#AI
共 14 篇 14 posts
Agent 的本质是一个 while 循环：拆解 78k star 项目 pi 的 792 行核心源码
打开真正几十万人在用的 coding agent 源码，核心就一件事：一个 while 循环。对照 pi 的 792 行 agent-loop，拆双层循环、Steering、事件流、错误处理、Token 截断防御和工具三段流水线。
普通人可以尝试的 8 个 AI 副业：怎么起步、怎么接到第一单
客户不会因为你用了 AI 而付费，只会因为你帮他省时间、提质量或解决问题而付费。8 个可实操的 AI 副业方向——从垂直内容服务到企业培训资料——每个都讲清楚怎么起步、怎么报价、最大的风险和产品化路径。
硅谷四人酒局3小时，8个AI判断，有一条让我后背发凉
Naval 拉着 YC 总裁和两个连续创业者，喝着酒聊了 3 小时 AI。没有 PPT，没有通稿，正因为没人端着，这三小时里的判断比很多 AI 峰会都狠。8 个判断，有一条我是边听边后背发凉的。
提示词不用学了，要学的是那个替你写提示词的循环
编译自 Addy Osmani《Loop Engineering》。Harness Engineering 之后的下一步：你不该再给编码 Agent 写提示词，而该去设计那些替你写提示词的循环——拢共五个零件外加一块记忆，一个循环跑起来是什么样。
当 AI 开始自己造自己：Anthropic 递归自我改进全文翻译
Anthropic Institute 长文全文翻译：从每位工程师代码产出的陡增，到模型挑选「下一步」胜过人类——递归自我改进已经在发生。人类的角色如何一步步退后、Anthropic 内部的证据、几种可能的未来，以及：如果我们错了呢？
Google工程总监写了本453页的书，读完后我发现自己写的Agent根本不叫Agent
Antonio Gullí 把 AI Agent 开发拆成 21 种设计模式、4 个成熟度等级。读完最大的冲击是：大部分人以为自己在做 Agent，其实连 Level 1 都没到。Level 0-3 分级诊断、Context Engineering 四层模型、Producer-Critic 反射模式、Memory 三层架构，以及三件今天就能落地的事。
听完姚顺宇 4 小时访谈，我记下了 8 个会颠覆你认知的 AI 判断
在 Anthropic 和 Gemini 都训过模型的研究员姚顺宇，4 小时把 2026 年 AI 业内最不愿意公开说的话都说了。预训练没撞墙、个人英雄主义结束、壳产品两条活路、以及一道 24 小时面试题——8 个反复回放的判断。
Karpathy：当你的瓶颈不再是代码，而是你自己
Karpathy 在 No Priors 播客提出 7 个核心命题：Token 吞吐量是新的 GPU 利用率，Agent 是新客户，AutoResearch 让人类退出研究循环。完整框架拆解，附行动清单。
我把 Karpathy 最新 70 分钟播客听了两遍，整理出 6 个核心判断
Karpathy 在 No Priors 播客说的每一句话都在戳我。AI Psychosis、Token 杠杆率、AutoResearch、LLM 的参差不齐——作为一个每天用 AI 写代码的开发者，我感觉他在描述的就是我正在经历的事。
Harness Engineering：从写代码到设计赛道
提示词卷完了，上下文也卷完了。2026 年最重要的工程范式转移是 Harness Engineering。OpenAI 3 人团队 5 个月 100 万行代码，LangChain 不换模型排名从第 30 升第 5，背后是同一件事：环境比模型重要。
用 Claude Code 两个月，我学到的一切
这不是一篇十大 AI 工具清单。这是两个月实战摸爬滚打的真实总结：没人谈论的功能、真正有效的流程、浪费数小时的错误，以及帮你节省数天的技巧。
Dario Amodei：我们正站在指数增长的尾声
Anthropic CEO 在两小时播客中给出了 90% 信心的判断：10 年内天才之国，编码领域一两年。但真正值得深读的不是时间线，而是他关于两个指数、AI 盈利逻辑、扩散速度的完整思考框架。
Clawdbot 没有发明任何新技术，但它为什么火了？
一个周末刷新 GitHub 历史增长记录，拿到 14.6 万颗星。技术方案几乎全是现成的。让我愣住的是另一件事：为什么是它？从用户、记忆、信任三个角度深度拆解。
听完黄仁勋最新访谈，我理解了英伟达为什么值 4 万亿
黄仁勋接受 Lex Fridman 三小时深度访谈，谈到了 NVIDIA 护城河的本质、AI 四大扩展定律、AGI 已经实现的判断，以及未来 10 亿程序员的预言。六个最有穿透力的判断。