DesignCode 创始人 Meng To 一个人用 Claude Fable 5.1，仅 3 天做出原本需要 10 人团队、3 个月、大几十万预算的跨国商业 App StoryComet，包含 15 本交互动画儿童绘本、5 国语言配音、3D 徽章系统、Supabase 数据库和 Stripe 付费订阅。第一天跑通核心闭环验证市场，第二天工业化复制内容与多语言，第三天完成商业化收敛。作者指出，AI 将执行成本压缩趋零后，决定产品价值的不再写代码速度，而是个人的审美、品味与商业判断力，一人公司的生产力天花板被极大拉升。
本期早报聚焦 Agent 能力落地过程中的工程变量与真实收益。精讲三篇：DeepSeek V4.1 Flash 通过大幅缩减 KV Cache 降低长上下文推理与缓存成本；Magic 用保留集、缩放律和防数据泄漏评测验证预训练配方的十倍效率提升，强调跨规模验证的重要性；Shopify 因编码模型降低双端实现成本，从 React Native 转向 Swift/Kotlin 原生开发，并通过 Helix 流程保证 AI 生成代码的可交付性。速览部分涵盖 Cognition SWE-2 的成本-能力 Pareto 优化、Agentic Harness 工作流框架、Anthropic 网络安全事件对齐复盘、规范驱动开发研究、LinkedIn 企业 Agent 的 Skills 实践与 Bolt CEO 关于原型到生产代码的访谈。
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。
DeepSeek 发布 552B 参数的开源 MoE 模型 V4.1 Flash，原生支持多模态视觉理解，官方称其性能、费用、速度全面超越 V4 Pro，V4 Pro 将于 9 月 14 日下线。作者通过两个实战项目（3D 程序化城市生成器、基于 draw.io 的 AI 智能绘图工具）横向对比 V4.1 Flash、V4 Pro 和 GLM-5.3-Flash。结果显示 V4.1 Flash 完成度最高，输出速度达 287 TOK/s，成本仅约 5 元/项目，多模态能力让前端开发质量明显提升，最终结论是梁神回归，可重新推荐为日常 AI 编程模型。
作者Julie Zhuo分享了她从依赖第三方软件到自建个性化工具的心路历程。她因不满现有AI代理管理工具的局限，利用AI在半小时内构建了移动端应用Mog Squad，随后又开发了桌面版，实现了同时管理Claude和Codex等多个代理、高度定制化的工作流。她还为孩子打造了融入个人生活故事的Duolingo风格学习应用。文章指出，AI时代让超个性化软件成为可能，人们将更偏爱自己组装的工具，第三方通用软件的主导地位可能被颠覆。
Marc Andreessen 回顾其 2011 年“软件吞噬世界”的预言已成真，并指出 AI 编码代理正让软件吞噬世界的速度从人手转向算力。以 Devin 为例，代理已能编写 90% 以上生产代码，工程师从“码农”变为“代理舰队 CTO”，实现 10 倍乃至 100 倍杠杆。奔驰、Rivian、Itau 等企业案例显示效率提升显著。他反驳“AI 终结软件工程”的论调，认为需求无限，技术解锁新市场。a16z 因此重仓 Cognition，看好其团队与愿景。
作者轩辕之风受 tk 教主实验启发，在 Apple Silicon Mac 上测试 GPT-6 Astra 直接生成二进制程序的能力。通过两个案例——弹出消息框和简易计算器，模型均成功生成可运行的 Mach-O 文件，无需调用编译器。模型使用 Python 脚本计算指令编码、修正地址、拼装文件结构，直接写入 ARM64 机器指令并调用系统接口。这验证了马斯克今年 2 月的预言：AI 将跳过传统编码直接生成二进制。文章探讨了编程语言可能消失的未来。
文章介绍零基础用户如何借助 AI 工具（Coze、Trae、DeepSeek、MiniMax Code 等）从 0 到 1 手搓一个自己能用的生活小 App。核心流程为：发现生活痛点 → 只做一件事 → 用「谁用、痛点、最小三屏、不要什么」模板写清需求 → 生成初版 → 用具体反馈迭代 → 自用一周验收。文章强调避免需求膨胀、只生成不调试、一上来就上架等六大坑，并以奶茶记账、电子衣橱、冰箱临期提醒三个可复制案例演示具体做法，主张先用起来再谈美化与上架，最终把方法变成可复用的生活工具系统。
作者商科出身，曾做投资和猫粮创业，2026年1月才开始借助AI写代码。因业务需求接触爬虫工具OpenCLI并参与开源，后开发团队AI工作台PawWork，并参与Apache孵化项目Maka。Maka在Terminal-Bench 2.1测试中通过率77.5%，排名第二。作者认为LLM+Harness=Agent，强调Harness需要benchmark，并分享了对Vibe Coding、开源协作和知识原理的思考，最后给想参与开源的朋友提出建议。
作者基于 Matt Pocock 的《A Complete Guide To AGENTS.md》撰写读后复盘。文章指出 AGENTS.md 是定制 AI 编程 Agent 行为的配置层，常见问题是规则不断累加形成难以维护的泥球，并消耗模型上下文与注意力。原文提出指令预算和渐进披露等治理方法。作者提炼出四条认识：AGENTS.md 是配置不是百科、稀缺的是上下文、好规则需有证据与作用域与长期价值、按需加载有成本。面对原文反对自动生成与其自身开发生成器 AgentsMD-GEN 的表面矛盾，作者主张用纪律约束自动化，介绍了该 Skill 的指令放置、克制、只读检查器和验证等机制，把认真维护配置从自觉变成可执行流程。
作者分享了一个开源项目 M3E Canvas：可在浏览器中拖拽 Material 3 Expressive UI 组件，设计多个页面和交互流程，然后一键生成 Prompt，交给 Claude Code、Codex、Gemini CLI 或 Cursor 直接生成 App 代码。它支持 Android / Web 平台、多页面跳转、主题、动画和组件编排，实现了从“画 UI”到“AI 写代码”的高效衔接。针对“低代码编排”的质疑，作者认为借助 AI 能力，这一方式比以往更强大。
程序员鱼皮实测 OpenAI 最新发布的 GPT-6 Astra 模型，通过 4 个由浅入深的案例评估其能力：3D 程序化城市生成器、3D 奥德赛战争视频动画、复刻 Cursor 的全栈 AI 编程工具，以及操作 KiCad 完成电路板布线。结果显示 Astra 在前端审美、产品设计、生成速度方面较 GPT-5 系列大幅提升，且有自己的产品想法，速度比同级模型快近三分之一；但在精细的 Computer Use 画布交互上仍存在坐标不准等问题，且 Codex 额度消耗明显更快。作者认为 Astra 适合视觉要求高的前端和全栈项目，日常任务用国产模型更划算。
程序员小灰分享其用AI开发的第三款游戏《无为修仙传》上线5天的数据：净销量803份，净营收1059美元（约7646元），最高同时在线225人，成绩可进入Steam独立游戏前20%。文章介绍了这款放置类修仙游戏的定位与玩法，回应了“简单游戏是否有人玩”和“AI开发是否轻松”的质疑。他指出AI虽能完成策划、代码、美工等工作，但玩家反馈驱动的频繁迭代仍需人主导，每天更新2-3个版本。下一步他打算暂停多款开发计划，专注打磨这款已获成功的小爆款游戏。
文章提出三个核心判断：装了 skill 不等于会被调用（Vercel 测试显示默认配置下 56% 的用例中 skill 未被触发，需显式指令）；Codex 兼容性不能靠猜，官方插件市场、npx skills CLI、git clone 三条安装路径可靠性递减；装多了会互相冲突。随后详细推荐 10 个通用 skill：superpowers、mattpocock/skills、addyosmani/agent-skills、ok-skills、graphify、archify、last30days、taste-skill、Anthropic-Cybersecurity-Skills 和用于环境校验的 agnix，并给出安装路径取舍建议与避坑清单，强调效率提升在于正确的工具链配置而非盲目堆砌插件。
文章复盘了一个不懂传统编程的团队转向 AI 编码的企业级实践。作者提出与主流 Copilot 叙事相反的范式——不是 AI 辅助人，而是人辅助 AI：AI 是执行者，人是决策者，由产品总监负责定义需求、设定边界和裁决。团队踩过两万字 PRD 翻车的坑，总结出传统 PRD 对 AI 的三大致命伤（模糊词、流程图依赖、文档脱节），并沉淀出情景化开发路径（UI First / Data First）、AI 友好型 PRD 四特征（全局术语表、EAR 表、逻辑真值表、UI 绑定）以及用 AI 质检 PRD 的方法。核心结论：输入质量决定 AI 产出质量，把话说清楚从软技能变成硬工程。
文科生作者记录了与 Codex 协作，用两天时间把「批量保存 X 长文」的需求开发成原生 macOS 应用 MarkX 的全过程。文章详述了从技术验证、采集架构重构（放弃付费 API、复用浏览器登录态）、视频下载与播放崩溃修复、图床权限问题的解决，到失败状态持久化、目录迁移与图标打磨等细节。作者认为 AI 极大降低了从想法到第一个可用版本的门槛，但判断完整性、处理隐私、保护数据、诚实面对失败等产品判断仍需人来负责。
作者实测OpenAI新发布的GPT-6 Astra模型，认为其综合能力追平Claude Fable 5，OpenAI重回黄金时代。文章从三方面展开：一是速度大幅提升，任务完成时间从数小时缩短到十余分钟；二是前端和审美能力史诗级强化，一句话即可生成高精度3D网页模型；三是代码能力追平Fable 5，能从本质层面发现并修复系统深层问题，并介绍Codex实验性跨窗口笔记功能。作者还分享了为超级模型简化的AGENT.md配置建议，强调聪明模型需要更少限制规则。
作者分享了自己开发的小红书虚拟产品销量监控工具“红薯雷达”背后的选品逻辑和完整开发提示词。文章指出只看累计已售容易选错品，销量监控的核心是记录数字变化而非静态数字。作者提出两个自创指标：爆品值（累计已售÷今日销量，越小越好）和商品价值（客单价×今日销量×动销占比），并通过实际商品案例讲解如何用四象限法排列优先级，再做可交付性、优化空间、利润结构、季节性四层人工判断。文末强调AI编程降低了开发门槛，关键在于把思路讲清楚，并公开了完整提示词。
作者以截图美化工具 RicoScreenshot 为案例，完整拆解了 Vibe Coding 的六步工作流：读懂项目、建立视觉规范、规划功能、开发实现、视觉交互调整、测试上线。文章强调每个环节做正确的事：先用 AGENTS.md 让 AI 理解项目架构，用 DESIGN.md 统一视觉规则，用 TODO.md 管理需求和进度；开发阶段一次只做一个功能，并重视亲自使用后的体验判断。该流程基于开源项目 image-beautifier 二次开发，纯前端实现，适合作为新手的第一次完整项目练习。
文章讲述 Vibecoding 产品上线后常被忽视的 SEO 与 GEO（AI 引用优化）问题。作者分享自己转化页因抓取配置错误对搜索引擎和 AI 抓取程序隐身三个月的踩坑经历，并推荐两个开源工具：geo-seo-claude 提供 16 个 skill，从可抓取性、可读性、可引用性、内容质量四层漏斗做全面检查与前后对比；agency-agents 的 4 个 agent 从策略角度复核结论。文章附安装使用步骤及真实 Search Console 数据：改造后曝光从两周 1 次点击提升到 63 曝光、9 次点击，强调持续对比比单次检查更重要。
作者分享了使用 Codex 结合 Remotion 制作动画的实战经验。文章指出写代码反而是最简单的部分，难点在于动画的节奏、连续性和可读性等细节判断。作者介绍了 Remotion 的帧驱动原理、useCurrentFrame 和 interpolate 等核心 API，以及如何通过 Remotion 官方 Agent Skills 让 Codex 更高效地生成动画代码。文章还系统讲解了时间、状态、Keyframe、Easing、Spring 等动画基础概念，并结合自媒体口播视频的 A-roll、B-roll、动画三类画面整合需求，说明了构建完整视频生产工作流的方法与踩坑经验。
作者袁锐钦（无编程背景，靠 AI 编程）开源了游戏攻略站模板 AnvilWiki，并完整讲解普通人从 0 到 1 建站赚 Google 广告费的流程。文章先厘清六类游戏站的差异，指出攻略站最适合新手：成本仅 60-80 元/站、靠 AI 生成内容、流量来自玩家搜索兑换码和攻略。核心方法论为'选对需求→快速上线→数据迭代'，详细展开七步实操：四层漏斗选游戏（发现、评分、需求验证、竞争验证）、买域名、2 小时用模板建站、首日上线 10-15 篇核心页面、部署与 GSC 收录、上线后数据诊断等，并澄清三大常见认知误区。
作者复盘自己做的一个 Vibe Coding 辅助产品失败的经历。该产品旨在帮新手在设计产品（业务系统、页面结构、视觉风格）后再让 AI 写代码。做到一半他发现失败根源不在技术，而是他把'我看到的现象'当成了'用户需求'：他厌恶混乱的 vibe coding 结果，但用户追求的恰恰是低成本快速试错，'能跑就行'。他用开发者视角和专业标准去定义需求，却没有做调研，最终得出结论：不是发现了需求，而是自行补完了后半句，于是停掉了产品。
作者基于3年超过2000小时的AI编程经验，分享其截至2026年Q3的完整Agentic Engineering工具配置。包括：界面工具（bb、cmux、Ghostty、Herdr、Corral）；模型与订阅的性价比方案（OpenCode Go、ChatGPT、Claude Code、Cursor等组合，强调订阅优于API计价）；云端Agent趋势（引用Cursor合并PR中云Agent占比从10%升至60%），并推荐自建VPS+Herdr避免生态锁定；以及语音输入提速、Pi Agent等harness工具。核心观点是追求以最少花费获得最多token，并追踪多Agent状态管理。
本文是 Codex 实战教程，作者以「一页」阅读打卡小程序为例，完整演示从零到发布微信小程序的流程：先用 Figma 确定页面设计，可通过 Codex 生成 SVG 草案再导入 Figma 制作可点击原型；再通过 Figma MCP 让 Codex 读取设计稿，按 WXML、WXSS、JavaScript 技术栈生成微信原生小程序代码；随后导入微信开发者工具模拟运行、调试报错；最后手机预览、上传体验版并提交审核发布。文章面向零代码基础的读者，强调只需写清楚提示词和提供设计稿，无需看懂代码即可完成开发。
作者以 Mole 项目（11 万行 Swift、3347 个 XCTest）为例，从产品工程师视角分享 AI 全量生成代码时代保持代码可维护性的实践经验：由工程师主导架构设计与文档沉淀；重视覆盖边界场景的单测，坚持 AI 写的代码由 AI 测试；修 Bug 时补充回归测试并把原因写入规则；用按模块拆分的 Rules 和 Skills 记录功能边界与历史决策；坚持少做无用功能避免维护成本腐化；充分利用 GitHub Actions 与 CI 兜底验证，设置流程卡点让 AI 自动化验证，从而让代码长期持续迭代、清晰可扩展。
本文介绍 Uber 如何在软件开发生命周期中高效运行 AI 软件工厂。目前 Uber 超过 70% 的 PR 由本地或云端 agent 完成，工程师构建了 3600+ 个 agent 技能，每天执行超 3 万次。文章提出软件工厂的四层 agent 使用架构，并将成本分解为六个可独立测量和优化的因子。通过基于真实工作构建的基准测试进行 Pareto 最优的模型选择、将子 agent 默认路由到更经济的模型、自动上下文压缩等优化手段，Uber 在模型不变的情况下将每千次请求成本降低约 34%，单会话成本较峰值下降 52%，实现了规模化的 AI 工程效率与成本控制。
匿名爆火的「牛来」模型 Ox-Alpha 揭晓身份，是智谱的首个原生多模态模型 GLM-5.3-Flash。仅 320B 参数（激活 18B），能力对标 Claude Opus 4.8，价格仅其 1/40，MIT 协议开源，跑在 10 万张国产芯片上。作者使用智谱官方 Harness 工具 ZCode 进行三个项目实测：复刻 Apple Vision 产品页、开发全栈 AI 绘图工具、制作 3D 联机对战游戏《牛来格斗》。测评显示其视觉理解与截图自主验证能力对 AI 编程体验提升巨大，长程任务稳定，但实时网络同步等后端难点仍有不足。
文章解析了 Codex 内部的四角色模型调用链（主模型、子 Agent、Review 模型、Compact），指出默认所有角色都用最贵模型导致成本过高。作者提出分级配置方案：主模型保留顶配负责规划决策，Review 和子 Agent 换用轻量平价模型，只需修改 config.toml 和 worker.toml 两个配置文件即可永久生效。文章还给出国产火山方舟的配置示例及其他省钱思路（Terra Max、Spark 高速模型等），强调好模型想清楚、便宜模型干活的分工思维可推广至未来 Multi-Agent 系统。
本文讲述 Matt Pocock 从声乐教练转型为程序员的成长历程。他无科班背景，在两节课的空隙里自学 JavaScript，接受降薪入行做开发，通过 xstate-codegen 等开源项目与 TypeScript 教学视频积累影响力，再以高价工作坊验证市场需求，最终转向 AI 编程领域，其 skills 仓库获得 23 万 star 并被 Anthropic 官方市场收录。文章提炼出他的核心方法论：抓住自己被卡住的真实问题，公开、不完美地做出作品，让更强的人参与进来，不断迭代。三次职业转向，变的是教材，不变的是教学能力与 build in public 的策略。
