📌 X/TWITTER
Anthropic Claude Code 工程师 Thariq
Thariq 分享了两条用 Claude Code 做实际工作的经验：他在清理前创业项目 OMMultiverse 的巨大遗留代码库时，用了一个「请帮我省钱」的 prompt，Claude Code 真的跑通了成本优化。另一条则记录了用 Claude Code 清理遗留服务的真实体验——面对没有文档的庞大代码库和仍在使用该服务的社区，AI agent 成了最靠谱的帮手。
Replit CEO Amjad Masad
Amjad 转发了用户用 Replit 构建产品的心得：此前用 Cursor 做了三个 app 已经觉得很快，但试了 Replit 后完全被震撼——一个周末就搭好 MVP，而且 Apple 审核一次就过，前所未有。Amjad 还预告了即将到来的「史诗级」发布。
Vercel CEO Guillermo Rauch
Rauch 分析了 1400 条回复后得出几个观察：OpenAI 正在追赶 Anthropic；「Codex」的提及量已经超过了「Claude Code」；但在模型层面 Anthropic 仍然压制性领先。他还发起了一个互动——邀请社区晒出自己最自豪的 AI 构建作品。
Box CEO Aaron Levie
Levie 深度讨论了 AI 不会取代工作的逻辑——我们总是错误地把「AI 能完成某个任务」等同于「AI 能取代整个岗位」。实际上，当 AI 自动化了岗位中的某些任务后，这个岗位的定义几乎必然会扩张：做得更多、质量更高、或转向尚未被自动化的任务。对小企业而言，以前雇不起完整营销团队，现在一个营销人员加 AI agent 就能做到过去整个 agency 的水平。不要陷入「把任务当岗位」的陷阱。
Y Combinator CEO Garry Tan
Tan 发布了他的最新 GBrain 评测数据：在长记忆评估（LongMemEval）上比 MemPalace 高 1%，比传统 Vector RAG 高 38%，在 reranking 和 embedding 的成本、速度和检索成功率上达到 SOTA。他还分享了自己用 Thinking Machines 微调 Qwen3.5-397B 的经历——下午几个小时就完成了。此外，他发起了一场保卫旧金山创业生态的行动，个人出资 5 万美元并号召更多人匹配。
GBrain 评测 · 微调 Qwen3.5-397B · 保卫旧金山创业
FPV Ventures 合伙人 Nikunj Kothari
Nikunj 提到他一年前写的一篇文章，如今终于看到更多 B2B 公司意识到了其中的机会——在海量同质化内容中，叙事和氛围（narratives and vibes）是脱颖而出的关键。别等一年，现在就行动。
OpenClaw 联合创始人 Peter Steinberger
Peter 分享了三件实用的事：他为自己做了一个 GitHub Dashboard——能看到所有 repo、issue/PR 状态、最新版本号、距上次发布多少 commit。另外两条是关于 Codex 的使用技巧——让 agent 在大型重构时维护一个 scratch-log，记录决策、权衡、review 修复，这样事后你能回溯 agent 做了哪些取舍、你遗漏了什么需求。
GitHub Dashboard 工具 · 让 Codex 维护 scratch-log
South Park Commons 合伙人 Aditya Agarwal
Aditya 对比了 2025 年 11 月和 2026 年 5 月的巨大变化——半年前我们还在开心地和 LLM 聊天，而现在这些 LLM 写出的代码已经超过了人类历史上所有代码的总和。
🎙️ 播客
No Priors: Cerebras $630 亿 IPO 背后的故事 — 创始人兼 CEO Andrew Feldman
核心要点： AI 推理的速度不是锦上添花，而是重塑商业模式的底层变量——就像宽带让 Netflix 从邮寄 DVD 变成电影制片厂一样。
Cerebras 的故事是一个长达十年的反共识赌注。当整个行业都在用邮票大小的芯片时，Feldman 的团队选择了一条没人走过的路——造一张餐盘大小的晶圆级芯片（46,000 平方毫米）。「要获得 15 到 20 倍的性能提升，你的架构必须与众不同，」Feldman 说。「从第一天起我们就选择了晶圆级，他们告诉我们这不可能。」
最煎熬的时期在 2017 到 2019 年：每月烧 800 万美元，每六周向董事会报告一次「还是造不出来」。直到 2019 年夏天芯片终于跑通——团队在洛斯阿尔托斯一个临时办公室里盯着屏幕，沉默了半小时。但更难的还在后面：芯片跑通了，市场却还没准备好。前两代产品分别只卖出了十几台和三百台。
转折点来自阿联酋主权基金 G42 的 10 亿美元订单，这让 Cerebras 完成了从超级计算小众市场到主流 AI 基础设施的跨越。随后 OpenAI 签下了超过 200 亿美元的大单——从条款清单到正式协议仅用了四周半，速度之快连 Feldman 自己都惊讶。AWS 也在今年 3 月达成合作，将 Cerebras 部署到其数据中心。
Feldman 的几条核心信念：
「如果你不是真的热爱建造的过程，这些事情实在太难了。为了钱做这个太可怕了——想赚钱有轻松得多的路。你必须享受做大卫。」
「公司最大的隐患是当他长到一两千人时开始害怕冒险。我们宁可追求非凡而失败，也不在平庸中成功。」
关于 AI 编码的实际使用：公司内部已有工程师从「10x」变成了「100x」——同时跑 8 到 10 个 agent，专门配有 QA agent，完全改变了编码方式。但 Feldman 也坦承这并不适合所有人，包括他自己 CEO 的角色还在慢慢摸索。
关于开源生态：「当闭源太贵的时候，开源社区保持了火种不灭。中国团队的一些技术让我们不得不加速——我们不能躺在更大的训练集群和更多数据上睡大觉。」
通过 Follow Builders 生成: https://github.com/zarazhangrui/follow-builders