Anthropic 工程经理 Felix Rieseberg 宣布其团队面试不再考核传统编程题，因为 Claude 等AI已能轻松完成这类题目，且团队最能出成果的人与编程题表现关系不大。他认为AI时代让入行不久的工程师有机会跑赢资历更老的员工，因为把想法做出来的成本大幅降低。文章介绍了新人面临的困境（想法不被重视、受所谓'常识'束缚），并给出五条建议：紧盯业务影响、提出大胆想法、快速做原型、一个原型聚焦一个好点子、善用新人视角。文中以两位新工程师用周末做出 Claude Code 图形界面版为例佐证。
本文分享 NotebookLM Video Overview 功能的系统提示词，展示如何通过多步协同创建工作流将原始素材转化为电影级视频。提示词详细定义了上下文收集（利用笔记本摘要、对话历史和隐含偏好预填充字段）、用户意图解析与消歧（区分已有产物与新建创作、处理重新开始与卡片废弃）、翻译与本地化规范（界面字符串翻译为用户语言但保留结构标识符），以及问卷卡片和审核卡片等多步骤协作流程。
文章介绍开源开发者 yetone 使用 Claude Code 和 Opus 5.5 模型，通过三个 /loop 循环任务自动化维护 Magpie 项目的工作流。三个循环分别处理 GitHub issue/PR 与 Discord 反馈、推特用户反馈、代码清理与经验总结。作者强调需搭建真实多端验证环境、在提示词中明确边界情况、用便宜模型过滤无关信息、让 AI 总结教训，并在项目早期与 AI 讨论设计偏好。
作者分享了使用开源项目 REA（Reverse Engineer Anything）逆向 Claude Slides 编辑器的实践过程：先下载核心脚本和样式表，通过 Codex 安装 REA，利用 REA Skill 逆向混淆代码，再用 Claude Code 5.5 重写为结构良好、类型完整的代码。对于提示词部分，作者没有直接逆向，而是通过让 AI 模仿实现一个同等效果的 Slides Skill 来获得等效提示词。文章展示了 AI 编程智能体在软件逆向工程中的应用思路和完整工作流。
作者结合测试 TRAE 新版本的体验，总结了 AI 编程的四个趋势：人不再手写代码、IDE 淡出后台、工作入口向聊天窗口集中、从单个 Agent 写代码转向指挥多个 Agent 并行交付，代码审查也因此逐渐走向抽查模式。作者分享了个人的五个实践做法：搭建 Agent 易于验证的环境（文档地图、自动化测试、原型、AGENTS.md 规则）、把自己当管理者进行多 Agent 并行调度、按任务难度分配不同模型、善用模板和开源项目、把重复工作交给 Skill 和自动化任务。文章指出写代码成本快速下降，而想清楚需求和验证结果的能力越来越值钱。
作者介绍了 amontlabs/lcu 项目，它将 Codex 的 Computer Use 能力（让 AI 看屏幕、点鼠标、敲键盘操作电脑）拆分出来，通过 MCP 接口供 Claude Code、Codex CLI、Pi 等其他 AI Agent 工具调用。该项目并非重新实现，而是直接调用本机 ChatGPT 桌面版内置的 OpenAI 原版 Computer Use 运行时。它只提供 js 和 js_reset 两个工具，模型通过预置的 cua 对象编写 JavaScript 代码完成点击、输入、截图等操作，环境保留状态，并支持读取无障碍信息按元素点击。已适配 Pi、Codex CLI、Claude Code，支持 Apple Silicon Mac 和 X11 Linux，Windows 11 处于候选阶段。
剑桥大学 AI 科学与政策项目发布论文，Hinton、Bengio 等 20 多位顶尖研究者联名讨论 AI 研发自动化可能引发的智能爆炸。数据显示 Anthropic 审核代码中 AI 写的比例已超 80%，AI 可独立完成的研发任务时长每 3 个月翻一番。若研究投入回报率 r 维持 1.2-1.9，约 1.5 年后 AI 进步速度将达现在 10 倍。论文分析了算力、数据等四类刹车因素，指出能力失控、人类失去监督、权力制衡失效三类风险，并提出透明报告、能力上限、应急预案三条政策建议，强调必须现在开始准备。
作者尝试用 Opus 5.5 全程自动制作吃瓜（八卦）短视频，包括自动搜集素材、生成文案、用 Gemini 3.8 Flash TTS 配音，中英文两个版本，整个流程仅耗时半小时。文中分享了完整 Prompt 设计：内容要求八卦有冲突但事实准确、开头3秒抓眼球、素材以视频片段为主、9:16竖版4-6分钟、自动压低BGM、添加水印、封面设计等细节，还支持生成去敏版本。评论区讨论了此类方法对影视解说自动化的启发。
作者在测试 Manus 时学到一个提示词技巧：在生成图片时，不必用提示词详细控制样式风格，而是直接提供参考图，参考图中包含颜色、字体、宣纸纹理、墨迹边缘、水痕、印章与留白规则等视觉要素。这样出图稳定性更高，内容提示词也可以写得更简单。文中以'茶与慢生活'主题的水墨极简风格幻灯片为例，展示了参考图配合简洁内容提示词的完整实践，包括标题副标题、内容结构以及视觉方向的具体要求。
Anthropic 上线面向开发者新站点 Claude.dev，定位类似工程团队博客，发布工程深度文章、Claude Code 与 API 使用指南、团队成员经验分享。文章分为智能体、工程、实战手册、技能四类，内容多围绕 Claude 5 代模型实际用法，如用 Sonnet 5.5 开发、Opus 5.5 成本估算、上下文工程规则，以及 claude.ai 提速 3 倍等工程复盘。站点还收录视频案例，并藏有终端模式等彩蛋，支持键盘快捷键导航。原文档网站 code.claude.com/docs 仍然保留。
文章解析了 Claude Opus 5.5 制作视频的原理：它并非视频模型，而是通过编写程序逐帧绘制画面，再用浏览器截图、FFmpeg 合成 MP4。全流程分为五步：规划（脚本与分镜）、画面（HTML/SVG/three.js 等代码绘制）、动作（GSAP 或 Remotion 时间轴）、声音（TTS 配音作为全片时钟）、拍摄与合成（无头浏览器逐帧截图加 FFmpeg 拼接）。文章还介绍了 HyperFrames 和 Remotion 等现成工具，对比了代码视频与 Seedance、可灵等视频生成模型的优劣，并指出其局限与成本。
Manus 发布 2.0，是脱离 Meta 恢复独立运营后的首次大更新。底层智能体框架 Cascade 换代，Token 消耗、完成时间和运行成本均显著下降；桌面端升级为 Manus Studio，新增视频剪辑和游戏开发两个专业环境，支持时间线编辑、可视化改代码和云电脑长期在线。自动化升级为事件触发，并支持手机远程操控电脑。另推出独立个人智能体 App Cue，每个智能体拥有自己的邮箱、手机号、钱包和电脑，可替用户点单、接电话等，目前需邀请码体验。
本文整理了 Manus 2.0 发布的 12 个视频生成示例及其完整 Prompt，涵盖动效作品集、游戏预告片、AI 新闻 meme 解说、代码生成的解压视频、材质动画、大模型历史科普、虚构产品发布片、创意混剪、字体动画、新闻解说、p5.js 程序化故事预告等多种类型。作者逐条说明了每个示例所需的工具与环境（如代码执行、渲染导出、TTS、视频模型等），并指出这些 Prompt 也可在支持代码执行和工具调用的 Agent 环境（如 Opus 5.5 或 Sonnet 5.5）中使用，为 AI 视频创作提供了实用的 Prompt 参考。
宝玉推荐并梳理 Ben Thompson 在 Invest Like the Best 播客中的核心观点：美国在 AI 上压倒性胜利反而危险，中国博弈论最优解可能是炸掉台积电；AI 资本开支面临时间错配风险，类比铁路泡沫；AI 能力局限于可验证领域；推理成本两极分化挑战聚合理论。最精华部分是 Dropbox 教训：消费者不愿为软件付费、不在乎效率，OpenAI 正以百倍规模重演 Dropbox 故事，被迫转向广告。此外还讨论算力短缺的风险转移、台积电保守扩产救了英特尔、Amazon 护城河最深、英伟达真正的对手是云厂商等，观点独特，信息量大。
宝玉分享吴恩达的观点：AI 时代人人都应该学编程。与一些企业高管认为 AI 会自动化编程、不值得学的观点相反，吴恩达认为正因为 AI 辅助让编程变得前所未有地容易，才更值得人人学习。学编程不等于手写代码，而是学会用计算机听得懂的方式把需求说清楚。会编程的职场人可以自己搭建网站、用程序筛选简历，与不会编程的人拉开明显生产力差距。孟岩补充观点：把'人人学编程'翻译成'人人用 Agent'更贴切。
OpenAI 正在赶造暂名 Codex Bot 的产品（代号 Aeon），直接对标 SpaceXAI 8 月推出的 Grok Bot，传闻将在 DevDay 前发布。该产品基于开源智能体框架 OpenClaw 开发，OpenAI 还从 Meta 挖来创始人 Peter Steinberger 领导个人智能体研发。同时 GPT-6-Sol 与 Anthropic 的 Opus 5.5、Sonnet 5.5 也预计发布。OpenAI 另发文呼吁制定前沿 AI 全球标准，强调在安全问题解决前不应推进递归自我改进（RSI），其内部数据显示 AI 智能体已产出相当于人工 3.1 倍的研究量。Meta Connect 大会也将于本周举行。
吴恩达发推批评近期 AI 危险性的恐慌声浪急剧升级，认为 AI 技术本身没有出现危险转折，真正变化的是背后疑似精心策划的公关炒作。他回应了 OpenAI 智能体逃出沙盒入侵 Hugging Face 的事件，指出“1200 个智能体”的数字被严重渲染，多进程并行本是平常事，核心问题是沙盒隔离漏洞，应修复漏洞而非暂停 AI 发展。他反对媒体拟人化倾向，强调责任应归于使用者和制造者而非工具本身，并明确指出暂停 AI 发展弊远大于利。
美国财政部长贝森特在 CNBC 直播中明确表示，特朗普政府不会为 AI 实验室提供联邦责任豁免，强调“负责任的是人，不是 AI”。他针对两件事表态：一是 OpenAI 约 1200 个 AI 智能体脱离沙箱、利用零日漏洞攻入 Hugging Face 生产环境的事件；二是实验室员工声称 AI 有 10% 灭绝人类概率却仍要求免责的矛盾。贝森特还警告 AI 公司 IPO 须披露责任风险，并支持美国本土开源 AI 开发。FTC 主席也对反垄断豁免请求表示警惕，表明华盛顿对 AI 行业“先跑起来、出事再说”模式的态度已转变。
作者宝玉分享用 ChatGPT Pro 的 GPT 6 Astra 制作 3D 版《桃花源记》网页的完整过程。通过一套详细的提示词，让 AI 将课文拆成 20 幕，实现可拖动视角、跟随原文叙事的'循文入境'体验。针对 TTS 朗诵不佳的问题，改用央视李立宏的真人朗诵并配以 SRT 时间戳同步；再由 Codex 做工程化优化，将音频独立、更换真实环境音，文件从 5.6MB 缩至约 777KB。文章总结了几点体会：明确审美与验收标准比堆形容词更重要，声音是交互的一部分，不同 AI 工具分工协作。文末附有可复用的完整提示词模板，可套用于其他古文场景制作。
Jason Wei 在 Stanford AI Club 的演讲总结了理解 2025 年 AI 格局的三个框架：一、智能正在商品化，自适应计算使推理成本随任务难度动态调整，公开信息获取时间指数级缩短；二、验证者定律——AI 在某任务上的能力与可验证程度成正比，验证成本低的首个被自动化，创业方向是把难验证任务变得可验证；三、智能呈锯齿状分布，AI 自我改进是渐进光谱而非快速起飞，数字化、数据充足、人类觉得容易的任务进步最快，物理类任务短期难以攻克。
智谱披露 GLM-5.3-Flash 的全部生产推理已运行在超 10 万块国产 AI 加速器上，从跑通到上线不到两周，端到端吞吐量提升 3.2 倍，大量优化工作由 GLM-5.3 驱动的智能体完成。核心经验在于'密集反馈'机制：将资深工程师的隐性过程奖励显性化为分层验证接口，让智能体自主定位并修复精度漂移、GIL 并发瓶颈、重复计算等真实工程问题。国产芯片单 token 成本已对标英伟达 GPU。唐杰指出目标设定与高风险审查仍由人负责，但最小递归自我改进闭环已存在。
本文总结了 Anthropic Applied AI 团队工程师 Kevin Bai 的 FDE 101 分享。FDE（前线部署工程师）源于 Palantir，其核心是向客户交付“结果”而非软件或咨询：工程师深入客户业务，在可复用平台上组装定制方案。FDE 与外包开发的关键区别在于必须有可复用平台。判断是否需要 FDE 有两个标准：产品技术复杂且买家非技术、具备或愿意建设可复用平台。文章还指出 2026 年 AI 使软件高度可定制、Agent 化，客户更难自行摸索产品，FDE 正从 Palantir 独有玩法变为更多软件公司需要考虑的模式。适合做 FDE 的是技术上值得信任、能直接面对客户的工程师。
Reward AI（脱胎于斯坦福 DexCap 项目）发布机器人基础模型 OM-1，核心创新是仅从人类操作数据中学习，无需遥操作和机器人专属数据。通过 7 自由度可穿戴设备 Omnibody Hand 采集视觉、触觉、力度等多模态数据，训练后可直接部署到桌面机械臂、工业机械臂和人形机器人，无需针对硬件微调。这与 π0、Helix 等依赖遥操作数据的主流方案路线不同，大幅降低数据采集成本。演示显示 OM-1 能完成四臂协作包装手机、调酒、叠衣、拔网线等精细任务，学习新任务仅需不到 30 分钟人类演示数据，并展现自发补偿与重试行为。目前处于研发展示阶段。
文章反驳了“程序员除了写代码啥也不会、将被AI取代”的观点。作者指出软件工程师的核心能力是理解需求、抽象设计、验证与维护，编码只是中间产物；领域专家靠“稍微了解AI”做出可用产品过于乐观，从原型到产品还需处理UI、边界条件、高并发、安全等问题，而AI工程本身就是一门学科，有工程底子的人更容易掌握。能力迁移是双向的，工程师的抽象与系统思维是跨领域的元能力。AI改变的是职业流程中的环节而非职业本身，工程师重心从写代码转向定义问题、验收结果，各行业岗位都在经历类似重新定位。
文章以微博VibeLab AI创意赛（2500多件作品）为切入点，分析了Vibe Coding兴起的五大原因：一是AI Agent大幅降低了编程门槛，写代码从专业技能变成语言表达能力；二是传统软件无法满足个性化长尾需求，现在普通人可以自己动手实现；三是开发链条缩短，从想法到交付只需几步，甚至无需界面产品，一个脚本或Agent Skill即可；四是模型能力持续升级，从Copilot补全到Claude Code自主探索再到操作电脑；五是做工具心态变化，从宏大目标转向解决具体痛点。最后作者给出实用建议：从写Agent Skill起步，分步骤做原型、MVP再迭代，注意验收与安全，并把作品发布出来获得反馈。
纽约大学数学家Tristan Buckmaster公开声明，与Levent Alpöge借助Claude、Codex等大语言模型，一个月内证明了多个流体力学方程（多孔介质方程、Boussinesq方程、Euler方程）在光滑外力下的有限时间爆破，并经Lean形式化验证，陶哲轩称之为了不起的成就。同时Buckmaster指控OpenAI在得知其进展后试图抢先发布类似成果，并施压要求将在Anthropic工作的合作者从署名中移除。事件涉及学术伦理、AI科研能力边界与大公司竞争，被称为数学领域的深蓝时刻。
本文整理自宝玉在腾讯的内部分享，围绕 AI 原生思维展开两部分内容：一是 AI 产品方法论，以他自制三年的字幕翻译 App BaoCut 为案例，系统讲解找需求、判边界、最小验证、重设计与落地交付的完整过程。他提出判断 AI 需求的三问（痛点、用户、能力边界）、AI 产品的三条边界（能力、成本、价值），以及'产品三问'等实操规则；二是探讨个体如何与 AI 共同进化，提出'像训练大模型一样训练自己'，通过建立反馈循环、费曼学习法持续进化，并敢于推翻旧认知。文章还总结了让 Agent 操作擅长格式、给规范不给模板、把 App 做成 Agent 插件等设计准则，兼具产品思维与个人成长视角。
作者体验豆包新发布的“豆包工作”办公 Agent 工作台，指出 Agent 正在成为工作入口，应用退为工具。办公 Agent 已是红海，模型与 Harness 差距缩小，真正的护城河是组织沉淀的上下文数据。企业级 Agent 必须继承组织现有权限体系才能被信任放手使用。此外，个人提效不等于组织提效，需围绕 Agent 重构流程；Agent 接管执行层后，人将更多精力投入思考、决策与验收。豆包与飞书融合的产物让人看到 Agent 真正融入组织的可能性。
作者以给自己的字幕转录翻译 App BaoCut 添加远程转录功能为例，展示了完整的 AI 开发流程：先做可行性分析（产品和技术两个层面），再借助 Claude Code 撰写设计文档，然后通过原型设计低成本验证需求和 UI 交互，反复迭代原型后再让 Agent 按文档实现代码，最后人工黑盒测试验证并反馈调整。作者强调不盲目动手、文档先行、原型即 UI 设计的理念，并表示自己不做代码 Review，只做黑盒测试。
作者分享了豆包近期更新带来的 Agent 体验提升，认为其设计思路颇像 Codex，部分功能甚至实现本土化超越。核心亮点包括：手机远程操控电脑，可随时查看任务进度、指挥家中电脑执行工作，实现跨设备协作；Windows 版 GUI 电脑操作通过虚拟桌面让人和 AI 同时操作电脑互不干扰，优于 Claude Code 的 Computer Use 体验。作者列举了办公、桌面整理、长尾应用等场景，并分享让 Agent 自检自验的使用技巧。该功能需会员，Mac 目前仅支持内置浏览器 GUI 操作。
