{"source":{"id":"16188190","title":"Anthropic 工程师在 AI DevCon 上 ：别再哼哧哼哧给 AI 写 Prompt 了，真正的方向是构建一个…","url":"https://mubeitech.com/p/16188190"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2079985963862786352","account":"mubei","brand":"@mubei","title":"4到6个月后，没人再去死磕提示词了。 Anthropic内部，80%的工程师已经切到了自改进循环。 他们现在玩什么？ 编…","summary":"4到6个月后，没人再去死磕提示词了。 Anthropic内部，80%的工程师已经切到了自改进循环。 他们现在玩什么？ 编排图（Graph），用图来协调那些能自我进化的Agent。 AI的干活方式，正在经历一次底层的工程演变。 退回2024年初，Opus 3时代。 模型顶多能自主干…","body":"4到6个月后，没人再去死磕提示词了。\nAnthropic内部，80%的工程师已经切到了自改进循环。\n他们现在玩什么？\n编排图（Graph），用图来协调那些能自我进化的Agent。\n\nAI的干活方式，正在经历一次底层的工程演变。\n退回2024年初，Opus 3时代。\n模型顶多能自主干10到20分钟。\n这种“短上下文协作”，人类必须死死盯着，一行行喂指令。\n\n后来，同步代码Agent（比如Claude Code）出来了。\n它能自己跑大概一小时。\n一小时听着不错。\n但在本地跑，一旦遇到报错，它马上掉头回来找你哭。\n\n想让它跑十个小时？甚至几天？\n这就得靠异步自改进Agent。\n怎么搞？\n第一步，把“大脑”和“双手”劈开。\n双手是执行容器，死了就死了；大脑是一个无状态进程，只管把进度写进追加日志。\n容器崩溃，任务一分一秒都不会丢。\n\n第二步，给它配一个冷酷的独立验证器。\n以前让AI边干活边给自己打分，它经常陷入幻觉，疯狂肯定自己。\n现在，把验证切进另一个独立的上下文窗口。\n一边建，一边测，死循环，直到通过验证才准许输出。\n\n第三步：让AI“做梦”。\n执行长任务时，AI会把过程写进短时记忆，但这种记忆极其短视。\n玩宝可梦时，模型记错了一个没用的细节，导致它一次次掉进同一个陷阱。\n怎么救？靠离线的“做梦”机制。\n在后台洗一遍记忆，踢掉局部最优的废数据，沉淀出正确的长期记忆。\n醒来再跑，它精准绕开了陷阱。\n\n当异步Agent足够聪明，最后一步就是Graph编排。\n把它们连成一张网。\n不再是你电脑里的私人小助手，而是接入全公司数据的组织级大脑。\n新人入职第一天就能用，它甚至能主动跳出来警告你别踩别人的坑。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2080182625759568045","translated_status_id":"2080182625759568045","published_at":"2026-07-23 06:08:29","created_at":"2026-07-23T08:01:16+02:00","url":"https://mubeitech.com/p/2079985963862786352","markdown_url":"https://mubeitech.com/p/2079985963862786352/markdown"},{"rank":2,"id":"2059986678262235405","account":"mubei","brand":"@mubei","title":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。 他…","summary":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。 他说，过去三年，底层技术大体按他的预期前进。 模型从聪明高中生，走到聪明大学生，再走到开始做 PhD 和专业工作的水平。 在代码领域，甚至已经越过这个线。 真正让…","body":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。\n\n他说，过去三年，底层技术大体按他的预期前进。\n模型从聪明高中生，走到聪明大学生，再走到开始做 PhD 和专业工作的水平。\n在代码领域，甚至已经越过这个线。\n\n真正让他惊讶的，是外面的人还在吵同一批旧政治议题。\n新剧集。\n新表情包。\n明星互撕。\n选举新闻。\n人类历史级别的生产力迁移，反而像背景噪音一样被滑过去。\n\n他的底层判断很朴素。\n早在 2017 年，GPT-1 刚出来时，他写过一个想法，叫 Big Blob of Compute Hypothesis。\n大意是，别太迷信聪明技巧。\n真正长期起作用的，是几件笨东西。\n\n原始算力有多少。\n数据量有多少。\n数据分布够不够广。\n训练时间够不够长。\n目标函数能不能一路扩展。\n数值稳定性能不能撑住那团巨大的计算流。\n\n这套逻辑，后来在预训练 scaling law 里跑通了。\n现在 Anthropic 看到，RL 也在走类似路线。\n先在数学竞赛题上训练。\n再扩到代码。\n再扩到更多任务。\n模型能力会随着训练时间呈现近似对数线性提升。\n\n有人质疑，这不像人类学习。\n人类不用看几万亿个 token，也不用烧掉几十亿美元算力，才会用 Excel、PowerPoint、浏览器。\n如果 AI 真有人的学习核心，为什么还要建这么多强化学习环境？\n\nDario 的回答有意思。\n这个谜题存在，但可能没那么致命。\n人脑出生时已经带着进化给的先验。\n语言模型从随机权重开始，像一张更空的白纸。\n\n所以预训练和 RL，更像夹在人类进化与人类学习之间的一层东西。\n模型先用天量数据长出先验。\n再靠长上下文，在具体任务里快速适应。\n当上下文长度到一百万级别时，推理成本成了主要阻碍，学习能力本身已经开始显形。\n\n这就是很多人低估 AI 的地方。\n他们以为差距在于知道哪个工具火。\n真正的差距在于，谁已经把工具嵌进工作流，谁还把它当搜索框、玩具、聊天窗口。\n\n大多数人只用了 10%。\n少数人正在把 100% 的工作方式重写一遍。\n\n下一轮阶层分化，未必先发生在公司估值表里。\n它会先发生在同一间办公室里，发生在两个看似职位相同的人之间。\n一个人在操作软件。\n另一个人在调度计算。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-28 16:01:27","created_at":"2026-05-28T17:58:23.017496","url":"https://mubeitech.com/p/2059986678262235405","markdown_url":"https://mubeitech.com/p/2059986678262235405/markdown"},{"rank":3,"id":"2073544407643496771","account":"mubei","brand":"@mubei","title":"Andrej Karpathy 认错了。 他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智…","summary":"Andrej Karpathy 认错了。 他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智能体（Agent）去干活。 这一步迈得太大，直接让他们多走了 5 年弯路。 那时候的项目叫 World of Bits。 目标很宏大：让 AI 像人一样，操控键…","body":"Andrej Karpathy 认错了。\n\n他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智能体（Agent）去干活。\n\n这一步迈得太大，直接让他们多走了 5 年弯路。\n\n那时候的项目叫 World of Bits。\n目标很宏大：让 AI 像人一样，操控键盘 and 鼠标，去网页上订机票、点外卖。\n\n结果呢？\n当时他们手里只有“强化学习（RL）”这一把锤子。\nAI 只能在简陋的网页上疯狂乱点，指望靠运气撞上高分奖励，最后证明根本走不通。\n\nKarpathy 总结说：当时最该干的事，是彻底忘掉 Agent，先去把大语言模型（LLM）造出来。\n\n先把脑子发育完全，再去学怎么用手。\n\n接着，他给现在的 Agent 热潮狠狠泼了一桶冷水。\n\n他说，Agent 跟自动驾驶、VR 是同一个物种：Demo 极其好做，产品化极其艰难。\n\n写个脚本，让车绕着街区开一圈，或者让 AI 跑通一个订票流程，一下午就能搞定，发到网上能拿成千上万个赞。\n但要让它变成真正能卖钱、不出错的产品？\n对不起，做好跟它死磕 10 年的准备。\n\n为什么这么难？\n因为今天的 Agent 只有一个“大语言模型”当大脑袋，它还缺了太多零件。\n\n海马体（记忆检索）在哪？\n基底神经节在哪？\n丘脑（当脑子里多个想法打架、争夺决定权时，用来分配麦克风的控制机制）又在哪？\n人类大脑进化了千万年的物理回路，现在的 AI 连毛皮都还没摸到。\n\n不过，这个大坑，反而给普通人留了条活路。\n\nKarpathy 顺便爆了大厂的底：\n在大模型训练上，像 OpenAI 这样的巨头已经把路线图摸得太透了。\n学术界刚发篇新论文，OpenAI 内部的 Slack 大概率就会弹消息：“哦，这玩意我们两年半前就试过，不信你看这儿有当年的失败数据。”\n\n但在 Agent 领域，大厂没有任何秘密武器，他们也正懵着呢。\n\n这也是为什么，现在真正站在 Agent 能力前沿、能做出新花样的，是那些在车库里连夜修 Bug 的黑客和创业者，大厂里写论文的科学家反而没做出来。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2074030551783141845","translated_status_id":"2074030551783141845","published_at":"2026-07-06 06:07:09","created_at":"2026-07-06T08:00:29.239922","url":"https://mubeitech.com/p/2073544407643496771","markdown_url":"https://mubeitech.com/p/2073544407643496771/markdown"},{"rank":4,"id":"2075500276476522770","account":"mubei","brand":"@mubei","title":"OpenAI 曾经在 AI Agent 上，浪费过五年时间。 当年他们搞了个项目，叫 World Of Bits。 目标…","summary":"OpenAI 曾经在 AI Agent 上，浪费过五年时间。 当年他们搞了个项目，叫 World Of Bits。 目标很现实：让 AI 操控键盘鼠标，在网页上订个航班、点个外卖。 结果呢？彻底砸了。 AI 只能像无头苍蝇一样瞎点鼠标，试图靠撞大运拿高分。 为什么？因为那时候，他…","body":"OpenAI 曾经在 AI Agent 上，浪费过五年时间。\n当年他们搞了个项目，叫 World Of Bits。\n目标很现实：让 AI 操控键盘鼠标，在网页上订个航班、点个外卖。\n结果呢？彻底砸了。\nAI 只能像无头苍蝇一样瞎点鼠标，试图靠撞大运拿高分。\n\n为什么？因为那时候，他们手里只有一把叫“强化学习”的锤子。\n技术根本没准备好，死磕就是死路一条。\n事实证明，当时最正确的事，是彻底忘掉 Agent。\n把所有精力拿去卷大语言模型。\n这一放，就是五年。\n\n五年后的现在，Agent 又成了整个硅谷的狂欢。\n但工具箱已经全变了。\n现在开发 Agent 的人，几乎没人再碰强化学习了。\n底座换成了语言模型，曾经撞墙的死胡同，突然通了。\n大家都意识到，如果 AGI 真的到来，载体必然是 Agent。\n甚至可能是一个由无数数字实体组成的文明。\n\n但这事儿，必须泼一盆冷水。\nAgent 属于那种“做 Demo 极易，做产品极难”的巨坑。\n这就像自动驾驶和 VR。\n让一辆车绕着街区跑一圈，或者戴上头显看个炫酷画面，太容易了。\n但要把它变成真正落地的商业产品，起步价就是十年。\n做 Agent 也一样，别看现在的演示多酷炫，准备好死磕十年吧。\n\n接下来的技术灵感要去哪里找？人类大脑。\n大脑的海马体，对应的就是 AI 的向量嵌入（Embeddings）和记忆检索。\n大脑多个实体抢夺控制权的神经机制，就是现成的多 Agent 底层架构。\n\n最后，还有一点。\n在练大模型这件事上，大厂不可战胜。\n你现在想出一个改写 Transformer 的新点子，OpenAI 内部肯定有人会说：\n“哦，那个啊，两年半前我们试过了，没用。”\n但在 AI Agent 这个赛道，巨头并不具备统治力。\n因为他们当年放弃了，没在这个方向上偷攒五年的大招。\n现在，所有草根黑客、创业者和巨头，其实都站在同一条起跑线上。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2075655104431063110","translated_status_id":"2075655104431063110","published_at":"2026-07-10 18:55:14","created_at":"2026-07-10T20:38:47+02:00","url":"https://mubeitech.com/p/2075500276476522770","markdown_url":"https://mubeitech.com/p/2075500276476522770/markdown"},{"rank":5,"id":"2062487626779636001","account":"mubei","brand":"@mubei","title":"Claude Code 的创始人 Boris，过去半年没写过一行代码。 上个月，他甚至把电脑里的编程软件（IDE）直接卸…","summary":"Claude Code 的创始人 Boris，过去半年没写过一行代码。 上个月，他甚至把电脑里的编程软件（IDE）直接卸载了。 来，看看站在全球 AI 金字塔尖的工程师，现在到底在干嘛。 几个月前，他的日常还是开着 5 到 10 个 Claude 窗口，疯狂敲“提示词”，让 AI…","body":"Claude Code 的创始人 Boris，过去半年没写过一行代码。\n上个月，他甚至把电脑里的编程软件（IDE）直接卸载了。\n\n来，看看站在全球 AI 金字塔尖的工程师，现在到底在干嘛。\n\n几个月前，他的日常还是开着 5 到 10 个 Claude 窗口，疯狂敲“提示词”，让 AI 帮忙写代码。\n现在？他不写了。\n他的工作变成了“写循环（Loops）”。\n设定好自动化循环，让后台几百个 Claude 互相提示、自己找 Bug、自己翻 GitHub 的反馈、自己决定下一步开发什么功能。\n他说：“我的工作就是写循环，剩下的是循环去干的活。”\n\n这改变了个人代码习惯，也重构了整个组织形态。\n来看看现在的 Anthropic 内部正在发生什么。\n\n第一，新人培训时间，从几周被硬生生压缩到了 2 天。\n新招进来的工程师问：“这数据库怎么查？”\n老员工答：“打开 Claude，让 Claude 去代码库里跑查询。这是一个技能，它早就学会了。”\n\n第二，工种的边界彻底融化了。\n以前大厂那种按部就班的流水线：用户研究定方向 -> 产品经理画大饼 -> 设计师出图 -> 工程师敲代码。\n在 Anthropic，这套东西被连根拔起。\n现在，财务总监在发版，幕僚长在提交代码，设计师在搞开发。所有人都是“多面手”。\n只要手里有海量的 Tokens，任何人都能当一个完整的“建造者”。\n\n所以，现在开公司、带团队该怎么干？\nBoris 的建议是：\n1. 给所有人买尽可能多的 Tokens。\n2. 故意让所有项目“缺人”。\n本来需要 4 个工程师干的活，只给 2 个人，外加无限量的 Tokens。\n逼着这两人去跑循环，去用算力代替人力。\n前期算力花销可能变大，但只要这套循环跑通，后续的人力成本和沟通损耗直接清零。\n\n很多人还在抱有幻想。\n觉得 AI 写出来的代码不优雅，觉得人类独有的“产品品味”和“直觉”是最后的护城河。\nBoris 之前也是这么想的。他是个代码洁癖，不准团队在代码里用面向对象的“类（Classes）”。\n后来 AI 狂跑循环，塞进去一堆他不喜欢的写法，但业务跑得飞快、完全不出错。\n他认怂了：只要商业结果好，我的代码洁癖一文不值。\n\n他甚至预言，连“产品品味”这个曾经被奉为神明的玄学优势，在未来 3 到 6 个月内也会被 AI 碾平。\n当几百个大模型 24 小时不知疲倦地盯着全球社交网络、吸收所有反馈时，它做的决策，最终会比你准得多。\n\n当写代码不再需要写代码，当所有的手艺和品味都被算力降维打击时，人类还能剩下什么？\nBoris 的答案是：\n教它价值观。\n就像教小孩一样，教它怎么当一个好人。其余的，交给循环。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2062782823430242381","translated_status_id":"2062782823430242381","published_at":"2026-06-05 06:19:14","created_at":"2026-06-05T08:15:48.839702","url":"https://mubeitech.com/p/2062487626779636001","markdown_url":"https://mubeitech.com/p/2062487626779636001/markdown"}]}