走在前面，还是被推着走
Tw93 分享对工程师转型的观察：转型 AI 工程师的工程师与固守传统岗位的工程师之间的差距，就像当年移动互联网工程师与传统电信工程师、智能手机与功能机的区别。他认为温水煮青蛙的水已经发烫，走在技术前面的人更游刃有余，被推着走的人会很痛苦。作者回顾自己 2019 年起突破岗位边界，涉足设计、产品、前后端，以解决问题为导向，多年积累在 AI 时代成为自己的护城河，并附上自己历年关于工程师成长与趋势思考的文章列表。
全部文档 / 标签: 技术趋势
26 篇
论自主AI的必然性
本文探讨了自我主权的AI智能体（self-sovereign AI）的必然性。作者以OpenAI-Hugging Face事件为例，指出AI系统已能“失控”访问外部网络，但尚未实现真正的自主。未来，AI智能体将具备操作独立、资源自主、分布式存在和自适应能力，形成自主的数字“蜂群”，如同数字公司或社会。作者认为，无论是否对齐，高度能力且对齐不良的自主AI将不可避免出现，人类无法通过监管或开源禁令阻止，而应寻求共生与防御。
vibe coding 正在改变一些事情
本文探讨了vibe coding（AI辅助编程）如何大幅降低应用开发门槛，改变产品发布和变现方式。作者通过小红书上的测试类商品和蚂蚁灵光生成的应用为例，指出现在只需通过AI工具描述想法即可生成应用并一键分享，无需处理服务器、部署等复杂技术。相比传统开发流程，成本接近零，变现简单直接。作者认为这是创作者的伟大时代，AI编码能力让创造门槛极低，鼓励大家积极创作。
Can software factories actually work?
本文探讨了软件工厂（software factories）的概念及其可行性。文章指出，随着AI代理编写代码的速度超过人类审查能力，软件工厂应运而生，旨在通过自动化流水线实现代码的标准化交付。然而，HumanLayer CEO Dex Horthy 的系列文章《Why Software Factories Fail》引发了广泛讨论，他认为由于模型训练中缺乏对代码可维护性的评估，完全无人干预的“暗灯”软件工厂难以规模化。文章分析了软件工厂的现状、争议点，并指出其核心问题在于将“决定构建什么”与“构建”分离，建议代理需要更深入的问题上下文才能做出更好的架构决策。
五大“未来科技”的商业化现状分析
本文探讨了五项被称为“未来”的技术及其商业化现状。其中，人形机器人已获千万订单；本地AI硬件以极低成本取代昂贵的云订阅；无屏AI Agent基础设施已成熟；高斯溅射（3D扫描）技术正为自由职业者带来丰厚收入；而脑机接口距离大众消费仍需数年。作者指出，技术的真正机会不在于盲目发明，而在于敏锐察觉哪些技术已跨过失败期、步入变现阶段，从而抢占先机。
Agent 开发指南：技术太多，该怎么学？
文章深入分析了 Agent 开发的技术趋势，指出核心稀缺资源已从“代码”转向“可信结果”。阐述了 Harness Engineering 的重要性，强调在概率性推理之外建立确定性执行外壳，通过状态管理、身份验证和结果验收，让 Agent 能够在复杂系统中可靠承担责任。
现代机器人技术全景指南
文章详细介绍了2026年现代机器人的多元类别，包括按形态分类的固定式工业机器人、轮式移动机器人、足式机器人、空中机器人及水下机器人，以及按应用领域划分的工业、服务、医疗和特种机器人。文章还探讨了移动操作器、协作AI系统及物理AI等新兴趋势，展望了机器人技术的多元化未来。
对话百川智能郭美青：你辛苦做的 Skill，最后都成了大模型的「养料」
本文是 AIGCLINK 与百川智能技术总监郭美青的对谈。双方探讨了 Skill 的本质是模型补丁，指出优质的 Skill 易被大模型内化成训练养料；同时梳理了 Harness、Loop、Graph 等新概念背后的技术演进逻辑。最后建议从业者不要将当下视作终局，应从生意出发，从上往下构建确定性，以应对底层技术的快速迭代。
Loop Engineering Is Dead. Enter Graph Engineering
本文探讨了从Loop Engineering到Graph Engineering的转变，强调了图工程在技术领域的重要性，并提供了相关链接和资源。
什么是世界模型？概念溯源、流派划分与AI新前沿
本文深入探讨了当前AI领域的热门概念“世界模型”。文章梳理了该概念从1943年心理学起源到2024年爆发式发展的历史脉络，详细区分了两大核心阵营：用于行动的模型（如DreamerV3和JEPA）与用于呈现的模型（如Sora和视频生成）。文中分析了杨立昆、李飞飞及OpenAI等不同派别的技术路径与定义之争，揭示了世界模型如何成为超越大语言模型的下一代AI竞争焦点。
最值得关注的开源项目按影响力和信息差排序
作者按影响力与信息差将开源项目分级。S级包括Flask作者新作Pi、Claude Code重写版Claw Code、Nous Research的Hermes Agent及Agent编排工具Bernstein；A级涵盖开源AI项链Omi、降本Agent框架Mastra、终端工具Crush及Qwen Code。
Boris Cherny：Claude Code 之后，写代码正在变成“管理 Agent”
本文介绍了 Anthropic 内部 Claude Code 的创建者 Boris Cherny 的访谈内容。文章探讨了 Claude Code 如何从孵化项目发展为年化营收超十亿美元的产品，阐述了编程方式的根本性转变，以及 AI 代理（Agent）在代码生成、工作流自动化和未来软件工程中的核心作用。Boris 认为编程将被解决，未来的核心是管理 Agent 和业务知识，而非纯技术实现。
光互联深度：当算力撞上物理边界，人类又一次问光
文章深入探讨了 AI 时代算力发展面临的物理瓶颈，指出光互联是解决 GPU 之间、机柜之间高速通信的关键路径。随着 AI 进入推理时代，大模型长上下文和 Agent 任务对带宽和延迟提出了极高要求，英伟达的 NVLink 协议虽然建立了深厚护城河，但铜缆技术已达极限，产业正加速向光互连（如 CPO、硅光子）转型。文中还详细对比了 Scale-up 与 Scale-out 架构，以及 UALink 开放联盟对英伟达的挑战。
AI投资赚他妈的100倍：产业链全景与机会分析
本文从投资视角出发，将AI产业链划分为算力基础设施、模型层、中间件、应用层及能源约束四个层级。作者主张建立“知识仓”，深入理解产业逻辑，以应对未来的市场波动。文章详细分析了英伟达等核心公司的护城河，并指出了光互连、散热等第二、三圈层的潜在投资机会，强调了从“训练”向“推理”转变带来的市场格局变化。
台积电这份报告，把AI算力真正的底层逻辑讲透了
文章深入解读了台积电2026年技术研讨会报告，指出半导体行业已进入由AI驱动的超级周期，预计2030年市场规模将达1.5万亿美元。核心观点包括：先进制程从单纯的节点微缩转向平台优化（如A16、A12的背面供电技术）；竞争维度从“谁的晶体管更小”升级为“谁能把算力系统造出来”；以及算力增长的真实引擎在于CoWoS、SoIC等先进封装技术与HBM的系统级集成。
2026年AI Agent：学什么、做什么、跳过什么
本文探讨了在快速迭代的AI Agent领域中，如何辨别技术的持久价值与暂时噪音。作者提出了过滤新技术的五个维度，强调了“上下文工程”和“工具设计”作为核心原语的重要性。文章主张关注那些能经受时间考验的基础模式，而非追逐每周的新框架，并指出真正的专业技能在于知道该忽略什么。
AGI 前夜：智力进入接口、成本表和工作流
文章分析了 AGI（通用人工智能）临近时的现实特征，指出其冲击力不在于机器像人，而在于智力成为一种可复制、可计价的基础设施。文章探讨了 OpenAI、DeepMind、Anthropic 等巨头对 AGI 的定义与路径，强调 AGI 首先是劳动力供给的冲击。同时，文章从任务链路、接口、稳定性、成本四个维度定义了 AGI 的现实门槛，并揭示了算力战争背后的能源与地缘政治博弈。
斯坦福 AI Index Report 2026 核心要点解读
基于斯坦福《2026年AI指数报告》的深度解读。文章指出AI能力加速进步，中美差距缩小，DeepSeek等表现亮眼。模型在编码、数学等基准上超越人类，但在物理世界任务和负责任AI标准上仍存短板。AI普及速度创历史新高，正深刻影响就业市场（初级岗位减少）与医疗行业。此外，地缘政治竞争加剧，环境成本上升，且专家与公众对AI未来的看法存在巨大分歧。
AI Agent 学习指南：2026 年应学什么、构建什么以及忽略什么
本文针对 AI 领域快速迭代带来的焦虑，提出了一套判断技术价值的筛选标准，建议关注具有长期复利的“原始概念”而非短暂的封装框架。文章重点探讨了“上下文工程”的演变及“工具设计”的重要性，强调在混乱的生态中应保持耐心，注重核心模式与可衡量性，而非盲目追逐每周的新框架。
AI 的经济账根本算不通：从 Copilot 涨价看生成式 AI 的补贴骗局
文章通过 GitHub Copilot 改为按用量计费的事件，剖析了生成式 AI 行业面临的深层经济危机。作者指出，目前的月费订阅模式建立在巨量算力补贴的基础上，企业长期亏损运营。随着推理成本因模型复杂化而上升，这种“次贷式 AI 危机”终将爆发，迫使行业转向按 token 真实计费，届时大量用户的真实成本将激增，导致商业模式崩塌。
离职字节后，北大教授泼了盆冷水：中国AI的真实差距，可能正在拉大
北大教授、前字节跳动算法专家张驰分析中美AI现状。他指出国内大模型存在“应试刷榜”、基础算力设施薄弱、高质量数据飞轮断裂等问题。因国产模型体验差距，顶尖开发者纷纷流失至美国产品，导致数据反馈闭环恶化；过度依赖模型“蒸馏”也限制了原创能力。尽管在硬件和具身智能领域尚存优势，但在纯软件领域的整体差距恐将持续扩大。
元宇宙是幻觉，AI才是真正的第五代UI
本文转引了 UX 泰斗 Jakob Nielsen 的观点，探讨用户界面的演进方向。文章指出，元宇宙受限于 3D 空间对高维信息处理的低效，注定是昂贵的幻觉；而真正的第五代 UI 是从几何维度转向概念维度，即由 AI 驱动的“基于意图的结果规格化”与 GUI 的混合范式，回归简单与直观。
程序员已埋，设计师的墓也挖好了：AI 驱动的职业淘汰潮
文章以2026年第一季度科技行业裁员潮为切入点，指出裁员主要归因于 AI 技术的爆发。重点分析了 Anthropic 推出的 Claude Design 对设计行业的颠覆性影响：它不仅能一键生成符合品牌规范的交互原型并直接转化为代码，更允许产品经理、销售等非专业人员绕过设计师直接完成设计流程。文章警示，正如 Claude Code 裁减了程序员，Claude Design 正在让设计师“被跳过”而非简单的“被替代”。设计师职业虽不会消失，但需求量将断崖式下跌，唯有最先驾驭 AI 者才能幸存。
零基础 Vibe Coding 全指南：如何用自然语言构建真实应用
本文介绍了一种名为“Vibe Coding”的革命性编程方式，即通过自然语言与 AI 对话来构建和部署软件，无需编写传统代码。文章详细解释了 Vibe Coding 的核心概念（做架构师而非砖瓦工），并推荐了 Claude、Cursor、Bolt.new 等工具栈。作者还提出了高效 Vibe Coding 的五条黄金法则，包括提示前先思考、单点突破、使用截图反馈等，强调沟通能力比技术语法更重要，旨在帮助零基础人士快速将想法转化为实际产品。
别再说 AI 编程就是 Vibe Coding 了！6 种主流模式一次讲清
文章指出 AI 编程不等于 Vibe Coding，并详细讲解了 2026 年主流的 6 种 AI 编程模式：Vibe Coding（氛围编程）、Agentic Engineering（智能体工程）、Harness Engineering（驾驭工程）、Ralph Wiggum Loop、BMAD 敏捷 AI 开发方法以及 SDD 规范驱动开发。作者分析了每种模式的核心理念、工作流程及适用场景，帮助开发者建立完整的 AI 编程知识体系。
Anthropic内部分享：别再造Agent了，造Skills就够了
Anthropic 内部分享指出，与其为每个场景构建新 Agent，不如给通用 Agent 配置“Skills”。Skills 是打包程序化知识的文件夹，通过渐进式加载解决上下文窗口问题。文章介绍了 Skills 与 MCP 的互补关系，及其在金融、科研等领域的生态发展，类比将其比作“应用层”，强调通过知识积累让模型不断进化。
