{"source":{"id":"2079985963862786352","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…","url":"https://mubeitech.com/p/2079985963862786352"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"16188190","account":"mubei","brand":"@mubei","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…","summary":"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能自己写 Prompt 的系统。 AI 应用开发的底层范式，正在发生一场海啸般的迁徙： 从“写一句好 Prompt”，彻底转向“设计一个会管理上下文、记忆 an…","body":"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能自己写 Prompt 的系统。\n\nAI 应用开发的底层范式，正在发生一场海啸般的迁徙：\n从“写一句好 Prompt”，彻底转向“设计一个会管理上下文、记忆 and 反馈回路的系统”。\n\n简单来说，你不需要去调教 AI，你需要构建一个能自己给自己写 Prompt、自己进化记忆的系统。\n\n绝大多数开发者还在用手工业的方式调教大模型，而最前沿的玩法，已经把 Agent 架构抽象成了一套极具美感的工业化框架。\n这套框架可以直接保存，分为三层：\n\n第一层：动态记忆管理（In-band Memory）\n很多人一上来就把所有背景资料塞进 Context，结果就是 Context 爆炸，AI 开始胡言乱语。\n最聪明的做法是“文件系统化”：\n1. 把所有背景知识写成结构化的 Markdown 文件。\n2. 不要写死复杂的读取工具，直接让 Agent 像程序员一样，用 Bash 和 Grep 去自主检索、读取和修改这些文件。\n3. 渐进式披露（Progressive Disclosure）：只给 Agent 看文件头部的几句摘要，它觉得有用，再去加载细节。\n\n第二层：生产级的工程防线（Production Guardrails）\n单 Agent 跑 demo 很爽，多 Agent 协作就会天下大乱。你需要这三道锁：\n1. 并发锁（Concurrency）：两个 Agent 同时想修改同一个记忆文件怎么办？引入哈希校验（Hashing）。Agent 准备修改前算个哈希值，写完提交前再算一次，如果对不上，说明中间被别人改过，立刻撤回、重新拉取、重新编辑。\n2. 权限隔离（Permissioning）：组织级别的公共知识库只读，Agent 自己的草稿本（Scratchpad）可写。防止某个 Agent 犯傻，把污染过的脏数据写进公共记忆，毁掉整个 Fleet。\n3. 版本控制（Versioning）：每一次记忆更新都有可追溯的 Transcript（对话副本），随时可以回滚。\n\n第三层：终极闭环，离线“梦境”机制（Dreaming）\n这是整套架构最核心的设计。\n\n为什么你觉得 Agent 越用越笨？\n因为你让它边干活、边整理记忆。\n这就像让一个外卖员一边骑车送外卖，一边总结全城的交通堵塞规律。不仅分心、增加延迟，而且他的视角只有自己走过的那几条路。\n\n怎么办？把“执行”和“复盘”彻底解耦。\n引入一个异步的离线进程，我们称之为“梦境（Dreaming）”：\n1. 到了晚上，干活的 Agent 都歇了。\n2. 启动一个专门的“复盘 Agent”，它不干别的，只做一件事：调出今天所有 Agent 的聊天记录、报错日志，和现有的“记忆库”进行比对。\n3. 像校长批改期末试卷一样，它会发现规律：“怎么今天 80% 的 Agent 在写代码时都犯了同一个单位错误？”\n4. 找到痛点后，它直接修改公共记忆库，更新下一天的“操作指南”。\n\n第二天一早，你的 Agent 舰队醒来，自动加载了更新后的记忆。\n你什么都没干，它们自己学会了避免昨天的错误。\n\n当所有人都在大谈大模型智商（IQ）的时候，真正的套利者已经在悄悄构建这套系统了。\n因为模型的智商是别人给的，而这个持续自我进化的“梦境”闭环，才是你真正的、拿不走的护城河。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2074094340394086899","translated_status_id":"2074094340394086899","published_at":"2026-07-06 10:31:37","created_at":"2026-07-06T12:25:35+02:00","url":"https://mubeitech.com/p/16188190","markdown_url":"https://mubeitech.com/p/16188190/markdown"},{"rank":2,"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":3,"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":4,"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":5,"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":6,"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"}]}