AI最新动态|2026-10-07
本期汇总了19 位 AI 建造者的 40 条动态、1 期播客,提炼值得关注的产品进展、工程实践与行业变化。
本期速览
今天的讨论集中在三件事:提示词工程是否已经“去技巧化”、智能体架构正从本地走向云端、以及后训练与开源模型带来的成本与自主权之争。安全议题也被重新提起,被视为企业 AI 落地的下一个主战场。
X 上的关键观点
提示词正在“去技巧化”。 Boris Cherny 分享了自己给 Claude 的真实提示词,并直言外界不必惊讶:如今应当像对同事说话一样对模型说话,不必过度脚手架化或规定过细。他认为 Sonnet 3.5 时代提示词确实关键,但现在更重要的是讲清三件事——要模型做什么、愿意投入多少精力、以及它该如何验证自己做对了。这条观点获得近九千点赞,说明“少一点咒语、多一点目标”正在成为共识。需要区分的是,这是 Cherny 的个人经验判断,而非可推广的定论。
智能体架构:云端的“大脑”,本地的“手”。 Thariq 提出,Claude 的“大脑”会越来越多地放在云端,同时获得操作你电脑的“本地手”。他同时指出其中的技术难点:如果 Claude 只能在你电脑在线时访问文件,那么电脑关机期间它可能被实质阻塞,因此需要某种同步机制,但边界情况不少。这属于对产品方向的描述与工程难点的提示,而非已完成的方案。
抽象层级与底层理解。 Thariq 另一条高赞观点是:在更高抽象层级上工作,始终要求理解更低层级的东西,编码智能体不会改变这一点。这与“AI 让编程门槛消失”的乐观叙事形成对照。
安全成为企业 AI 的核心战场。 Aaron Levie 认为,网络与安全将是未来几年 AI 最具决定性的领域之一。他列举了新压力来源:vibe coding 带来的问题、智能体攻击、乃至意外成群“猎取”数据的智能体。他指出安全团队本就资源最紧张,而智能体本身也会成为解法,催生一批保护代码、企业系统、关键基础设施与数据的新产品。这是明确的观点性判断。
其他值得留意的信号。 Amjad Masad 称 AI 驱动的逆向工程与反编译进展“疯狂”,并预测不久后所有软件事实上都将开源——这是强预测,需谨慎看待。Guillermo Rauch 提到一个简单但可能影响深远的特性:在置信度阈值下“想得快、稍慢一点”。Peter Steinberger 则展示了把团队智能体接入 X 以更快触发工作的做法,未分配会话可被任何人认领,智能体还会查找相关代码的历史作者并在服务器上提醒。Dan Shipper 表示 Every 的智能体基于 Claude Managed Agents 构建,Claude 官方也介绍了该团队在 Slack 中搭建公司级智能体的案例。此外,Claude 已支持在对话旁打开并共同编辑 Google 文档、表格与幻灯片,权限跟随 Google 共享设置,目前面向所有付费计划 Beta。
播客精华
Unsupervised Learning 第 94 期请到 Applied Compute CEO,主题围绕强化学习的边界、新型 AI 超大规模厂商,以及为何后训练能在推理端取胜。
嘉宾的核心比喻是:RL 本质上是一台“爬山机”,最难的部分其实是定义要爬的那座山,因此评估(evals)对企业而言既值得投入建设,也需要谨慎守护。他用一个类比说明模型的“非可替代性”:你不会乐意自己的员工去别家公司干活,模型同理。
关于“拥有自己的智能”,他认为风险叙事不应建立在“实验室有恶意”的假设上——这些公司由优秀的人组成,也有合同义务与工程防护。真正的理由是灵活性与控制权:模型在哪里运行、如何部署、针对成本还是延迟还是特定领域做优化。要基于自己的数据训练模型,就需要权重、后训练与推理的基础设施,以及在多模型间路由的能力。他提到模型从产品中被撤下确实发生过不止一次,尤其在编码领域。
他还谈到多模型未来:OpenAI 与 Base10 的合作被视为平台化信号,客户想要选择与灵活性,这对开源模型是利好。行业叙事已从“最强最大的模型”转向帕累托曲线——不必每个任务都用巨型模型,可以按不同规模、不同家族的开源模型滑动取舍。而 Applied Compute 的核心论点更进一步:通过训练可以让这条帕累托曲线整体外移,即在更低成本下获得更好的特定任务表现。他判断企业已完成大量探索,现在进入“优化”阶段。
值得继续关注
提示词“去技巧化”是否会改变团队对提示词库与评估体系的投入方式;云端大脑加本地手的架构如何解决离线与同步的边界问题;后训练能否如嘉宾所言稳定地把帕累托曲线外移,还是只在特定高价值场景成立;以及安全领域是否真如 Levie 所判断,成为智能体产品最密集的创业方向。
原始来源
X / Twitter
- Swyx(@swyx)
- Josh Woodward(@joshwoodward)
- Boris Cherny(@bcherny)
- Thibault Sottiaux(@thsottiaux)
- Peter Yang(@petergyang)
- Nan Yu(@thenanyu)
- Thariq(@trq212)
- Amjad Masad(@amasad)
- Guillermo Rauch(@rauchg)
- Aaron Levie(@levie)
- Garry Tan(@garrytan)
- Matt Turck(@mattturck)
- Zara Zhang(@zarazhangrui)
- Nikunj Kothari(@nikunj)
- Peter Steinberger(@steipete)
- Dan Shipper(@danshipper)
- Aditya Agarwal(@adityaag)
- Sam Altman(@sama)
- Claude(@claudeai)
播客
本文由自动化流程根据公开信息生成中文摘要,观点与事实请以原始来源为准。