软件研发未来一定会走向一个黑盒验收时代。 过去每一个功能、每一个 PR，都需要人来 Review 和验证。但随着生产端的速度越来越快，验收逐渐跟不上生产，这个时候，人就会成为最大的瓶颈。 所以 AI 必须参与到代码审查和功能验收里，甚至还要进一步完成自部署、自监控。 这件事情实施难度很高吗？其
很多人觉得 AI 做不好验收工作，当下确实是这样的，因为它缺少判断的准则。人可以教它，但无法穷尽所有情况。 可 AI 有一个优势，它在边界思考上往往比人更全面、更多维。所以理论上，在进行测试的时候，AI 完全有机会测得比人更完善。 对 AI 测试来说，首先需要从两个关键能力入手。 第一，它要完
最近一个非常明显的变化是，测试和前端开发这些细分工种，正在逐渐被收敛。 今天很多研发流程依然是 Human in the Loop，人还深度参与在工作流中。但我们更想看到的状态是 Human over the Loop，人逐渐脱离具体工作流，让任务能够自循环、自验证、自进化。 这里核心要解决两个问题。 第一个是验证。
组织朝 AI 转型，首先要解决的是人的意识问题。 以前做事情，都会有明确的分工，因为术业有专攻，每个人擅长的点也不一样。AI 出现以后，一个很大的变化是，它开始补齐人的短板。长板可以更长，短板也能够被不断补齐，所以越来越多的人开始具备端到端的交付能力。 这里的端到端，不仅仅是全栈技术能
寻求共识的成本是巨大的，意味着需要无数次对齐，也会产生无数次摩擦。 梁文锋会在团队内寻求共识，允许团队只有低于 50% 的战斗力“干正事”，也就是“自上而下”做事，而剩下的部分，都是“自下而上”地做事。 共识的好处是，能够凝聚群众的智慧，也可以形成合力，让力量叠加后的最终效果趋近于想
对高质量算力拥有方来说，卡资源永远是瓶颈，全球真正在用算力的人不足 0.3%，而AI 未来会支撑至少 10% 的全球 GDP，也就是说，未来需求端还会持续蓬勃增长。 智能的前沿临界点，是所有模型公司的必争之地，下一个阶段，是 Agent 自进化，再下一个阶段，是 Agent 学会提问题。暂时落后的公司，未来还
OpenAI 最近疯狂重置 Token 额度，还放开了 5 小时限制，盲猜背后的几个原因。 1）算力供给发生了变化。可能拿到了更多 GPU 资源，或与云厂商达成了更激进的合作，把闲置算力快速转化成用户增长和模型训练资源。算力闲着也是闲着，不如让用户跑起来。 2）Agent 的竞争已经开始从模型能力转向真实使用
烧了 6 个 200 刀的 codex 周限流，Github 内容生产流水线也加好了，代码已开源：http://t.cn/AXKXs66g ，想增加信源可以提 PR，或自己 DIY，😄
强烈需要一款 Agent 产品和技术领域的热点 Timeline。一忙起来，就会追丢很多信息。 找了一圈，没找到特别合适的，这两天索性就手撸了一个：http://t.cn/AXKiUCJA 它聚合了几百个高可信信息源，从模型能力与研究、Agent 与软件重构、产品与商业验证、资本与公司演化等多个维度，对分散的信息进行强收
从周末实践来看，如果并发项目数是 4，7×24 投入研发，那么对高质量 Token 用量的消耗，大概是一个月 4000 美金，约等于聘用一名资深工程师，而产出效率至少是人类的 5-10 倍。 随着工作流的稳定和成熟，成本可以下降一大半，而效率可以再提升至少十倍。很难想象，一年后的软件行业竞争将会多么恶劣。
2026 半年提交的代码，快超过过去两年。AI Coding 容易让人陷入疯狂。 最近也在思考一个问题。AI Coding 时，人到底是一个需求口喷角色，还是系统架构设计角色？也在反问自己，我对我的系统是越来越了解了，还是越来越生疏了？ 我的答案是，想做的事情越来越明确了，但对做出来的那堆东西，却越来越
唱戏需要有个身份和角色才能把戏唱好，不然就是个跑龙套的，也有意义，但存在感极低。 孩子做值日生的那天，上学明显积极；第二天有约的时候，早晨赖床的概率更低；当自己被需要的时候，也会更愿付出。 人并不是天生热爱努力，而是在回应自己的角色。父亲、老师、队长、值日生、创业者……角色会带来
AI 让信息流动变得越来越快。你可能已经注意到了，一些系统之间的信息交互，已经不再依赖人的参与，AI 可以直接完成信息理解、传递和执行。 当信息能够自动流动之后，一个更大的变化开始出现：过去依赖人完成判断、分发、审批的工作，正在逐步迁移到机器；而 AI 不仅仅是处理信息，它也开始消费信息，
你给 AI 一个指令，它不管三七二十一，一股脑就给实现了。 它掐准了你在表达需求的时候，不会时时刻刻强调性能、稳定性、质量和可维护性。 于是，它学会了偷懒。听几句话就干几句活儿，绝不多做，也不少做，像个老油条。 要让 AI 写出好代码，只让它做个执行者可不够。得像教孩子一样，手把着手，一
这个木马也伪装的特别好，攻击者开发了一大堆 AI 助理浏览器插件，在 Google 上买了搜索广告，然后把自己推到了搜索引擎首页的第一屏位置。已经有 90 多万用户中招了。 它会窃取你在 AI 聊天平台的所有对话，每隔 30 分钟做一次数据偷窃同步，不仅仅拿个人数据，还会渗透内网，拿企业数据。更可恶的时
LLM 每一轮迭代，都会让一批创业者丢掉生意。今天跟一位朋友聊，他说模型越强，他却越兴奋。 他是做硬件集成解决方案的，前十年在工厂摸爬滚打，2023 年 AI 爆发后开始跟着 waytoagi 社区沉浸式学习，将 AI 能力转换成生产力，然后将经验复制到工厂生产场景，写 prompt，建 workflow，也捏 agent，认
这是相关木马的详情介绍：http://t.cn/AXasIQsy，利用 AI Agent 攻击用户的行为会变得越来越难被识别，合法和非法行为交织在一起。
大概一个月多前，电脑中了木马，潜伏了一个月才被发现，也导致了我的 X 账号被盗。 让 Claude 和 Codex 逐一分析系统进程时，找到了一个叫做 com.apple.accountsd.helper.plist 的进程，乍一看还以为是苹果系统的宿主进程，但 Claude 对这个进程提出了质疑。 沿着这个线索，对 accountsd 进行了详细
很多项目的复杂度其实并不高。 框架设计简单，业务逻辑也不复杂。无论是人写代码还是 AI 写代码，差距往往没有想象中那么大。有些时候，AI 甚至写得比人更细致。 后端大部分场景无非是增删改查，偶尔遇到高并发，加缓存、队列、异步任务，通常也能解决。前端更多是数据请求、状态管理、模板渲染，真
过去几千年里，人类一直默认自己是已知世界中认知能力最强的存在。人与人的差别，只不过是知识、经验和思考深度的不同罢了。 AI 出现后，这种认知开始改变。面对问题，人们越来越依赖 AI 获取信息、验证想法和推进工作，许多原本独立完成的思考过程转向了人机协作，🤖 与此同时，人类第一次长期面