{"source":{"id":"17144890","title":"用 AI 写代码，最怕的不是写不对，而是烧钱太快。 动辄几千行代码喂进去，Token 账单能把团队吃垮。 Spotify…","url":"https://mubeitech.com/p/17144890"},"method":"semantic-similarity","count":4,"items":[{"rank":1,"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"},{"rank":2,"id":"2079256614238814551","account":"mubei","brand":"@mubei","title":"AI写代码的胜负，开始变成模型编队的成本问题。 干完全一样的事，账单能差出15倍。 看看这个极端的测试。 任务是丢给AI…","summary":"AI写代码的胜负，开始变成模型编队的成本问题。 干完全一样的事，账单能差出15倍。 看看这个极端的测试。 任务是丢给AI智能体团队一本835页的手册。 让它们从头开始，用Rust语言把SQLite数据库重写一遍。 代码交出来，100%通过了保留测试集，完美复刻。 活儿干得都挺好，…","body":"AI写代码的胜负，开始变成模型编队的成本问题。\n干完全一样的事，账单能差出15倍。\n\n看看这个极端的测试。\n任务是丢给AI智能体团队一本835页的手册。\n让它们从头开始，用Rust语言把SQLite数据库重写一遍。\n代码交出来，100%通过了保留测试集，完美复刻。\n\n活儿干得都挺好，但一结账，差距惊人。\n全靠单体大模型硬刚的，账单直接上天。\nFable 5花了两万多美元，GPT 5.5也花了一万多。\n但如果换个玩法，用Opus 4.8搭配Composer 2.5呢？\n只要1339美元。\n\n为什么差这么多？\n秘密就在于分工。\n把任务拆成“规划者”和“打工人”。\n让顶级模型出脑力做规划，让性价比高的模型当码农干苦力。\n同样的代码质量，成本直接砍掉九成。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2079394892363489533","translated_status_id":"2079394892363489533","published_at":"2026-07-21 00:06:30","created_at":"2026-07-21T02:01:32+02:00","url":"https://mubeitech.com/p/2079256614238814551","markdown_url":"https://mubeitech.com/p/2079256614238814551/markdown"},{"rank":3,"id":"2060404873552888045","account":"mubei","brand":"@mubei","title":"一张三十天的账单，五亿美元。 这是一家企业给员工开放 Claude 无限制使用权后的代价。 而在黄仁勋看来，这笔钱花得理…","summary":"一张三十天的账单，五亿美元。 这是一家企业给员工开放 Claude 无限制使用权后的代价。 而在黄仁勋看来，这笔钱花得理所应当。 没有支出上限，没有监督机制。 员工们全天候运行代理编码，串联自动化工作流，疯狂塞满巨型上下文窗口。 等财务部门反应过来，资金消耗已经不可逆转。 这不是…","body":"一张三十天的账单，五亿美元。\n这是一家企业给员工开放 Claude 无限制使用权后的代价。\n而在黄仁勋看来，这笔钱花得理所应当。\n\n没有支出上限，没有监督机制。\n员工们全天候运行代理编码，串联自动化工作流，疯狂塞满巨型上下文窗口。\n等财务部门反应过来，资金消耗已经不可逆转。\n\n这不是孤例。\n优步把 Claude Code 部署给五千名工程师。\n到了四月份，他们直接烧光了整个 2026 年三十四亿美元的 AI 预算。\n微软发现开发者半年就耗尽了全年的 AI 额度，紧急取消了内部许可。\n亚马逊员工为了爬内部 AI 榜单疯狂刷提示词，最后公司直接关停了榜单。\n\nCFO 们看着天价账单，集体拉响了成本危机的警报。\n但两个月前，黄仁勋在访谈里算过一笔完全不同的账。\n\n他的原话非常直接：一个年薪五十万美元的工程师，如果没有消耗至少二十五万美元的 token，他会深感警惕。\n如果只花了五千美元，他会直接抓狂。\n\n他举了一个极端的例子。\n这就像一个顶级芯片设计师放着最先进的 CAD 软件不用，非要用纸和铅笔画图。\n靠人工来给算力省钱，本质上就是对生产力的变相谋杀。\n勒布朗·詹姆斯到了四十一岁还能统治球场，因为他每年花一百万美元保养身体。\n知识工作者同样需要这种维持超凡能力的算力投资。\n\n这才是正在发生的范式转移。\n黄仁勋断言，往后推两三年，每个工程师手下都会掌管一百个 AI 代理。\n“这事太难了”、“这太耗时间了”、“我们需要加派人手”，这些传统工作流里的常见抱怨，统统会消失。\n就像上一场工业革命扫平了体力劳动的门槛。\n\n人类不再逐行写代码。\n人类的新工作是写出绝佳的想法，定义系统架构，制定验收规范。\n剩下的全部交给代理去执行。\n\n今天企业级 AI 的撕裂感就源于此。\n财务系统依然在用旧时代的折旧表，衡量新世界的算力消耗。\n但真正聪明的资本知道，懂得激进消耗 token 的员工，才是算力时代最值钱的杠杆。\n那些能迅速建立起匹配算力消耗治理机制的公司，将获得断层式的复合增长。\n回过头看，今天这笔五亿美元的账单，只会是人类科技史上最便宜的一笔研发预算。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-29 18:43:52","created_at":"2026-05-29T20:38:09.843204","url":"https://mubeitech.com/p/2060404873552888045","markdown_url":"https://mubeitech.com/p/2060404873552888045/markdown"},{"rank":4,"id":"mb-20260831-84108d","account":"mubei","brand":"","title":"半年时间，AI 调用的请求量暴涨了 9.4 倍，总账单却一分钱没涨","summary":"半年时间，AI 调用的请求量暴涨了 9.4 倍，总账单却一分钱没涨","body":"半年时间，AI 调用的请求量暴涨了 9.4 倍，总账单却一分钱没涨。\n全公司超过 70% 的代码合并请求，已经全由本地或云端的智能体接管。\n每天自动运行 3600 个定制技能，执行超过 3 万次。\n多数技术团队落地 AI 编程，最先等来的是研发预算被调用账单直接击穿。\n为什么同样的指数级调用，在有些地方演变成财务灾难，在另一些地方却能把单次会话成本硬生生压下去 52%？\n答案不在更聪明的大模型里。\n它藏在一道由六个变量组成的乘法方程中。\nUber 杰出工程师 Uday Kiran Medisetty 拆解了一套运行在企业规模上的智能体软件工厂。\n多数人计算 AI 成本，习惯只看两个数字：买了多少算力，以及每个 Token 的标价是多少。\n但在真实的工业级流水线里，总开销是一串连续相乘的链条：\n用户数 × 人均会话数 × 单会话轮次 × 单轮请求数 × 单请求 Token 数 × 单 Token 价格。\n这六个因子只要各自膨胀一点，总成本就会以乘积级放大。\n多数系统之所以被账单拖垮，根源在于把智能体当成了打字聊天的客服。\n每调用一个外部工具，模型先发一条指令，等待返回，再发下一条指令，在网络两端来回拉扯。\n这种频繁往返不仅拖慢速度，每一次交互都在把整个历史上下文从头到尾重发一遍。\n九成的算力，被白白耗费在工具之间的漫长等待与重复传输上。\nUber 在软件工厂里动了三把关键的手术刀。\n第一把刀叫代码模式批处理。\n系统禁止模型进行琐碎的单步工具调用。\n遇到复杂任务，模型直接编写一段 Python 循环脚本，在本地隔离环境里一口气把几十个工具链跑完，只把最终结果交回。\n单这一项改动，就砍掉了 50% 到 90% 的无谓 Token 消耗。\n第二把刀叫上下文解耦与按需检索。\n把 3600 个工具的完整定义全部塞进提示词，上下文窗口立刻就会被撑爆，既昂贵又容易导致模型逻辑混乱。\n他们建立了模型上下文协议网关，把工具定义剥离出提示词，改用命令行按需检索。\n配合一个包含 2400 万节点和 8000 万条边的企业上下文图谱，模型查到哪里就读到哪里，不再盲目摸索。\n第三把刀叫模型路由与空闲缓存。\n并非所有子任务都需要动用顶级大模型。\n拆解后的细分任务默认分流给轻量高效的低成本模型，配合针对实际工作间隔优化的提示词缓存。\n把方程后半截的四个乘数死死锁住，前面两个代表工程师使用率的数字哪怕翻上十倍，总账单依然能保持水平。\n技术落地的分水岭，从来不在于谁先用上了更新的算法。\n当生成代码本身的边际成本迅速归零，工程竞争的焦点已经转移到了调度系统本身。\n能够把交互税与上下文税压缩到极限的人，才能把实验室里的智能体变成真正永不停机的工业流水线。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-31 10:58:51","created_at":"2026-08-31 10:58:51","url":"https://mubeitech.com/p/mb-20260831-84108d","markdown_url":"https://mubeitech.com/p/mb-20260831-84108d/markdown"}]}