软件即将以算力速度吞噬世界
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。
相关文档
硅谷没有忠诚
文章以Khosla Ventures两位合伙人Khosla与Rabois因AI编程公司Factory顾问Degnan跳槽至竞争对手Cognition而公开争执为切入点，揭示了硅谷一级市场的现实逻辑：资本可以同时下注多家竞对公司，但关键资源（如顶级销售高管、企业客户、信息通道）永远是排他的。文章剖析了两家公司快速膨胀的融资与估值、VC圈层化的人脉网络、投资人与高管身份的切换，以及股东兼客户的利益冲突，指出创业者所期待的忠诚从未在合同中被承诺，资本最优化配置往往意味着牺牲个别被投公司的利益。
Devin Desktop 从入门到进阶：界面拆解、Fusion 模型搭配与隐藏技巧
本文是 Devin Desktop 桌面客户端的使用教程，作者从安装配置讲起，详细介绍界面布局（Agents View 与 IDE View 两种视图）、模型切换与 Adaptive/Fusion 两种智能路由模式（推荐 Claude Opus 5.5 + SWE-2 的主导+辅助模型搭配）、权限设置提示词、Normal/Plan/Ask 三种工作模式，以及 IDE View 的 Git 提交、Codemaps 等功能。重点介绍了较少被讨论的 Devin Cloud 功能，可在 Windows 上通过云端虚拟机构建 Mac/iPhone 应用。文章面向刚上手 Devin 或从 Codex 迁移的开发者。
Consumer AI 创业，终于走到了起点
文章回顾了从大模型、Copilot 到 Agent 的三轮 AI 创业浪潮，指出当前消费端 AI 产品超八成依赖卖 token 的模式，导致创业者陷入内卷、缺乏壁垒与利润。作者引用 a16z 报告指出真实用户渗透率仍低，类比互联网从连接付费演化为注意力经济的历史，提出 AI 时代将从卖订阅走向'意图经济'——当 AI 打破能力不对称，稀缺的意图将成为价值流动的载体。作者认为消费 AI 行业刚走到真正的起点，鼓励迷茫的创业者坚持下去。
卡兹克零基础靠 AI 做的 AIHot，我作为程序员认真读了一遍源码
作者以程序员视角深入分析了数字生命卡兹克零编程基础、纯靠 AI 构建的开源项目 AIHot（AI 热点新闻聚合网站）。文章详细解读了项目的技术选型与架构：TypeScript 全栈 monorepo、React Router SSR 前端、Fastify API、pg-boss 任务队列，以及 RSS、网页爬虫、JSON 接口、推特、微信公众号等六种信源采集方式。重点剖析了其基于大模型的文章处理流程：预筛、五维度加权打分、摘要生成、向量聚簇归组。作者由此引申讨论 AI 时代软件工程可维护性标准的转变：程序员注意力从代码实现转向架构设计与约束，类比铝从贵金属到飞机材料的价值观变迁。
风险投资的TikTok化
文章探讨风险投资行业向短视频平台的转型。作者指出，LP和创始人等决策者的注意力已流向TikTok、Reels等短视频平台，这成为现代获客的真正漏斗顶端。文章将活跃的VC账号分为四类：热点追评者（如Atlas Berry靠追科技新闻快速涨粉）、知识翻译者（如Marshall Sandman的创始人问答）、人设玩家（如Mitch Harounian在生活场景中拍视频）以及机构账号（如a16z、Redpoint的精品化运营）。作者认为短视频内容遵循风险投资的幂律分布，量是获取爆款的关键，而机构内容能力还能反哺被投企业，成为新的护城河。
风口的力量：AMD 82亿美元收购李飞飞的World Labs
李飞飞创办的AI公司World Labs被AMD以约82亿美元全股票收购，李飞飞将加入AMD担任首席科学家，向苏姿丰汇报。该公司2024年初成立时估值仅约2亿美元，今年年初估值涨至50亿美元，成立仅两年半即被收购。a16z等硅谷风投自2024年4月起连续多轮投资，成为最大赢家。文章借此说明站在AI风口上的巨大价值与资本回报。
Thinking in Systems, Shipping in Loops
文章引用 DHH 的观点指出，手写代码对绝大多数程序员已不再经济，软件工程正演变为系统架构设计。通过 Artemis 和 SpaceXAI Grok 团队的案例，说明工程师如今通过设计验证循环（verification loops）让 AI 大规模正确地编写代码——如 Lauren Tan 每月发布 2000 个 PR。文章借鉴 Donella Meadows 的系统理论，提出优秀系统设计的三大特性：韧性（AI 通过测试、审查代理和生产可观测性自我校验）、自组织（循环学习将失败类型转化为新技能）和层级（将技能、工具与沙箱组合成可复用组件）。工程师的新职业是'驾驭智能'。
/src 里的 Markdown：Markdown 正在变成源代码
htmx 作者、Montana State 大学教授 Carson Gross 提出：在 agent 式编程时代，Markdown 正从文档演变为源代码。他认为 LLM 生成的代码不应只源自用完即弃的提示词会话，而应将捕捉系统意图的 Markdown 签进 /src，与生成代码放在一起。Markdown 具备可 diff、可 grep、人机皆可读写的优势，且遵循局部性原则，让代码模块自带解释其意图的文档。作者提议建立 /src/md 目录约定（含 README、OVERVIEW、features、data、api 等），由人撰写维护，代码与测试从这些 Markdown 派生，测试负责自动化验证正确性。当代码越来越便宜，真正有价值的是代码背后的意图，应将其持久化于源码目录之中。
AI 没有智慧，你也不会有了
文章批评'不再读代码、不再写代码'的行业风气。作者指出代码可维护性和好架构难以即时度量，其恶果需要数月甚至数年才显现，而有经验工程师依靠长期实践积累的直觉来嗅出代码异味。AI 因缺乏可度量的奖励信号，无法理解什么是可维护的代码，且从质量低劣的野生代码中学习模式，在简化代码、定义可复用函数上表现糟糕。更危险的是，依赖 AI 写代码和读代码的开发者将永远无法达到精通，因为他们不再从错误中学习。作者认为 LLM 只是工具，预言未来会有公司以'无 AI'政策作为竞争优势。
264K Skills 作者 Matt Pocock 96 分钟访谈：grill me 与 wayfinder 工作流，25 年前老书中藏着答案
本文整理了 Matt Pocock 与 Gergely Orosz 的 96 分钟深度访谈精华。Matt 提出'知识已死，智慧永存'：AI 吃掉了战术性编程，人类须守住战略性编程。他分享了完整 AI 协作方法论：grill me（让 Agent 无情拷问以对齐需求）、spec→tickets 拆分工单绕开 15 万 token 注意力限制、wayfinder 用地图+战争迷雾隐喻管理超大工程、日班/夜班节奏。最具原创性的发现是'引导词'技巧：把经典软件工程书籍中的术语写入提示词，能激活模型深层概念、改变行为。他强调代码库就是 Agent 的运行环境，工程师应成为 Agent 的平台团队与园丁。结论是：帮助他的不是新方法，而是 25 年前的经典软件工程智慧。
软件工程的蒸发与 Agent 构建者的崛起
作者回顾2025年7月三个改变其职业认知的事件：一是仅凭AI便完成一个完整SaaS应用；二是在Tinder用一段2000词的指令（Skill）让AI在10分钟内完成原本需要6-8小时的复杂线程库迁移且结果正确；三是目睹CFO和健身馆老板等非技术者用Claude构建出复杂的金融和健康平台。作者认为编码只是门槛，真正核心的是执行能力，而AI让执行几乎免费。超专业化曾被视为安全选择，如今反成风险。文章呼吁工程师直面身份焦虑，思考当执行不再稀缺时，自己真正价值何在。
Running a Software Factory Efficiently at Uber Scale
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。
