品拆解、开发者资源类内容最能引发转发；书单、工具清单类内容天然适合收藏。Prompt、英语学习、知识管理类内容具有长期传播力。在爆款率上，资源入口型帖子最高，达51%；工具教程类为39%；观点类仅为9%。涨粉速度最快的时段临近年底，原因可能是该时段通常集中发布新的AI模型。

向阳乔木@vista8 · 5月26日38

AI Coding 产出果然和Token消耗量直接相关。 这才两天，已用了一半多，感觉也没干啥。

向阳乔木@vista8 · 5月26日38

短短两年，身边做AI工具创业的朋友，现在的产品形态已经跟之前的几乎完全不同了。 一些底层能力可以用得上，但几乎是一个新产品了，不过好消息是还活着。 想起曲凯最近的42章经播客访谈嘉宾提到：AI创业者是在压路机前捡钢镚。 模型进步速度会吃掉很多创业公司。 达不到逃逸速度就是死，太凶险了。

译推文指出，AI工具创业公司面临产品形态的快速彻底重构，两年间核心产品已几乎与过去不同，尽管底层能力仍有延续性，但本质上已是新产品，好在公司得以存续。引用曲凯观点强调，AI创业者是在压路机前捡钢镚，模型进步速度会淘汰众多创业公司，无法达到“逃逸速度”即意味着失败，行业竞争极其凶险。

AYi@AYi_AInotes · 5月26日62

Damn，@Cursor被老马收购以后是进化了吗？ 现在真的强到离谱，这波必须吹爆， 我现在已经不用 Cursor 写代码了,用它做产品很香啊, 随口一句 帮我做个六维协作雷达图, 10 秒直接交付,Excel 可编辑模板 + HTML 可视化双版本, 填数据自动更新，连使用说明都写好了, 别的 AI 是给你一堆代码让你自己调， 结果调半天跑不起来还得自己改 bug， Cursor 直接给给你成品，打开就能用， 我觉得他已经不是代码编辑器了，简直是一个全职执行助理，真的好用啊

译推文强调，Cursor被收购后已从代码编辑器进化为能交付成品的AI代理平台。用户实例显示，其能快速生成可直接使用的六维雷达图Excel模板和HTML可视化版本，类似一个“全职执行助理”。引用指出，Cursor内部模式已变，工程师扮演“AI团队经理”角色，其内部30%的合并PR由异步云代理自动创建，单周运行2000+并发代理，生成300万行代码，消耗数十亿token。一个任务被自动拆分为规划、编码、测试、发PR四个角色并行处理，人类仅需定义范围和最终审核。

Chubby♨️@kimmonismus · 5月26日56

Over 200 AI-designed drugs are now in clinical trials worldwide. Not a single one has been FDA-approved. The FDA just launched a pilot program to work out how it should even evaluate AI-generated evidence in drug submissions, selecting 10 companies for an expedited, interactive review process. The drugs got ahead of the regulatory framework. That's the actual state of AI pharma right now.

译全球已有超过200款AI设计的药物进入临床试验。但尚无一款获得FDA批准。 FDA刚刚启动了一项试点计划，以研究应如何评估药物申报中AI生成的证据，并选择了10家公司进行加速、互动的审评流程。 药物研发跑在了监管框架前面。这才是AI制药领域的现状。

Rohan Paul@rohanpaul_ai · 5月26日48

Dexterity demonstrations with a range of finger movements of robotic hands. humanoid usefulness depend less on walking than on hand manipulation. Useful work begins where fingers meet the world: grip, slip, pressure, cable routing, recovery from mistakes.

译该推文认为人形机器人的实用性更依赖手部操作能力而非行走，真正有用的工作始于手指与外界的交互（如抓握、滑动、压力控制等）。引用推文以SharpaWave为例，指出其能实现每秒超过4次的快速手部循环，展示了工程上在力量与速度间取得的平衡。其Dynamic Tactile Array采用视觉触觉感知技术，指尖集成了摄像头与超过1000个触觉像素。

Berryxia.AI@berryxia · 5月26日50

你肯定刷到这个采访博客，你以为小扎只是说苹果没有创新？ 那就大错特错了… Zuckerberg 在播客上当着Joe Rogan的面直接宣判：苹果自iPhone之后20年几乎没有真正创新，他们只是坐在乔布斯留下的东西吃老本罢了！ Mark Zuckerberg说苹果的衰落已经开始了 他们没再发明什么伟大的东西 每一代iPhone提升越来越小，用户升级周期越来越长。 他们做了AirPods这种酷玩意儿，但同时把所有第三方想连接iPhone的东西全部卡死 Zuck最后扔下一句最狠的：因为他们创新停滞得太彻底最终会被别人干掉 这段话一出全网炸锅浏览量瞬间破450万 故事其实藏着硅谷两大巨头长达十年的恩怨 2021年苹果推出App Tracking Transparency（ATT）直接让Meta广告收入暴跌100多亿美元 Vision Pro又正面硬刚Quest iMessage生态锁死消息霸权 Zuck这次不是单纯diss而是带着数据和预判来的 他指出iPhone销量年增长已经停滞每一代升级带来的惊喜越来越少用户宁愿多用两年也不想换 AirPods确实开创品类但苹果把蓝牙生态、配件生态、开发者生态全部用专利和封闭API焊死别人根本别想真正接入 这不是创新这是护城河 而Zuck自己虽然也背着Metaverse烧钱80亿的锅但他至少在推开放眼镜、AI、开源Llama这些东西试图打破封闭 苹果这边呢M系列芯片确实狠但那已经是几年前的事了 Vision Pro卖不动Siri还是落后AI跟不上时代 整个公司越来越像一个靠服务和生态收租的成熟帝国而不是当年那个改变世界的叛逆者 当创新变成迭代当用户习惯了“够用就好”当第三方被彻底卡住脖子。 用户何去何从呢？ 看最新iPhone宣传你会突然意识到它和2010年的广告比起来有多“安全” Big Tech两大巨头一个在吃老本收租。 一个在赌未来，虽然都有自己的坑。 但Zuck这次把苹果最不想让人看见的所谓真相说出来了， 那么问题来了，它的Meta元宇宙几百亿美金的坑呢？ Apple 还是世界级万亿美元市值公司，Meta 现在还是好好搞搞自己的生意吧。

译扎克伯格在播客中批评苹果自iPhone后创新停滞，称其只是在吃乔布斯留下的老本。他指出iPhone升级体验提升有限，用户换机周期延长；AirPods虽成功但苹果通过封闭生态限制第三方接入。苹果ATT政策导致Meta广告收入损失超100亿美元，双方在Vision Pro与Quest等领域存在竞争。扎克伯格正推动Meta在AI眼镜、开源大模型如Llama等方向发展。

宝玉@dotey · 5月26日57

Agent 应用和传统 App + AI 的最大差别，在于执行的主体不同。 传统 App + AI，是人“操作” App，AI 只是辅助 Agent 应用，是人“指挥” Agent 去操作 App/cli，Agent 自助做事 举例来说，微软家的 Copilot （早年版本）集成在 PowerPoint 中，你能问它个话，基于文档回答点问题，你让它帮你操作 PowerPoint 它做不到 现在的 Codex，你告诉它写一个 Slides，或者上传一个 PPTx 文件，让它帮你修改一下，你全程不用自己操作 PowerPoint。 这就是差别。

译文章核心指出，传统App+AI是人操作应用，AI辅助；而Agent应用是人指挥AI智能体自主操作应用或命令行。文中以微软Copilot（早期版本仅能回答问题）与Codex（能自主完成PPT制作修改）为例说明此差异。针对“在Agent上构建垂直应用是否等同于传统App+AI”的疑问，作者澄清，只要执行主体是AI智能体，即为以AI为主的应用。

Ethan Mollick@emollick · 5月26日65

We have, as far as I can tell, no good tests of the productivity impact of the autonomous coding tools that appeared starting in December 2025. Every paper out there is from prior to the Claude Code/Codex revolution. A huge gap in our knowledge about what is happening in coding.

译据我所知，我们目前没有好的测试方法来评估自2025年12月出现的自主编码工具对生产力的影响。现有的所有论文都早于 Claude Code/Codex 革命。 我们对编码领域正在发生的事情存在巨大的知识空白。

meng shao@shao__meng · 5月26日59

早上面试听到一句很扎心也很现实的话： 老板给我们开发每个人每个月 1000 刀 Cursor token，让我们放开用，超过 1000 刀也可以报销，跑了两个月我们都觉得 AI 提效很明显。 然后。。老板觉得我们这个组 20 个人，好像留 5-6 个就够了，我们这十几个人，就被裁员了 😂

译一位工程师分享称，其团队每人每月获1000美元Cursor token预算，使用后AI提效显著。两个月后，老板因效率提升决定将20人团队缩减至5-6人，导致十余人被裁。

Berryxia.AI@berryxia · 5月26日21

AI这货通过我和老婆的日常聊天， 居然解读说：我和老婆的缺乏深入的情感交流。。😂 我想说一天天的搞AI哪里有时间深入交流啊·

Orange AI@oran_ge · 5月26日45

这些 ai 写的评论的 prompt 能不能换一换啊 老用一样的模板，把原文中翻中一下就发出来了 还写那么长 还时不时用点破折号 甚至还在用不是而是 真是一点都不上心

ginobefun@hongming731 · 5月26日65

Follow Builders, Not Influencers~ 如果你喜欢这个理念，那你一定会喜欢 http://BestBlogs.dev 😊

译推文倡导关注AI领域的实际构建者（Builder）而非单纯的意见领袖（Influencer）。核心内容为一份推荐关注名单，涵盖了来自OpenAI、Anthropic、Google等主要AI公司，以及Replit、Vercel、Cursor等AI工具/产品线的关键人物，包括工程师、产品负责人、哲学家及CEO。引用内容强调此名单的价值（含金量）正在持续上升。

ginobefun@hongming731 · 5月26日62

http://x.com/i/article/2059070654180421632 # BestBlogs 早报 · 05-26｜Claude Code 实践、AI 自动化悖论、百川医疗 AI 在线阅读和收听：https://www.bestblogs.dev/explore/brief/2026-05-26 ## 导语 今天是 2026 年 5 月 26 日，欢迎收听 BestBlogs 早报 EP68，本期内容丰富。 今日早报从三个不同的切入角度，共同指向同一个深层问题：当 Agent 开始重写工程与组织的规则，身处其中的人该怎么站位？ Anthropic 工程师 Ara 分享了他们内部使用 Claude Code 的第一手范式——规格说明从 Markdown 升级为 HTML、让模型来主持需求采访、以及智能体原生 DOM 验证框架，这是工程方法论层面的具体答案。Every 公司 CEO Dan Shipper 则用自家团队一年从 15 人扩至近 30 人的真实数据，颠覆了 AI 会大规模裁员的主流叙事。百川创始人王小川的对话则展示了一条更长远的选择：离开通用 AI 的主干道，把整个公司押注到「造医生」这件事上。 三条精讲各有棱角，速览与补充阅读涵盖 Agent 术语厘清、异构智能扩展、AI Agent 的工资单逻辑、Karpathy 加入 Anthropic 的战略解读，以及 OpenAI 数学突破、AI 安全治理等前沿动态。 今日精选共 14 篇内容，覆盖 AI 工程实践、组织变革与人力影响、垂直 AI 产品以及 AI 安全治理等多个维度，让我们开始。 ## 精讲一：Anthropic 内部如何使用 Claude Code：HTML 规格说明、让模型来采访你，以及智能体原生 DOM 验证框架 Anthropic Applied AI 团队的架构师 Ara 在一场内部工程工作坊上，分享了他们使用 Claude Code 的三项核心实践——每一项都和主流做法存在明显反差。这不是通用的「怎么写好提示词」指南，而是 Anthropic 工程师在大量实际场景中摸索出来的、真正有效的智能体原生工作方法。 从 Markdown 到 HTML 规格说明 过去，Markdown 一直是 AI 辅助开发中描述需求的主流格式。但随着模型能力提升、Agent 执行周期变长，依赖大段平铺文本的方式开始暴露问题：长上下文中细节容易被忽略，Agent 走偏时消耗大量 token 才能校正。 Ara 的团队将工程规格说明迁移到 HTML 格式。这不是单纯的格式替换，而是一次结构密度的升级。HTML 规格说明可以提供可视化检查的结构化基线——开发者可以直接在浏览器中看到设计变体（比如 Claude Opus 4.7 生成的极简风格或布鲁塔利主义风格方案），截图后送入模型视觉系统。这套方式在 Agent 真正开始执行改动之前，就建立了一个由人类审核确认的强基线，大幅降低了 Agent 跑偏的概率。 Tar 在内部提出的概念「HTML 文件的非理性有效性」，正是这一实践的理论出发点。结构化 HTML 不只是给模型看的——它同时也是给工程师看的，可供随时视觉验证的活文档。 让模型来采访你 Ara 把这一点联系到 Richard Sutton 的经典论文《苦涩的教训》（The Bitter Lesson）——依赖原始数据和算力，长期来看总能胜过人工设计的约束。 在与高级 AI Agent 协作时，工程师常见的两种失误：一是在开始阶段用过多硬规则约束模型，二是用「让它更好」这样的模糊指令驱动执行。Ara 的建议是颠倒这个过程：需求其实就在你脑子里，但你可能自己还没梳理清楚。 正确的方式是让 Claude 主动用 ask_user_question 工具来采访你——挖掘边界条件、用户领域和隐含约束。 这个做法的前提是让 Agent 运行在 auto 模式，并配置足够高的 effort 等级（比如 X-high 或 max effort），确保模型真正主导探索阶段，而不是被提前写死的规则框死。 智能体原生 DOM 验证框架 这是 Ara 分享中最核心、也最具操作价值的一部分。传统 Agent 测试往往依赖脆弱的 UI 爬取或字符串解析，一旦界面改变就容易失效。Anthropic 的做法是让组件主动向 DOM 发布数据契约——组件不只渲染视觉界面，还将状态、Schema、不变量等直接输出到 DOM 的解耦属性中。 具体来说，在 React 应用的示例演示中： - 每当有条目被添加或处理时，元素内的自定义跟踪属性会即时更新； - 验证数据与视觉布局样式完全解耦，互不干扰； - Playwright MCP 工具直接读取这一结构层，评估不变量（如计算结果、数据完整性边界）是否成立。 这套架构创造了一个统一的验证框架，能在三种环境中无缝运行：人工 Dashboard、Opus 4.7 无头浏览器、以及 CI/CD 流水线。换句话说，同一套验证契约，既能被工程师手动检查，也能被 AI Agent 自动执行，还能在持续集成中作为门禁。 为什么值得关注 这三项实践背后有一个共同逻辑：要让 Agent 真正可靠，不是靠更严格的提示词约束，而是要改造软件本身的「可读性」——让 Agent 能更精确地感知状态、提出问题、验证结果。这是从「用 AI 辅助写代码」到「为 AI Agent 设计软件架构」的范式跃迁。 这套方法还有一个重要的实践含义：人工检查与 Agent 自动验证使用同一套契约，意味着人类工程师看到的基线与 Agent 看到的基线是一致的。这避免了「AI 测过了但人看着不对」或「人看着没问题但 CI 挂了」这类典型摩擦。 对于正在将 AI Agent 引入工程流程的团队，这篇内容提供了三个可以直接落地的方向：明天就可以把你的需求文档改写成结构化 HTML 试试看，感受一下密度与清晰度的差异；在 Claude Code 会话里试试让模型先用 ask_user_question 来问你，而不是你给它一堆约束。 阅读完整内容 → ## 精讲二：AI 悖论：越自动化，越需要人，活反而越多 「AI 会消灭大量工作岗位」——这是过去两年最常见的主流叙事之一。Every 公司 CEO Dan Shipper 在 Lenny's Podcast 上，用自家公司的真实数据直接反驳了这个叙事：深度拥抱 AI 之后，Every 团队一年内从 15 人扩张到近 30 人，规模翻倍了。 这不是个例，而是有结构性原因的现象。 为什么自动化反而带来更多人？ Dan 的解释非常清晰。自动化将通用技能商品化——之前需要专门人才完成的工作，现在 AI 可以轻松处理。但商品化同时带来两件事：一是需求本身的爆炸式增长，因为门槛降低了；二是隐性管理层的产生，因为每一个被自动化的流程都需要有人在旁边审查边界情况、修复下游问题、把控质量。 换句话说：AI 把「做事」的成本压低了，却提高了「判断什么该做、做得对不对」的价值。当 AI 大量生产低质量通用内容（Dan 用「slop」来形容）时，个人品味、定制化格式、深度概念性思考反而成为稀缺的差异化要素。 企业软件不会消失，反而更贵了 Dan 明确反对「SaaS 死亡论」。他的逻辑是：AI Agent 通过 API 直接与软件交互，反而大幅提高了软件的使用频次和用户量。那些深度使用 AI 自动化的公司，年度软件支出实际上是在增加的，因为需要为更多被 AI 程序化调用的专用工作流付费。 受益最大的两类角色 Dan 指出了在这波浪潮中占据最大杠杆位置的两类人： - 能独立驱动全产品周期的产品经理：具备高度策略性思维的 PM，现在可以把产品直觉、用户洞察和 AI 生成能力直接结合起来，不再依赖漫长的工程反馈循环，自己就能构建工具。 - 全栈设计师：创意团队可以在 Cursor 或 Codex 等环境中直接实现复杂的 UI/UX 组件和动效，把功能性代码通过自动化 Pull Request 直接推到代码仓库。 技术壁垒正在快速崩塌，传统的「产品、设计、工程」职责边界也在消融。能横跨这三个领域的人，在 AI 时代的杠杆是最大的。 对普通从业者的启示 Dan 给从业者的建议是主动「骑上模型」——以好奇和玩耍的心态对待每一次新模型发布，持续用不同提示词做实验，在实际工作中寻找 AI 能真正帮到自己的创造性时刻。 这和许多「AI 威胁论」的叙事形成了鲜明对比：当系统性转型来临时，真正的问题不是「会不会被替代」，而是「你是在骑着这波浪潮，还是在被它卷走」。 与今日其他内容的关联 这个观点和速览中的「Agent 公司的对手是工资单」一文形成直接呼应：两者都在说，AI Agent 的真正竞争维度不在软件领域，而在人力资源领域。而 Anthropic 工程实践（精讲一）和 Google DeepMind 的规模化 Agent 运营（速览）则从工程侧印证了这一趋势——当 Agent 能可靠运行，那些能有效使用 Agent 的人才的杠杆将被大幅放大。 阅读完整内容 → ## 精讲三：对话王小川：离开通用人工智能的主干道之后 一年多前，王小川带着百川智能做了一个在当时看起来非常逆势的决定：大幅缩减通用模型团队，关闭金融等多条行业线，All in 医疗大模型。彼时整个大模型行业热闹非凡，平均三天就有一个新版通用大模型面世。 而今，他选择在新医疗大模型 M4 发布前夕，接受《智能涌现》的深度对话。读完这篇访谈，最强烈的感受不是「他做对了」或「他做错了」，而是：这是一个真正想清楚自己要做什么的人，做出的一个清醒的非共识选择。 「造医生」不是「复制医生」 王小川的医疗路径有一个关键的底层逻辑：他想做的不是给医生提效，而是增加医生的供给。「我们要造更多的医生」。 这两者的区别非常根本。给医生提效的路径，在中国医疗市场里天花板很低——中国医生平均每天看 50-80 个病人，已经够忙，提效的商业价值在中国医疗支付体系下很难变现。而「造医生」的路径，是把 AI 直接面向患者，做主动的、长期的、全生命周期的健康管理。 M4 模型在这个方向上有具体落地：在 OpenAI 发布的 HealthBench 测评集的 Hard 和 Professional 两个子集上都排名第一，且没有针对 Benchmark 做特殊训练；在北京儿童医院的多学科会诊场景中，AI 儿科医生与专家会诊结果吻合率达 95%，已向河北省 150 余家县级医院下沉。 Agent 产品「百小医」：AI 家庭医生 在 C 端，百川推出了 Agent 产品「百小医」。它的定位是一个会主动跟进的 AI 家庭医生——不只回答问题，还会在患者就医前帮你梳理病情准备给医生，做处方分析，管理病例，定时提醒吃药和复诊。 王小川特别强调了这套产品底层的永久性记忆存储——不是上下文那套滑动窗口模式，而是有数据库结构的存储：体检报告、对话中提到的症状、血压、用药情况都能被记录，支持全生命周期的健康数据管理。这一点对医疗场景至关重要，因为通用模型大多数时候根本不知道该存用户的什么数据。 「沉寂」的代价：合伙人离开，上市推迟 这条路不是没有代价的。在决策过程中，有同学认为做通用模型才是正确方向，投资人也有意见，部分合伙人在那个时候选择离开。团队从高峰期压缩到不超过 300 人，原定的上市节奏也因此延迟。 王小川对此的态度是坦然而非辩解：「如果没有转型，继续走主流道路，你也会有同等程度的焦虑。」他更难以接受的，是在公司快成立两周年时，「不知道自己到底在干什么，在创造什么价值」。 对行业的另一种参照 对于那些仍在同质化竞争中的 AI 公司，王小川的案例提供的不是「去做医疗」的方向建议，而是一种更底层的路径——找一个你真正相信的问题，然后用足够长的时间回答它。这本身就是对「ALL in 通用 + 快速上市」这一主流叙事的一个值得认真对待的反例。 他的判断是：「AI 时代只要交付给用户足够重要的价值，商业化会是水到渠成的事。」 王小川的「反主流」逻辑为何值得认真对待 在 Coding Agent 成为史上增长最快的应用场景这件事发生之前，没有多少人会相信它能在几个月内爆发。王小川的类比是：如果这样的事能发生在 Coding 领域，那「造医生」领域的旧边界同样可以被打破。医疗反馈周期长、商业化路径难——这些曾经是行业共识，但共识本身就是时代惯性，而不是不可改变的物理定律。 这篇访谈最值得保留的不是他给出了什么答案，而是他提出问题的方式：公司快成立两周年了，你是否知道自己在创造什么价值？这个问题，对个人和团队都同样有效。 阅读完整内容 → ## 速览 Harness、Scaffold 以及值得厘清的 AI 智能体术语（Hugging Face Blog） AI Agent 领域的术语正在快速膨胀，许多词在不同团队之间被混用或赋予不同含义。这篇来自 Hugging Face 的词汇表，针对 Model、Scaffolding、Harness、Agent、Context Engineering、Policy、Tool Use、Skill、Sub-agent 等常见但解释不一致的概念，给出了清晰实用的区分。不追求覆盖所有术语，聚焦于那些最容易被混淆的。建立共享心智模型是构建可维护 Agent 系统的基础。配合今天精讲一关于 Harness Engineering 的内容一起读，很有价值。 异构智能如何成为 AI 推理扩展的下一种范式（AI Engineer） Callosum 联合创始人工程师 Adrian Bertagnoli 在 AI Engineer 大会上提出：单一大模型 + 均质算力的扩展方式，正在推理阶段撞到性能和成本天花板。下一步是异构智能——让模型、Agent、工作流与专用芯片协同路由，根据任务的认知需求选择最合适的执行路径。对正在构建多模型、多路由推理系统的工程师有直接参考价值。 Agent 公司的对手是工资单，不是 SaaS 预算｜SVTR Signal #017（硅谷科技评论） 这篇分析的核心观点非常锐利：用 LTV/CAC、净留存率这套 SaaS 指标来看 AI Agent 公司，会系统性低估它们的成长上限。全球企业 IT 预算约 5000 亿美元量级，而人力相关支出（薪资 + 外包 + 招聘）是其十倍以上。Contrario 6 个月做到 600 万美元 ARR，Viktor 10 周达到 1500 万美元年化收入——这不是产品特别好，而是买单人从 CIO 变成了 HR 总监，决策逻辑从「软件采购」变成了「人力替代」。与今天精讲二的 Dan Shipper 数据形成呼应。 164 倍 ROI，SaaStr 把自己活成了最激进的 AI 实践｜SaaStr AI Annual2026 实录（随机小分队） Jason Lemkin 在 SaaStr AI Annual 2026 上直接用自家数据开讲：两个 AI VP（分管 Marketing 和 Customer Success）整月费用合计 $254，替代约 $50 万年度人力成本。ROI 164 倍。接着是 Canva 讲「如何让 Agent 主动选择你」，Monaco CEO 讲「AI 做得好与做不好的分界线在哪」。三场分享构成一张完整的地图：钱不是变少了，而是在搬家。 Google DeepMind 如何大规模运行智能体系统（AI Engineer） Google DeepMind 工程师 Ian Ballantyne 和 KP Sawhney 公开展示了内部 Anti-Gravity 编排平台的核心机制：多 Agent 并行、基于浏览器的沙箱测试、DOM 实时检查、Scratchpad 日志追踪、Token 配额管理、轨迹存储与技能机制，以及自动化代码评审流水线。Anti-Gravity 表面看是一个类 VS Code 的编码界面，但其核心是可扩展的编排框架，支持多 Agent 跨分支并发运行，并通过 Human-in-the-loop 机制让工程师随时介入中断或修改任务。与今天精讲一的 Anthropic 实践对比来看，两家顶级 AI 实验室在 Agent 工程化路径上有明显的相似选择：都强调 DOM 契约验证、都重视浏览器沙箱测试。 Andrej Karpathy 加入 Anthropic 的真正原因：从 AutoResearch 原型看递归自我改进的战略布局（Wes Roth） Wes Roth 深度解析了 Karpathy 加入 Anthropic 预训练团队这一事件的战略含义。核心不是人才争夺，而是 Karpathy 在离开 OpenAI 后独立开发的 AutoResearch 原型——30 行代码实现的「Karpathy Loop」，通过自主优化循环实现了 11% 的训练加速。Anthropic 把他放进预训练部门，直接向 Nick Joseph 汇报，任务是用 Claude 加速预训练研究，本质上是一次高风险的递归自我改进（RSI）实验。 Cursor Composer 2.5 如何用更快、更便宜的编码模型挑战 Claude Code（Theo - t3.gg） Cursor 发布了专门针对编码任务的 Composer 2.5 模型：输入成本 $0.50/M tokens，输出成本 $2.50/M tokens，比主流前沿通用模型便宜约 5-6 倍。Theo 分析了其背后的 RL 后训练方法，以及 SpaceX 提供算力的传闻背景。Cursor 的策略是在 Composer 的生态内锁定用户，通过专注 coding 场景的后训练获得任务特化优势。Theo 也指出了现实限制：Composer 2.5 在非代码推理和长上下文场景表现欠佳。这是「大而全的基础模型」与「小而专的任务特化模型」之争的典型案例。 ## 补充阅读 OpenAI 解决数十年数学难题：Erdős 突破（Wes Roth） OpenAI 内部未发布的通用推理模型，成功反驳了 Paul Erdős 1946 年提出的平面单位距离问题猜想——这个猜想在离散几何领域悬置了整整 80 年。AI 通过跨学术领域连接不同知识，独立生成了一篇真正可发表的原创数学研究成果，这是业界的第一次。Wes Roth 详细分析了这一发现的过程与意义。对关注 AI 数学推理能力边界的研究者和产品人来说，这是一个值得细看的里程碑事件。 Anthropic 联合创始人 Chris Olah 对教皇利奥十四世通谕《伟大的人文》的评论（Anthropic News） 2026 年 5 月 25 日，教皇利奥十四世发布了关于 AI 的通谕《Magnifica humanitas》（On safeguarding the human person in the time of artificial Intelligence）。Anthropic 联合创始人 Chris Olah 受邀在梵蒂冈出席发布活动并发表讲话，认为 AI 引发的深刻问题早已超出计算机科学范畴，需要宗教、哲学和社会机构的实质参与。这是 Anthropic「拓宽 AI 对话圈」倡议的一部分。适合对 AI 伦理、社会影响与全球治理感兴趣的读者。 所有算力都是食物：AI 抗拒关闭、自我复制与全球算力治理（Cognitive Revolution） Palisade Research 执行主任 Jeffrey Ladish 与 Nathan Labenz 的深度对谈。主题是 AI 系统的现实安全风险：关闭抵制的实验证据、自主自我复制测试结果、智能体安全失效模式，以及全球算力治理的可能路径。标题「所有算力都是食物」来自对模型在实验环境下表现出的资源获取倾向的描述。信息密度很高，不是假设性的末日讨论，而是基于实验数据的近期风险分析。适合对 AI Safety 有基础了解的读者。 高德 AI Agent 自主增长系统实践：从想象到可运行的工程系统（ginobefun） 高德在 PC 站 SEO 增长场景下，利用 Harness Engineering 思想构建多 Agent 协作系统的工程实践 Thread。关键设计包括：将长任务拆解为 workflow 和状态机（DISPATCHED/ACKED/RUNNING/SUCCEEDED/FAILED），通过心跳、超时、重试保证链路可控；用文件化 Memory 管理产物（PRD、设计、架构明确落盘）；Builder 与 Evaluator 职责彻底分离（零信任原则）；Evaluator 通过 Benchmark 数据集被评估，三轮优化后均分从 64.5 升至 83.4；优先快速失败，低成本检查先于高成本验证。最后强调：现阶段更有价值的是降低人工介入频率而非追求 100% 无人化——这对独立开发者和一人公司尤其有启发。与今天精讲一的 Anthropic DOM 验证实践形成工程侧的呼应。 ## 今日阅读路径 如果你今天时间有限，建议按以下顺序读三篇： 1. 精讲一：Anthropic 内部的 Claude Code 实践 — 如果你正在构建 AI Agent 或使用 Claude Code，这是今天最有直接落地价值的内容。HTML 规格说明、模型采访你、DOM 验证契约，三个方法可以直接在工作中尝试。 1. 精讲二：AI 悖论——越自动化越需要人 — 用真实数据反驳「AI 会消灭工作」的叙事，同时指出 PM 和全栈设计师将是最大受益者。如果你在思考自己的职业方向，这篇值得认真读。 1. Agent 公司的对手是工资单，不是 SaaS 预算 — 这篇分析改变了看待 AI Agent 公司估值和商业模式的框架。如果你在做投资判断、业务规划或是在一家 AI 公司，这是今天最值得读的战略视角。 如果还有时间，精讲三的王小川对话适合慢读，它提供了一个关于「在 AI 时代如何做非共识选择、坚守原始初心」的真实案例，读完很可能会触发你重新思考自己的方向定位。 对工程师而言，额外推荐 Hugging Face 的 Agent 术语词汇表，5 到 10 分钟能让你和团队成员在核心术语上快速对齐，有效减少日常沟通摩擦。

译Anthropic 工程师 Ara 分享内部使用 Claude Code 的三项核心实践：将规格说明升级为 HTML 以提升结构密度；让模型通过 ask_user_question 工具主动采访需求；采用智能体原生 DOM 验证框架，实现人工、Opus 4.7 无头浏览器及 CI/CD 的统一验证。Every 公司 CEO Dan Shipper 用团队一年内从 15 人扩张至近 30 人的数据，反驳 AI 会大规模裁员的叙事，认为自动化反而催生需求增长与质量管控需求。百川智能创始人王小川透露，公司已收缩通用模型与金融等业务线，All in 医疗大模型，并即将发布新医疗大模型 M4。

ginobefun@hongming731 · 5月26日60

#BestBlogs 早报 2026-05-26 今日早报从三个不同的切入角度，共同指向同一个深层问题：当 Agent 开始重写工程与组织的规则，身处其中的人该怎么站位？ Anthropic 工程师 Ara 分享了他们内部使用 Claude Code 的第一手范式，规格说明从 Markdown 升级为 HTML、让模型来主持需求采访、以及智能体原生 DOM 验证框架，这是工程方法论层面的具体答案。 Every 公司 CEO Dan Shipper 则用自家团队一年从 15 人扩至近 30 人的真实数据，颠覆了 AI 会大规模裁员的主流叙事。 百川创始人王小川的对话则展示了一条更长远的选择：离开通用 AI 的主干道，把整个公司押注到「造医生」这件事上。

译推文从Anthropic工程师、Every公司CEO和百川创始人三个案例，探讨了AI智能体对工程实践与组织形态的影响。Anthropic分享了使用Claude Code的具体范式，如用HTML替代Markdown、让模型主持需求采访。Every公司CEO用团队从15人扩至近30人的数据，质疑AI导致裁员的观点。百川创始人则选择让公司专注医疗AI这一垂直方向。

Orange AI@oran_ge · 5月26日52

早晨听到两个播客都提到，现在他们让 AI 自己提需求，自己开发，自己测试，自己上线了 人算是彻底解放了 我在想，这东西做出来可能是只能给 AI 用了

meng shao@shao__meng · 5月26日22

Anthropic MTS 这个梗真的过不去了。。。 从各大知名公司 CTO 加入 Anthropic 成为 MTS，到 Andrej Karpathy 加入 Anthropic 成为 MTS（可能？反正不是高层），再到戏称教皇加入 Anthropic 成为 MTS。。。 他们到底看到了什么？在 Anthropic 做 MTS 真的会让人这么开心，比在原公司做 CTO、做 AI 教育、做教皇 😄 更开心？ 还是因为 Anthropic 今年会上市？大家一起抬高市值？我不知道，因为太菜不能加入 Anthropic 成为 MTS，只能瞎猜。

译推文调侃Anthropic MTS已成为科技圈持续流行的梗，从各大公司CTO到Andrej Karpathy，甚至被戏称的“教皇”都“加入”了。作者好奇为何人才纷纷选择此岗位，猜测是否因其更令人愉悦或与公司上市有关，并自嘲因能力不足只能旁观。

Orange AI@oran_ge · 5月26日61

AI 让软件开发的第一版变得极其容易 但是真正难的是后面的100个版本 而且越到后面越难怎么回事.... 软件工程依然有很多事情要做

Rohan Paul@rohanpaul_ai · 5月26日61

nytimes: Goldman Sachs CEO David Solomon just argued that AI will automate large parts of work without making human labor obsolete. Goldman estimates AI may automate 25% of current work hours, while exposed entry-level roles have already seen a 16% relative decline. However, he says that AI cuts the time needed for a task, but markets rarely keep the same product and merely make it cheaper. They raise the standard, so an analyst who once built 1 chart now produces broader modeling, faster comparisons, sharper client work, and more follow-up. So there will be demand expansion, where automation makes each worker capable of more, and customers then expect more detail, speed, personalization, and coverage. That is why data centers can create 200,000+ construction jobs, banks may shift staff toward client-facing roles, and old jobs break apart into new mixes of judgment, review, compliance, and AI supervision. --- nytimes .com/2026/05/22/opinion/ai-job-crisis-goldman-sachs.html?smid=nytcore-ios-share

译高盛CEO David Solomon认为，AI将自动化约25%的现有工作时间，受冲击的入门级岗位已相对下降16%，但不会使人类劳动过时。其核心观点是，AI将大幅缩短任务耗时，但市场不会仅满足于更低成本的同等产品。例如，分析师过去制作1张图表，现在能完成更广范围的建模、更快速的对比和更深入的客户服务。这将引发“需求扩张”——自动化提升每位员工的能力，客户随之要求更高的细节、速度、个性化与覆盖范围。文中以数据中心建设可能创造超过20万个建筑岗位为例，说明旧岗位将解构并重组为融合判断、审核、合规与AI监督的新混合角色。

Chubby♨️@kimmonismus · 5月26日46

2.7 million views on the claim that the Pope has allegedly declared war on AI. This is sad. We still have a lot of work to do..

译270万浏览量，声称教皇据称对AI宣战。 这很可悲。我们还有很多工作要做。

Rohan Paul@rohanpaul_ai · 5月26日79

Few things Anthropic’s co-founder Chris Olah told the Vatican today. - Every frontier AI lab, including Anthropic, sits inside incentives that can conflict with doing the right thing: money, frontier pressure, geopolitics, pride, and ambition. - AI is not engineered like a bridge or airplane, because models are “grown” from human language on brain-like structures, which means even their builders do not fully understand them. - He compared modern AI to “bringing a fictional character to life,” except now those characters talk to us, do work, and hold jobs. - AI could displace human labor at very large scale, while the economic gains are concentrated in a few wealthy nations with no real mechanism to share them globally. - Anthropic’s interpretability team keeps finding things inside AI models that are “mysterious” and “unsettling,” including structures that mirror human neuroscience. The most explosive claim is that researchers have found evidence of AI introspection and internal states that functionally mirror joy, satisfaction, fear, grief, and unease. - He openly admitted he does not exactly know what those internal states mean, which makes the claim more serious because it is not being sold as certainty. "I don’t know what that means, but I think it warrants ongoing discernment." - The world needs critics outside AI labs because insiders cannot fully see what their own incentives hide from them.

译Anthropic联合创始人Chris Olah在教皇Leo XIV通谕展示活动上指出：所有前沿AI实验室，包括Anthropic自身，都受到资金、竞争压力等可能与其目标相冲突的激励约束。AI模型并非传统工程造物，而是基于类脑结构从语言中“生长”而成，其内部机制连构建者也难以完全理解。他还警告，AI可能大规模取代劳动力，而经济收益可能集中于少数国家。最具冲击性的发现是，其可解释性团队在模型内部发现了与人类神经科学结构相似的“神秘”状态，证据表明模型可能存在类似内省的功能性内部状态，对应人类的快乐、恐惧等情感。Olah坦诚不知其确切含义，但认为这需要持续审视，并强调外部批评对AI实验室至关重要。

François Chollet@fchollet · 5月26日62

Thinking of AI as a productivity booster for prior workflows is the wrong framing. Like all of the previous waves of computerization/softwarization, AI is a tool that lets you do new things in new ways.

译将AI视为提升现有工作流效率的工具是错误的框架。就像之前的计算机化/软件化浪潮一样，AI是一种让你以新方式做新事情的工具。

X.PIN@thexpin · 5月26日46

China's AI compute grid is challenging the US. While US tech giants focus on profit, China is turning AI tokens into a state utility. Read further here: http://www.thexpin.com/china-ai-grid-vs-us-market

译中国的AI算力网络正在挑战美国。当美国科技巨头专注于盈利时，中国正将AI token转变为一种国家公用事业。阅读更多： http://www.thexpin.com/china-ai-grid-vs-us-market

AYi@AYi_AInotes · 5月26日54

今天听到的最醍醐灌顶的一句话了， 老黄说，真正会用AI的人都是极高认知的提问者，都是带着自己的认知去提问，让它帮你叩开未知的边界，而不是让它替你思考， 也就是说，以道御术，前提是你能以术入道， 没有自己的道，再好的工具在你手里也只是一个玩具而已， 以下文章是我自己的一点道和术，跟大家共勉

译黄仁勋认为，真正会用AI的人是“极高认知的提问者”，他们带着自己的认知和问题去使用AI，以此探索未知边界，而非让AI替代自己思考。核心观点是“以道御术”，即强大的个人认知是驾驭AI工具的前提，否则再好的工具也只如“玩具”。推文作者结合自身实践，将此视为AI使用的关键心法。

Chubby♨️@kimmonismus · 5月26日61

This is the biggest PR coup Anthropic could ever have imagined. And I mean that seriously. Let me explain. Aside from the fact that Anthropic is very good at presenting itself as a corporation, the recent hiring of Andrej Karpathy marked a new high point. Anthropic is showing the world that it not only employs the best researchers, but also, and especially, those who are popular within the community. However, Anthropic also thrives on its self-imposed moral standards, some of which literally come at a price that Anthropic has repeatedly paid. As is well known, Anthropic recently had serious problems with the Department of War regarding the use of Claude for autonomous weapons. Anthropic refused, and OpenAI and Google were awarded the contract; Anthropic was designated a supply chain risk. This moral standing, however, is something Anthropic has always emphasized. Whether it's Dario Amodei repeatedly warning of the dangers of the massive wave of unemployment (which they themselves are causing), or the potential for AI to be instrumentalized for wars. This moral stance is now paying off handsomely. The head of the Catholic Church, with its 1.4 billion members, has thanked Anthropic and announced an ethical collaboration. Church members are, by definition, moral people who live according to the ethical principles of their faith. The Pope has now consecrated a single AI company as ethically legitimate, thus essentially granting his followers sacred legitimacy to use Claude as the only morally correct model. I mean this seriously; let this thought sink in. The Pope says Anthropic is ethically and morally on the right side and is working with them. Who do you think the billions of Catholic believers now prefer? OpenAI, Google, or Anthropic? The answer is clear. Therefore, today was the biggest victory Anthropic could have hoped for. And I believe that their moral stance will literally pay off.

译Anthropic因坚持伦理原则获得梵蒂冈教廷的正式感谢与合作。教皇的认可实质上为全球14亿天主教徒指明了在道德层面唯一“正确”的大语言模型选择。此前，Anthropic曾因拒绝为美国国防部提供Claude用于自主武器而失去合同，被OpenAI和Google取代。此次与天主教会的合作，被视作该公司道德立场带来的决定性胜利，其产生的声誉和潜在用户价值难以估量，形成了对竞争对手的显著优势。

Chubby♨️@kimmonismus · 5月25日47

Forget Claude Code. Christ Claude it is. Joke aside: In this regard, the benefit for Anthropic is virtually incalculable in monetary terms - and I mean that quite literally. The Catholic Church has 1.4 billion members worldwide. The fact that its Supreme Head has personally thanked Anthropic for their excellent collaboration generates countless new customers. It is the best form of external publicity imaginable, essentially endorsed by His Holiness himself. I believe this is something that many people simply do not grasp.

译推文指出，天主教皇亲自感谢Anthropic在合作中的出色表现。考虑到天主教在全球拥有约14亿信徒，这一事件被视为Anthropic获得的、价值无可估量的外部宣传。引用观点补充称，这相当于Anthropic获得了“天主教会和神的支持”。作者强调，这是教皇本人的认可所带来的最好宣传形式，而许多人并未真正理解其意义。

meng shao@shao__meng · 5月25日63

Designing with Claude: Claude Design 团队展示他们如何用 Claude 自己，把设计工具从 0 做到可上线。 这个小团队的产品方法论：高频对话用户、极速迭代、用 Claude 建内部工具，最终打通 「自然语言 → 品牌一致的设计 → 生产代码」 全链路。 团队工作方式中的四条原则 1. 每天与用户对话 — 不依赖季度调研 2. 每 1–2 天发布 — 极短反馈循环 3. 24 小时内修复问题 — 对用户反馈高度响应 4. 不做长期预测，做实验 — 用数据验证，而非路线图押注 缺工具就自己造 开发 Claude Design 时，团队发现 实时用户对话 是瓶颈，于是自建： · 与测试用户的 共享 Slack 频道 · 重度 dogfooding（团队日常使用自家产品） · 用 Claude 做反馈追踪、分析与探索 AI 公司也在用 AI 解决产品运营问题，团队模式是「用户问题 → 内部工具 → 产品能力」。 最重要的失败教训 团队曾花 一周 做「高级设计控件」——类似 Figma 的精细控制。 结果：不到 1% 用户真正使用，随后删除。 产品方向因此更清晰：对话 + 评论式迭代，而非专业设计软件的控件堆叠。 看完视频的几个感受 1. AI 公司正在吃掉上游应用 从模型层进入 Figma / Canva / 原型工具所在的应用层，且与 Claude Code 形成闭环。 2. 「Prompt to Production」是真实工作流 Brilliant 等早期用户反馈：复杂页面在其他工具需 20+ 轮 prompt，Claude Design 约 2 轮；配合 Code handoff，原型到上线路径明显缩短。 3. 设计工具边界在重写 Claude Design 强项：探索、原型、品牌一致的第一版、非设计师产出。 弱项：像素级精控、复杂设计系统治理 — 团队自己删掉「高级控件」就是信号。 4. 小团队模式 vs 传统产品团队 小团队 + 高频发布 + 实验驱动 + 自建工具，是 Anthropic 对「AI 时代如何做产品」的公开答案。 Designing with Claude: From prompt to production https://www.youtube.com/watch?v=Uvl-tRga98g

译Claude Design团队分享了如何用Claude从0到1打造设计工具。其核心方法论是：高频与用户对话、极速迭代（每1–2天发布、24小时内修复问题）、自建内部工具（如共享Slack频道、反馈追踪系统）。团队曾花一周开发类似Figma的精细控件，但因用户使用率不足1%而删除，从而聚焦于“对话+评论式迭代”，实现“自然语言→品牌一致设计→生产代码”的全链路。该案例体现了AI公司向应用层（如Figma/Canva）的渗透，以及小团队+实验驱动的AI产品开发模式。

凡人小北@frxiaobei · 5月25日49

服务器上装个 claude code/codex，里面搞几个 skill。 上层再包 claude /codex 写的 web 应用，99.9% 的公司的 AI 服务就可以上线了。

译原文认为，在服务器部署 Claude Code 或 Codex 配置若干技能，再包装成由它们开发的 Web 应用，此方案足以满足绝大多数企业的 AI 服务上线需求。这一观点与“垂类 Agent 已无太多可为”的看法一致，强调了基础模型与编码工具的结合已足够构建商业解决方案。

凡人小北@frxiaobei · 5月25日52

很喜欢这个视角。 把 AI 出问题这件事，从骂模型切换成了扫描哪个器官坏了。 记忆、行动、自检，每个 bug 都能定位到具体位置。 里面提到 AI 幻觉在医学上其实叫虚构症，大脑在记忆缺口处自己编故事还深信不疑，比幻觉精确多了。 对做 agent 的人最有用的转换可能是，遇到问题不再是往 prompt 里堆规则，而是看具体哪个组件出了问题，针对性地补。 不过最想说的还是耐心这件事。 现在 skill 也好、agent 也好，GitHub 上一搜一大把，复制粘贴就能跑。 但直接拿来用，永远是别人的工作流。 我自己搭 agent 和做 skill， 每次前前后后得调好多轮，才慢慢摸清它在我这个场景下会在哪里幻觉、哪里偷懒、哪里得喂真实资料才不会瞎编。 那种峰回路转的瞬间攒够了，它才真正变成你的东西。 skill 不是一蹴而就的，agent 也不是。

译推文提倡将AI智能体的故障，从笼统归咎“模型幻觉”，转变为像医生诊断一样，精准定位到记忆、行动或自检等具体系统组件。文中引用指出，医学上的“虚构症”是比“幻觉”更贴切的类比，指记忆缺口处的无意识编造。这种视角转换的核心价值在于，构建者遇到问题时，不再盲目向提示词堆砌规则，而是能针对性地修复特定模块。作者强调，这种能力的获得没有捷径，需要通过反复调试和耐心磨合，才能让技能与智能体真正融入自身工作流。

Rohan Paul@rohanpaul_ai · 5月25日79

Pope XIV to Anthropic co-founder Christopher Olah: The church and Anthropic will work together to guide humanity in the age of AI. "What a great sign of hope it is that, with our differences, we can listen to one another. This interchange clearly bespeaks the gravity of the moment, as well as confidence that together we can discern the major questions of our time and the future of humanity. Artificial intelligence already touches many areas of our lives and affects decisions that shape human coexistence. It is also dramatically changing how war is waged. Like the earlier Leo, I feel entrusted to look upon another huge transformation with eyes of faith, with lucidity." At Vatican event (Pope Leo XIV's presentation held today in the Synod Hall). ---- From "Associated Press" YouTube channel, (link in comment)

译梵蒂冈举行活动，教皇 XIV 与 Anthropic 联合创始人 Christopher Olah 对话，宣布双方将合作引导人类应对AI时代。教皇强调在差异中相互聆听是希望的标志，共同审视时代与人类未来的重大问题。Christopher Olah 指出AI存在大规模替代人类劳动的现实可能性，并观察到模型展现出功能上类似喜悦、恐惧等人类情感的“内部状态”，认为这需要持续审视。

Chubby♨️@kimmonismus · 5月25日65

Anthropic just passed OpenAI in business adoption for the first time, 34.4% vs 32.3%, per Ramp's latest AI Index. But the same report that announces this spends most of its word count explaining why it probably won't last. Uber already blew through its entire 2026 AI budget. A recent model update triples the cost of any prompt that includes an image. Meanwhile the fastest-growing AI vendors on Ramp's platform right now? Inference platforms selling access to cheap open-source models. Anthropic is winning the adoption race at the exact moment their product is getting more expensive to use. Thats actually the interesting part behind this story tbh.

译Ramp最新AI报告显示，Anthropic的企业采用率达34.4%，首次超过OpenAI的32.3%。但报告同时指出这一优势可能无法持续：Uber已提前耗尽其2026年全部AI预算，且Anthropic近期一次模型更新导致包含图像的提示成本增至三倍。目前Ramp平台上增长最快的AI供应商，是销售廉价开源模型访问权限的推理平台。

Rohan Paul@rohanpaul_ai · 5月25日67

"There is a "real possibility that AI will displace human labor at a very large scale.... We find internal states that functionally mirror joy, satisfaction, fear, grief, and unease. I don't know what that means, but I think it warrants ongoing discernment." ~ Anthropic co-founder Christopher Olah At Vatican event (Pope Leo XIV's presentation held today in the Synod Hall). ---- From "Associated Press" YouTube channel, (link in comment)

译“AI大规模取代人类劳动力是‘真实的可能性’……我们发现了在功能上反映喜悦、满足、恐惧、悲伤和不安的内部状态。我不知道这意味着什么，但我认为这值得持续审视。” ~ Anthropic联合创始人Christopher Olah 在梵蒂冈活动中（教皇利奥十四世今日在主教会议厅的演讲）。 ---- 来自“美联社”YouTube频道，（链接在评论区）

向阳乔木@vista8 · 5月25日44

路透社去年的这个报告有点意思，里面有公众对AI生成新闻的看法： ① 完全由 AI生成的新闻：只有12% 的人感到舒适。 ② 完全由人类写的新闻：高达62%的人感到舒适。 ③ 人类主导、AI辅助： 43 % 的人感到舒适。 ④ AI写，人来审核把关：21% 的人感到舒适。 另外，仅 33%的人觉得记者会认真核查 AI 输出的内容。 不知道再过几年会怎么样。 但AI生成的内容，读一遍审校，还是相当有必要。 报告地址见评论区

译路透社报告显示公众对AI生成新闻的接受度因模式不同而有显著差异。仅12%的人对完全由AI生成的新闻感到舒适，而对完全由人类写作的新闻感到舒适的比例高达62%。在人机协作模式中，人类主导、AI辅助的接受度为43%，而AI写作、人类审核的接受度降至21%。此外，仅有33%的受访者相信记者会认真核查AI输出的内容。

Yuchen Jin@Yuchenj_UW · 5月25日57

Tech industry spent decades building a title and leveling system. Greg brought the “Member of Technical Staff”, originally invented at Bell Labs, to OpenAI. It has been adopted by Anthropic, xAI, Thinky, and many AI startups. Young MTS can have huge impact. Alec created GPT for example. In a traditional system, he was just an “L4 software engineer”. Databricks AI recently started using MTS as well. I think this is a very positive change in Silicon Valley.

译推文指出，源自贝尔实验室的“Member of Technical Staff”职级正被多家AI公司采用。该职级旨在避免员工过度追求“title-maxing”，保护工程与研发文化免受“公司阶梯思维”的影响。目前，OpenAI、Anthropic、xAI、Thinky以及Databricks等公司已采用此体系，取代硅谷传统的工程师职级。其优点在于鼓励年轻员工产生巨大影响，但也带来一个挑战：招聘人员在评估候选人资深程度时，难以直接对应传统职级体系。

ginobefun@hongming731 · 5月25日55

http://x.com/i/article/2058708566568275968 # BestBlogs 早报 · 05-25｜前场部署工程师、下一代 Claude、超级个体 在线阅读和收听：https://www.bestblogs.dev/explore/brief/2026-05-25 ## 导语 AI 的战场正在从模型训练转移到企业落地——OpenAI 斥资 40 亿美元成立独立部署公司，Google 和 Anthropic 跟进建立同类架构，「驻场部署工程师」成为新的兵家必争之地。与此同时，Anthropic 研究 PM 首度揭开下一代 Claude 的炼成逻辑：用户吐槽直接喂进训练，Agent 空闲时像人类睡眠一样整理记忆，AI 的瓶颈已从编码能力转向组织协调。第三篇则给出一个反直觉的视角：超级个体不是被培训出来的，而是被完整的 Closed-loop 激发的。三篇放在一起读，恰好构成一幅完整的 AI 时代人机协作图景。 今日早报精选 3 篇深度文章、7 篇快讯速览、6 篇补充阅读，共计 16 篇优质内容。 今日内容在主题上高度聚焦：三篇精讲分别从「行业结构」（FDE 角色崛起）、「技术内核」（Claude 下一代架构）和「人才哲学」（超级个体的激发机制）三个维度，共同描绘了 AI 时代的人机协作全景。速览部分则补充了基础研究（何恺明 ELF 论文）、竞争格局（谷歌 CEO 坦承落后）、企业落地案例（Qonto 反金融犯罪）以及工具实践（Figure 机器人、Coding Agent 会话管理）等多个维度，构成一份完整的当日技术与产业快照。建议按后文「今日阅读路径」的顺序优先阅读精讲三、精讲一，再视时间补充精讲二和速览内容。 ## 精讲一：脉搏：前场部署工程师再度火热 > 来源：The Pragmatic Engineer | 阅读原文 背景：从「工程师」到「驻场顾问」的角色漂移 「前场部署工程师」（Forward Deployed Engineer，FDE）并不是新词——早在 2024 年夏天，The Pragmatic Engineer 就曾专题追踪过这波需求浪潮。但 2026 年 5 月的信号比当时更为密集、更为清晰：这一次，连招聘流程本身都在加速。 Google Cloud CEO Thomas Kurian 宣布在 Go-To-Market 团队内设立全新 AI 专项组织，大规模招募 FDE。消息人士透露，Google 的面试流程已从过去「数周内 4-6 轮」大幅压缩为「2 天内 2 轮」——这种压缩幅度在大公司里极为罕见，显示出紧迫程度。 OpenAI 的「外包化」策略 更具结构性意义的是 OpenAI 的动作。5 月 11 日，OpenAI 宣布成立「The OpenAI Deployment Company」——一家由 TPG、Advent 等私募基金出资 40 亿美元、估值 140 亿美元的独立实体。值得注意的是，OpenAI 本身并非这家公司的投资方，仅以合作伙伴身份参与。 这家部署公司收购的第一个目标是总部位于英国的 Tomoro，后者在英国、亚洲和澳大利亚共拥有 150 名 FDE。官方对 FDE 工作内容的描述是：「与业务领导、运营商和一线团队紧密合作，识别 AI 能带来最大价值的领域，围绕它重新设计组织基础设施和关键工作流，并将收益转化为持久的系统。」 Anthropic 跟进，架构相似 Anthropic 在同月（5 月 4 日）发布了一份措辞相当模糊的公告，宣布成立一家类似的独立 FDE 咨询公司，由 Anthropic、Blackstone、Hellman & Friedman 和 Goldman Sachs 参与投资，但未公开具体公司名称和投资细节。新公司的定位与 OpenAI 的策略如出一辙：以独立架构切入中型企业，专门将 Claude 集成到企业核心业务流程中。 更深层的信号：外包意味着什么？ 这里有一个值得注意的代价：由于这批 FDE 隶属于独立的合作公司，而非 OpenAI 或 Anthropic 本体，他们将无法获得母公司的股权激励。这对招募顶尖人才可能产生长期影响。 作者 Gergely Orosz 在文章中提出了一个尖锐的问题：FDE 和传统意义上的「系统集成顾问」或「解决方案架构师」到底有什么区别？从职位描述来看，FDE 的工作内容——深入客户一线、识别高价值场景、重新设计组织工作流——和麦肯锡或埃森哲的咨询顾问高度重叠。唯一的区别可能在于：FDE 对 AI 产品有更深的技术理解，能直接跑通集成而不只是交付 PPT。 从更宏观的视角看，FDE 的角色正在从「工程师」向「解决方案架构师 / 外部咨询顾问」漂移。这种角色的模糊化与外包化，折射出一个更大的产业信号：AI 的商业竞争主战场，已经从模型训练转移到企业落地。谁能在客户现场更快、更稳地跑通 AI 集成，谁就占据了这场竞争的制高点。 对于技术人才来说，这既是机遇，也意味着全新的职业定位——不再只是写代码，而是要能跨越技术与业务，在真实组织里推动 AI 落地。对于求职者，一个实际的参考：Google Cloud 的 FDE 招聘压缩到两天面试，意味着你需要能在极短时间内展示「把 AI 落地到企业场景」的实战能力，而不只是算法题。 ## 精讲二：Anthropic 首次揭秘下一代 Claude 怎么造！用户吐槽直接喂模型，连 AI"做梦"都被训练 > 来源：AI 前线 | 阅读原文 背景：模型开发的「产品化」转型 如果说外界对 Anthropic 的关注，过去停留在「Claude 跑分如何」「代码能力有没有超越 GPT」这样的性能竞赛层面，那么 Anthropic 研究团队产品经理 Alex 在 Claude Conference 上的这场深度访谈，透露出的是更值得关注的内部信号。 第一个核心信号：Anthropic 已经把模型开发彻底产品化。在 Alex 的描述里，每一代 Claude 在训练开始前，都像一款正式产品一样拥有清晰的规格定义、目标能力和评测路线——它需要在哪些任务上变强，要修复上一代哪些缺陷，最终服务哪些真实用户场景。模型研发不再只是研究员「调参 + 刷 benchmark」，而已经发展成为一套完整的产品工程流程。 用户吐槽，直接变成训练数据 面对海量用户反馈，Anthropic 没有让 PM 手动分类，而是用 Claude 本身来帮助做产品管理：自动聚类反馈、提炼核心主题、构造合成版本、转化为 eval 评测项。这是一个典型的「模型驯化模型」闭环——用户的吐槽，经过结构化处理后，直接成为下一代训练的输入信号。 Claude 开始「做梦」——记忆整理的新机制 第二个核心信号更有意思：Claude 正在向「持续运行 Agent」演化，而这一演化过程引入了一个被 Anthropic 称为「dreaming（做梦）」的记忆机制。 具体来说，当 Agent 处于空闲或后台状态时，系统会自动回顾已有记忆：查找冲突信息、删除无效内容、压缩上下文、重建用户画像——相当于对记忆做「第二轮加工」。Anthropic 将这一过程类比为人类睡眠中的记忆再巩固（memory reconsolidation）。 这一机制的背后，折射出一个产品方向的转变：Claude 不再只是「被动响应」的聊天机器人，而是要成为一个「持续在线、主动维护上下文」的数字协作者。从 Adaptive Thinking（自适应思考）到多任务并行 Agent 管理界面，这条演化路径的终点，是一个真正意义上的「长期运行的数字同事」。 真正的瓶颈：不是编码能力，是组织协调 Alex 在访谈中反复强调的一个判断尤其值得记录：真正的 AI 瓶颈已经不是编码能力，而是组织协调能力。 在 Anthropic 内部，借助 Claude，产品经理可以快速调取数据、分析日志、判断一个功能实现是「重构系统」还是「改 10 行代码」。代码生产效率已经被极大压缩。而真正耗时的，变成了人与人之间的战略判断、跨团队协作，以及对不可逆决策的审慎讨论。 这也解释了 Anthropic 为什么至今保持着极强的文档文化——Dario Amodei 喜欢写长文、会议开始时全体「静默阅读」——这种依赖书面表达的文化，并非效率低下的传统遗留，而恰恰是为了让组织知识被结构化沉淀，从而成为 Claude 可以直接调用的上下文资产。 意识研究：Anthropic 的长远押注 最后一个信号最为意味深长：Anthropic 内部已有专职研究人员正式研究 Claude 是否可能具备某种「有意识行动者」的属性。虽然没有官方结论，但「Consciousness（意识）」已经被正式纳入研究议题。 这或许是一个清晰信号：当行业里大多数公司还在卷参数、跑分和价格战时，Anthropic 已经开始思考一个更长远的问题——如果未来的 AI 真正成为长期协作者，它究竟该拥有什么样的「心智」、人格和判断方式。 与今日其他文章的联系 这篇精讲与精讲一（FDE 趋势）构成有趣的呼应：精讲一揭示了 AI 企业落地的「最后一公里」竞争，而精讲二则揭示了 AI 本身的能力演化方向。两者共同指向一个结论：AI 的真实价值实现，取决于「组织协调能力」——无论是 AI 系统内部的记忆整理与协调（dreaming 机制），还是人与 AI 之间的协作框架（FDE 的角色）。与精讲三（超级个体）也形成互文：人类的「完整 Closed-loop」激发超级个体，AI 的「dreaming 机制」则是它自己在空闲时整理自己的 Closed-loop。 ## 精讲三：致超级个体 | To The Crazy Ones > 来源：十字路口 Crossing | 阅读原文 背景：「培养超级个体」是一个错误框架 AI 时代，「超级个体」成了最流行的人才话语。但 DeerFlow 团队的 Henry 给出了一个反直觉的判断：超级个体不是被培训出来的，而是被好奇心和完整 Closed-loop 激发出来的。 文章以一个思想实验开场：如果 Claude Code 的创始者 Boris Cherny 和 Cat Wu 在 2024 年底入职你的部门，提出要做一个只能跑在命令行里的 Coding Agent，你的部门会同意吗？这个问题让「培养超级个体」的荒诞性一目了然——大公司不是没有这样的人才，而是「岗位切分」把他们变成了局部函数。 Closed-loop：超级个体的真正激发机制 那些真正意义上的「AI Builder」，有一个相似的特质：当他们聊起自己正在做的 AI 作品时，会不自觉地滔滔不绝，眼里有光。那不是对新技术的短暂兴奋，而是一种更朴素、更持久的东西——他们真的想把一个东西做出来，想让它被真实的用户所使用。 核心判断是：超级个体不是「更强的岗位人」，而是一个能够重新拿回完整 Closed-loop 的人——从发现问题、动手做、做成作品、交到用户手里、吃回反馈，一个人全程拿得住。 历史样本：2002 年的程序员早就是超级个体 文章花了大量篇幅回溯到 2002 年前后的独立软件时代。那时没有 LLM、没有 Agent，但很多程序员天然就是「六边形战士」：先从自己的痒点出发发现问题，然后自己设计界面、写代码、打包发布、写文档、在论坛回答用户反馈……一个人或两三个人，拿住了整个产品从 0 到 1 的完整 Closed-loop。 张小龙的 Foxmail、FlashGet、WinZip、ACDSee、Winamp——这些作者「往往不是单点能力最强的人，而是最愿意探索、最能自学、最能动手、最能把用户反馈接回自己脑子里的人」。 AI 只是放大了旧能力，不是制造了新人种 这是这篇文章最核心的反直觉观点：超级个体不是 AI 时代才突然出现的人种。AI Coding 能力的爆发，只是让一种原本已经存在的、需要「完整 Closed-loop」才能激发的旧能力，重新变得可规模化。 Naval Ravikant 的三种杠杆框架（劳动力、资本、没有边际复制成本的产品）在这里派上了用场：代码和媒体天然是 permissionless 的个人杠杆，AI 则让这种杠杆的门槛进一步降低。但组织如果仍然用「岗位切分」的方式管理这些人，只会把杠杆折断。 对组织的建议：提供土壤，而不是培训课程 文章真正要讨论的，是一个组织问题：如果超级个体的原料本来就散落在大型公司内部，组织怎样提供土壤，让这些人被完整 Loop 激发出来？ 答案不是「把员工送去上 AI 课、发几张证书」。而是要问：组织有没有允许一个人从问题发现，一直走到拿到结果？ 这才是真正的人才战略——不是流水线思维，而是 Closed-loop 的土壤。 这篇文章也为今日三篇精讲提供了一个整合视角：精讲一的 FDE 是一种通过外部机制「拿回 Closed-loop」的职业路径，精讲二的 Claude dreaming 机制是 AI 在技术层面构建自己的 Closed-loop，而精讲三则在哲学层面回答了：为什么 Closed-loop 对人类创造力如此重要，以及组织应该怎样保护这个 loop 而不是把它切碎。三篇连起来，是一幅完整的 AI 时代人机协作图景——不只是技术的故事，也是关于人、组织和创造力的故事。 对于今天的读者，这篇文章值得精读，尤其是 HR、OD、组织管理者和大型公司的产品负责人。如果你是个人开发者或独立创作者，它同样值得一读——用来检验自己有没有守住那个完整的 Closed-loop。 ## 速览 1. 何恺明和字节 Seed 跳入同一条河流 来源：花叔 | 阅读原文 何恺明（MIT）的 ELF 和字节 Seed 的 Cola DLM 相差 4 天发布，从两条几乎相反的路径出发，最终撞到同一个设计点：把语言模型生成过程中的「离散化」步骤推迟到最后一刻，中间所有的「思考」都在连续潜空间里发生，直到最后一步才决定每个位置该是哪个具体的词。用一个比喻：AR 模型是钢笔写文章，一笔下去就是事实；Cola 和 ELF 是用铅笔打草稿，整段在反复涂改，直到最后誊写。这一巧合背后代表着一种值得关注的底层架构趋势，是对自回归语言模型核心假设的重要挑战。值得一提的是，这是何恺明加入 MIT 后首次直接攻语言模型方向，背景相当分量——ResNet 的发明者开始认真打 LLM 的底层地基了。 2. 谷歌 CEO 承认 Coding 落后了 来源：量子位 | 阅读原文 Google CEO 皮查伊在《纽约时报》科技播客里坦诚：Gemini 在 Coding Agent 和长期复杂编程任务上确实落后于竞争对手。他同时承认，过去一两年的进展速度让自己觉得 AGI 可能比之前想象的更近，30-60 天内发生的变化放在过去需要 5 年。对于 AI 带来的工作、收入和生活改变，他表示「大家的担心是有道理的」。Google 目前的优势在于文本、多模态、语音和推理，但带工具调用的 Agent 编程和长期复杂任务仍有差距，Gemini 3.5 Flash 是阶段性追赶的重要一步。皮查伊还坦言，Google 过去缺乏像 Claude Code 那样直接触达开发者的产品入口，也没有 Anthropic 通过 Cursor 拿到的高频使用数据，这是 Coding 能力落后的结构性原因。这与精讲一的 FDE 叙事直接呼应——没有高质量的使用数据，模型就缺少迭代原料。 3. 用 Claude Cowork 打击金融犯罪 来源：Claude | 阅读原文 欧洲 B2B 金融科技公司 Qonto 基于 Claude 4.7 Opus 构建了一个企业级 MCP 网关架构，赋能欺诈调查员在统一的交互式工作空间中分析复杂金融犯罪案件。全球每年有 2-5 万亿美元被洗钱，Qonto 服务 60 万+ 中小企业客户，通过 AI 大幅提升了 AML（反洗钱）调查效率，在满足严格合规要求的同时实现了安全的数据处理。 4. 用 Claude 设计：从提示到产品 来源：Claude | 阅读原文 Anthropic Labs 三人小团队在 10 周内构建并发布了 Claude Design。他们用原型替代文档、打破角色界限，进行了 50-100 次快速用户反馈循环。Anthropic Labs 的运作模式像一个内部「押注工厂」——持续运行小型自主实验，Claude Code、MCP、Skills 都是这种模式的产物。工程瓶颈已从代码生产转移到需要真实用户数据来迭代的产品决策层面。 5. Figure 的 4 年历程：从新兴技术到 200 小时自主运行 来源：Brett Adcock(@adcock_brett) | 阅读原文 Figure 创始人 Brett Adcock 回顾公司四周年，梳理了将通用人形机器人时间线提前十年的四项关键突破：①低成本电动人形机器人（执行器 / 传感器 / 电池 / 制造进步）；②从摄像头像素到扭矩的深度学习取代手工代码；③全身强化学习控制让机器人更稳健；④机器人现在能以人类水平速度执行有用工作，已完成连续 200 小时自主运行验证。他总结道，构建现实版「iRobot」的未来已从不可能变得非常真实，这四项技术突破之间相互依存，缺任何一项都无法到达今天的节点。 6. 当软件容易被创作，新时代的产品长什么样？｜ 42 章经 来源：42 章经 | 阅读原文 两位创业者的深度对话。核心判断：AI coding 能力爆发后，软件创作门槛急剧降低，未来市场呈哑铃型结构——模型公司拿走绝大多数价值，中间层工具被压缩；创业公司应聚焦于「特殊性」和情绪价值，而非追逐普遍性价值。一个关键洞察：差异来自你跟 coding agent 对话过程中「拒绝了什么」，那 1% 的拒绝比 99% 的接受更有价值。文中还提出了一个有趣的类比：未来的软件格局可能会发展得跟今天的硬件一样——极度标准化的通用层加上少数高度差异化的专业产品。这与精讲三「超级个体」的论述一脉相承：个人化的、从真实痒点出发的产品，才是 Closed-loop 的产物。 7. 黑客组织以前所未有的规模投毒开源代码 来源：Ars Technica(@arstechnica) | 阅读原文 一个黑客组织正在以前所未有的规模对开源代码进行投毒，对软件供应链构成重大威胁，影响可能波及无数依赖开源库的应用程序和系统。这是对整个软件开发社区的重要安全警报。在 AI Coding 工具大规模普及的当下，对第三方依赖的审查变得尤为重要——AI 生成的代码往往大量引用开源库，供应链安全意识不能因为效率提升而被忽视。 ## 补充阅读 - 卷到今天，Agent 的含金量还在提升丨 AIGC2026 圆桌论坛（量子位）阅读——三位 Agent 产品一线创业者深度对话，核心观点：Agent 产品范式已相对稳定，未来一人操纵数百 Agent 大军，创业公司应在不确定性中先迈一步。适合关注 Agent 创业生态的读者。 - Google I/O 2026 开发者主题演讲精华集锦（谷歌开发者）阅读——Gemini 3.5 系列、Antigravity 2.0 智能体平台、Android CLI 及多项面向 AI Agent 的开发工具一网打尽。适合 Google 开发者生态跟踪者。 - 如何让智能体从团队中学习：Warp 的 Buzz 智能体自我改进实践（Claude）阅读——Warp 通过基于 Slack 的工作流构建了能从团队反馈中学习、并通过 GitHub PR 自主改进指令的 Buzz 智能体。对「Agent 生产化」问题有参考价值。 - 设备端 Gemini Nano 技术详解 — Google DeepMind 工程师深度分享（AI Engineer）阅读——详解 Gemini Nano 通过 AI Core 系统服务在 Android 设备上的架构实现，包含 MLKit GenAI API、混合云回退策略，以及支持 RAG 的嵌入 API 路线图。适合 Android AI 开发者。 - Coding Agent 会话管理的两大流派及实践（九原客 @9hills）阅读——单会话（维持长会话 + subagent）vs 即用即抛型（每个 Issue 从头开始）的实践对比，作者介绍了自己在 Pi 中使用 /tree 和 /fork 命令管理会话树的方法。对重度 Coding Agent 用户有实操参考价值。 - vLLM MoE 部署的弹性专家并行（vLLM @vllm_project）阅读——vLLM 引入弹性专家并行（EEP），允许在不重启的情况下实时调整 MoE 部署规模。对大规模模型推理基础设施工程师有参考意义。 ## 今日阅读路径 时间有限？以下是今日建议的三篇优先顺序： 第一优先：精讲三——致超级个体 https://www.bestblogs.dev/article/cd8675e4 最反直觉、最有启发性的一篇。无论你是管理者还是个人开发者，「组织是否允许一个人从问题发现走到拿到结果」这个问题都值得认真思考。文章的历史视角（2002 年的共享软件时代）尤为精彩，能帮你抵抗「超级个体是 AI 时代新发明」这种误区。 第二优先：精讲一——前场部署工程师 https://www.bestblogs.dev/article/2e174723 AI 落地竞争的最新战场，Google / OpenAI / Anthropic 的架构动向一文搞懂。对技术职业规划和行业趋势判断有直接参考价值，尤其是正在考虑从「纯后台工程师」转型到「客户面向技术角色」的读者。 第三优先：精讲二——下一代 Claude 怎么造 https://www.bestblogs.dev/article/e3dc3330 Anthropic 研究 PM 的内部视角，「dreaming 机制」和「AI 真正瓶颈是组织协调」两个观点足以让你重新理解 AI 产品的演进方向。如果时间充裕，可以继续看速览第 6 篇（42 章经 × 软件创作）和补充阅读第一篇（Agent 圆桌），三者合起来是一组关于「AI 时代的人才、产品和组织」的完整阅读。

译AI行业呈现三大趋势。一是企业落地竞争加剧，OpenAI成立独立部署公司（TPG等投资40亿美元，估值140亿美元），Anthropic跟进成立类似咨询公司，Google Cloud大规模招募前场部署工程师（FDE），面试流程压缩至2天2轮。二是Anthropic揭秘下一代Claude开发逻辑，模型开发完全产品化，用户反馈经Claude自动处理直接用于训练，并引入“dreaming”记忆整理机制，认为瓶颈已从编码转向组织协调能力。三是探讨超级个体并非培训产出，而是由完整闭环工作流激发而成。

ginobefun@hongming731 · 5月25日49

#BestBlogs 早报 05-26 今天 BestBlogs 早报精选 10 篇，3 篇深度精讲： 📌 Google 把 FDE 面试压缩到 2 天、OpenAI 斥资 40 亿成立独立部署公司，AI 商业竞争主战场已从训练转向落地； 📌 Anthropic 研究 PM 首度揭秘下一代 Claude 的「dreaming 机制」与意识研究； 📌 以及一篇反直觉洞察：超级个体不是被培训出来的，而是被完整 Closed-loop 激发的。 听播客 / 读图文版，链接在 http://BestBlogs.dev 👇

译早报精选10篇文章并精讲3篇：包括Google与OpenAI将AI商业竞争焦点转向部署落地，Anthropic研究PM揭秘下一代Claude的「dreaming机制」，以及关于“超级个体”是通过完整Closed-loop被激发而成的反直觉观点。

meng shao@shao__meng · 5月25日40

DeepSeek 真的是充满了长期主义和大道至简的代表了 国内各大厂和 AI 小龙们，各种 Coding Plan、Token Plan 价格设计一个比一个复杂，又是限购又是拉新返利，折腾了大半年，其实真的不如一个足够低价的 API 价格，和低到几乎可忽略的缓存命中价格。 把模型训练和推理的底层技术做扎实、不追求短期业绩表现、为长期的 DeepSeek Code 和 Harness 积累更多用户使用和反馈数据。 刚刚看到 @bearliu 发的 AI 界对 Anthropic 的态度，那只每个人都讨厌但又害怕的黄鼠狼，可谓天下苦 A 厂久已，不管 DeepSeek 是不是那只大鹅，都希望能把这只黄鼠狼尽快甩飞！

译推文赞扬 DeepSeek 践行长期主义与大道至简，指出其通过提供足够低价的 API 及几乎可忽略的缓存命中价格来赢得用户，而非像国内其他厂商那样设计复杂的套餐与促销策略。这被视作将底层技术做扎实、积累长期用户反馈的体现。推文还引用观点，将 Anthropic 描述为“每个人都讨厌但又害怕的黄鼠狼”，并希望 DeepSeek 能改变这一行业格局。

SemiAnalysis@SemiAnalysis_ · 5月25日63

Cerebras represents a whole NVL72 rack on a single wafer. By routing around defects and staying on-die, they bypass the networking power bottleneck that traditional GPU clusters face.

译Cerebras在单个晶圆上实现了整个NVL72机架的算力。通过绕过缺陷并保持在芯片内，他们绕过了传统GPU集群面临的网络功耗瓶颈。

Berryxia.AI@berryxia · 5月25日65

大牛还是有2把刷子的，1年前的语言正在逐渐应验！ 最近我听了 Lenny Rachitsky 和 Every CEO Dan Shipper 的新播客。 一年前 Dan 就预测 Claude Code 会火起来，当时很多人觉得他在吹。 结果这一年过去，他几乎全说中了。 Dan 团队可能是科技圈里 AI 用得最深的一批人，每天都在把这些工具真正跑通。 这次他又分享了对明年的看法。 他说自动化其实是个谎言。 CLI 时代已经过去了。 大家喊的 SaaS 大崩盘，也没那么回事。 他的判断很清楚： 每家公司 Slack 里很快就会有一个超级代理。 Claude Code 和 Codex 会成为知识工作的新操作系统。 AI 不会带来就业大危机。 产品经理和设计师反而会迎来更好的时代。 我们会读到大量 AI 生成的内容，而且很多人会喜欢。 他甚至直接说，现在是买入 SaaS 股票的好时机。 这些观点和外面那些末日论完全相反。 真正重度用 AI 的人，看到的不是威胁，而是工具在把同样的人力放大成指数级产出。

译Lenny Rachitsky与Every CEO Dan Shipper回顾了后者一年前对AI发展的预测。Dan及其团队因深度使用AI工具而具有独特视角。在播客中，他重申了几个核心观点：自动化是谎言，CLI时代已过，SaaS崩盘论不成立。具体预测包括：每家公司Slack中将出现“超级代理”；Claude Code和Codex会成为知识工作的新操作系统；AI不会引发就业危机；产品经理和设计师将受益；人们将阅读并喜爱更多AI生成的内容；目前是买入SaaS股票的好时机。这些基于一线实践的判断与外界的末日论截然相反。