YC 的 AI 最新风向标，所有想做 OPC 的人都值得一读
文章解读了 YC 2026 年秋季 RFS，指出 AI 创业正从单一功能转向整套系统，并深入物理世界。作者将 13 个方向重分为三层：人机关系、组织运行系统及现实世界编程，强调真正的机会在于建立完整的记忆、反馈与控制闭环，而非单纯依赖模型能力。
全部文档
7 篇
2026 年下半年靠 AI 赚钱的逻辑变了
文章回顾了 2023 至 2026 年 AI 商业模式的演变，指出市场已从卖「会用」、卖「接起来」转向卖「结果」。AI 能力日益廉价，对具体业务结果负责则愈发昂贵。无论是企业服务还是自媒体，真正的机会在于深入具体业务，解决昂贵且可测量的问题，而非单纯贩卖工具或流量。
Karpathy 把 HTML 这件事讲到了神经科学层面，但他留了两个口子
本文分析了 Andrej Karpathy 关于 LLM 输出 HTML 格式的观点。Karpathy 从神经科学角度指出，视觉是 AI 偏好的输出，HTML 是通往未来“神经模拟”的必经之路。作者结合自己的观察，对比了用户行为与科学原理的异同，并提出了 Karpathy 未尽的两个观点：一是输入端（人机交互）的滞后，二是 HTML 可能因工程上的局部最优而长期存在，不仅是过渡方案。
精读 Cursor 工程方法论：Agent 产品的 Harness 演进之路
本文是对 Cursor 官方博客《Continually Improving Our Agent Harness》的深度精读。文章剖析了 Cursor 团队在构建 AI Agent 产品时的工程化方法论，强调 Harness（系统提示词与工具调度层）是核心工程壁垒。内容涵盖从上下文管理、线上线下评估体系、工具错误治理（SRE 思维），到针对不同模型的深度定制及中途切换模型的技术挑战。核心观点是将 Agent 视为复杂软件系统，通过指标（如 Keep Rate）和自动化流程持续迭代。
AI 是真的在进化，还是看起来在进化
文章探讨了 AI 进化的方向已从单纯的模型参数优化转向 Agent 的自我进化。分析了 Hermes Agent、OpenClaw 等基于 Skill 和 Context 的技术路径，指出从 LoRA 参数更新转向 SKILL.md 的范式转移降低了工程门槛。同时，作者提出了构建 EvoAgentBench 评测标准的必要性，以量化评估 Agent 的自进化能力，并展望了参数空间与 Context 空间未来合流的架构趋势。
Karpathy 的 LLM Wiki：为何爆火与深度解析
文章深入分析了 Andrej Karpathy 提出的“LLM Knowledge Bases”概念。Karpathy 批评了当前 RAG 模式缺乏知识积累的痛点，提出由 LLM 维护的一组持久化 Markdown Wiki 作为替代方案。文章拆解了该方案的“原始资料、Wiki层、规则层”三层架构，以及“摄入、查询、健康检查”的操作模式。作者结合 EverMind Memory 的产品视角，探讨了这一模式从单次交互向积累能力转变的行业趋势，以及“Idea File”作为新知识传播单位的潜力。
Vibe Marketing Agent 从 0 到 1 实战指南
文章介绍了基于 Claude Code 和 MCP 服务器构建 Vibe Marketing Agent 的完整实战流程。核心方法论在于利用自定义 Skills 将专业框架固化，结合 Perplexity、Firecrawl 等工具进行深度市场研究，从而避免 AI 生成内容的平庸化。实战部分以本地生意营销为例，演示了如何从市场定位、文案撰写、落地页设计到 Lead Magnet 开发构建完整商业漏斗，并利用 SEO 和程序化视频广告实现流量获客，展示了单一 CLI 环境下完成整套营销系统的落地能力。