{"source":{"id":"2078524232154431953","title":"AI 帮人类干活，到底怎么干？ 工程上有两条完全不同的路线：让它自己摸着石头过河，还是你给它提前铺好铁轨。 第一条路叫…","url":"https://mubeitech.com/p/2078524232154431953"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"2081374396900425875","account":"mubei","brand":"@mubei","title":"AI写代码的下一步，不是指望单个大模型变得多聪明。 而是搞一套相互复核的“审计流水线”。 这套工作流，比市面上售价过万的…","summary":"AI写代码的下一步，不是指望单个大模型变得多聪明。 而是搞一套相互复核的“审计流水线”。 这套工作流，比市面上售价过万的教程还要值钱。 它是怎么跑的？ 第一步，直接撒出16个Claude智能体。 让它们并发作业，一口气扫完整个代码库。 第二步，换一批全新的AI舰队出场。 清空记忆…","body":"AI写代码的下一步，不是指望单个大模型变得多聪明。\n而是搞一套相互复核的“审计流水线”。\n这套工作流，比市面上售价过万的教程还要值钱。\n\n它是怎么跑的？\n第一步，直接撒出16个Claude智能体。\n让它们并发作业，一口气扫完整个代码库。\n第二步，换一批全新的AI舰队出场。\n清空记忆，带着全新的上下文，把第一轮找出的线索挨个重查一遍。\n\n驱动这整套复杂流程的，不是长篇大论的提示词。\n而是一张流程图。\n\n这套系统管用吗？\n作者拿自己的代码跑了一遍自测。\n直接被这条流水线揪出了11个有问题的服务端点。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2081463441798160651","translated_status_id":"2081463441798160651","published_at":"2026-07-26 19:34:49","created_at":"2026-07-26T21:28:03+02:00","url":"https://mubeitech.com/p/2081374396900425875","markdown_url":"https://mubeitech.com/p/2081374396900425875/markdown"},{"rank":2,"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":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":"16179461","account":"mubei","brand":"@mubei","title":"AI Agent 最大的问题在于记性不好。 一旦中途卡顿、Token 爆了或者网络断一下，它就彻底忘了自己刚才干到哪一步…","summary":"AI Agent 最大的问题在于记性不好。 一旦中途卡顿、Token 爆了或者网络断一下，它就彻底忘了自己刚才干到哪一步了。 现在的 AI 编程助理，写个 10 行的脚本很溜。 但要让它去重构一个复杂项目，让它跑个两小时的长循环，大概率会半路夭折。 为什么？ 因为它们把所有的执行…","body":"AI Agent 最大的问题在于记性不好。\n\n一旦中途卡顿、Token 爆了或者网络断一下，它就彻底忘了自己刚才干到哪一步了。\n\n现在的 AI 编程助理，写个 10 行的脚本很溜。\n但要让它去重构一个复杂项目，让它跑个两小时的长循环，大概率会半路夭折。\n为什么？\n因为它们把所有的执行状态、预算和上下文，都存在了脆弱的临时内存里。\n只要一中断，之前花掉的 Token 和时间全部打水漂。\n\n刚发布的 sous-chef 0.3.0，就是奔着解决这个痛点去的。\n它的做法是：\n编排器（Orchestrator）停止信任临时记忆，将一切“落盘”。\n\n预算记录、审查结果、循环状态，统统实时写进磁盘。\n这意味着，哪怕任务中途断掉、或者因为超限被压缩，它也能像下载软件一样，实现“断点续传”。\n\n看它的设计图，逻辑非常清晰，是一个典型的“主厨 + 帮厨”架构：\n\n主厨（Fable 5）：负责规划、分发任务、审查和重新跑 Check。\n帮厨（Codex / GLM）：只管埋头切菜，也就是写代码。\n\n这里面有一个软件工程的铁律：干活的人，永远不能自己给自己改作业（The worker never grades its own homework）。\n帮厨把代码写完，必须由主厨去对比 Diff、跑测试、验证发现的问题，最后主厨来拍板。\n\n这才是从“玩具脚本”到“可用工作流”的分水岭。\n它没有跟风吹嘘“代替程序员”，选择老老实实解决长任务执行的工程稳定性。\n\n想折腾的可以研究一下：\nRepo 地址：github.com/fable-ai/sous-chef\n\n未来的 AI 编程，拼的是谁的工程架构更像一个严谨的开发团队，而非模型脑容量。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2073563155293151467","translated_status_id":"2073563155293151467","published_at":"2026-07-04 23:06:57","created_at":"2026-07-05T01:00:17+02:00","url":"https://mubeitech.com/p/16179461","markdown_url":"https://mubeitech.com/p/16179461/markdown"},{"rank":5,"id":"2082839322944757833","account":"mubei","brand":"@mubei","title":"AI模拟一个真人的行为，准确率能达到多少？ 83%。 听起来不够完美？ 拿这个数据跟真人比一下。 同一个实验里，让真人相…","summary":"AI模拟一个真人的行为，准确率能达到多少？ 83%。 听起来不够完美？ 拿这个数据跟真人比一下。 同一个实验里，让真人相隔两周重复自己之前的选择。 你猜怎么着？真人跟自己的一致率，只有80%。 在做决策这件事上，AI已经比你本人还要像你。 但这还只是皮毛。 视线转到底层研发，游戏…","body":"AI模拟一个真人的行为，准确率能达到多少？\n83%。\n\n听起来不够完美？\n拿这个数据跟真人比一下。\n同一个实验里，让真人相隔两周重复自己之前的选择。\n你猜怎么着？真人跟自己的一致率，只有80%。\n在做决策这件事上，AI已经比你本人还要像你。\n\n但这还只是皮毛。\n视线转到底层研发，游戏规则早就掀桌子了。\n现在的玩法，叫“一个人就是一支军队”。\n\n在Anthropic内部，一个工程师日常带多少个AI智能体干活？\n早就不是一对一聊天了。\n他们每个人都在并发调度几十、上百甚至上千个智能体。\n主智能体派发任务，子智能体往下再分包，一路能深挖五层嵌套。\n\n威力有多离谱？\n支付巨头Stripe做系统底层大迁徙，一万行Scala代码要转成Java。\n以前这叫伤筋动骨，得按月算，开无数个会。\n丢给这套智能体集群，四天，干完了。\n知名项目Bun把底层从Zig语言硬切到Rust，也是这帮不知疲倦的合成大军敲出来的。\n\n不信邪的老经验，最先被碾压。\nAMD刚经历了一场内部震撼。\n一个极其棘手的芯片底层漏洞，一整个资深工程师团队卡了几个星期，毫无头绪。\n最后是一个初级工程师破的局。\n他直接调出一组智能体，让二十多个维度的测试和验证并发狂奔。\n漏洞被生生揪出。\n高管直接看傻了，老派工程师的三观碎了一地。\n\n那些还抱着“AI只会补全代码”优越感的人，还在一行行手动查错。\n而真正懂行的人，已经成了指挥几千个数字工人的超级包工头。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2083075580967153677","translated_status_id":"2083075580967153677","published_at":"2026-07-31 06:16:50","created_at":"2026-07-31T08:14:52.899946","url":"https://mubeitech.com/p/2082839322944757833","markdown_url":"https://mubeitech.com/p/2082839322944757833/markdown"},{"rank":6,"id":"2056850947947827403","account":"mubei","brand":"@mubei","title":"每月花 20 美元订阅 Claude，不叫会用 AI。 Andrej Karpathy 在一次访谈中一针见血地指出：真正…","summary":"每月花 20 美元订阅 Claude，不叫会用 AI。 Andrej Karpathy 在一次访谈中一针见血地指出：真正的技能鸿沟，在于你如何“用 AI 来构建”。 很多人用 AI 辅助编程，越写越臃肿，甚至直接把项目跑崩。 Karpathy 总结了 AI 编程时最致命的 4 个…","body":"每月花 20 美元订阅 Claude，不叫会用 AI。\n\nAndrej Karpathy 在一次访谈中一针见血地指出：真正的技能鸿沟，在于你如何“用 AI 来构建”。\n很多人用 AI 辅助编程，越写越臃肿，甚至直接把项目跑崩。\nKarpathy 总结了 AI 编程时最致命的 4 个认知缺陷。\n有开发者将这些洞察扩展成了 21 条系统规则，直接冲上 GitHub 趋势榜第一，斩获 8.2 万颗星。\n最惊人的是，配置这套规则后，AI 的编程准确率直接从 65% 飙升到了 94%。\n\n为什么强如 Claude 也会写出垃圾代码？\nKarpathy 揭示了 AI 的四个底层硬伤：\n\n第一，互联网平庸记忆的“思想钢印”。\nAI 太依赖训练集里的常见套路。\nKarpathy 在写 GPU 梯度同步时，为了追求极致性能，没有使用标准的 PyTorch DDP 容器，而是写了一套自定义同步例程。\n结果 AI 根本无法内化这个设计，像复读机一样疯狂逼他换回 DDP。\n它无法理解不符合大众惯例的高级架构。\n\n第二，防卫过当，制造代码垃圾。\nAI 极其喜欢自作聪明地添加一堆 try-catch 声明和冗余的异常处理。\n它总是试图按照“生产级模板”来搞，结果把原本精简优雅的代码库塞满无用逻辑，复杂度直接爆炸。\n\n第三，频繁调用已经废弃的旧 API。\n知识库的滞后性，导致它在面对快速迭代的技术栈时，经常写出过时的垃圾。\n\n第四，低宽带的自然语言沟通。\n在精细的代码段里，用英语长篇大论去命令 AI 效率极低。\n最好的方式是高信息带宽的“光标补全”。\n你将光标移到精准位置，敲出前三个字母，让 AI 顺着你的思路完成剩下的部分。\n\n那套席卷 GitHub 的 21 条规则，本质上就是在用物理外挂“驯化”AI。\n比如，它强迫 AI 必须先用一句话陈述对你独特架构的理解，禁止自作聪明地意淫。\n严禁 AI 在没有明确要求时添加防御性代码和复杂的第三方包。\n强制 AI 保持极简风格，像优秀的资深工程师一样思考。\n\nAI 协同编程的范式正在发生分裂。\n如果你只是让 Agent 去写毫无技术含量的样板代码，或者用来辅助翻译你不熟悉的语言，AI 足够好用。\n但如果你要构建真正具有高智力密度、需要精确排列的系统，放任 AI 自由发挥就是灾难。\n\n未来的编程分水岭，不再是你敲代码有多快，而是你有没有能力用严苛的规则把 AI 塞进你的心智模型里。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-20 08:24:19","created_at":"2026-05-20T10:23:00.695196","url":"https://mubeitech.com/p/2056850947947827403","markdown_url":"https://mubeitech.com/p/2056850947947827403/markdown"}]}