别再数 token 了,该数交付了多少软件
智能体完成一次编码任务消耗的 token 可达普通对话提示词的 10 到 50 倍,按 token 计费让高价值工作流反而最贵,Uber 据称在 4 月就用完了 2026 年全年 AI 预算。
智能体完成一次编码任务消耗的 token 可达普通对话提示词的 10 到 50 倍,按 token 计费让高价值工作流反而最贵,Uber 据称在 4 月就用完了 2026 年全年 AI 预算。
Simon Willison 介绍了 Jacob Sansbury 团队用智能体开发多人游戏环境 Spawn 的做法:玩家可以通过提示词让游戏内智能体 Savi 修改游戏世界,他本人在手机上就成功生成了城堡和龙,并骑着龙飞行。
Anthropic 工程经理 Felix Rieseberg 取消了传统编程面试,认为 Claude 已能比候选人更好地完成小型编程任务,测试分数不再能预测谁会成为顶尖开发者。
Simon Willison 认为 2026 年 10 月是氛围游戏开发的拐点,他用 Claude Opus 5.5 以完全不看代码的方式做出四款自己真正愿意玩的游戏,全部是运行在浏览器里的 HTML 和 JavaScript。
AI 编程工具正大幅缩短复古游戏反编译与重编译(decomp/recomp)的周期,让《光环》《塞尔达传说:时之笛》等作品被快速移植到浏览器、iPhone 和混合现实平台,有爱好者数周内就同时推进十几个项目。
Tenex 联合创始人 Alex Lieberman 与 CJ Hess 在 AIE New York 分享了公司如何把"按交付成果付费"的模式扩展为工程组织实践,公司已增长至 75 人,客户覆盖财富 2000 强与中型企业。
Jeremy Scheff 撰文指出,编程智能体让热爱解谜的程序员失去了核心乐趣:过去他们靠解决棘手逻辑难题获得高薪与主导权,如今 LLM 能直接完成这些工作。对只想构建可用系统的程序员而言,LLM 是持续馈赠;但对以解题本身为乐的人,这种损失非常真实。
Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 撰文介绍 Claude Code 团队的代码审查方式:不再把"人是否读过代码"当作判断标准,而是追问"这次改动可能出什么问题、该由哪种检查来发现"。审查因此从 PR 末尾的关卡变成持续进行,多数改动在人工查看前已被 Claude 至少审查并修复过一次。
Replit CEO Amjad Masad 在 TechCrunch Disrupt 上提出「自动驾驶公司」愿景:AI 智能体承担公司大部分基础工作,人类保留判断力与品味。
Geoffrey Huntley 提出用 pre-commit hook 检查 git diff,发现绕过诊断模块直接调用可观测性模块的代码就拒绝提交,并向 AI 智能体注入提示词要求其改用诊断库。他认为仅靠更新 AGENTS.md 仍会存在偏差并逐渐漂移,而这一做法让智能体的表现立刻达到十分满分。
Anthropic 的 Andrej Karpathy 称,外界只看到了 AI 实际能力的“预览版”。他把大语言模型用户分为四层:约 60 亿人几乎没接触过 LLM,10 至 20 亿人只把免费 ChatGPT 类产品当作更好的搜索引擎,约 2000 万数学和编程领域的专业用户已用智能体完成过去需数周乃至数月的复杂项目,而仅约 5000 人能接触内部前沿系统。
Anthropic 的 Thariq Shihipar 在 Latent Space 播客中谈 Claude Code 的下一阶段,包括 Ask User Question、artifacts、Claude Tag、Projects 以及可自定义 harness 的 Claude Mods。
Simon Willison 在 WeAreDevelopers World Congress North America 的主题演讲中,按时间线梳理了 2026 年 LLM 的关键进展。
Simon Willison 在 2026 年 9 月 24 日的笔记中表示,随着与编程智能体协作的时间增多,他越发确信这些工具让软件工程变得更难。他认为编程智能体能做出惊人的成果,但释放其全部潜力需要极高的纪律性和知识储备。
一位入职大公司半个月的工程师称,团队里的规格、代码、测试、PRD、工单及其处理、报告等全部由 Claude Code 生成,团队中没有人喜欢这种方式,但被要求尽可能多地交付。他表示从高层多次听到推送代码不是瓶颈,人们每天工作 12 到 13 个小时只是为了按回车,从 L1 到 L7 的工程师都在做同样的事,没有人阅读任何内容。
GitHub Podcast 最新一期拆解了五个 AI 开发热梗:AI 生成的代码仍需阅读和负责,但审查力度应按风险分级;Skills 与 MCP 解决的是不同问题,前者是打包的团队经验,后者是连接工具与数据的标准接口,二者可组合使用。RAG 并未消亡,它为模型提供训练数据之外的相关信息,与 Agent、Skills、MCP 可共存于同一工作流。
Jack Clark 在 Import AI 455 中判断,到 2028 年底出现无需人类参与、能自主训练后继模型的 AI 研发的概率约为 60%,2027 年的概率约为 30%。