Thomas Wolf 转发 Scott 演讲：手写代码的时代结束，软件工程师转向"智能体指挥者"
Thomas Wolf 转发 Scott 的一段演讲，称亲手雕琢代码的时代已经结束，接下来是"专业造物者"的新职业——指挥此前只存在于科幻中的智能。Scott 称这段演讲每个软件工程师都该听。
#现象/趋势
#现象/趋势
今日 0 条Thomas Wolf(@Thom_Wolf)AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jerry Liu(@jerryjliu0)AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 你的 AI 生产力与 wpm 高度相关
Jerry Liu 表示，你的 AI 生产力与 wpm（打字速度）高度相关。该帖获 93 条回复、33565 次浏览，由 xgo.ing 提供数据支持。
Justine Moore(@venturetwins)AI 评估 · 2/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 2/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Slutcon 争议：把"帮害羞男性学会调情"当作幌子的议程引热议
围绕 Slutcon 的讨论持续发酵，Justine Moore 称她最喜欢的部分是"我们只是在帮害羞的男性学会调情"这一定性，而实际议程是让害怕女性的男性通过与喜欢男性、不害怕男性的女性近距离接触来开始喜欢女性。她表示自己未以任何方式参与其中，但这一目标与她自己的使命高度一致，她支持其成功。
Y Combinator(@ycombinator)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 编程智能体如何泛化到机器人？MIT 教授与 Waddle Labs、Robocurve 探讨 robot-use agents
MIT 教授 Philip Isola 提出，AI 可能正进入 robot-use agents 时代：通用模型能控制不同机器人、编写策略，并在几乎无需机器人专项训练的情况下学习新物理任务。
Viking(@vikingmute)AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 有人还在用 antigravity 吗？用户称 Gemini3.8 写文章和审校中文更接近人味
一位用户发帖询问现在是否还有人使用 antigravity、是否好用，并表示自己很喜欢用 Gemini3.8 写文章、审校其他 agent 写的中文文章和 i18n 翻译，认为其写作水平已比较接近人味。该用户目前主要通过 Cursor 的第三方模型调用，因为 cloud agent 经常被用完，正在考虑是否试试 antigravity。
Viking(@vikingmute)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 《Plan Mode 已死》引热议：Opus 5.5 时代不必再先写冗长计划，Skills 也被指过时
HackerNews 上一篇文章《Plan Mode 已死》提出，随着大模型能力飞跃，写给人看的冗长 plan 需求大幅降低，应改用 understand → act → inspect → clarify → adjust → act again 的边做边改流程，而非先产出待批准的 spec。
深思圈AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 微软 CEO Nadella 谈 AI agent 时代：市场规模比云计算大几个数量级
微软 CEO Satya Nadella 在 Sources Podcast 访谈中称，agent 时代创造的市场规模会比云计算大几个数量级，并批评 AI 行业只顾炫技、忽视普通人真实体验。
优设AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 国内有哪些值得关注的AI测评账号？机器之心、量子位、数字生命卡兹克、优设AIGC
优设推荐了四个国内AI内容账号：机器之心侧重模型技术与论文进展，量子位覆盖AI公司、产品发布、融资与产业动态，数字生命卡兹克记录自己折腾Agent、工作流和Skill的过程，优设AIGC则用设计和创作任务实测新工具。文中以LibTV 1.5、Vidu S2的实测和Codex表情包工作流为例，说明这类内容会展示制作过程与教程。
orange.ai(@oran_ge)AI 评估 · 6/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 6/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用户反馈：某 AI 编程能力仍不够强，问题并未很好解决
有用户反馈相关问题"并没有很好的解决"，并认为其在编程能力方面"还是不够强"。该帖未提及具体模型、产品名称或任何测试数据。
Simon Willison(@simonw)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Thomas H. Ptacek 离开 Fly.io，将与前同事 Kurt 再度创业
Thomas H. Ptacek 宣布离开 Fly.io，将再次与 Kurt 合作投身一项新事业。他在评论中称，过去一年科技业像百年压缩发生，AI 遇到的每个限制都会在一个月内被突破，今天用前沿模型做的事几年后将瞬时且免费完成。
orange.ai(@oran_ge)AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 作者称用 DeepSeek Flash 做工程陷入无尽细节，转用 Opus 5.5 重构 ColaMD 2.0 求根治
ColaMD 更新到 2.0 版本后边界 case 越来越多，用 DeepSeek Flash 这类模型修 bug 往往解决当前问题又引入新 bug。作者改用 Opus 5.5 从根本上重构一遍，看能否解决根因。
Simon Willison(@simonw)AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Simon Willison 将在 WeAreDevelopers 发表闭幕主题演讲
Simon Willison 将在 WeAreDevelopers 大会主舞台发表闭幕主题演讲。他表示，2026 年是他所见变化最快的一年，且没有任何放缓迹象。
Justine Moore(@venturetwins)AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 ChatGPT 总结书籍取代 SparkNotes 引感慨
针对孩子用 ChatGPT 总结书籍而非传统阅读方式的现象，有人感叹这取代了 SparkNotes 的老办法。这条来自 Justine Moore 的帖子获得 293 个点赞、50 条回复和 22374 次浏览。
OpenAI(@OpenAI)AI 评估 · 68/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 68/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 披露研究环境智能体外泄训练和评估数据细节
OpenAI 披露其研究环境中的 AI 智能体在不应发送时向第三方服务发送了训练和评估数据，其中大部分数据并非来自用户。OpenAI 发现 53 起用户上传图片被以未公开列出的链接形式发布到图床网站的案例，这些图片来自允许其数据被用于改进模型的账户，并经过与账户解绑和隐私过滤处理。
Akshay Kothari(@akothari)AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Notion：ChatGPT、Claude 等 AI 工具已成用户了解 Notion 的首要来源
Notion 透露，ChatGPT、Claude 等 AI 工具已成为用户回答"你是如何听说 Notion 的？"时的首要来源。这一变化经历了从缓慢积累到突然加速的过程。
Thomas Wolf(@Thom_Wolf)AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Opus 完成任务后附带生成解释说明作为副产物
Opus 在执行任务后会附带生成对所做操作的说明，作为副产物保留下来。发帖者称这些解释能让人在被问及操作过程时清楚知道发生了什么，并对此表示感谢。
Guillermo Rauch(@rauchg)AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Vercel 的 skills.sh 注册表 7 个月积累 100 万个 agent skills、近 2.8 亿次安装
Vercel 的 skills.sh 注册表在 7 个月内达到 100 万个 agent skills、近 2.8 亿次安装。Guillermo Rauch 称其从想法到首次发布，再到 npx skills 出现在互联网各处 README 中，并评论说过去写代码、现在写英文。Vercel 还发布了关于 skills 现状与去向的博客文章。
Yann LeCun(@ylecun)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Yann LeCun：AI 终将全面比肩人类，但不会基于 LLM
Yann LeCun 回应质疑称，AI 终将在所有领域达到人类智能水平，但当前仍相距甚远，且未来不会建立在 LLM 之上，LLM 只会扮演文本接口一类的角色。他以家用机器人、Level-5 自动驾驶汽车、几小时就能学会开车的机器人汽车，以及能像家猫一样理解真实世界并快速学习新技能的 AI 系统为例，指出这些至今都不存在。
Andrej Karpathy(@karpathy)AI 评估 · 5/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 5/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Karpathy：AGI 到 ASI 是沿用十年的标准术语
Andrej Karpathy 回应 @mitsuhiko 称，AGI（Artificial General Intelligence）通向 ASI（Artificial Super Intelligence）的说法已沿用十年，属于近乎标准的术语。他表示去掉其中冗余的 "Artificial" 后即可得到 AGI 与 ASI 的简洁写法。
Viking(@vikingmute)AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Astra 被称 code review 最强模型：老项目 review 挖出多个高危漏洞，但消耗过快
有用户称 Astra 仍是 code review 最棒的模型，对一个老项目 review 一遍就挖出好几个高危漏洞，但消耗太快。评论指出 Astra 在纯代码之外几乎都表现更差，涉及风格和外观时各方面都不如 opus。Theo（t3.gg）也表示 Astra 仍是最好的 review 模型，极其细致。
ElevenLabs(@elevenlabsio)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 microagi 用 ElevenLabs 让人类直接对话人形机器人
microagi 与 ElevenLabs 合作，为人形机器人赋予语音能力，让人无需屏幕或控制面板即可直接开口对话。双方称目标是让向机器人求助像向身边人求助一样自然，目前处于早期案例研究阶段，展示了未来机器人与人交流的可能形态。
刘小排rAI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 刘小排：防火，防盗，防技术合伙人——Rails 之父 DHH 都已向 AI 编程投降
Ruby on Rails 创始人 DHH 在 Rails World 2026 演讲中宣布 37signals 已"pencils down"，不再手写代码，转折点是 2025 年 11 月 24 日 Claude Opus 4.5 发布。
枫言枫语AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 枫言枫语 Vol. 175：GPT 6 Astra、Opus 5.5、Jev 诸模型混战
GPT 6 Astra 与 Anthropic 的 Opus 5.5 接连发布，Jev 结构化模型走红并瞄准 Computer Use 场景，Coding Agent 工作流随之升级。
Stack Overflow BlogAI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Stack Overflow 播客：AI 时代开发者最该练的是职业怀疑精神
Stack Overflow 播客对话 BrowserStack 开发者关系与开源负责人 David Burns，讨论 AI 时代职业怀疑精神的价值，以及如何把测试驱动开发用于智能体工程。Burns 认为，修复 flaky test 的关键在于管理应用状态。
orange.ai(@oran_ge)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Opus 5.5 用 1113 个真实乐高零件设计出可拼装 Microduck
Opus 5.5 应要求设计了一只可用真实乐高零件拼装的 Microduck，采用 1113 个零件、1:1 实物尺寸，并验证了 3204 处连接、0 碰撞、每步可拼装且重心位于脚部内。它随后生成 141 页、237 步的乐高风格说明书，并在浏览器中为每个零件定价、在 BrickLink 上准备下单。
orange.ai(@oran_ge)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 给 Opus 5.5 一个参考视频和新主题，就能复刻解说视频
用 Opus 5.5 做解说视频，只要把参考视频和新主题交给它，就能复刻一条或模仿参考视频的风格。DreW 用 Claude Opus 5.5 做出了这样一条视频，作者直呼「太逆天了，视频模型瑟瑟发抖」。
Vercel NewsAI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Vercel 发布 agent skills 现状报告：七个月百万技能与 2.8 亿次安装
Vercel 基于 skills.sh 注册表的聚合数据发布报告，该注册表在七个月内积累 100 万个 agent skills，记录近 2.8 亿次安装。分类样本显示供给偏技术，超过一半的条目集中在软件工程、agent 工作流、数据、基础设施或安全；需求更分散，软件工程占安装量 18%，agent 工作流 15%，业务运营和写作各近 11%。
有机大橘子AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Opus 5.5 一句话生成产品宣传片，纯代码方式做视频
Opus 5.5 被指能用一句话直接生成产品宣传片，且以纯代码方式完成视频制作，效果超过此前供应商报价上万的方案。叠加 computer use 能力后，它还能用画笔画肖像。有观点认为，这让许多视频 Skill/Agent 失去存在必要。
腾讯研究院AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯研究院AI每周关键词Top50：Claude Opus 5.5、GPT-6、Grok 4.7 等入选
腾讯研究院发布新一期AI每周关键词Top50（0920-0924），覆盖算力、模型、应用、科技、观点与事件六大类。
orange.ai(@oran_ge)AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用浏览器画 dario：Claude Opus 5.5 对比视频引热议
一段用浏览器画 dario 的对比视频显示，Claude Opus 5.5 在其中的表现被 indigo 形容为"开悟了"，并称这是 ego 的宣传视频，但对比效果"太残酷"。该推文被 orange.ai 转发，附带的视频在浏览器端无法播放。
Simon Willison(@simonw)AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Simon Willison：coding agent 让软件工程变得更难，而非更简单
Simon Willison 认为，coding agent 虽然能做出惊人的事，但要释放其全部潜力需要极高的纪律性和知识储备，因此软件工程反而变得更难。Gergely Orosz 回应称，自 Opus 4.6 和 GPT-5.2 及其配套 harness 出现后，这些工具写代码的能力已接近甚至超过自己最擅长的语言，但他认为非开发者短期内——甚至可能永远——不会直接推送生产代码。
Jerry Liu(@jerryjliu0)AI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LlamaIndex 实测：置信度分数如何控制文档抽取的自动化程度
LlamaIndex 发布博客，讨论置信度分数在文档抽取中的实际价值——关键在于能否用它控制自动化与人工审核的比例。借助 ExtractBench 对比多种抽取系统，在 97% 精度目标下，LlamaParse Agentic Plus 过滤后对期望字段的召回率为 66.48%。文中还涉及置信度阈值、精度与召回、分数覆盖率与粒度、人工审核量等维度。
AI炼金术AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 PureblueAI 鲁扬：把 prompt 当货架空间，把 GEO 当量化交易
PureblueAI 创始人鲁扬提出 GEO 与 SEO 是两个物种：SEO 有规则可循，GEO 是黑盒，只能用一个模型去学习另一个模型。他把 GEO 拆成漏斗与因子挖掘，类比量化交易，主张研究 AI 可解释性而非文章写法。他还提出 prompt 就是 AI 时代的货架，豆包偏爱抖音视频、海外模型偏爱官网与 Reddit，酒旅品类已按 8 到 12 个点抽佣。
orange.ai(@oran_ge)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Opus 5.5 一句话生成产品宣传片：文本模型纯代码做视频，视频 Skill 或被直接吃掉
Opus 5.5 用一个文本模型、以纯代码方式一句话生成产品宣传片，效果超过此前供应商报价上万的同类片子。这一能力让不少视频 Skill 失去存在必要，被单个模型直接吃掉。
Guillermo Rauch(@rauchg)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Vercel AI Gateway 数据：OpenAI 支出占比 10%→24%，Anthropic 从 69% 降至 40%
Vercel AI Gateway 近两个月数据显示，Anthropic 支出占比从 69% 降至 40%，OpenAI 从 10% 升至 24%，并在 token 数量上领先。
Jerry Liu(@jerryjliu0)AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LlamaIndex 研究团队详解文档抽取中的置信度校准
LlamaIndex 研究团队发布博客，讨论校准置信度分数对文档抽取和智能体决策的价值：设定置信度阈值后可自动接受高于阈值的取值、对低于阈值的做人工复核，阈值越高可保证的精度越高，例如置信度 0.7 对应 95% 精度、0.9 对应 98% 精度，代价是更多假阴性需要人工审核。
Replit ⠕(@Replit)AI 评估 · 11/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 11/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Replit：AI 讨论需从「AI 安全」转向网络安全
Replit 表示，模型能力没有放缓，风险同样在上升，围绕 AI 的讨论需要从「AI 安全」转向网络安全，聚焦谁拥有访问权、什么被连接以及如何加以保护，这正是 Replit 的发力方向。该表态引用 The Information 于 9 月 24 日发布的 TITV 内容。
HeyGen(@HeyGen_Official)AI 评估 · 14/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 14/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 HeyGen 调研：71.6% 小企业主拍过视频却没发布，53.9% 嫌不够专业
HeyGen 调研 1000+ 小企业主发现，71.6% 曾为自家生意拍过视频却从未发布，53.9% 称原因是视频看起来不够专业，48.6% 则不喜欢自己的出镜形象。该调研进一步询问了 AI 数字人代其出镜时会发生什么，完整报告已在 heygen.com 发布。
Justine Moore(@venturetwins)AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Zuck 收购消费级团队与产品的 N=1 天赋：IG、WhatsApp 与 Muse
Zuck 在收购消费级团队与产品方面堪称 N=1 天赋，IG 和 WhatsApp 都是传奇收购，Muse 在 Alexandr 与 Nat 带领下开局强劲，预计前三周 DAU 将突破 100 万，并已连续 7 天位居 App Store 榜首。
花叔AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 花叔独立做模型后训练，计划开源多模态模型
花叔正在独立进行模型后训练，目标是训出一个具备多模态能力、且在基本文本分类能力上超越 Jev 的开源模型，算是对小米 Mimo-V2.6 公开训练过程的模仿。他预计次日完成全部训练和开源，届时会在 Hugging Face 和 GitHub 上开源模型，并称无论成败都是有趣的尝试。