🔥 Search Hot Tweets

一个用AI写了2000+小时代码的人，把自己2026年整套Agentic Engineering工作流公开了。 @DavidOndrej1 过去3年花了超过2000小时和AI一起写代码，还采访了不少重度Agent用户。 他的这套配置已经不是Claude Code/Codex选哪个的问题了，而是在搭一套真正的多Agent生产系统。 几个我觉得比较有意思的点： - 他现在最看重的不是Agent界面，而是Agent状态管理。 - 主界面用bb，同时会用cmux、Ghostty、Herdr。 - Herdr可以直接显示每个Agent当前是done、idle、blocked还是running。 - 他甚至自己做了Corral，给Agent加优先级。 - P1 Agent完成后永远排在P4前面。 他的判断是，再过3-6个月，大部分人不会再直接和一个Agent聊天，而是和一个Manager Agent交互，由它管理大量Worker Agent。 Cloud Agent几乎是确定方向。 他引用Cursor内部数据称，今年年初Cloud Agent产生的merged PR占比只有10%-15%，现在已经接近60%。 但他又不想被Cursor、Codex这些平台锁死。 所以他的方案非常简单： 自己买VPS，装Herdr，然后SSH进去跑Agent。 电脑关机、断网，Agent照样继续工作。 相当于用几美元成本自己搭了一个80分版本的Cloud Agent。 Harness开始严重分工。 Pi Agent负责极简通用； Cursor CLI负责多模型； Hermes、Prime Agent负责高不确定性的自我改进任务； Claude Code和Codex继续处理传统Coding Agent工作。 他不会试图找一个Agent解决所有问题，而是根据任务选Harness、模型和订阅额度。 重复工作全部产品化。 一句话能完成的操作做成snippet。 多步骤流程直接做成Skill。 比如他每天都会用/ask-then-build，让AI写代码之前先把关键架构决策一个个问清楚。 代码完成后，再分别让GPT-5.6 Sol和Fable 5 Review，最后合并问题。 多Agent真正跑起来之后，Git Worktree、权限、数据库只读账号、Push Lock这些原本很工程化的东西，会重新变得重要。 因为当20-30个Agent并行工作时，问题已经不是模型会不会写代码。 而是怎么避免它们互相改代码、抢资源、碰生产数据库，以及谁先处理谁。 我觉得这篇最有意思的其实是这个变化： Agentic Engineering正在从怎么把一个Coding Agent用好，进入怎么管理一群Agent。 模型只是其中一层。 上面开始出现Interface、Runtime、Harness、Skill、权限、任务优先级、环境隔离和Manager Agent。 越来越像一套新的工程基础设施了。

AI每日简报 1. Anthropic确认，有窃取信息的恶意软件盗用了 Claude 登录会话，随后强制用户退出登录、删除已保存的支付方式，并退还未经授权的扣费。 2. OpenAI在 SpaceX 收购 Cursor 之后，决定停止向编码工具 Cursor 供应自家模型。预计终止日期为11月12日。 3. 金融稳定委员会（FSB）主席向 G20 警告，前沿AI正在加剧网络风险与金融市场不稳定。 4. DataCamp公开了大规模AI学习助手的实际成本。该公司表示，即便开源模型在内部评估中领先，也不会用于正式服务。 5. 围绕是否应删除 Claude Code 的全部指令文件引发争论。有人主张，长期堆积的设置反而会拉低性能。

虽然我花样无死角骂华为很多年，但我也不得不承认，华为的工业设计水平一直是顶级的。 你可以说华为公关下贱，技术造假，裹挟情绪，产品溢价太高，成天吹牛逼，偷工减料，人造沸腾， 但是你不能说华为丑，因为这些旗舰手机平板笔记本是真的好看，审美和设计顶级，在全球范围内可以和苹果打得五五开。 https://t.co/dauhmdLLPt

我还是那个观点： 1. 上海市体育总局退还刘翔这些年品牌代言所有费用，刘翔体面从体制内辞职； 2. 体育总局、各省市体育总局，全部转化为独立运营的体育服务公司，清退所有退役运动员，所有现役运动员全部取消一切工资津贴，并且按照市场价付服务费，一年10万元，或者自己去外面找私人教练； 3. 体育总局、各省市体育总局永久裁掉97%的体制内员工，留下3%维持日常运营，唯一职能就是作为国家和省级运动会的主办方，提供体育运动的专业咨询服务，类似奥组委，并且全部靠体育赛事自负盈亏，接多少赛事广告，给自己发多少工资； 4. 文工团、歌舞团、话剧团全部沿袭改制，一个不留，全部交给市场化运营，自负盈亏。

Anthropic又砸了350亿美元买算力。 Lambda负责提供云计算，底层却是Nvidia提前租下的德州Hut 8数据中心。Nvidia出芯片、投资Lambda、还把场地先锁下来——整条链全是它自己的。 再加上刚签的450亿美元Nscale西弗吉尼亚项目，短短几周，Anthropic已经提前锁定近800亿美元云计算资源。 真正的潜力不在这800亿本身。 Claude需求正在爆发，尤其是企业级编码场景。Anthropic现在的营收跑速已经冲到650亿美元以上，还在为2028年接近2000亿美元营收和即将到来的IPO提前囤积最稀缺的东西——电力、机柜和长期算力合约。 而Nvidia已经不只是卖芯片。它同时当房东、当银行、当供应商，把融资、场地、芯片和云服务全部嵌进同一套体系里。谁越需要算力，谁就越离不开它。 AI军备竞赛进入“锁产能” 愈演愈烈。 $NVDA

GitHub上最近冒出个画风清奇的开源项目Ponytail——头像是个留着马尾辫的中年大叔，上线仅24小时就斩获6万Star。 它干的事只有一件：在AI生成代码前，先逼它回答一句——“这代码真的非写不可吗？” 实测结果出乎意料：代码量砍掉54%，执行速度反升27%，成本直降20%，安全指标一个没丢。这不是靠删注释、缩变量名那类小把戏，而是在设计层面直接截住AI的“过度发挥”。 打个比方，你要一个日期选择器，AI大概率会甩你一堆flatpickr组件、配套样式表，再顺手讨论时区。Ponytail的干预结果呢？就一行：<input type="date">。简单粗暴，不跟你废话。 背后的机制是一条“懒惰阶梯”：按顺序追问——能不能不写？有没有现成的库？标准库够不够？原生HTML能不能搞定？现有依赖里有没有？一行代码能不能解决？全部走完一遍，才准动键盘。它懒的是产出量，不是对问题的理解深度。 目前Claude Code、Codex、Gemini CLI、Copilot全都兼容，一行命令装完即刻生效。它解决的根本不是“AI写不好代码”，而是“AI写得实在太多了”。 🔗 https://t.co/rqKzMIYgGT

8月一转眼过去了。时间过的太快了。我们一起走过了 7 月的下跌、8 月的暴力反弹，分析了许多市场机会和交易错误。一起走完的朋友，不妨奖励一下自己，相信你的认知和耐心又有了新的提升！ 9 月可能会成为 AI 疯狂发布的一个月，也会伴随着新的机会，我也很激动。 我把最近的各种 leak / rumor 和打听到的消息大概捋了一遍： 9 月初发布 Claude Fable 5.1 OpenAI Astra（会不会是 GPT-6 还不知道） Grok 4.7 9 月中旬发布 DeepSeek 下一代模型 Composer 3 Gemini 3.8 Flash Kimi 下一代 K 系列模型 后半月 / 9 月 possible Claude Opus 5.1 MiniMax 2.7T Meta “Watermelon” Mistral 新的 frontier open model 其中有些已经有很明显的上线迹象，比如 Fable 5.1、Grok 4.7、Gemini 3.8。有些则还停留在 rumor，比如 DeepSeek V5、Opus 5.1 和 Mistral 最近几个月我在一线感受到几点变化 1/ frontier model 的领先周期正在急剧缩短 2/ 特定模型正在从“产品”变成“消耗品” 3/ 真正的战争开始从 pre-training 转向 inference 4/ Open-weight 模型会越来越重要 现在看来，模型战争最大的赢家可能不是某一个模型，大家目前还处于共赢把市场做大的阶段。模型半衰期越来越短，但每一次模型升级，都在制造更多 token、更多 inference，以及更贵的基础设施 我现在在 9 月最期待 Astra，期待一次面向大众新的升级，你们最期待什么模型公布呢？ 与此同时，马上就要 3 万 followers 了！2 万 follower 的时候，我发布了我的全部持仓和逻辑。3 万的时候，大家想看什么呢？请让我知道

这个会议谈到的很多点都是很有价值的。多去挖掘，会有很多牛股。 AI材料产业链梳理与交易线索20260830 本次会议围绕AI材料产业链的梳理与交易线索展开，由广发证券建材新材料团队分析师张文焕主讲。核心观点如下： 一、AI产业趋势未走完，但市场交易锚点已从“验证需求”转向“验证回报率”。 自2023年AI萌芽以来，市场此前主要关注AI是否有需求、资本开支是否增长，投资逻辑较为简单——跟随CSP厂商上修资本开支并买入受益股即可。但从2026年7月开始，市场交易锚点发生了转变，从“AI有没有需求”转向“如此庞大的资本开支能否转化为收入、利润和现金流”。AI产业从选择题变成了证明题，研究核心变量也从资本开支量转向了效率锚点。 二、AI投资仍处中早期，债务融资占比低，产业久期至少可看两年。 对比历史上每一轮工业革命（互联网、铁路、运河等）的融资路线，均是从自有现金流到股权融资，最后到债权融资。当前AI投资仍主要由大型科技公司的经营现金流和股权资本承担，债务占比处于低位。因此AI产业趋势仍处中早期，至少可看两年以上的产业久期。 同时，大厂ARR（如s rockic、OpenAI等）仍处明确上行阶段，九十月份将迎来重要上市节点，为后续收入转化提供支撑。 三、聚焦新模型、新方案、新技术，寻找产业催化。 2026年以来，模型迭代速度明显提速，从年更进入月更状态，海内外头部厂商（OpenAI、谷歌、DeepSeek、K-max等）处于白热化竞争阶段。新技术方案（如PTLE、马九Q、马十等）持续涌现，有望打开2028年能见度。同时，新技术路线（如玻璃基板、先进封装CoWoS、CPO光学互联等）仍在如火如荼发展，是后续重要的交易锚点。 四、AI材料选股围绕三大方向：供给更紧、AI敞口更大、全球供应链约束强化稀缺性。 第一，优选扩产周期长、技术壁垒高、认证周期长、良率爬坡慢的材料环节，缺口更久更紧，更容易转化为价格与利润弹性。第二，寻找AI敞口持续放大的方向，市场愿意为持续扩大的AI敞口给予更高估值。第三，关注受全球供应链约束（尤其是日本供给约束）强化的稀缺材料环节。 五、重点梳理四大板块：PCB上游材料、先进封装材料、散热材料、被动元件材料。 其中PCB上游材料（电子布、铜箔、填料）基本面扎实，量价仍处良好状态，建议按两条思路布局：一是选择当前仍具备量价上行空间的优质环节（如电子布），二是挖掘受益于新方案和新技术的增量逻辑（如PTFE填料、马九Q带来的电子布和树脂增量）。先进封装材料建议关注玻璃基板和载板（T薄、A BF膜）两大方向，其中A BF膜环节因日本供给约束和国产替代初期，认知度和交易度相对较低，值得重视。散热材料（T材料、陶瓷基板、金刚石、氟化液）和被动元件材料（MLCC上游的离型膜、陶瓷粉体、镍粉等）同样具备结构性机会。

看完孙宇晨这三段采访，最有实感的，反而是他跟Gemini 3聊四五分钟就睡着了。 以前晚睡、刷手机、一个人躺着难受——这几句是全程最落地的部分。解决办法也很具体：打开Gemini，喊一声“哥们今天怎么样”，当电子陪睡。顺手再踩一句OpenAI“弱智”，中英夹杂都听不懂。 再往后，具体的东西就少了。 蓝源现场那一段，夹克、徽章、登月，画面很满。他说已经跟Blue Origin讲过了，明年登月，自己排第一；下一句又补上：一开始不会让“咱们这种菜鸟直接上”。 预约是预约，门槛是门槛，两句话并排放在一起，热度有了，重量没有。 2026愿景更像一份赛道清单：身体健康、把运动做好、把公司经营好，然后是AI、具身智能、无人机、太空、Vision Pro。 给年轻人的建议也停在同一层——对这些方向感兴趣，就去看看。 听完只知道他站在哪几个风口旁边，不知道明年要做成哪一件事。 三段采访，题材都不缺流量。缺的是一句需要负责的话：时间表、代价、进展、失败过什么。 格局可以很大，但一路听下来，更像在念明年还会继续流行的名词。

黄果短剧是minimax制作的， 肯定不是抖音的seedance，因为抖音不开源也有内容保护， minimax可以本地部署瞎几把搞。 https://t.co/fnD6vVUkYJ

你必须警惕一种人， 别人虚心请教你的时候，你并不想给出有用的建议，相反你只想装逼，只想炫耀，外加给人指条错路，看别人吃个大苦头，自己哈哈一乐。 这种人不止下贱、无耻、缺德，而且实际上也是个大草包，狗鸡巴不会，只能吹牛。 典型的就是让别人从零开始入门第一门语言学Rust的这群大傻逼。

一个冷知识： 代表 OpenAI 目前对外公开智能最高水平的 gpt-5.6 sol pro 是只能在 ChatGPT app 的 chat 里才可以调用出来的。。。 cowork / codex 里都没有。。。🙃

🚨OpenAI 又从顶级 AI 软件公司挖走了一个关键产品负责人。 @linear 产品负责人 @thenanyu 刚刚宣布，将离开工作四年的 Linear，加入 OpenAI，直接负责 Codex 和 ChatGPT 的产品工作。 Nan Yu 在产品圈的分量很高。 他是 Linear 招的第一位 PM，后来做到 Head of Product。此前还做过 Mode 的 VP of Product，以及 Everlane CTO，本身就是工程师出身。 Linear 这几年那套极度克制、强调产品品味和工程师自主决策的产品方法，他基本都深度参与了。 甚至到去年，Nan Yu 还公开说，Linear 超过 50% 的产品决策实际上由工程师完成。 时间点也挺巧的，今年 Linear 已经明显开始往 AI Agent 工作平台走。 7 月刚发布的 Loops，就是 Nan Yu 亲自写的发布文章：让 Agent 按计划或者事件触发，持续替整个团队处理工作。 而 OpenAI 最近也正在把 Codex 往长期运行、主动工作的 Agent 推进，甚至已经在测试 Persistent mode。 现在直接把 Linear 的产品负责人挖过去，而且明确让他负责 Codex 和 ChatGPT。 OpenAI 接下来要补的，可能已经不只是模型能力了。 他们需要有人把 Agent 真正做成一个每天都愿意打开、能长期工作的产品。

🚨重磅！五角大楼把马斯克的Grok直接搬上了军人办公桌！ $SPCX 今天，美国战争部正式上线「星盾AI」Grok政府版，挂在https://t.co/2ureKnMb9p平台上。 简单说：xAI的Grok模型，披上SpaceX星盾的外壳，已经能给170万美军和文职人员日常使用了。和谷歌Gemini、ChatGPT军用版并列，专门干采购调研、后勤供应链、写方案这类办公活，不是打仗指挥系统。 安全级别是IL5，能处理受控非密信息。功能包括深度思考、自动/快速/专家三种模式，还能建工作区和可复用的“作战剧本”，把单位经验沉淀下来给全员用。 美国自己的技术栈，不绑死一家厂商。卫星公司把名字印在模型上，战争部把模型放到办公桌上。这波操作，SpaceX和xAI又往前迈了一大步。

AI 做 PPT 我的一些心得体会，仅供参考。 用 AI 操作 PowerPoint 去做 PPT 的思路本身不 AI Native，不是说不能操作 PowerPoint，而是做出来不好看，因为目前的 AI 没办法通过“操作”的方式去做出好看的 PPT，它擅长的还是生成。 像 Kimi 那样发明一种 YAML 的中间格式 PPTD (PPT-DSL)，可行，但还不够好。有两个问题： 1. 这种格式没有足够的训练，需要大量的额外说明，所以 Kimi 用了将近 2000 行文档来说明什么是 PPTD，另外这种 YAML 格式本身表达力有限，难以表达完整的格式 2. 不够美观，现在模型设计能力越来越好，但是对于非标准格式效果要大打折扣，模型做设计最熟悉的是 HTML 格式。 也有人说，用模板是不是就可以解决美观的问题。 用模板部分解决了美观问题，但问题是选择会很有限，反而是限制了模型的想象力。 不要忘记《苦涩的教训》： > 长期来看，依靠大规模算力和通用学习方法的"笨办法"，终将战胜依赖人类专家知识的“聪明捷径”。 换句话说，与其内置一堆模板，不如让模型自己发挥。 目前 AI 做 PPT 的最佳实践应该是 Claude Design 采用的模式： - 用 Design System 定义好设计风格 - 使用 HTML 生成网页 PPT - 将 HTML 导出成可编辑的 PPTX（PPTX 是标准格式） HTML 可以保证大模型生成 PPT 的美观，可以人工二次编辑，又可以几乎无损（不是绝对）转成 PPTX。 这也是我学到的两条经验： 1：让 Agent 操作它最擅长的格式 2：给 Agent 规范，而不是模板 （不是说不能用模板，而是不能过于依赖模板）

🚨原来 ChatGPT Work 和普通 ChatGPT，居然已经有这么多不一样的东西了。 @simonw 最近把 Work 几乎翻了个底朝天，才发现 OpenAI 在里面塞进了一整套普通 ChatGPT 没有的 Agent 基础设施。 它可以直接运行能访问公网的代码环境，启动完整的无头 Chrome，跨 Session 保存文件，还能调用 Sol、Luna、Terra 作为 Sub-agent 并行工作。 最夸张的是，Simon 直接让 Work 把自己的工具全列出来。 结果翻出了 223 个注册工具，以及 44 个 Skills，覆盖浏览器控制、文档、PDF、表格、图片生成、网站构建、Dashboard 等一大堆能力。 再加上 Cloud Browser、Scheduled Tasks，以及关掉电脑后任务还能继续执行，ChatGPT Work 实际上已经很接近一套完整的云端 Agent 工作环境了。 偏偏 OpenAI 对外把它讲得极其朴素，搞得很多人到现在都不知道 Work 到底和普通 ChatGPT 差在哪。 比如我以为只是多了个模式。。。。

已经运行了3小时 26分钟了 GPT Sol 5.6 Ultra 目标模式 1.5倍速率 如果不开1.5倍数，估计时间可能需要更久... Goal 模式确实更出效果，推荐大家在用重置前夜可以这么干... https://t.co/qS2AqnHApQ