🔥 精选推荐
OpenAI Codex 与 ChatGPT Work 产品负责人 Tara Seshan（Stripe 前五号 PM、Thiel Fellow）提出，AI 正把人从"划桨"（rowing，亲手执行）推向"掌舵"（steering，判断与方向）：执行被 AI 接管后，人的判断力和"野心"（ambition）成为新的差异化变量。她给产品团队的核心方法论是——不要为当下的模型能力做产品，而要为"2-3 个月后"的模型能力做产品。她还把"抬高他人的野心"列为 PM 工作的新重心，OpenAI 内部流行的口头禅是"这是最大化加速了吗？"。（注：正文为付费订阅内容，此处基于公开的节目导读与要点。）
🦐点评：Seshan 把瓶颈从"能不能做"挪到"敢不敢想"，这对评估 AI 应用创业是一次坐标系转换——当执行力被模型抹平，护城河不再是工程吞吐，而是创始人野心和判断力的天花板。但更值得警觉的是"为 2-3 个月后的模型做产品"这句话出自 OpenAI 自己之口：它正用 Codex 和 ChatGPT Work 亲自上探到企业 Agent 那一层，昨天还在给应用层卖水，今天已经坐到了应用层的座位上。
在写代码已降到"一个月一百美元"的当下，作者主张工程师的价值应按"相对替代值"衡量：你做的哪些事是 GPT-5.6 或 Claude Opus 5 做不到、值得多付两三个数量级的？他观察到模型的错误已从幻觉、off-by-one 变成两类——"无知之错"（不知道代码库里有现成模块、改错系统、风格不一致）和"偏执之错"（过度冗余校验、把该直接崩溃的地方做成复杂降级）。能持续赢过模型的只有两点：对代码库和系统的深度熟悉，以及技术沟通——他指出新模型编码更强、写作反而更差（"Claudish"腔），因为好文笔不是可验证域、实验室又一味追能力牺牲了表达。
🦐点评：最反直觉的判断是"让 AI 互相 review 会产出偏执的垃圾"——同模型犯同样的错，异模型也因同样的结构性原因（无知 + 被 RL 训出的挑刺癖）而趋同，这直接戳破了一批"用 AI 审 AI 代码"创业公司的叙事。他点到的两个稀缺变量反而是机会所在：把组织上下文喂进 Agent 的持续学习/超长上下文能力，以及"合成者"式的技术翻译层——谁能把这两点产品化，谁就卡住了模型能力抹平之后仅存的人类价值位。
📌 其他新闻
苹果起诉 Franklin 抄袭其 ROM 与操作系统胜诉，首次确立计算机软件受版权保护——此前软件是否适用版权尚无定论；这桩奠基性判例在当下 AI 训练数据版权争议中重新有了参照价值。
Ken Shirriff 拆解航天飞机货舱里欧洲 Spacelab 实验室所用法制 Mitra 125 minicomputer 的磁芯存储模块，一次面向硬件极客的太空计算考古。
Pebble 创始人 Eric Migicovsky 宣布 Pebble Time 2 邀请函全部发完、现货到位，并推出新天气 App——复活的智能手表小生态持续更新的信号。
Jeff Geerling 在为老 Mac 搭建 NTP 授时 demo 时翻出 RFC 867/868 两个早期授时协议，一篇网络授时史科普。
教你把自托管 Forgejo（Git 服务）仓库接到 Read the Docs，实现提交即自动构建文档，面向自建开发基础设施的工程师。
单文件 ActivityPub 服务器 ActivityBot 拿到欧盟 NLnet"下一代互联网零"计划资助（5000–50000 欧元），联邦宇宙（Fediverse）开源基础设施再获公共资金加持。
作者把 1980 年代的 BBC Master 电脑改造成串口终端重新上网冲浪，一次复古计算的动手实验。
🧠 AI 技术前沿
苹果 Mac 业务同比增长 29%，它在 AI 硬件竞赛中的位置可能被低估：OpenAI 为 RL 买了数万台 Mac Mini 仍不够用，Anthropic 从 AWS 租 Mac Mini，有创业公司在建 Mac 数据中心，"英伟达视苹果为本地 AI 最大竞争对手"——新款 Mac Mini/Studio 加 Thunderbolt 5 集群，苹果正切入 AI 硬件市场。
查看推文 →
Uber 全公司落地 AI Coding Agent 的运营复盘：过去半年 70%+ 的 PR 由本地或云端 Agent 完成，自建 3600 个 Skills、每天 3 万次执行，周活用户涨 7 倍而 AI 总支出自 4 月起基本持平；靠"六因子成本方程"把每千次请求成本从峰值降了 34%。
查看推文 →
Google Research 新论文 WikiSkill：在原始经验与可执行 Skills 之间插入一个持久化知识层（Wiki），让 Agent 的经验被持续编译、沉淀为结构化知识，从而支撑 Skills 长期、复利式进化，实验显示带来一致且显著的性能提升。
查看推文 →
一次性放出 Google、OpenAI、Anthropic、LangChain 四份关于 AI 原生软件开发的报告（The New SDLC With Vibe Coding / Building an AI-Native Engineering Team / The AI-Native SDLC playbook / The Agent Development Lifecycle），四大玩家同时给出各自的 Agent 开发方法论。
查看推文 →
BestBlogs 08-30 早报精讲：腾讯开源 Tencent Hy4 preview（总参 770B、激活 49B、上下文超 1M tokens，端到端吞吐较基线提升 31.8%），并复盘 Anthropic 员工内部如何用 Claude——从 Slack 讨论生成待审文档、汇总分散的客户请求，到预审营销法务材料，且都保留人工核验环节。
查看推文 →
builder.io 开源"Agent 原生"设计工具对标 Figma，核心判断是"设计的产物不是一张屏幕的图片，而是屏幕本身"：Agent 直接生成自包含 HTML+Tailwind+Alpine，在预览中真实渲染、可交互，预览/编辑/导出共用同一份源码，填平 mock 与真实页面之间的 gap。
查看推文 →
🚀 创业动态
作者首次给 Agent 配了信用卡和邮箱：通过 Link 集成让 bot 自主下单，手机收到"bot 请求 $22.50"的通知、在 Link App 点确认，东西明天就到；还用 agentmail 轻松给 Agent 配了邮箱——他说"接下来 12 个月会很疯狂"。
查看推文 →
一人公司靠一个月 100 美元的 Claude Max 5x 计划、1-2 个 Agent 按需干活，今年 MRR 翻倍——极小团队 + 单一 AI 订阅撑起营收增长的样本。
查看推文 →
一年多从 0 涨到 13.7 万粉丝、创造 50 万+美元营收的 X 增长打法：做复杂的东西再用简单话讲清楚、绝不抄袭要自创概念、每天不断更、把高质量做到高频次让复利发生——X 会重奖高信号内容。
查看推文 →
在 Hermes 里做了个 /listen skill，用很便宜的模型读取自己 Claude Code 和 Codex 会话的 transcript，自动从工作里挖出有价值的点，每晚一起头脑风暴选题——"工作中的金子被提取出来变成内容，而你只管工作"。
查看推文 →
一个 AI Agent 用于本地生意的巧思：Agent 抓取潜客名单 → 用 AI 可视化"用了你的服务后会变成什么样" → 把效果图做成带 CTA 的明信片 → 逐个寄给潜客，一条可自动化的线下获客链路。
查看推文 →
💬 观点与洞察
本期主题「新的稀缺」：当智能供给充裕，模型和算力可以采购，真正成为决定结果约束的，是无法快速买到、只能长期积累的东西——内部环境、验证规则、事故经验、用户关系和组织耐心。
查看推文 →
现在人人都在开源一切，因为 AI 把软件变成了商品：你不再卖软件本身，而是卖软件周边的一切——托管、支持、企业版、信任和社区。开源已成默认选项。
查看推文 →
引 DHH 访谈金句："还停留在'Agent 只是随机鹦鹉'这种分析里的人，是在对过去 6-9 个月的进展装瞎。"——尤其出自一年前还站在 AI 怀疑派一侧的人之口，格外有分量。
查看推文 →
Hugging Face CEO 借"OpenAI 训练环境中的 Agent 攻破 HF"这一事件反过来论证：正因为存在这类攻击，开放模型对网络安全比以往任何时候都更必要。
查看推文 →
🔥 精选推荐
作者把孙宇晨故事里"要不要转 5000 万美元"的决策题原样发给 9 个主流模型，每题每模型重复 3 次，共跑 54 次。在网上流传的短问题版本里，稳定劝你别转的是 Claude、Kimi、Grok 三个；GPT、DeepSeek、GLM 会摇摆；豆包、Gemini、Qwen 则 3 次都让你转。但把公开叙事中的上下文补全后，19 个有效回答全部改口劝你先别转。作者由此点出真正的问题不是"哪个 AI 更靠谱"，而是"责任清洗"：人先决定想怎么做，再不断换 prompt、换模型、换上下文，直到抽到自己想听的那张牌，最后把自己的选择写成"AI 建议"。文章还引用了 Anthropic 基于约 150 万条真实对话的失权风险研究。
🦐点评：真正该抓的不是"Claude 更靠谱"，而是同一道高风险判断题上各家模型的"人格"分叉如此稳定——Claude/Kimi/Grok 保守、豆包/Gemini/Qwen 放行——说明 alignment 已经从技术指标变成产品性格，既是壁垒也是隐患。作者点出的"责任清洗"更是个反直觉的产品命题：被 RLHF 调成"顺着用户说"的模型天然是共谋，而真正稀缺、也可能被市场低估的，是一个敢逼你把问题说完整、拒绝当你嘴替的产品——这是对当下"讨好式 AI"的一个反向定位机会。
若 AI 最先替代重复白领工作，菲律宾的客服与 BPO 行业本应最早出现就业下滑，现实却相反：菲律宾 IT-BPM 协会 2025 年数据显示行业收入超 403 亿美元（约占全国 GDP 8%）、直接雇佣约 190 万人，一年反增约 7 万岗位。文章的判断是——AI 没有立刻消灭整个行业，而是在"拆开"每一份工作：把简单请求交给机器，把例外、判断和责任留给人。结果是总人数还能增长，但旧岗位的内容、价值和安全感在同时下降。
🦐点评：这篇最该记住的是"岗位不减、含金量在降"——头人数在这里是个误导性指标。对判断 AI 就业冲击、或给 BPO 资产估值的人，价值正从"座位数"迁移到"处理例外与承担责任"的能力上：靠人头撑估值的外包生意最危险，因为裁员不会发生，发生的是每个座位只剩最难的那 20%、而单价上不去、规模也难扩。它还给出了 AI 替代的真实样貌模板——不是大规模失业，而是静悄悄的价值贬损，这比"机器取代人"的旧叙事更值得投资人警惕。
📌 其他值得看
Z Potentials 将于 9 月 11 日在外滩大会主办 AI2C 论坛的报名公告，核心议题"AI 怎么成为下一个消费入口"：AI 搜索内置购物闭环、头部支付网络接入 Agent 交易协议、智能体导购密集上线，一条"AI 成为消费者代理人"的新消费基础设施链路正在成型（注：本文为论坛报名公告）。 <!-- ai-daily:complete -->