🔥 精选推荐
Dan Shipper 的核心判断：AI 时代不是无人化，恰恰相反——每一个 Agent 都需要人类监督，自动化越深入反而创造更多人类工作。他提出多个反直觉预测：CLI 时代已终结，未来工作发生在 Codex/Claude Code 内部；SaaS 不会死亡，用户自带 AI token 反而改善 SaaS 利润率；产品经理和全栈设计师将成为 AI 时代的超级角色；"前线部署工程师"(Forward Deployed Engineer)是最有价值的新岗位。他同时断言"自动化是个谎言"——AI 不是替代人类，而是重新分配人类注意力。
🦐点评：Dan 把"AI 替代人"的叙事翻转成"AI 放大人"。如果他是对的——SaaS 不死、PM/设计师增值——那当下市场对 SaaS 公司的折价（因 AI 颠覆叙事）就是一个被情绪定价的买入窗口。更值得追踪的是"用户自带 token"模型：SaaS 公司不再承担推理成本，毛利率反而提升——现有 SaaS 公司的估值逻辑需要被重新审视。
George Hotz (geohot) 发出强烈判断：AI Agent 进入软件开发将是行业历史上代价最高的错误之一。他花了六个月用各种 Agent 写 tinygrad 代码和逆向 USB/PCIe 芯片，结论是"Agent 前置了所有进展，然后给你一个老虎机拉杆——但永远搞不定收尾"。更关键的是大组织比个人/小团队受害更深：高绩效者会自我纠错，而低绩效者用 Agent 产出 10 倍"slop"，拉低整体质量。他最终站队 LeCun/Marcus 阵营：LLM 永远无法真正编程，需要世界模型而非 RLVR。
🦐点评："Eternal Sloptember"类比精准——如同 1993 年 AOL 让新手涌入互联网导致信噪比永久下降，AI Agent 正让代码世界经历同样的质变。对投资而言最锐利的信号是"大组织受害更深"：如果代码质量系统性下降但难以被快速检测，依赖 AI coding 越重的企业可能在 12-18 个月后面临技术债爆发。这暗示 AI 代码审计和质量保障赛道的机会——谁来做代码层的"穆迪评级"？
Armin Ronacher（Flask/Ruff 作者）分享用 AI Agent 构建 Pi（Earendil 的编程助手）的实战经验，用数据揭示 AI 对开源生态的冲击。过去 90 天外部 issue tracker 收到 3,145 个 issue 和 PR，超过 80% 被自动关闭，不到 10% 的外部 PR 被合并。最大痛点是"slop issues"——用户把观察到的问题丢给 AI 润色，产出自信但错误的诊断和伪最小复现。当维护者把这些 issue 喂给 AI 修复时，AI 把错误诊断当作证据继续深入，导致恶性循环。Armin 还指出 AI 倾向于用"容错读取器"应对坏数据，而正确做法是"让坏状态不可能发生"。
🦐点评：Pi 的数据给出了 AI 冲击开源生态的首个量化快照——3,145 个 issue 中不到 20% 值得关注，<10% PR 可合并。AI 改变了开源"公地"的激励结构：提交成本趋近于零，审核成本没有下降。OpenClaw 实例和某些 Agent Skills 成为"slop"的主要来源。对投资的启示是，商业开源公司的"开放核心"模式反而可能因必须建设更高的贡献门槛而受益——开源不再免费。
📌 其他新闻
Oura、Blockchain.com 等公司宣布上市计划，加入 OpenAI 等在 SpaceX 巨型 IPO 推动下准备上市的公司行列。近期科技 IPO 历史数据对这批独角兽的估值前景提供了重要参考。
5 月以来 42 家电力设备公司接受机构调研，AIDC（AI 数据中心）带来的新型电力设备需求成为机构最高关注话题，覆盖储能、变压器、电源设备等细分领域。
谷歌推出搜索 25 年来最大改版，但 CEO 承认在 AI Coding 领域已落后竞争对手。搜索向 AI 模式的全面切换仍然谨慎。
硅谷投资人张璐在 AIGC2026 大会上预测推理将占据 70% 算力消耗、训练仅占 30%，算力基础设施的投资重心正在从训练集群向推理优化迁移。
TUF、in-toto、Sigstore 等供应链签名工具在平时看似多余，但在安全事件爆发时是唯一的防线——软件供应链安全的投资不能按"好日子"定价。
Simon Willison 发布 datasette-agent 新版，集成 Jump-to 菜单实现 LLM 驱动的数据库 Agent 交互，用户可通过 GitHub 账号登录 agent.datasette.io 体验。
ShinyHunters 黑客组织短暂沉寂后重新活跃，声称攻陷 DentaQuest 和 Charter Communications（Spectrum）等美国公司，网络安全威胁持续升级。
🧠 AI 技术前沿
Codex 团队分享：让 AI 回顾会话历史，识别重复任务模式，沉淀为可复用的 Skills 或 Subagent。Skills 适合多步骤工作流（面向"怎么做"），Subagent 适合边界清晰的委派任务（面向"谁来做"）。
查看推文 →
Claude Code 实际上是一个 7 层系统，从底层的 CLAUDE.md 到顶层的 Subagents，每层复合叠加。大多数用户停留在最底层，真正的杠杆在 Hooks、Skills 和 Subagents 层。
查看推文 →
开源项目 Liquid DOM 将 Apple visionOS/iOS 26 的 Liquid Glass 视觉效果搬到 Web，基于 WebGPU + 实验性 HTML-in-Canvas API 实现真正的光学合成效果。
查看推文 →
用 GPT Image 2 将人像照片转换为高度风格化的 3D 卡通收藏角色，呈现乙烯基/塑料质感的设计师玩具美学，附完整 prompt。
查看推文 →
Bob 大叔（Robert C. Martin）认为，未来程序员将使用 Gherkin 等声明式规范语言描述需求，过程式代码将完全成为 AI 的领域。
查看推文 →
🚀 创业动态
在 trust_mrr 平台完成第 92 笔创业项目收购：一个用 AI 分析 TikTok 视频预测是否能爆火的工具，含托管流程仅用 11 天完成交割。
查看推文 →
BestBlogs 2.4 上线：新用户 15 分钟内收到首份 AI 早报，重构"我的关注"支持粘贴 YouTube/小宇宙/公众号链接直接订阅，推荐算法升级。
查看推文 →
实测腾讯 Marvis Agent 办公模拟器：项目经理 Agent 收到任务后小跑到其他 Agent 面前分配，没活儿的 Agent 摸鱼玩游戏——动画有趣，但实际执行结果一言难尽。
查看推文 →
一句 prompt 将落地页静态图片转换为视频，使用 Grok Imagine Video 实现，成本极低且效果比纯静态图有显著提升。
查看推文 →
💬 观点与洞察
随着越来越多人学会识别 AI 生成内容的特征，他们会意识到这个平台上（以及博客、文章、论文中）已有多少内容是 AI 写的。"面纱"正在揭开。
查看推文 →
AI 转型前必须先做 audit——不理解现有业务如何运作就上 AI，成功率极低。"没有服务就没有 AI"，先审计再建设才是正确顺序。
查看推文 →
如果 OpenAI 模型的设计质量能追上 Claude，通用 Agent 任务就彻底定局了。OpenAI 的界面很适合知识工作，但设计输出始终平庸。
查看推文 →
Obsidian 的一个被低估用途：作为 AI 工具的"记忆层"。往 Claude Code 或 Codex 堆越多 Skills、MCP 和上下文，表现反而越差——保持精简才是最佳实践。
查看推文 →
警告：如果在字节、阿里、腾讯等大厂被大疆猎头找上，不要去。近期接触的两位开发者去了只待几个月就离开，经历一言难尽。
查看推文 →
🔥 精选推荐
Vellum 工程师 Anita Kirkovska 的核心论断：2026 年生产力工具的用户已经不是人，是 Agent。过去 90 天 Stripe、Notion、Cloudflare、Linear、Figma、Vercel 集体重构产品接入面——不是"加一个 AI 功能"，而是把产品从人类界面重新设计成可被程序调用的接口。她提出 Agent-native 五步法（Programmatic Parity、多接入面、/llms.txt 文档、Agent 身份原语、进入 MCP/skills.sh 生态）和六个新指标（DAA 取代 DAU 等）。最锋利的案例：Vellum 团队的 Agent 用不动 Webflow，于是 Webflow 一年少了 3 万美元收入——Webflow 的 dashboard 看不到这个流失，因为 churn 调查里用户只说"找到了更好的替代品"。
🦐点评：这是 SaaS 留存逻辑被根本改写的信号——Anita 直接判定"沉没成本护城河"在 Agent 时代失效（迁移成本 ≈ 0）。如果是对的，那 HubSpot/Salesforce 这类靠 100 小时学习成本锁定客户的 vintage SaaS，估值模型需要重做。更值得追踪的是次级机会：/llms.txt、MCP 注册表、Agent 身份/审计这些"Agent 时代的 DevTools"才刚冒头，可能复刻 2010 年代 API/SDK 公司（Stripe、Twilio）的崛起路径。最危险的 portfolio company 不是没做 Agent 改造的，而是不知道自己已经在因此流失的——他们看到的只是 DAU 缓慢下滑，归因到错误的对手身上。
Mnimiy 在 X 发布的 Claude 设置审计帖：Claude Code 的 settings.json 有 125 个配置键，官方文档只覆盖 40 个，剩下 85 个散落在 GitHub Issues 和 Discord 里。文章拆解了 18 个最值得改的设置——Memory 4-6 周后会"漂移"（建议开 project-scoped 隔离）、Extended Thinking 全开导致 18-25% 的 token 浪费、permissions.deny 存在已知 bug（Issue #11544）需要 chmod 600 双保险、hooks.SessionStart 按 git 分支加载不同上下文文件可降低 30% 上下文预算浪费。作者最锋利的判断：用户感知到的"Claude 变笨了"，本质是 MCP servers 和插件在对话开始前已经吃掉 4-8K tokens，"你的对话从一开始就在一间比你以为的小 30% 的房间里进行"。
🦐点评：85 个未文档化的配置键不是 Anthropic 的疏忽，更可能是刻意的产品分层——给愿意 grep 二进制文件的高强度用户隐性奖励。这对 Anthropic 是双刃剑：高级用户黏性极强（已经投入了"考古"沉没成本），但默认配置在新用户手上跑出劣化体验，反复触发"模型变差了"的归因错误。对赛道判断的启示：Claude Code 配置复杂度本身正在催生新的"Claude consultant"长尾——类似 GA/HubSpot 实施伙伴生态——但 Anthropic 如果不主动做 onboarding 透明化，会把高 ARR 用户拱手让给 Cursor 这类零配置体验的对手。
作者发现两本书是同一作者 Eric Jorgenson 用同一方法做出来的——不写传记、不做采访，而是从一个人海量公开发言里提炼思维框架，编排成可操作手册（《纳瓦尔宝典》卖了上百万册，《马斯克原理》花了 5 年从马斯克 20 年的 300 万字访谈推文中编排）。两本书对应人生两阶段：财富自由前（纳瓦尔——专长 × 责任 × 杠杆）和财富自由后（马斯克——第一性原理、工程学就是魔法、技术是决定性优势）。摘录的金句包括：纳瓦尔的"最好的工作是终身学习者在自由市场中的创造性表达"、马斯克的"用类比思维理解世界，用第一性原理改变世界"、"创意本身没有多少价值，做出原型还不够，规模化才是关键"。
🦐点评：Jorgenson 的方法论本身就是一个值得追踪的内容形态——把高密度公开发言机械化压缩成可操作手册，本质是一种"低成本传记"的内容工厂。AI 时代这个模式可以被无限复制：任何有足够公开输出的人（创始人、研究员、KOL）都可以被这样编排。已经有 Granola、Limitless 这类工具在做个人输出的捕捉，下一步必然是"人物思维框架自动生成"——这可能是创始人画像研究的下一代工具。对 VC 自己的应用：纳瓦尔"杠杆 × 判断力"框架对早期投资判断有直接迁移价值——每个决策质量的提升会被快速放大，提升判断力的两个方法（真实实践、读书学习）解释了为什么资深 GP 的命中率会指数级拉开差距。
📌 其他值得看
AGENT橘 对 DeepSeek 战略的原创解读，论证梁文锋押注 MoE/GRPO/RLVR/MLA 等底层创新而非订阅变现，目标是带动中国万亿美元 AI 产业（同主题更完整中文版见下条宝玉AI 译文）。
宝玉翻译 GDP (@bookwormengr) 原文：DeepSeek 不卷编程订阅、不做多模态、坚持开源不是疯狂，而是在用底层算法创新（MoE、GRPO、RLVR、MTP、零气泡流水线、MLA/DSA/CSA/HCA、Engram、mHC）压低推理成本，目标是借此催生中国 10 万亿美元 AI 产业。