最新文章
10【译文】当 AI 什么都能生成，如何建立品味
原文：How to Build Taste When AI Makes Everything 作者：Vikas Malpani 声明：本文由 AI 翻译，可能包含错误 过去几周，我的信息流一直在围绕「品味」争吵。Paul Graham 说，当任何人都能做任何东西时，差异化就变成了你选择做什么。一位知名工程师宣称，品味现在才是真正的工程能力。然后 Linear 的产品负责人强力反驳：你的品味大概并不比 AI 好，别再假装那是你的优势了。还有人补了一句我至今记得的话——整场关于品味的对话之所以成立，恰恰因为它含糊、无法被证伪、并且让引用它的人显得体面。 所有这些都是一次性的部分。名字会换，引用推文会滚走，下个月同一场争吵会在另一个话题标…
阅读全文
02【译文】每个 AI 工程师都应该知道的 20 个循环设计模式
header 原文：20 Loop Design Patterns Every AI Engineer Should Know 作者：Rahul (@sairahul1) 声明：本文由 AI 翻译，可能包含错误 大多数 AI 工程师知道如何构建一个 agent。 但很少有人知道如何构建一个能在首次尝试后不断变好的系统。 这个差距值六位数美金。 区别在哪里： Agent 是一个工人。 Loop（循环）是让工人进步的机制。 当今生产环境中最强大的 AI 系统，不是单次模型调用。 它们是循环。 生成 → 评估 → 学习 → 改进。 一遍又一遍。 直到输出真正变好。 以下是生产级 AI 系统中反复出现的 20 个循环设计模式。 收藏这篇文章…
阅读全文
03【译文】我们现在是工厂工程师，不是产品工程师
原文：We are now factory engineers, not product engineers ·· 作者：Zach Lloyd·· 声明：本文由 AI 翻译，可能包含错误 这是我们与 Warp 团队分享的一篇备忘——关于构建 Warp 这件事应该如何重新理解。它混合了我们从客户那里听到的反馈、我对开发未来的判断、以及 Warp 团队要如何调整才能保持领先。 过去一年里，我们经历了从 AI 自动补全到交互式编码 Agent 的跨越。未来六个月，范式将再次进化到 Automated Development。 在 Automated Development 的世界里，工程师的工作不再是写代码。甚至不再是直接构建产品。而是构…
阅读全文
04【译文】循环工程的艺术
原文：The Art of Loop Engineering ·· 作者：Sydney Runkle (LangChain)·· 声明：本文由 AI 翻译，可能包含错误 Agent 之所以有用，是因为它们能通过在真实世界中采取行动来帮我们自动化工作。但要让 agent 可靠地完成有价值的工作，光有一个好模型是不够的——还需要一个精心设计的 harness（控制框架），且这个 harness 要适配具体的任务集。 核心 agent 算法很简单：给 LLM 上下文，让它在一个循环里反复调用工具，直到任务完成。这是最基本的循环。但远非驱动 agent 的唯一循环。@swyx 最近写了篇好文章叫 loopcraft：堆叠循环的艺术 ，核心思…
阅读全文
05【译文】请不要搞个"企业大脑"就指望自动形成学习循环
原文：Please don’t implement a “company brain” and expect a learning loop 作者：Seth Rosen 声明：本文由 AI 翻译，可能包含错误 Satya 的那篇推文 爆了，不奇怪。 他把两件事联系在了一起——人力资本和算力资本——通过一个学习循环：人类如何引导 AI，AI 如何让人类更聪明，以及整个系统如何滚雪球。 我们团队花了九个月研究和构建这个东西。 学习循环是你的长期 AI 战略。 没有它，AI 在当下很惊艳，但长期来看会无声地衰减。 长期 AI 工作远不止一次 Codex 或 Claude 会话。它是每个员工每天早上醒来，都在迭代团队和组织的整体目标。 你的…
阅读全文
06【译文】自主长时运行编程 Agent
原文：Autonomous Long-Running Coding Agents 作者：Elvis（@omarsar0），DAIR.AI Academy 声明：本文由 AI 翻译，可能包含错误 自主编程正从"更好的提示词"转向"更好的控制系统"。关键的转变在于，工程师们正在学习如何用目标、评估器、循环和工件来封装 Agent，让它们在人类停止输入后继续工作。 这很重要，因为大多数严肃的工程工作跨越很长的周期：模糊的需求、隐藏的约束、部分失败、不断变化的上下文、以及反复的验证。新的前沿是围绕 Agent 设计系统，让它能够规划、执行、检查自己的成果、从错误中恢复，并在没有持续人工操控的情况下持续取得进展。 这篇文章基于我在 DAIR.…
阅读全文
07【译文】/goal + 损失函数：如何用一条指令在 30 小时内蒸馏一个产品
原文：/goal + Loss Functions: How to Distill a Product in 30 Hours with One Prompt [Full Playbook] 作者：Elvis (@elvissun ) 翻译：AI 辅助翻译 99% 的人用 /goal 和 agent loop 的方式是错的。 外面吹的是「长循环自主 agent：设定目标，走开，回来就拿到能跑的代码」。但顶尖的 agent 工程师半年前就在做同样的事了——用 harness engineering + spec-driven development： 给 agent 搭一个能观察问题的测试框架 写一份包含所有 test case 的…
阅读全文
08我怎么用 Hermes Agent 写代码
我同时跑两个 Hermes Agent。 一个叫超级卷儿，处理日常对话和信息检索。另一个叫码卷儿，专职软件工程。两个独立的 Telegram bot，独立的配置，独立的会话数据库。 分开跑两个 Agent 是为了隔离上下文和环境。 核心纪律：码卷儿绝不写代码。 所有编码委托给 Codex CLI 执行。码卷儿只做 Product Owner 的事：写需求定义、做架构决策、验收成果。Codex 做实现者：读 spec、写代码、跑测试。 角色 产出 负责 码卷儿（Hermes PO） feature doc + 验收 需求定义、架构决策、质量把控 Codex CLI（实现者） 代码 + 测试 技术方案、编码实现、自测 流程很简单。用户说…
阅读全文
09【译文】运行一个 AI-native 的工程团队
原文：Running an AI-native engineering org 作者：Fiona Fung，Anthropic Claude Code & Claude Cowork 工程总监 翻译：AI 辅助翻译 很多年的工程组织方式，从瀑布到敏捷，都建立在一个假设之上：写代码是贵的那个环节。 我的职业生涯始于 2000 年代初，在 Visual Studio 团队。那时候软件烧进 CD-ROM，有硬性的制造截止日期。后来软件可以在线分发，我们开始连续发布。现在我们正在经历又一次转变——这次围绕的是写软件所需的时间和人力。 在 Claude Code 团队，写代码、写测试、重构已经很少让我们卡住了。但瓶颈没有消失——只是转…
阅读全文
10【译文】你可以直接这么说
原文：You Can Just Say It 作者：Caleb Gross（@noperator ） 有一种评估人类及其创造性产物价值的奇怪论证范式，大致长这样：在 AI 时代，某些角色还是应该优先用人类，因为 AI 永远无法执行该角色所需的任务。或者，至少人类做得更好。又或者，人类和 AI 的输出看起来可能差不多，但人类的产物更优，有一些微妙的风格原因是 AI 无法复制的。再或者，至少 AI 无法一致地复制它。 看看球门柱底座上那些被反复移动留下的擦痕。等混凝土凝固吧，28 天。 这类思路归结为一句话：“人类如果有高质量产出，那就有价值。” 这个论证的危险之处在于，它完全取决于一个存在但正在缩窄的人类—AI 能力差距。这个差距过去…
阅读全文