AI 建造者日报 — 2026年11月10日
📌 X / TWITTER
Box CEO Aaron Levie：他判断 AI 正在从「产出速度大致等于你跟 AI 来回对话的速度」的阶段，进入「你把一个问题丢给一组 agent，它们去做任意规模的工作」的阶段，生产力提升从 20% 到 50% 这种量级，变成一种没有真正上限的东西。agent swarm 和把复杂工作并行分发给多个 agent，已经在编程领域被验证，下一个是网络安全（更多 agent 审更多东西必然带来更好的结果），然后是科学和生命科学，凡是能把基于计算机的工作并行化的领域都会如此。他也提醒人脑并不适应这个新场景：我们习惯把花在一个任务上的时间和拿到的产出挂钩，而算力正在变成可以随意伸缩去解决问题的变量，这个相关性正在被永久改变。
同一天他给的实用建议是，每 3 到 6 个月回去重新试一次以前做不到的事，现在尤其如此：过去半年模型在 computer use、工具调用、context rot、推理、多模态和若干关键领域专业度上的进步，让 agent 基本能接管任何有 API 的东西，甚至很多没有 API 的。安全 agent 去接现有的数据源和网安工具，IT agent 跨软件栈稳定执行流程，数据 agent 在系统之间迁移数据和流程，架构和设计 agent 直接用 CAD 和设计工具。今天不配合的工具，大概率会被 agent 友好或开源的同类替换掉。叠加训练进去的领域理解，结果就是每个职能、每个行业都有自主协作者。
OpenAI Codex 产品负责人 Nan Yu（前 Linear 产品负责人）：他的架构建议是选「最笨」的方案而不是「最简单」的方案。简单是你迭代出来的结果，笨才是正确的起点，否则你会开始自作聪明。这条在软件的所有方面都成立：选能跑通的最笨架构，选能交差的最笨设计，因为耍聪明意味着你的用户也得一样聪明才能理解你的聪明。他另一个判断是，软件在你知道要做什么的时候变得容易多了，在不知道的时候变得难多了：有清晰度可以直奔答案，没有清晰度就只会交付一堆垃圾并且花掉很多钱，而在前 AI 时代你至少什么都交不出来，这反倒算是一种进步。
- https://x.com/thenanyu/status/2119462979179892925
- https://x.com/thenanyu/status/2119493015190249556
- https://x.com/thenanyu/status/2119462224721002560
Y Combinator 总裁兼 CEO Garry Tan：他的 gstack-evals 项目拿那篇 Jev Engineering 的文章做了复现，顺便让它试了 particle-1，结论是文章可以复现，而且 particle-1 更好。他由此说，你真的会想要一个自己的软件工厂；又认为一旦意识到用前沿模型改软件这么容易，那些现存的 bug 就变得有点难以忍受，同时个人的 just-in-time 软件会不可避免。
- https://x.com/garrytan/status/2119624260675350605
- https://x.com/garrytan/status/2119615647592395037
- https://x.com/garrytan/status/2119612084220842483
Zara Zhang：她说自己几乎不再用「vibe coding」这个词，因为它带着负面的含义，暗示你没给产出投入多少力气和灵魂、只是 AI slop；但很多人用 AI 编程工具时恰恰是全身心投入的，这两件事并不矛盾，我们需要一个更好的词。另一条是产品之乐的来源：它来自技术行为的可预测性与人类行为的不可预测性之间的碰撞。
- https://x.com/zarazhangrui/status/2119592080318341128
- https://x.com/zarazhangrui/status/2119342420412510686
Vercel CEO Guillermo Rauch：他用 WebGL2 和 Web Audio 做了一个唱片机的物理仿真，准确得吓人。它不是播放一首歌，而是把歌转换成音槽的物理形状，再让一根模拟唱针每秒 38.4 万次地沿着槽壁走，你听到的是这个运动在唱头里感应出的电压。所以爆豆声、pop、抖晃、内圈发闷都是仿真的自然产物，你还能当 DJ 去搓这张唱片。转换用的歌都是公有领域或 CC 授权，代码也放出来给人改和重新部署。
fpv ventures 合伙人 Nikunj Kothari：他给来旧金山社交的人列了一份该从词汇表里删掉的清单：swap notes、synergies、pick your brain、networking、「san fran」（一听就是游客）、grab coffee if you’re free。想认识有意思的人就拿出作品来，可能是一封用心的冷邮件、五行直给的 DM，复杂到你自己发布过的 side project，或者你在组织的 meetup。他说在这个 AI 时代努力依然看得出来，他收到的垃圾信息太多，所以只要看到有人肯下功夫，他会特意去认识对方；再忙的人也能给你 15 分钟，前提是你给出一个理由。
设计师 Ryo Lu（曾设计 Cursor、Notion、Stripe）：他在 AI Engineer 上海的完整演讲上线了，主题是一句反问：当我们什么都能做的时候，我们是否还知道自己想要什么。所有幻灯片都是 Keynote 手工做的，配了中文和英文字幕。
Peter Yang（AI 教程与访谈作者）：他放出了与 OpenAI 产品副总裁 Ashley Yuki 的对谈片段。Ashley 的父母在一周之内各自被诊断出两种癌症，她决定请一个月假，说那是当时照顾父母能做的最好的事之一；她也提醒，作为照护者你还得照顾自己，这件事谈得太少，那种认知负荷、情绪负荷和纯粹的时间负荷都很重，必须给自己的心理健康留出时间预算。
🎧 播客
Latent Space：[One Million AI Engineer Special] How Stanford Teaches AI-Native Engineering — Mihail Eric, Monaco
一句话总结：一个 coding agent 没那么神秘，两百行代码就能写出会改你文件的版本，真正稀缺的是说清「要做什么」和判断「做得对不对」。
Mihail Eric 在 Stanford 开 CS 146/146S《The Modern Software Developer》，同时是 Monaco 的 Head of AI。这门课被 Business Insider 专门写过，因为它教的东西和公司里正在发生的事几乎同步。他第一堂课就让学生手写一个 Claude Code 的极简版，同周第二堂课直接上 MITMProxy，拦截真实 Claude Code 的请求，把 system prompt、plan prompt、compaction prompt 一条条摊开。剥掉神秘感之后他才讲真正的门槛：这一代 junior 面对的地板被抬高了，「入行只做到 L3 是不够的，得接近 senior 才站得住」。他还有句更狠的：「大部分学生是废的，少部分会非常值钱」，他自己也承认这是为了效果说的极端版本。
解法比焦虑具体。课程把作业改成给真正的 AI-native 开源项目提交代码，由 maintainer 来 review 学生，等于把「好软件长什么样」的判断力传下去，也避免 senior 用上 agent 之后一骑绝尘、junior 被留在原地。
最反直觉的是 code review。一个人理论上一天能提 30 多个 PR 之后，review 就成了唯一瓶颈：你逐行看，你就成了限速器，那规模化生成的意义何在？他的做法是把 PR description 写成带文件级指路的 spec，让可验证的改动自动放行，人只守 intent。他还说写 skill 本身也是需要一点 skill 的：很多人囤一堆 Markdown，触发时机全错，他甚至怀疑 OpenAI 和 Anthropic 里有聪明人希望 skills 死掉，因为看起来很脏。
在 Monaco 他的原则是「买是为了学，建是为了留」：background agent 平台和 Slack 里的运维机器人都是自己造的，只在 code review 上长期留了一个外部供应商。安全上他只划一条线：data、billing、auth 别让 agent 乱写，其余随便。「只要你有那套词汇，你就能把它 prompt 出来；没有那套词汇，你就完了。」
给求职者的捷径很具体：去做 benchmark 和 eval，写有严谨度的工程博客，SWE-bench 最初就是个本科项目。剩下的是每天花十分钟试一件新事，任何情况下都别把脑子关掉。
（今日 feed 中无官方博客更新。）
通过 Follow Builders 生成: https://github.com/zarazhangrui/follow-builders