OpenAI 软件工程师面试全流程
一位候选人分享了 OpenAI 软件工程师面试经历。面试共五到六轮，侧重分布式系统能力而非算法。内容包括技术面、系统设计、48小时 take-home 项目及现场面试。新增了 Agentic Coding Round，考察使用 AI 写代码的能力。
相关文档
Codex 实战系列｜10 个最值得安装的 Skills
作者 Miles 分享了 Codex 中最实用的 10 个 Skills：follow-builders 生成 AI 创作者资讯简报，Punk Skill 生成有辨识度的文章封面，cangjie-skill 把课程方法编成可调用技能，GordenImage2PPTX 将 PPT 图片转为可编辑文件，book-to-skill 把一本书整理成可查询的阅读技能，show-me 用流程图解释代码，grill-me 在开工前追问需求，last30days 调研近期社区玩法，Defuddle 提取网页正文为 Markdown，skill-creator 帮用户创建自己的技能。每个 Skill 附安装地址、使用示例和实际效果。
AI时代的职业选择：能被打分的工作正在贬值
本文编译了Phil Chen关于AI时代职业发展的建议。作者指出，能被明确定义和打分的工作正被AI取代，未来真正稀缺的是时间、人脉和声誉。在agent-native时代，工程师的核心能力正从“写代码解题”转向“发现并定义问题”。选公司应看重其解决方案的野心，工作中要死磕“最后一公里”的细节。文末作者结合自身经验，对面试方式变革、生产环境重写及发现问题的前提给出了独到见解。
OpenAI 技术面试全拆解：一份地狱难度的工程师进阶清单
本文详细拆解了 OpenAI 软件工程师的高难度面试流程，涵盖初筛、编码、系统设计、48小时居家项目、技术深潜、终面及未公开的 Agentic Coding 考试。文章分析了每轮考核的核心能力（如 MVCC、分布式一致性、推理系统扩缩容等），并指出面试标准正向“指挥 Agent 交付”迁移，是一份高质量的工程师进阶指南。
高中辍学生靠 ChatGPT 自学成才成了 OpenAI 的研究科学家
本文讲述了 Gabriel Petersson 从高中辍学凭借 ChatGPT 自学数学与机器学习，最终成为 OpenAI Sora 团队研究科学家的经历。他主张“自上而下”的递归学习法，认为教育效率低下。文章还分享了他作为辍学生通过 Demo 求职、利用 Stack Overflow 申请 O-1 签证的独特路径，以及对传统大学教育和职场招聘的犀利观点。
兄弟们，我耗费5天把 REA 和原生 Codex 对跑了 108 次：它到底给 Codex 增加了多少实际能力？
作者耗时5天对 REA 增强版 Codex 与原生 Codex 进行了108次对照实验，其中35对可同条件比较。文章详细记录了三个阶段：首先是六次小型探索，测试笔记导出、桌面应用复制、.NET 计价函数复现三组任务，两边均通过全部用例但 REA 组耗时略长；随后扩展至六档难度、两种模型共72次正式运行。文章分析了 REA 作为调查工具为模型提供的模块关系、函数位置等线索，以及原生 Codex 借助普通工具自行调查的能力，指出在小规模任务中两者能力差距不明显，差异更多体现在调查入口和验证路径上，并对实验边界与结论适用范围做了严谨说明。
AI 厂商 Token 已经用不完了！半导体、AI 股会崩吗？
文章指出 AI 市场出现新变化：各家厂商的 Token 额度开始过剩。Claude Max 用户反映 Opus 5.5 周额度用不完；智谱夜间订阅可随意开子代理、高并发，Flash 模型免费；OpenAI 的 dots 模型免费无限使用；FreeBuff 免费提供 Flash 模型，付费 8 美元每天可用 30 小时；OpenCode 的免费模型仅需 10 美元 Go 套餐即可无限使用。作者由此提出疑问：Token 从稀缺转向过剩，是否意味着半导体和 AI 相关股票将面临崩盘风险。
AI 改名 SI 那天，库克笑了
这是一篇虚构讽刺小说。2026年9月，特朗普在白宫科技CEO大会上签署行政令，将 AI 正式改名为 SI（Super Intelligence），OpenAI、xAI 等巨头连夜改名，唯独苹果缺席。苹果此前抢先把 AI 缩写用作 Apple Intelligence，如今连名字都保不住，且已为 Apple Intelligence 花费五十亿美金投放广告。库克灵机一动，将 Siri 重新诠释为 Siri Intelligence，缩写恰为 SI，宣称"全世界每喊一声 SI 都是在给 Siri 打工"，仿佛苹果反而领先十五年。但笑点最终崩塌：Siri 的大脑其实是 Google Gemini，而马斯克三分钟前早已在 X 上发布 SpaceXAI is now SI——苹果的领先只保持了三个小时。文章以幽默笔法讽刺 AI 行业命名营销与巨头博弈。
为什么看好ARM
文章分析ARM从技术授权转向直接销售芯片的战略逻辑。ARM与Meta联合开发AGI CPU，瞄准AI智能体对CPU的强劲需求——智能体需打开网页、运行代码、调度任务，CPU成为瓶颈。Meta为深度合作伙伴，甲骨文、字节跳动火山引擎、OpenAI均已采购，谷歌也在新AI系统中用ARM替代x86。客户需求半年内从10亿美元上调至20亿美元以上。直接卖芯片可让ARM每颗芯片贡献从50美元提升至500美元，扩大十倍。Jefferies预计2031财年销售额达180亿美元，ARM自定目标150亿美元，对应利润可达当前全公司水平的两倍多。
The Future of Software Development
作者展望了未来5-10年软件开发的变化：AI模型正以每半年约10倍的速度变强，未来将极其智能、快速且廉价。开发模式将从IDE自动补全，演进到终端中的AI编码代理，最终只需用自然语言或语音告诉计算机想要什么，AI代理即可自动完成构建、测试、修复和上线。文章还探讨了为AI代理设计的意图式操作系统（无需UI）、为每个用户动态生成的应用界面、面向AI代理的新协议（如MCP），以及未来5-10年最抢手的技能，强调经验与意图表达能力将比手写代码更重要。
AI 时代职场人现在最该学的一项技能是什么
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。
我用两周时间将真实工作交给 GPT-6 Astra，结果令人惊艳
作者用两周时间在编程、销售、财务、客服、法务和电商等场景中实测 GPT-6 Astra。核心发现：传统自动化在可预测输入下仍最优，而 Astra 适合需要判断力的“混乱中间地带”；它能操作从未见过的软件界面（如 CRM、后台系统）；作为编码 Agent 可定位并修复真实 bug 并补测试；能端到端完成销售准备、竞品分析和财务数据处理等完整工作流。作者建议拆分成多个窄领域 Agent 使用，并从现有工作流出发而非凭空构建场景。
AI 时代普通人如何应对：财富洗牌下的行动建议
作者基于在硅谷的观察和重度使用 GPT-6 的经历，认为 AI 发展将终结现有社会分工、引发财富重新洗牌，并给出普通人应对建议：一是放手让 AI 帮忙寻找方向，弥补思维盲区；二是预算允许的话体验高额度模型（如 200 美元档 Codex 会员），用 AI 解决最难、拖延已久的问题；三是放下对现有工作和他人评价的执念，为未来试出新路并坚持；四是保持健身和睡眠，降低焦虑，每天推进具体的事情。作者认为这可能是普通人改变处境的重要机会。
