Addy Osmani 拆解工程师对 AI Coding Agent 的两极感受：创造、知晓与重要三种喜悦
Addy Osmani 认为「爱写代码 vs 爱交付」的划分过于简单，工程师面对 AI Coding Agent 的喜悦可分三种来源：创造的喜悦（心流，最安全）、知晓的喜悦（心智模型，最危险，可能让构想能力退化）、重要的喜悦（判断力权重不降反升）。他拒绝把对 AI Agent 的失落感病理化，认为悲伤是对工作有真实依恋的证明，建议主动守护构成职业认同的核心。
#大佬观点
#大佬观点
今日 28 条meng shao(@shao__meng)AI 评估 · 45/100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 · 45/100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。 十字路口CrossingAI 评估 · 27/100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 · 27/100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。 对谈于红：AI 时代该学什么？三种不会过时的能力
于红离开深耕 15 年的 VC 行业、创办线上 SEL 教育产品兔咚咚后，用“林迪效应”回答 AI 时代该学什么：存在越久的能力越不会过时，语文重要性最高，英语只需学到日常可用的 60-80 分，编程对多数普通孩子不必大量投入。她把 SEL 梳理为 6 大维度、12 大能力，核心第一步是接纳情绪，孩子上课后发脾气时间变短、频率降低，对情绪的识别与理解明显提升。
国际大厂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。 ARR突破1亿美元，Meshy创始人胡渊鸣的48条创业思考
Meshy.ai 创始人、CEO 胡渊鸣在公司 ARR 突破1亿美元后，写下48条创业反思，分"温度与原则""时间与 Founder Mode""AI 与人""团队与管理""战略与执行"五个板块。他提出管理者不能"惩罚责任心"，创始人不应向下属索取情绪价值；并称公司几乎无限 Token，但面试仍要求手写代码。
国际大厂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。 Ray Dalio 称股市容错空间正在收窄
Ray Dalio 表示，AI 投资热潮正与政府大规模借贷一起加剧对资本的争夺，股市的容错空间正在收窄。
MIT Technology ReviewAI 评估 · 53/100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 · 53/100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。 MIT科技评论：我们过于信任AI说「不」的能力
AI安全高度依赖模型的「拒绝」能力，但这一机制既不可靠也可能被滥用。文章梳理了拒绝行为的训练方式与高维激活空间原理，并指出分类器叠加的「瑞士奶酪模型」存在漏洞，过度拒绝已导致正常提问被误拦；同时OpenAI与阿联酋等国家的合作、Anthropic与Google等模型对威权政府相关提问的差异化拒绝，都显示拒绝正在成为审查工具。
Harrison Chase(@hwchase17)AI 评估 · 26/100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 · 26/100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：用 eval 驱动开发，而非手写确定性工作流
Jerry Liu 提出 eval driven development：定义好 eval 后对其爬山优化，就能解决几乎任何任务，而不必直接定义确定性/智能体工作流。
Harrison Chase(@hwchase17)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。 Harrison Chase：eval 驱动开发适用于窄范围任务，自主智能体难以靠它爬坡
Harrison Chase 认为，Goodhart 定律下指标一旦成为目标就不再是好指标，eval 驱动开发只适用于范围狭窄的任务，对更自主的 AI 智能体并不奏效。他援引 Hunter Gerlach 的说法提出循环路径：不断创建高价值 eval，同时正视并对抗 Goodhart 定律，再回到第一步。
Gary Marcus(@GaryMarcus)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。 Gary Marcus 回应争议：25 年写了约 2000 条推文与文章主张神经符号 AI 补充深度学习
Gary Marcus 表示自己 25 年间写了约 2000 条推文和文章（如《Deep Learning is Hitting A Wall》），主张用神经符号 AI 补充深度学习/LLM。他批评 tech bros 只翻出他唯一一次未明确提及此观点的言论，完全无视其余工作。
Fei-Fei Li(@drfeifei)AI 评估 · 4/100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 · 4/100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。 李飞飞发问：机器时代，谁来定义美？
李飞飞（Fei-Fei Li）在 X 上发问：她身边的数学家都能从数字、形状和自然现象中看到美，那么在机器时代，美由谁来定义。这条帖文获得 1376 次点赞、101 次转发和约 11.4 万次浏览。
AI Will(@FinanceYF5)AI 评估 · 8/100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 · 8/100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。 Nikita Bier 如何打造病毒式传播应用
Nikita Bier 打造病毒式传播应用的方法被整理成帖分享。相关内容由 Tibo（@tibo_maker）发布，并经 @FinanceYF5 转发，附有引用的推文链接。
AI Will(@FinanceYF5)AI 评估 · 32/100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 · 32/100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。 Scott Aaronson：AI 公司已开始低调测试内部模型能否破解密码协议
UT Austin 计算机科学系主任 Scott Aaronson 指出，在 OpenAI 列出的 376 篇论文中密码学明显缺席。据其消息来源，AI 公司已开始谨慎而低调地测试其最新内部模型能否破解重要的密码协议和密码原语。
AI Will(@FinanceYF5)AI 评估 · 30/100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 · 30/100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 数学模型攻克 7 个千禧年大奖难题中的 4 个
OpenAI 新模型在 7 个千禧年大奖难题中的 4 个上取得实质进展，涉及 Navier-Stokes（声称）、Riemann、Hodge 和 Birch-Swinnerton-Dyer，结果尚待验证。据 Deedy 称，每个结果平均仅消耗 3 小时思考算力，所用模型尚未发布。
a16z(@a16z)AI 评估 · 60/100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 · 60/100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。 AWS CEO Matt Garman 谈云为智能体时代重建：2026 年 220B 美元 CapEx、订购 200 万块 NVIDIA GPU
a16z 的 Raghu Raghuram 与 AWS CEO Matt Garman 对谈，主题是全球最大云厂商为智能体时代重建，提到 2026 年 220B 美元 CapEx、订购 200 万块 NVIDIA GPU、AWS 自研 AI 芯片售罄至明年，并推出无需信用卡的 30 秒 AWS 账号以便智能体启动。
Fireworks AI(@FireworksAI_HQ)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。 Notion AI 负责人 Sarah Sachs：如何判断新模型和智能体是否真正适合你的产品
Notion AI 负责人 Sarah Sachs 在 Forge 活动上主张企业应构建自己的评测体系，来判断每周涌现的新模型和智能体是否真正适合自己的产品。该活动于 11 月 3 日在旧金山举行，报名通道已开放。
Replit ⠕(@Replit)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。 Paul Graham：Replit 比我想象的更重要，AI 渗透组织的最深层形式是代码
Paul Graham 表示，与 Amjad 交谈后他意识到 Replit 比他此前认为的更重要，因为 AI 渗透组织的最深层形式是代码。组织可以通过使用 AI 驱动的应用与 AI 保持一定程度的对齐，但最深刻的变化以代码的形式出现。
Paul Graham(@paulg)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。 Paul Graham：与 Amjad 交谈后，我意识到 Replit 比我想的更重要
Paul Graham 表示，在与 Amjad 交谈后，他意识到 Replit 比他此前认为的更重要，因为它是 AI 渗透组织的方式。他认为组织可以通过使用 AI 驱动的应用与 AI 部分对齐，但最深层的改变以代码的形式出现。
Paul Graham(@paulg)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。 Paul Graham：外聘管理者的真正问题不只是"空降"
Paul Graham 指出，外聘管理者的真正问题不只是来自公司外部，还在于他们是"另一种类型的人"。他引用一位创始人的说法："他们忠于自己的职业生涯，而不是公司。"
Paul Graham(@paulg)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。 Paul Graham：Amazon 封禁智能体，是创业公司打造 Amazon 竞争对手的首次机会
Paul Graham 认为，Amazon 封禁智能体是自其创立以来创业公司创建 Amazon 竞争对手的首次机会。用户会希望由智能体代为购物，这将成为主要用例之一，且他们不会想用 Amazon 提供的智能体。
歸藏(guizang.ai)(@op7418)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。 国产厂商视角下 Anthropic 为何令人反感
针对有人质疑"这有啥恶心的"，作者认为立场决定判断：站在国产厂商一边，Anthropic 的做法当然令人反感。他同时提醒，不应因为 Anthropic 近期模型变强，就忘记它此前做过的事，转而替它说话。
歸藏(guizang.ai)(@op7418)AI 评估 · 27/100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 · 27/100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。 Grok Bot 让 AI 早报视频每天早上自动生成，全程跑在云端虚拟机
歸藏用 Grok Bot 每天早上定时生成 AI 早报视频，内容收集、写代码和视频渲染全部跑在其云端虚拟机上，未使用本地电脑。他分享了一段提示词，复制后其他 Grok Bot 也能执行同样的任务，并称复杂任务效果巨好。
歸藏(guizang.ai)(@op7418)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。 模型强该用用，怎么公司还说不得了
针对"模型强就用，但公司说不得"的现象，作者质疑那些维护厂商的人并不持有公司股份。原文仅为一条社交平台短帖，未给出具体模型、公司或数据细节。
Yann LeCun(@ylecun)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。 Yann LeCun 评 1991 年某技术报告：构想模糊、无理论与实验
Yann LeCun 指出，一份 1991 年的技术报告构想模糊，既无理论也无实验，更没有代码，作者此后从未重访或推进该工作。报告仅含一张手绘架构图、一个形如 f(x)=0 的公式，并声称只要恰当实例化 f 和 x，其他所有技术都只是其特例。
Yann LeCun(@ylecun)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。 Yann LeCun 回忆 1986 年首次赴美参会：在 MIT 展示多层网络海报，并与 Marvin Minsky 初次见面
Yann LeCun 回忆 1986 年 6 月首次在美国参会并首次到访 MIT，展示了一张关于多层网络的海报。他在 Thinking Machines Inc 主办的招待会上首次见到 Marvin Minsky，对方惊讶于神经网络可被训练来计算两个二进制数的乘积。
宝玉(@dotey)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。 赞同：选编程语言，其实还是在选约束和维护成本
针对"都用 AI 写代码了为何还纠结 C/C++ 还是 Rust"的提问，该观点认为 AI 让写代码变便宜，不代表出错代价变低，Rust 编译器能提前拦住部分错误，而 C/C++ 的生态、平台支持和历史项目仍需 Rust 花时间追赶。即便未来 AI 直接生成机器码，如何确认 AI 做对了、需求是否理解正确与权限边界是否合理仍需可审查的依据，因此相当长一段时间内仍需编程语言和源代码。
Lenny Rachitsky(@lennysan)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。 Linear CEO Karri Saarinen：停看 AI 一夏天后，我发现一切并没有真正改变
Linear CEO Karri Saarinen 停看 AI 一整个夏天后回归，发现并没有被落下：新模型、新技术、新智能体层出不穷，但做出好产品、提升营收、把生意做起来依然很难。他认为工具确实在变好、能做得更多更快，但更关键的问题是：我们是否真的用这些工具做出了更好的东西、团队是否因此变得更好，答案并不明确。
国际大厂AI 评估 · 23/100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 · 23/100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。 Alexandr Wang：别指望 Meta 的 Muse 能神奇地帮你赚到 1 万美元
Meta 首席 AI 官 Alexandr Wang 表示，不要指望 Muse 能神奇地帮用户赚到 1 万美元，公司希望继续改进 Muse 的记忆能力。
AI Will(@FinanceYF5)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。 Ira Bodnar：学会营销工程只需 Claude Code 和 GitHub 账号
Ira Bodnar 称掌握营销工程就永远不会失业，只需两样东西：Claude Code 和一个 GitHub 账号。会用它们并自建智能体的营销人员将为公司创造真金白银，他还给出了 11 个步骤。
Guillermo Rauch(@rauchg)AI 评估 · 4/100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 · 4/100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。 Guillermo Rauch：发现新人才是工作与生活中最令人愉悦的事之一
Vercel CEO Guillermo Rauch 表示，发现新人才是工作和生活中最令人愉悦的事情之一，有时甚至能在对方自己意识到之前就看到其身上的伟大之处。该帖获得 1365 个点赞、88 条回复和 51 次转发。
Simon Willison(@simonw)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。 Simon Willison：把「AI 不智能」的吐槽反向玩成 troll
Simon Willison 指出，有人拿「它其实不智能，不该叫人工智能」的说法反向玩梗，让持此论者陷入是否要为旧名称辩护的尴尬。该帖获 35 个赞、5 条回复，浏览量 9940。
Simon Willison(@simonw)AI 评估 · 8/100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 · 8/100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 吐槽"超级智能"话题愚蠢至极
Simon Willison 发帖称"超级智能"（Super Intelligence）这件事"蠢到无以复加"，该帖获得 1819 次点赞、79 次转发和 10.3 万次浏览。
Mind the Future — Richard NgoAI 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。 社会理论与智能体基础：社会均衡如何扩展博弈论理性模型
Richard Ngo 撰文梳理社会学与智能体基础研究的联系，重点讨论社会均衡、博弈论均衡、规范内化与集体行为三部分，主张将理性社会与政治行为理论作为 Von Neumann 和 Morgenstern 理性经济行为理论的扩展或替代。
WSJ-TechnologyAI 评估 · 19/100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 · 19/100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。 Sam Altman 不是 Oppenheimer
WSJ 评论文章认为，Sam Altman 既非学者也非科学家，不应掌管人类未来。文章借此对比 Oppenheimer，质疑由这类人物主导 AI 发展方向的合理性。
Paul Graham(@paulg)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。 Paul Graham：乌克兰人的需求正成为军事硬件的实战检验标准
Paul Graham 近日与一位熟悉国防科技的人交流，对方提出：当前大多数军事硬件的检验标准是乌克兰人是否想要。他认为乌克兰正在打一场对抗坚定对手的热战，因而清楚什么装备真正管用。
Kevin Weil 🇺🇸(@kevinweil)AI 评估 · 8/100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 · 8/100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。 Kevin Weil 引用 Yann LeCun 的类比：船的发明降低了游泳的重要性，却开启了新大陆的发现
Kevin Weil 引用 Yann LeCun 的类比，称船的发明降低了游泳的重要性，却让人类得以发现新大陆。他用这一比喻说明 AI 为数学及更广泛的科学领域带来的机遇与变化。
Simon Willison's WeblogAI 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。 Carson Gross：计算机编程的本质是解决问题与控制复杂度，AI 时代仍是可行职业
Carson Gross 认为，计算机编程根本上只关乎两件事：用计算机解决问题，以及在解决问题时学会控制复杂度。他表示很难想象未来掌握这两项能力会比今天更不值钱，因此即便 AI 工具出现，编程仍将是可行的职业。
Lenny Rachitsky(@lennysan)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。 Lenny Rachitsky：若真信 AI 改变工作方式，IC 应比管理者拿得更多
ElenaVerna 提出，如果人们真的相信 AI 正在改变工作方式，那么 IC（独立贡献者）应该比管理者拿更高的薪酬，因为在 AI 时代，一名 IC 能够带来的影响力可能超过 AI 之前体系下的管理者。该观点由 Lenny Rachitsky 转发。
a16z(@a16z)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。 AWS CEO Matt Garman 谈为 AI 智能体重构云服务
AWS CEO Matt Garman 表示正为 AI 智能体重构云服务，团队越来越需要"对智能体友好"而非仅面向人的云。AWS 已把数据库启动时间压缩到三秒，并新增计算沙箱、网关、智能体权限等全新构建模块。他指出许多智能体只需临时建库做少量工作，并不需要五个九的持久性。
WSJ-TechnologyAI 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。 观点 | 修辞是就业市场中 AI 无法替代的技能
观点文章认为，修辞是就业市场中 AI 无法替代的技能，培养表达与辩论习惯的大学生在求职中将更具优势。文章未给出具体数据或案例支撑。
a16z(@a16z)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。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。 AWS CEO Matt Garman 谈为何不担心 AI 泡沫：没有单一客户占据 AWS 产能
AWS CEO Matt Garman 表示不担心 AI 泡沫，理由是 AWS 产能采取多元化策略、没有单一客户占据主导，且企业客户已在当前能力与成本下看到正向 ROI。他透露 AWS 2026 年 CapEx 达 220 亿美元（原文为 $220B），已订购 200 万块 NVIDIA GPU，自研 AI 芯片卖到明年，并推出 30 秒开通、无需信用卡的 AWS 账户以便智能体快速启动。
Lenny Rachitsky(@lennysan)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。 Linear CEO karrisaarinen：做产品产出两样东西——产品本身和学到的东西
Linear CEO karrisaarinen 认为，做产品会产出两样东西：产品本身，以及在做产品过程中学到的东西。投入构建和设计的过程能让人理解问题是什么、客户想要什么。他指出当下存在一种风险，就是与这种学习之间的直接联系正在丢失。