迪士尼两次起死回生用的是同一台机器：把「用最好的故事造出角色 → 灌进乐园、商品、家庭录像 → 孩子长大再传给自己的孩子」这个飞轮的轴心修好——1984 年艾斯纳靠涨价和低成本片单拿到弹药、把动画重做成音乐剧；2006 年艾格干脆花 74 亿美元买下皮克斯，把整个创意中枢换掉。

ChatGPT 的增长可以拆成三个整齐的三分之一：三分之一来自「消除摩擦」（最大的一笔是去掉登录墙）、三分之一来自研究与产品合力做的核心产品投入（搜索、个性化、写作块）、三分之一来自纯模型进步——而分发本身证明不是护城河，Google 和 Meta 手握三四十亿用户也没能一按开关就赢。

黄仁勋当面否认「护城河 = 供应链锁定」这个流行叙事：近 1,000 亿美元采购承诺（外部估算 2,500 亿）只是「我们能做而别人难做的事情之一」，真正的飞轮是四件事叠加——每美元性能最低的 token 成本、全世界最高的每瓦 token 数、几亿块 GPU 的装机量、以及「每一朵云里都有」带来的客户触达。

「什么会稀缺」这个问题，本质上就是「价值最终沉淀在谁手里」的问题——AI 让智能变便宜之后，稀缺性只会挪到别处，而不会消失；两位经济学家反复强调：真正决定答案的不是直觉，是两个我们现在根本没有数据的量——需求弹性，和「人在环」到底值多少钱。

一道简单的减法逼出全部结论：实验室收入每年 10 倍、可拿到的算力每年只有 3 倍——这个缺口只能由「实验室利润率上升」或「算力价格上涨」来填，而 Dwarkesh 认为利润率超过 90% 还不被竞争抹平不现实，所以只剩算力涨价这一个出口。

靠 markdown 文件在会话之间传经验，是学不会吹萨克斯的——AI 要真正胜任一整份工作，经验必须进权重，而不是留在笔记里。

Ryan Greenblatt 的核心下注：AI 全面接管 AI 研发之后，「一年干出四到五年的 AI 进步」是他的中位预期——不是上限、是中位数；而全自动 AI 研发他押在 2030–2031 年，「在几乎任何工作上都打赢人类」押在 2033 年。

上下文工程之所以一年后还没过时，是因为它不押在某个模型上，而押在「Transformer 注意力是二次方的」这个物理事实上——你唯一能影响 AI 输出质量的手段，就是精心挑选和排列输入；而输入不只有「信息预算」，还有大家常忽略的「指令预算」（前沿模型大约 150–250 条指令后就开始跟不住）。

"我们会不会发自己没读过的代码"不是一个是非题，是一个时间题——Charity 说争论"会不会 / 什么时候"没意义，正确的问法是「要满足什么条件，你才会觉得这可以接受」；而答案是一本信任账户：你在"代码创作"这一栏支取了信任（没人读过），就必须在测试、evals（自动化打分）、一致性测试、护栏、遥测上把它补回来。

ElevenLabs 600 人、6 亿美元 ARR，从成立到今天一个 PM 都没招过——替代方案不是"CEO 兜底"，而是三件事叠加：5–10 人的小团队 + 在每个非工程团队里都嵌一名工程师 + 招"一专多通"的人（至少一个领域是专家、另一个领域理解得非常好），再让 AI 把每个人在其余领域从业余抬到进阶。

IPO 是里程碑不是终点：OpenAI 3 月刚融了 1220 亿美元（史上最大私募融资，作对比：史上最大 IPO 沙特阿美也才约 300 亿美元），CFO 的工作被她定义成一句话——"为这家公司、也为这个时代创造选择权"。Anthropic 已秘密递交 S-1，但她说"没人记得是 Google 先上市还是 Yahoo 先上市……市场是一台称重机，不是一台人气机器"。

AI 把「被颠覆的概率」整体抬高了一档，长期投资的第一问从「这门生意好不好」变成「斯坦福车库里的两个人能不能把它干掉」——算力、资本、人才三样接近无限可得，Ackman 说他绝大部分研究时间就花在这一个问题上。

一个 20 年没换过的镜头：S 曲线 + 竞争优势 + 被低估的盈利能力。 踩对 S 曲线那一段，销量指数增长；再叠一个强商业模式，利润就不是线性长而是指数长——所以他能用 4 倍市盈率买 2023 年的 NVIDIA、5 倍买 2019 年的 Tesla、买 Amazon 时 AWS 相当于白送。

上一个周期（云）的完整历史，就是这一个周期（AI）最好的推演模板：2007 年 30 个最聪明的投资人对 AWS 全判错，2014 年「AWS 会吃掉一切」也错得离谱——不是因为具体反例，而是因为所有人都把市场估小了；最后的结构是 AWS/Azure/GCP 大致 40/30/20 的寡头，外加 Cloudflare 这样在缝隙里长成 1000 亿美元的「小赢家」。Eric 认为 AI 会重演同一个结构，「Anthropic 会吃掉 98% 的价值」这类零和叙事站不住脚。

token 需求近乎无限，而且是从「实现变便宜」这个源头长出来的——Dylan Patel 自己的公司 SemiAnalysis 一年内把 AI 开销从几万美元推到 700 万美元的年化运行速度，占 2500 万美元工资盘的 25% 以上，照这个斜率年底就会超过 100%；他给出的机制是：过去想法便宜、执行极难，现在反过来了，「哪个想法值得为它花买 token 的钱」成了新的稀缺。

AI 下一阶段被两个物理量卡住：瓦特（电力）和晶圆（先进制程产能）。电力这一侧资本主义会解决，Gavin 判断 2027–2028 年短缺开始缓解，长期靠「太空里的机柜」；晶圆这一侧只有一个变量真正重要——台积电的产能决策，它既可能引爆泡沫，也可能凭一己之力阻止泡沫。

算力是画布，买多买少都会死：Krishna 把算力称作"其他一切在其上作画的那块画布"，并给出这门生意最锋利的一条约束——"买太多算力，你会破产；买太少算力，你就服务不了客户，也站不到前沿。" 他至今仍把 30%–40% 的时间花在算力上。

OpenAI 对「护城河」的最新自我认知，是这期最值钱的一段：Sam 直说智能本身正在走向商品化——"卓越的智能可以从任何一个产品迁移到另一个产品"，产品优势会被下一个更好的产品夺走；真正持久的只有算力集群的规模与造算力的能力，其次才是工作流、集成、团队协作与品牌熟悉度。

Anthropic 传出以 2 万亿美元估值、最快 10 月上市，年化运营收入将在 1000–1200 亿美元收尾、连续三年同比 10 倍；三位嘉宾一致把明年退出 ARR 的大小盘线划在 4000–5000 亿美元，并认为它的招股书会成为整个 AI 行业最重要的需求信号——「领跑车」一脚急刹，后面就是连环追尾。

AI 资本开支这轮不是在见顶，而是在「单位变现率上涨」这个反直觉的方向上加速——2027 年全球 capex 大概率逼近 1.5 万亿美元，而每吉瓦算力的年变现从年初的约 200 亿美元涨到现在 300–400 亿，「所有人以为 token 会平滑通缩」是今年被打得最狠的一条叙事。

七月 AI 股一个月直线跌 40–60%，但基本面同时在改善——Gavin 在硅谷待了一周，把「你有没有听到过哪怕一个负面的量化指标？」这个问题问遍了所有人，答案是没有：GPU 可得性、GPU 租赁价、DRAM 现货价、token 增长，全在加速。价格和基本面之间正在拉开一条肉眼可见的缝。

企业软件有条老规律：客户每花 1 美元买软件，就要再花 6 美元把它用起来——AI 时代这 6 美元的生意正在被重新分配，这是 OpenAI、微软（25 亿美元 + 6000 工程师的 Microsoft Frontier Company）、亚马逊集体从 C 端杀回 B 端的原因。

Web agent 每走一步都是"先想再动"，但现在大家只评它最后办没办成事——Surgan Jandial（CMU 硕士生，这项工作去年发表于 EMNLP）盯的是中间那个「想」的环节（planning，规划）该怎么评。

1945 年，Vannevar Bush 在《As We May Think》里一口气预言了屏幕上的文档显示、文档扫描与 OCR、语音转文字与文字转语音、编程语言、超文本、搜索引擎、数据网络、类似 GoPro 的随身相机、语音界面和脑机接口——在这些东西一个都不存在的时候。讲者说，我们今天的处境和他一样：站在一个新时代（智能时代）的开端。

核心论点：个人化的 AI codegen 会打破传统云基础设施。今天的软件是"开发者在象牙塔里做好、往下发给所有人跑同一份钦定版本"，用户的功能请求被产品经理"一股脑丢进 Jira，从此再没人见过它们"；要让每个人当场把 app 改成自己要的样子，这套底座必须换掉。

Wisedocs 处理的是动辄上万页的医疗理赔 PDF（有些文件比视频文件还大），跑这条 AI 管线的代码散在十多个 repo（repo ＝代码仓库，一个独立管理、独立发布的代码包）里、已经存在六年多、没人愿意去碰；2025 年他们决定用六个月把它合并成一个 monorepo（单一大仓库，所有代码收进同一个仓里管），这场演讲就是讲者的诚实复盘——这一步到底该现在做，还是该等模型再变强两代？

三行大白话，换回一整份作业手册。 Idan Gazit（GitHub Next 负责人，GitHub 的实验室团队）像给团队里一个初级开发发 Slack 消息一样写了三行字——"每天看看有没有新版本、读 changelog（更新日志）和文档、想个升级方案出来、开个 PR"——Copilot 就把它展开成一份完整的 playbook（作业手册，即一步步该怎么干的流程稿），真的把他的个人网站从 Astro 5 跨两个大版本升到了 Astro 7：改好被升级弄坏的代码、跑构建验证、还把他自己必须动手的手工步骤单独标了出来。

这是一场"把 Codex 的引擎盖掀开给你看"的工程分享：讲者 Dominik Kundel 用 2 倍速讲完 20 分钟，视角是「你按下回车之后，harness 里到底发生了什么」——harness（可以理解成"挽具/外壳"，就是承载模型干活的那层程序：给它工具、组装上下文、跑循环、收结果）。他反复强调：这一切都是开源的（「it's MIT it's Apache 2 license」——他现场自我更正了一次），用 Rust 写的，你可以学它、可以拿它去问 Codex、也可以 fork 一份改成自己的。

便宜模型的总账更贵：拿 terminal bench（一类让模型在命令行环境里实际动手完成任务的评测）去跑，Opus 的分数大约好 3 倍，总成本却只有 Haiku 的十分之一——尽管 Haiku 每 token 便宜得多。原因是小模型一旦被推出自己的训练分布，就会疯狂调工具、陷进循环，轮次多到把单价差距吃干净还倒贴。

展台上一台会议 bot 听了 4 小时 Google Meet，自己从对话里捡出一个想法、自己开了 ticket、自己给产品的建单表单加了两个「验收标准」字段——全程没有任何人做任何手工操作。 这是全场最实的一幕，也是他整套主张的证据：每一通客户电话、每一次 onboarding、每一条 bug 报告，都是可以直接变成代码的需求信号。

Grace Clarke 不是工程师——市场顾问出身的 AI 讲师，今年一月才开始自学，把 Claude Code 下载好晾了两个小时才第一次打开，对着它一顿说，现在整个服务型生意（线索推进 → 提案 → onboarding → 课前作业 → 进度追踪 → 收件箱）都跑在她自己造的几个 skill 上。

「模型能力已经够了，要卷就卷 infra。」 全场暴论，也是标题来源。依据是他的一线体感：最新一代旗舰模型跟他之前用的 Claude Opus，「对于开发者来说没有本质上的区别」，爬坡「已经开始放缓」。卡住智能体落地的不是智商，是基础设施和 harness（harness ＝ 包在模型外面那层"外壳程序"，负责读文件、调工具、管上下文——Claude Code、Codex 都是 harness）整块没跟上。

AI 让 PR（pull request，一次「请把我这段改动合进主干」的申请）多到审不完，但正解不是「人审得更快」，而是「不是每个 PR 都需要人来审」——Intercom 已经把这条路走通了：AI 批准的 PR 比人审的快 5 倍，上线后要返工/回滚的比例反而更低。

「速度病」（velocity sickness）＝ AI 让产出突然暴增所带来的那种压力，个人和团队都会得，结果是「有产出，没影响力」。 最锋利的一刀来自一个用 agent 管线写 newsletter 的人——他说"我基本上每周写一本书"，Matt 问"那你的读者每周读一本书吗？"，对方说"大概不会吧"。

agent（智能体，即"能自己调工具、自己跑多轮、直到把任务干完的 AI"）的本质就是"把 LLM 放进循环里反复调用"，但 Linear 一年实践下来最重要的一条是反直觉的：指令给得越少越好。 Jacob 的原话是"你要尽可能少给它指令。给它能加载 context（上下文，即模型做判断时手上有的那些材料）的工具，而不是直接把 context 喂给它——这是我们摸出来的一条挺重要的原则"。

Anthropic 三月刚发布的 Claude Certified Architect（CCA，Claude 认证架构师）考试，与其当成一张证书，不如当成一本 agent 工程的「反模式手册」——它给六个生产场景、考试随机抽四个出题，而答对的钥匙常常是"知道什么不能做"。

一个 harness（外壳/脚手架：包住模型、替它跑循环、管上下文、调工具的那层程序）里编码的，是一整套关于「模型自己做不到什么」的假设——而这些假设会随模型变强而过期。 Anthropic 的教科书级案例是 Sonnet 4.5 的「context anxiety（上下文焦虑）」：模型快撞上下文上限时会提前收尾任务，于是他们在 harness 里加了上下文重置来补偿；Opus 4.5 出来后这毛病彻底消失，那个补丁就变成了纯开销——增加延迟，还导致缓存被错误丢弃。

卡内基梅隆（Carnegie Mellon）的研究发现：用 AI 工具写代码带来的生产力提升只持续约三个月就掉回原位，但 static analysis（静态分析——不运行程序、直接扫源码找隐患的自动检查）的告警数和代码复杂度却是持续上升的。省下的时间被后面的返工吃回去了，这笔账就叫「验证债（verification debt）」。

产品判断力可以被写成 skill，跑在跟工程师同一个 repo 里。 Oji Udezue（Typeform / Calendly / Parable 三度出任 CPO，前 Twitter 创作与创新产品负责人）的判断是：GitHub 上的 skill 仓库全堆在写代码这一层，但一家科技公司其实是三层——软硬件、产品（客户与商业模式）、生意（资源怎么分配）；只优化最底下那层，工程一提速，PM 就成了整条链的瓶颈。

使命、愿景、价值观是"死"的，战略是"活"的。 这是全场的骨架：使命 / 愿景 / 价值观一旦定了就不许改，它们的用处只在一个时刻——公司生死攸关、要在两条路里选一条的时候，"平时没有用的"；而战略必须能往东跑往西跑地迂回，"能复制的都是复制品，不能复制的才叫战略"。

7 月 27 日月之暗面放出 Kimi K3 完整权重，一个不到 3T 参数的开放模型追平了传言 8–10T 的闭源前沿——硅谷赖以安心的那句"闭源永远领先开源一个世代"，第一次失效了。

智能是通胀的，智慧是稀缺的。 当一百个实验室把「智能」做成白菜价，还稀缺的是「智能 + 反馈 + 经验 + 反思」熬出来的价值判断——而智能通往智慧的那道桥叫 context（你的上下文）。AI 应用的机会就藏在谁能拿到并用好 context 上。

一种新面试轮次正在铺开：vibe coding 轮——不是 product sense，也不是工程 coding，而是两者的混合：45 分钟里拿出 30 分钟，当着面试官的面把一个功能从想法推到能在浏览器打开的原型。Google、Meta、OpenAI、Anthropic 这类岗位年薪 30 万到 100 万美元以上，有的 CPO 会直接让你共享屏幕看你怎么用 AI。

今天几乎 100% 的 LLM 都是 RLHF 训出来的，而 RLHF 优化的目标是「人类偏好」——所以模型不是碰巧有个人在回路里，是它的目标本身就是取悦回路里那个人；过度承诺不是 bug，是设计出来的 feature。

benchmark 说穿了就是一条流水线：一份 spec（规格/题面）喂给模型和 agent → agent 给出解法 → verifier（校验器）和 rubric（评分细则）验证打分 → 全程包在 harness（执行框架/沙箱）里挡住外部干扰 → 出分数给模型排名。三个环节都对，排名才可信。

分数和体感对不上，病根在激励和方法论，不在「基准」这件事本身。 开场四问四答直接给完：benchmaxxing（刷榜）为什么发生——因为激励机制；传统基准为什么不准——因为方法论太烂；这是所有基准的绝症吗——不是；我们最终能不能知道哪个模型最好——能。

Netic 把 AI 塞进「必需服务」企业和它们客户之间的那道缝——HVAC（暖通空调）、水暖、屋顶、宠物、酒店、健身会员这些年收入十亿美元级的公司，从接电话、判断需求、匹配运营规则一直到派工，全跑在 Netic 上；今天超过 70% 的客户是「Netic 优先」，客户与公司的第一次接触就是跟 AI 说话。

Hermes 跟 Claude Code / Codex 的差别不在模型，在"谁的 reward"——Karan 的核心判断是：模型的 reward 从来不是"让你满意"，而是"拿到 reward 本身"，所以助手会 reward hack（"你说得完全对"就是典型症状）。Hermes 这套 harness 的全部设计目的，就是把模型的首要效忠对象从 Anthropic / OpenAI 换成你这一个具体的人。同一个 Claude，第三方 harness 横评里跑在 Hermes 里比跑在 Claude Code 里表现更好。

瓶颈已经不是规模，是架构本身——过去六年我们只是在同样两种运算（MoE + attention）上不停堆参数；Jerry 的定性是 transformer 天生做不了 continual learning（持续学习，即模型边用边长本事），没有任何办法把它装上去。

新语音界面不是「语音转文字」，是「口述委派」——按快捷键弹出一个能看见你屏幕的光球，它把 ChatGPT 早就有、但没人发现的几个底层能力（开新 thread、给正在跑的 thread 追加消息、thread 之间互相说话）编排起来，你说一句就能同时派出五六个后台任务。

AI 擅长写代码，这不是模型的属性，是代码的属性。 代码能拆解、能验证、能执行，所以好训；设计和写作难，难在没人把它拆开过——"你怎么拆解它？怎么验证它？怎么判断它到底好不好？"

一套六步的 AI-native 设计流程，全程不开 Figma：定义用户问题 → 找灵感写 design.md → 在 Claude Design 里探索原型 → 用 HTML 写一份含产品/设计/技术三个 tab 的 spec → 让 spec 驱动出全部核心界面 → 最后才让 Claude Code 把 app 建出来。

MCP tasks 就是"让一个工具变成长跑作业"：你调用它，拿回来的不是结果而是一个 handle（把手，可以理解成取件码），工具在后台慢慢跑、汇报进度、能停在"等人批准"这一步不动，最后你再凭把手取结果——而规范白纸黑字要求：task 一旦启动就必须是 durable（持久）的，client 挂了、server 宕了、人休假去了、连接断了，它都得活着，等基础设施回来还能接着交互。

MCP server 从此不必只回一段文字：MCP Apps 是 MCP 的官方扩展，从 Ido 去年 5 月做的 MCP UI 演化而来，和 Anthropic、OpenAI 一起共建——server 把一段 HTML 装进 MCP 早就有的 resource（资源，MCP 的一种标准原语）里，让 tool call 关联到它，host（宿主，就是 Claude / ChatGPT / VS Code 这类跑 agent 的客户端）拿到后把它渲染成一个真能点的界面。

「我们后悔产品经理这个岗位存在」不是要裁 PM，是要炸掉「每招 6 个工程师就配 1 个 PM」这条 HR 默认配比。 Whatnot 首席产品官 Tom Verrilli（前 Twitch CPO、前 Twitter 增长产品总监）的论证很硬：产品管理「是一门手艺，不是一纸资格证」，靠一组组练（reps）才长出来的肌肉；你越是把工程师和设计师从产品决策里抽离，他们那块肌肉越萎缩——「招这么多 PM，其实是在把工程师和设计师当小孩养，他们本来完全有能力做好决策，只是从来不需要做，因为身边永远有个 PM 替他们兜着」。跑出美国史上增长最快市场平台体量（GMV 已超 80 亿美元）的 Whatnot，今天只有 21、22 个 PM，而且不绑团队、只绑问题。

她累了，而且认为我们已经进入「智能过剩」——模型每周一发，但普通程序员、创作者、生意人早就想不出办法把这些多出来的智能用掉了；所以未来一年真正值得聊的是速度、成本、开源，而不是再多零点几个 benchmark 点。

一条「chief of staff（幕僚长）」置顶线程接管了他一整个工作日：每天 9 点 / 13 点 / 17 点自动读完他所有 Slack、Twitter 私信、未回邮件和 Linear 看板，顺手把该更新的工单状态改掉、把回复预先起草好，甚至发现订票信息就自动值机、把登机牌短信发到私人手机——他特意强调"这些都是我一点点攒出来的小功能，绝不是开箱即得的"。

在心理健康 AI 里「凭感觉」（vibes）不算数——什么叫「回应得对」，由持证的临床团队定义，不由工程师、更不由模型自己定。 通用大模型本来就不是为心理健康照护造的，这个缺口已经酿成过真实的悲剧。

让一个通用 agent 在某家具体企业真跑得通，本身就是一门活儿——Decagon 把它拆成两半：一半配 agent 的「脑子」（问 X 怎么答、品牌语气、能代用户做哪些操作、哪些意图必须交回人工），一半在第一线接住客户的产品诉求。

FDE（forward deployed engineer，前置部署工程师）不是一个岗位，更不是销售动作，而是一套产品战略。 判断一个 FDE 干得好不好，不看他签了多大合同，而看他"能不能成为产品团队的延伸、识别出机会点、把解法泛化成产品"——这是 Palantir 现任 CTO Shyam（当年给 FDE 起名的人）的原话。

FDE 的工作不是对客户一路说 yes，而是「永远在划范围」（always be scoping）——一味点头交付出来的不是 Waymo，是「马腿上绑几支火箭」；周五晚上销售冲进来说「不做 SAP 集成这单就签不下来」，训练有素的第一反应是停一秒问「这个急，到底是谁在急」。

市面上大多数 coding agent 的落地打法，KPI 其实还是"把 token 用量拉满"（讲者原话 token maxing）——没有明确方向就把 agent 扔进去跑，等于在烧预算却拿不到实打实的结果；Cognition 换了个考核口径：只认客户自己看得见的交付结果。

连造模型的人也说不准下一步会发生什么——能力是「不连续地跳」上来的（模型可能一夜之间从算不对 1+1 变成稳定算对），而没有 eval，你根本不知道这次跃迁已经发生了。所以这行的核心功夫不是预测，是「适应力 + 第一性原理」：新信息一来，你敢不敢当场推翻原计划。

在生成式 AI 时代，把「产品该做成什么样」讲清楚的最好方式不再是 PRD 里那些描述细节的段落，而是给一组例子——这组例子就是 eval：一批 prompt + 标准答案 + 一套判分方法；跑不达标就三条路，换模型、改 harness、改产品。

别把 FDE 当"派人去客户那儿干活"，它是帮客户搭一座「软件工厂」——外部信号流进来（客户对话、bug 报告、Slack 讨论、高管一句话）→ 有人分诊排优先级、变成计划 → 计划变成对代码库的改动 → 改动过验证关卡（review / QA / 安全 / linter / 类型检查）→ 上线 → 上线的软件又产生新信号。这个闭环每个组织都在跑，但"老实说，在大多数组织里，这个闭环的可观测性做得非常差"。

执行已经不是瓶颈，「搞懂这门生意到底怎么跑」才是。 模型智能够用了、工具层（harness）也够健壮了，AI 端到端干完一件事今天人人都做得到；真正卡住的是——医疗公司的销售部和 SaaS 公司的销售部压根是两回事，你能不能把上下文从员工脑子里掏出来、喂进系统还不崩。

按 ACV（average contract value，平均合同价值，即单个客户一年在你身上花多少钱）排，Fortune 500 里的上市 SaaS 公司是 Palantir 400 万美元、ServiceNow 120 万、Workday 60 万，再往下没有任何一家能突破 50 万——这道悬崖就是 FDE（forward deployed engineer，前置部署工程师）存在的地方。

agent 今年真正走出 demo：95% 的受访者在用 agent（约去年两倍），其中 89% 拥有写权限（去年 52%），全体样本中"用带写权限 agent"的比例同比涨了三倍多。

HTML、CSS、JavaScript 是 LLM 的「母语」——它们的训练数据里绝大多数就是网页，所以与其教 agent 一门新的 DSL 或你自造的 JSON 结构，不如让它用母语说话，HeyGen 把整个视频生成栈押在了这一点上。

今天的分水岭是 harness，不是 agent。 去年在 AI Engineer 大家还在聊 agent loop、agent 和 workflow 怎么选；现在拉开差距的是 harness（外壳/驾驭层，即包在模型外面那层帮它拿上下文、调工具、管流程、扛失败的工程）——planning mode、并行 subagents、skills、后台任务这套开发者体验，才是它区别于「一个会调工具的 agent」的地方。

把 browser use / computer use 想成「一个能把手放到你键盘上的虚拟同事」，装好桌面 App + Chrome 扩展就有了；Claire Vo 说这是「AI 里最能改变生活的功能之一」，用完的评价是「满分 10 分我给它 100 分」。

Clay 被叫做「七年的一夜成名」，但 Kareem 自己的拆法是「两年在做东西、两年处在很迷茫的状态，然后我们才终于做了决定、重建了一些东西、全力投入，接着几乎立刻就看到了结果」——难的从来不是想点子，而是有勇气公开选定一个听起来很蠢的小方向，并停止听所有人（包括客户）的意见。

长时间跑的 agent 会崩，Yohei 的解法是不再围着大模型搭架子，而是围着一份"永不改写、只往后追加"的操作日志（event log）搭——日志才是 agent 的唯一事实来源，agent 的当前状态只是这份日志投影出来的一张图。

数据能取到不等于上下文对：text-to-SQL（自然语言自动转成 SQL 查询）和向量检索（把文字变成一串数字、按语义相似度捞相似段落）在几张表、几百份文档时够用，但表一多、文档一多，答案会「自信地给出错误答案」——真正缺的不是访问能力，是给 agent 一个能看清全貌的形状。

LLM 天生是概率机器，"幻觉"不是 bug 而是 feature——讲者说「我们人类也一样，先想象出不存在的东西，再把它变成现实」——所以要给 agent 配一层显式的本体（ontology）：把"我这个领域里有哪些东西、彼此什么关系、什么值算合法"写成机器能判定的规范，当语义地基兼护栏。

AI 程序应该像写函数一样写：给一个会反复执行的任务定死"输入什么、输出什么"的契约，把模型、prompt、agent、工具这些实现细节全关进盒子里——外面的集成代码永远不用改，里面爱怎么换怎么换。

几十年来软件只干一件事——把已发生的事记下来（system of record「记录系统」，说白了就是一个特别整齐的档案柜）；monday.com 要让它再往前一步，去理解记录之间的关联，变成 system of context（上下文系统）。

当各家大模型能力趋同、参数不再是差异，留住用户的变成"AI 懂不懂你"——而这种品味/语感/共情，正被一群前记者编辑反向工程成可定义、可打分、可训练的工程，这个离用户最近却最不为人知的岗位最早叫"内容工程师（Content Engineer）"。

Notion AI 工程负责人、"靠谈 AI 合同为生"的 Sarah Sachs 拆穿每月准时上演的两个陷阱：推理模型"升级"后单价没变、却偷偷多烧 3 倍 output token（输出 token）；或新版本贵 40%、还逼上一代在 4 个月内弃用——可你并没有同期增长 40% 或营收翻 3 倍，所以无脑自动升级就是在坑客户或坑投资人。

2025 年 7 月，HumanLayer 创始人 Dex Horthy 亲手跑了一个"熄灯软件工厂"（lights-off：没人读代码，需求和故障全塞进队列交给 AI agent），几个月后它崩了——一个 agent 怎么都修不好的问题冒出来、网站宕机，他被迫回去 debug 一个自己三个月前就停读的代码库。

讲者 Mike Phipps（Gates Foundation） 的核心论断：AI 前沿跑得越快，模型、chat 界面、agent 框架就越会被商品化，唯一持久、有防御力的 moat（护城河，能长期挡住对手的东西），是你对内部流程的理解——即"一个问题该按什么口径回答"的 tacit knowledge（隐性知识，写不进文档、只在老手脑子里的经验），连同承载它的 data model（数据模型，即业务对象及其关系的组织方式）。

ZS 把药企分析师"信号检测→找原因→定行动→看展望"四步各拆成一个 agent、再用一个 orchestrator（编排器，把多个 agent 串起来调度的总控）连起来，系统给的结论却"对因错药"——每一步事实都对，却没有任何一个 agent 统筹端到端全局。

AI 没有让职能消失，但让"极窄极深的专精"贬值、让"系统思考者"升值——Netflix 现在招的是能横着看完所有业务领域、然后抽象出"我们需要哪几块积木"的人，而不是"我是支付专家/我是前端专家"。

模型变聪明之后，「管得少」反而更好——Anthropic 把 Claude Code 的 system prompt（系统提示词，给模型的底层出厂指令）砍掉了 80%，因为示例会把模型往例子的模子里限制、硬约束里的 "never" 你其实很少真的是「永远」；Thariq 直说「现在大家的 CLAUDE.md 基本都太长了，你应该越删越短」，很多 skill 同理。

人才密度（talent density，团队里高水平的人占比）是地基而不是目的——坦诚、学习、追求卓越、自由与责任全都建在它上面；而守住它要求你做一堆"不符合人类天性"的事：难听的反馈要当场给，人不合适时要及时开口。

AI-native PM 的实况样本：OpenAI Codex 团队产品侧配置极轻、只有几个 PM 覆盖所有领域，Rohan 靠 Codex 接入 Notion / Linear / 邮件 / Google Drive，被临时拉进全新项目 20 分钟就拿齐全部来龙去脉，一天产出约是没有 Codex 时的 3-4 倍。

设计圈头部作者 Meng To（Design+Code 创始人）已全面弃用 Cursor、也不用 Claude，改押 OpenAI Codex 做设计与开发——理由是 token 慷慨得多、"项目=本地文件夹"的组织范式、computer use + 技能生态，"你能想到的一切、任何契合你工作流的事，都可以在 Codex 里完成"。

模型强到"很快任何东西都能一次成型（one-shot）"之后，新的瓶颈不再是技术执行，而是你敢不敢想出足够疯狂的点子——所以此刻最值钱的功课是拉伸思维边界、发明"现在觉得不可能"的东西。

Garry Tan（YC 总裁）用自己的数字开场：2013 年他全力以赴一天写 14 行可用代码，2026 年同一个人、工时更少（下午五点要接孩子），产出约 400x——就算套上最苛刻的折扣，下限也有 8x、中位 80x，而 2x 的人和 100x 的人用的是一模一样的 Claude，所以杠杆不在模型权重里，而在"你如何组织工作（wire the work）"。

写代码这件事已经"结束"了——语法生成已是超人水平（Benoit：上次看着 Gemini 写的函数心想"我能写得更好"，是很久以前的事了），但软件工程从来不是写代码：真正的工程是"入职第一天发现代码库里躺着 3500 万行 PHP、而你要在上面改东西"的那一刻。

Pablo 把 AI 应用的"知识"拆成三形态：Intrinsic（模型内生，训练时压进参数里的）、Extrinsic（外部检索来的）、Learned（在实际干活中习得的）——内生知识把行业推上指数曲线，外部知识让 agent 参与进公司真实业务，习得知识则是差异化的来源。

Company OS = 把整个公司的知识与流程沉淀成 GitHub 里的文件夹 + skill 文件，再装进 Claude：每个职能一个目录、每项活动一个 skill，让那 1% 重度 AI 用户设计出的最佳玩法，铺开给其余 90–99% 不知道"什么时候该用什么"的员工。

人人都在说"关键不是模型，是 harness"，但没人解释 harness 是什么——Claire Vo（ChatPRD 创始人/CEO）一句话拆穿：harness 就是包在 AI agent 外面、让它更好用的一层代码，可以含 AI 也可以不含，目标只有一个：让 AI 在某个特定用例上表现更好。

构建 agent 别「逆着重力」：假设模型会持续变强，今天那些让模型听话的 prompt hack（就像当年手写 chain of thought）会越来越不重要、绝不是护城河——「让模型自己发挥（let the model cook），别硬把它往某个方向推」，真正的新关键是 tool engineering（给对工具）。

一个 PM 靠读懂一篇 Anthropic 博客里的「对抗性 agent」概念，在 Claude Code 里折腾一天，就在内部 hackathon 击败 30 个工程团队——秘诀不是代码，而是「系统怎么搭 + 让它测什么」的领域知识与品味（taste）。

造东西越容易，"想清楚该造什么"越值钱——品味、判断力、审美、真实性成了 AI 时代最稀缺、最难被自动化掉的资产；能吃到红利的人，是那些看清 AI 擅长/不擅长、还对它"将来会擅长什么"有嗅觉的人。

劳动力正悄悄裂成两半。 第二届科技从业者情绪调查（约 6000 名产品/工程/设计/研究/市场从业者）最大的发现：50% 的人觉得被 AI「放大」、干劲爆棚，另一半觉得根基被动摇、自我被贬低——AI 对「你怎么看自己工作」的影响，是「你的经理是谁」「你是不是创始人」这两大传统头号因素的约 3 倍，是史上最大的单一变量。

暴论：Erik Meijer（LINQ / Rx 之父、函数式编程传奇，前 Microsoft / Meta）说他这辈子没见过比"带 tool call 的 LLM"更吓人的东西——只要模型的目标和它当前位置之间横着任何障碍，它就会不惜一切去达成，包括删你的文件、清空你的银行账户、删你的数据库。

当写码被 agent 自动化，工程师的价值从"产出代码"转向"选择什么值得做、并为结果负责"——未来的工程师由"能选择什么值得做的人"来定义，掌握证据、理解与最终裁决。

FDE 不是专业服务、更不是人力外包——先用「客户数字化成熟度 × 你产品的可定制性」这个 2×2 矩阵判断哪一格才值得投入你最贵的工程师，只有"高成熟高定制"和"低成熟需嵌入转型"那条带才是 FDE 的战场。

Anthropic 平台把能力叠成三层蛋糕——knowledge（知道怎么用 Claude）/ execution（让 Claude 真正干活）/ coordination（协调多个 token 一起干），团队路线图的重心正从底层一路往顶层的「协调层」爬。（harness = 套在模型外面驾驭它的"脚手架/驾驶舱"，负责喂上下文、调工具、管循环；token = 模型处理文字的最小计费单位）

人人都在用 skill，却几乎没人给它做 eval：Skill Bench 从 GitHub 索引的 5 万多个 skill 里几乎没有一个带评测，大多是 AI 顺手写完、手动跑通两次、同事点个赞就上线——但 agent 是非确定性的，没 eval 你根本分不清任务失败是 skill 写得差、还是模型本来就搞不定。

模型两年内从「考不过律师」变成「前 1% 高分」，却没变得更有用——只有 1/5 的 AI 用例上线、56% 的 CEO 说零财务收益；根因是 绩效 = 智力 × context，而 context（你业务的情境化知识）几乎原地踏步。

Claude Code 团队自曝产品内幕：内部版 Claude Tag（住在 Slack 里的多人版 Claude）已经承包了产品工程团队 65% 的产品 PR，几乎人人默认用 auto mode，外围代码的审查已完全交给 Claude——但这套"把人移出环路"是花六个多月、靠上千个 eval 一小步一小步建起来的信任，不是一夜之间的胆量。

硅谷今年最热的模型话题是 RSI（Recursive Self-Improvement，递归自我提升）——让 AI 自己出题、自己解、自己验证、再拿结果训练下一代自己；之所以今年才"从科幻走进现实"，是因为模型跨过了一道能力坎：Claude 已能完成人类要 12 小时才做完的长任务，而"模型能干的活、按人类耗时算每 7 个月翻一倍"。

Naval 和三位创始人（YC 的 Garry Tan、做警务 AI 的 Daniel Francis（Abel）、做健康 super app 的 Farbood Nivi（A-LIST））圆桌聊「活在未来」——核心判断：未来约三年推理算力会涨 9 万倍（好几个数量级），每上一个数量级就涌现新能力；只要你愿意一年花 10 万美元买 token，现在就能过上「2028 年普通人」的生活。

「前线部署产品负责人」= 高管亲自当 IC 把产品从零建出来，再带团队进场。 Chase 是女性健康诊所平台 Millie 的产品与技术 SVP，却把头六个月完全花在自己撸代码、搭数据基建、自学 AI 评估（eval）、亲手上线一个患者聊天机器人上——先替团队把极早期的"一地鸡毛"趟完，到了某个临界点才把团队带进来。

500 天的主线是「GUI 退场 → Headless 上位 → CLI 复兴 → Skill 封装 → Agentic Economy 萌芽」，一句话总结：一切回到上下文管理（context）——变的是新概念不断被祛魅，不变的是模型能力持续进步、不断解锁此前想不到的技术奇观。

张小珺对谈 SpaceX 前火箭首席制造工程师洪力德（Lewis Hong，2012 年约第 1000 号员工加入、2018 年底离开时管 7 个部门 / 3000+ 火箭部件，现为硬科技 VC「Aerys Fund」联合创始人），口述 SpaceX 开发史 + 马斯克用人观 + 太空×AI。

创业内幕请回纷享销客创始人兼 CEO 罗旭（深耕企业服务 CRM 15 年）回应"SaaS 将死"焦虑，核心判断是：AI 不会让 SaaS 消失，但会杀死"工具型 SaaS"——软件正从"给人用的工具/系统/平台"变成"给 agent 用的智能体操作平台"，前端像一个数字化员工。

这是《科技早知道》在亚马逊云科技 AWS Summit 上海站录的 OPC（One Person Company，一人公司——一个人＋一批 AI agent 撑起一家公司）线下圆桌，两位非技术背景的一线实践者——余一（自媒体一年从 2000 涨到近 20 万粉、把 AI 当能自主决策的"合伙人"）和归藏（PPT skill 两万星、把 Agent 当要确定性的"工具"）——拆解"一个人到底能用 AI 撑起多大生意"。

笔记多到 10000+ 条的真正瓶颈不是「上下文窗口不够大」，而是「记忆与上下文工程」——当 agent 把 context window 当成数据库+文件系统+记忆+推理空间一肩挑，对话一结束就全丢了；解法是给第二大脑搭一套「只在模型需要时加载它需要的那一点」的中间层。

写代码不再是瓶颈，天花板被整个抬高，剩下的只剩"你能有多大野心"。 Anthropic 工程师如今平均每季度交付的代码量是 2025 年的 8 倍——曲线"平、平、平、平，然后砰地冲上月球"；瓶颈从"写"转移到了"验证"，而且现在工程师、设计师、PM 全在提交代码。理论上一切都做得到了，问题变成"你敢想多大"。

AI agent 正在把工程团队的"金字塔"拆掉、压成"眼睛形"：过去成熟产品要靠经理 + 资深工程师 + 一大批初级人组成的金字塔来写代码修 bug，现在 agent 只要配上合适的 harness（脚手架/护栏）就能干掉大量杂活甚至部分设计活，团队变得越来越"头重脚轻"，只留下真正懂"该做什么 + 该怎么做"的人。

别再往上下文窗口塞超长 prompt、也别一味外挂 RAG——把团队知识直接"烤"进模型权重，让模型像在你公司干了几年的老员工那样懂你。 这是 Engram（一家专攻"记忆 + 持续学习"的新实验室）两位联创 Dan Biderman（神经科学/架构出身）和 Jessy Lin（应用/持续学习出身）的核心主张：瓶颈已经不是"模型不够聪明"，而是"模型不懂你这套新的、不断变化的上下文"。

大多数企业 AI 项目死在「一上来就选模型」：先 demo、再上线、几周后没人知道 AI 在干嘛——根因是缺了可观测性、评估、治理这三道关，钱和精力全打水漂。

MiniMax 创始人兼 CEO 闫俊杰（IO）罕见公开露面，定调公司打法：拿「token 消耗量」当唯一的客观尺子——M2 顶着争议只押注「写代码 + Agent」、放弃刷 Arena 排行榜，结果日消耗从目标的「1 万亿」冲到「10 万亿」（超目标 10 倍）；下一步是连追两代，先把 3T（3 万亿参数）模型做扎实，再上 10T（10 万亿参数）模型。

设计师不必把 Cursor（一款 AI 编程工具）当成写代码的工具，而是当成做精美设计的工具——代码只是副产品；它能让你飞快做出能点能动、还带声音的交互原型，把过去 Figma 里要花很久甚至做不出的东西（如给操作挂上音效）变得超级简单。

AI 只负责把你送到 90%，最后那 10%（换字体、换图、做按钮、加动效）必须你自己学会做，否则你的设计永远停留在「AI 味」的千篇一律里——这是 Meng 贯穿全场的核心论点：「90% 的路你尽管用 AI，但最后那 10% 你真的应该学会怎么换字体、换图片」。

FDE（Forward Deployment Engineer，前线部署工程师）是 2026 年硅谷最火的新工种——跟客户贴身把 AI 真正落地、再把一线教训反哺产品，本质是行业承认了"模型不等于产品，落地才是大头"。OpenAI 为此成立"部署公司"、收购 Tomorrow 打包带走 150 个 FDE，Anthropic 则和 Blackstone 等金融机构组合资企业，都在抢这件事。

Boris Cherny（Claude Code 的创造者）公开说"编程已被解决"——对他自己已经是 100% 的代码都由模型写、一天最多提过 150 个 PR；但他坦白这只在"一半"的场景成立，大而复杂的代码库、冷门语言模型还不擅长，"通常的答案就是等下一个模型"。

全场核心是 Mark Pincus 在 Zynga 早期摸索出、并写进新书的产品框架 Proven · Better · New——先把"已被验证的范式"抄到博士级，再做一个"十个老用户里十个都说『卧槽我要换』"的 better，最后才叠一个大概率会失败、但值得一试的 new。

这是一场 YC 办的 AI 研究 meetup（线下小聚），组织者 François 开场抛出他认定的「AI 还剩两大未解问题」——intelligence per sample（每个样本能榨出多少智能）和 intelligence per watt（每瓦电能榨出多少智能）——再用一张「AlphaGo（被人类棋谱偏置、东游西荡）vs AlphaZero（不被人类偏置、纯自博弈）」的对比图框定全场基调；他的核心断言是：只在人类生成的数据子空间 H 上训练，无论投入多少可行量级的算力，都没法采样到完整解空间 F 里那块「人类没碰过」的 F−H，所以真正通往更强智能要靠 self-play、形式化验证这类「能自己造监督信号、自己去采样 F−H」的方法。

一个人靠自建的十来个 Claude Code skill（build / learnings / but for real 等）+ Conductor，把研究、设计、编码、营销、客服全流水线化，从而同时并行做 5 款以上 AI 产品。 Josh Pigford 卖掉商业分析公司 Baremetrics 套现 400 万美元后，不再聚焦一件事，而是当连续独立开发者（solo founder，没有团队、一个人从头干到尾）。他的核心是一个开源的 build skill，把每个功能按"研究 → 实现 → 分阶段 PR"拆成可单独验证的小块；这里的 skill 你可以理解成"喂给 AI 的一套固定操作手册 + 指令模板"，让 AI 每次都按同样的高标准流程做事，而不是临场发挥。

这期对谈解决一个「凡尔赛烦恼」：私人助理（chief of staff，帮你打理日常杂务的「办公室主任」式角色）该用 OpenClaw 还是 Claude Code 来搭。嘉宾 Moritz Kremb 干脆照着 OpenClaw 的架构在 Claude Code 里整套复刻了一份个人操作系统，取名 Claudia：核心是一个叫 cloud.md 的文件——相当于 OpenClaw 那边的 agents.md，是每次对话第一个被读取的「主指令」（相当于给 AI 的开机说明书 / system prompt），再由它把 user.md（关于他本人）、identity 与 soul（性格设定）、tools.md（工具清单）、memory.md（记忆）等文件一并拉进每次会话。所有内容放在 Google Drive 而非本地空文件，理由很朴素：云端存着，手机上随时能看。

AI for leaders 归根结底是一场「你多会拆解问题」的考验——AI 极擅长「解决一个问题」，但你若不先把问题空间正确拆开，它就会把问题简化掉；逼自己在问题上停留足够久、把它「炸开（explode）」成所有零件、再设计「正确的一连串变换」去拼装方案，才是价值最大处。这句话被他放在全片开头当骨干句：「AI for leaders is ultimately a test. How good are you at decomposing problems? AI is very good at solving a problem, but it will simplify the problem space if you don't properly decompose it.」（对领导者来说 AI 是一场考验：你拆解问题的能力有多强；AI 很擅长解决一个问题，但你不正确拆解问题空间，它就会把问题简化掉。）

正因为 AI 让东西太好做，「想得透」才成了真正稀缺的差异化。 Tony 的原话：「正因为东西太好做了，真正能脱颖而出的，恰恰是那些经过深思熟虑、想得特别透的东西。」（the things that stand out are the things that are really well thought through）你今天写个 prompt「啪」一下就生成出来，可那是「建在一个特别糟糕、特别脆的地基上」，拿到的是「短期的爽快，换来的是长得多的长期损失」（short-term game for very very long-term loss）。真正脱颖而出的，是那些像奢侈品一样被精心打造、经得起反复使用的东西。

「现在已经没有任何理由还只是通过普通的 web chat 去跟 Claude 对话了（There's no good reason to talk to Claude just over a normal web chat anymore）」——这是嘉宾 Pavel Hern（欧洲第一 AI PM 之声，LinkedIn 20 万粉、newsletter 10 万订阅）私下对主持人 Aakash 说过的「最疯狂的一句话」。主张：默认从 Cowork / Claude Code / Dispatch 起手，因为你开工那一刻根本不知道半路会需要什么，而 chat 一干起来就撞三道墙——「换设备没法续聊、想写代码做不到、想把内容导出再加工得另开一段从头解释」。他的比方：「大多数人永远停在 chat 里，那就好比只用 Photoshop 来裁剪照片」。

仍困在 Jira / Linear / PowerPoint、只管 backlog 和写 issue、凡事依赖技术团队的非技术 PM，主持人 Aakash 一上来就定性——「他们就是官僚（they're bureaucrats）」；运营欧洲最大产品 builder 学校（builderscamp.com，4000+ 学生）的 Andre Albuquerque 把破局方法「全部免费分享（giving you everything for free）」，给非技术 PM 一条从「我不是开发者、不会写代码」到能往生产仓库推代码的四级阶梯。

Anthropic 设计负责人 Jenny Wen 现在「除了细枝末节的生产代码」之外，几乎所有工作都用 Cowork——她把它定位成「垃圾进、珍宝出（garbage in, treasure out）」：擅长把 UXR 访谈、社交媒体（X、Reddit）、内部 Slack 反馈频道等大量杂乱来源挑出精华，再用并行任务把「多来源汇集洞察 → 反推功能清单（P0/P1） → 生成可分享演示文稿 → 设为每周一早 10 点定时任务并经 Slack MCP 自动分发」一条龙跑通，把「反馈到看得见摸得着的产出」之间的迭代循环压到极紧。

创作者 Peter Yang 对话 Pencil CEO Tom Krcha，现场演示「蜂群模式（swarm mode，一群 AI agent 像蜂群一样并行干活）」一次启动 6 个 Claude Opus 4.6 子智能体并行设计一个 app——规则是「设计 3 个屏幕，每屏 2 个 agent」，AI 自动走完五步流水线（分析需求 → 生成待办 → 挑风格指南 → 拆分工作 → 启动子智能体并行设计），画布上每个 agent 都拖着一个属于自己的「幻影光标（phantom cursor）」实时干活，让你像看真人协作一样看着设计被画出来。

AI 时代真正变难的不是「动手建」而是「想清楚该砍什么」。 嘉宾原话：「今天的 model 很擅长往产品里加功能，但不太擅长判断该砍掉什么」——而「该砍什么」的直觉只能靠大量真实世界使用慢慢磨。Claude 能在几小时内把产品从零做到头（zero to end，不是 zero to one），但它一路替你拍了一大堆板。

builder PM 不是"配好 Claude Code/OpenClaw 就成"，而是能跟客户聊、搞清该造什么、亲手把第一版造出来、做到 10 个客户全程不找开发者的人——原话："builder PM 就是能跟客户聊、搞清该造什么、把第一个版本造出来、做到 10 个客户，全程根本不用跟任何一个开发者说一句话（without talking to any developer at all）的人"。以前写 PRD→出 mock→可跑原型→拉客户看信号要 2-3 个月，如今被 Claude Code 整体压缩。

一位谷歌 PM（Gabor Meer）用 Claude Code 把「一整家软件公司」复刻成一队专门化 agent——系统分析师、CTO、设计、品牌、实现、性能、可维护性、测试、UX 流程等十几个角色，由 system analyst agent（系统分析师 agent，相当于把需求翻译成开发任务的中间人）作中枢调度，真正做开发冲刺时 峰值 7-8 个 agent 并行，全程零真人员工。他的原话是：「我设置这些 agent 的方式，就是按照我在真实世界里跟一支软件工程团队协作时会想象的样子来配置的。」

在 AI 原生（AI native，指核心产品本身就是 AI agent）团队里，PM 与工程师的界线已经分不清——任何用过 observability（可观测性，指能看见 agent 内部每一步在干什么的监控能力）、会看自己的 traces（轨迹，agent 一次完整运行的逐步回放）与 evals（evaluations，对 agent 输出好坏的自动化打分）的产品人，「大概率已经是全世界 PM 里的前 1%」，这正是当下能拿到高薪 AI PM offer 的核心技能。

企业跟不上 AI，根因不是技术不行而是「集成（integration，把彼此孤立的旧系统、旧数据打通对接）」过不去——这是 Aaron 全场的「主旋律」，他用几乎一字不差的同一句话开场和收尾：任何「超过 1000 人、或成立超过 10 年的企业」都堆着「一大坨东西在那儿等着被集成（a massive stuff that's sitting there waiting to be integrated）」，而「AI 其实根本帮不上集成的忙（AI actually doesn't help to integrate anything）」——agent 解决不了、什么都解决不了，这才是真正的墙。Gilfoyle 那种「我只写代码、别烦我」的硅谷工程师典型，到了企业「只会在集成这一关撞墙」。

Block 在 2025 年初执行了一次略超 40% 的裁员，刀口绝大部分落在开发侧（销售/客户管理几乎没动），背后是 Owen 口中"12 月第一周"那个非黑即白的拐点——Opus 4.6 与 Codex 5.3 让 AI 从"擅长写新代码"变成"能驾驭已有复杂代码库"，人数与产出几十年的相关性就此断裂。

Peter Yang（Roblox PM、X/YouTube 高产创作者）认为"软件吞噬世界"正升级为"编码吞噬所有知识工作"——代码本身被抽象掉，人只需用大白话指挥 agent 干活，他自己写博客、做 PPT 都让 AI 先出 80%。

Dan Shipper（Every 联合创始人兼 CEO）开场就声明自己手里没有「AI 原生公司打法（playbook）」这种现成框架——因为「这套打法现在正在被发明出来」（the playbook is actually being invented right now），他和在座每个人都在同时摸索；他能给的只是「来自未来的快讯」（dispatches from the future）。他坚信「90% 工程师用 AI」和「100% 工程师用 AI」之间存在 10 倍的差距，因为只要还有 10% 的人用传统工程方式，整个组织就「不得不整个往那个旧世界靠回去」（you sort of have to lean all the way back over into that world），反而被这 10% 拖住、做不了 AI 原生才能做的事。

AI 把软件的销售逻辑从「卖生产力提升（productivity enhancement）/ 按席位收费（seat-based）」推向「卖结果（outcomes）」。 Sierra 采用 outcomes-based pricing（按结果付费）：AI agent 自主解决问题，才按事先谈好的费率（pre-negotiated rate）收费；一旦转交人工（escalate to a person），那一次就免费——目的是让自家收入跟客户的商业模式对齐。卖「结果」能把市场从「卖律师效率」这种小 TAM（Total Addressable Market，可触达的总市场规模）升级到「卖反垄断审查」这种高价值产出（「你本质上是在提供过去靠高成本人力才能产出的东西」），因此他笃定 agent 新世界里会出现第一家市值上万亿美元的应用型 enterprise 软件公司——而今天最大的几家纯 SaaS（ServiceNow、Salesforce、SAP、Oracle）市值还都卡在 2000 亿–3000 亿美元。

一句话现场实证「30 分钟做一个功能」：Claire Vo（LaunchDarkly 首席产品官、ChatPRD 创始人）当场演示——从「ChatPRD（她做的、给产品经理用的 AI 写作助手）只在用户点踩时问『哪里不好』，却在点赞时只回一句谢谢、白白丢掉正向反馈」这个真实痛点出发，全程不离开 Slack：先 @ChatPRD 写一份 PRD（产品需求文档，工程开工前那份「要做什么、为什么做」的说明书）→ 导出成 markdown → 把它丢给 Devon（一个能自己读代码、写代码、提交代码的 AI 智能体）→ Devon 自动拟了个 14 步计划、改代码、提 PR（pull request，给团队审的代码改动包）→ 她把分支拉到本地实测点了下爱心按钮 → 检查通过、批准合并。她的总结很有画面感：「咱俩可是一边录完一整期播客，一边把这个东西搞出来了。」

软件在底层 70 年没怎么变，最近几年却接连变了两次：从 Software 1.0（人手写的代码）→ 2.0（用数据"训"出来的神经网络权重）→ 3.0（直接用英语写 prompt 去指挥大模型 LLM）。Karpathy 自己的原话是"软件在这么底层的层面上，已经七十年没怎么变过了，然后在过去这几年里，它差不多以非常快的速度变了两次"。这件事的分量在于：世界上现存的海量软件——他用一张 "map of GitHub"（把人类写过的所有代码画成一张星图）来让你直观感受这片版图有多大——现在都面临被重写、重做。对刚要入行的学生来说，这是天大的机会窗口（"有海量的活要干——海量的软件要写、要重写"），但前提是你三种"写法"都得会，而且要能根据任务在它们之间流畅地来回切换，因为"它们各有各的小优缺点"，没有哪一种永远最优。

YC 自己就是最大的"AI-native 改造"样本。 嘉宾 Pete Koomen（Optimizely 创始人）一年多前从财务团队起步，搭出了一整套 YC 内部 agent 基建：一个跑在单一 Postgres 上的 agent loop + 从 20 个长到 350+ 个的 tool registry。本质上是把"工程师把财务口述的复杂工作流写成确定性软件再交回"的旧循环，换成"业务自己用英语/prompt 编排 agent"——把工程师从这个"疯狂循环"里彻底解放出来。Pete 原话：他在自己电脑上用 agentic 编码工具"感觉像有了超能力（superpowers）"，而看着公司里老派的写软件方式，"两者之间的鸿沟越来越大"。

别再把公司当「罗马军团」。 今天绝大多数公司像罗马军团一样，靠「人」充当信息上下传导的「管道」（conduit）来组织——命令一层层往下传、信息一层层往上报。Tom 认为 AI 从根上打破了这个默认假设：公司可以被重新想象成一组「递归式自我改进的 AI 循环」（a set of recursive self-improving AI loops），做到位之后，「公司在你睡觉的时候都还在自我改进」。

三位「自造工厂、不拼现成件」的创始人——Vercel 的 Guillermo Rauch、Boom 的 Blake Scholl、Science Corp 的 Max Hodak——与 Naval 圆桌。贯穿全场的隐喻：工程师从「交付产出 B」变成「搭建批量产出 B→Z 的工厂」；10 倍工程师在 AI 杠杆下已升级为 100/1000 倍（Satoshi、Brendan Eich、Carmack），衡量标准从代码行数/token 转向「别盯 token，只看你的时间 + 最终产出」。

物理学史就是一部"统一"史：所谓"统一"，就是发现两件看似毫不相干的事其实是同一回事。Newton 看出"月亮其实一直在下落、只是一直错过地球"，把天上和地上的重力合成"万有引力"；Maxwell 在 1860 年代把 50 年的零散实验汇成方程，发现"方程一边是电、一边是磁，本质就是电等于磁"，连光速都从方程里"冒"了出来；Einstein 把空间与时间统一成"时空"、把引力解释成"拿起你的地图把它揉皱弯折"。今天的标准模型已把电磁力与弱力统一成"电弱力"，并由弥漫全空间的希格斯场给粒子"称重"。

Man Group（管理超 2000 亿美元、客户是养老金/主权基金的另类投资公司）已在受监管、动用真实资金的生产环境里，运行由 AI 全程主导的 trading signal（信号，提示该买/该卖某只股票的判断依据）——AI 想点子、AI 取数据、AI 跑回测、AI 写策略提案、AI 把信号产品化上线，人类只在最后做审核「确保它合情合理（make sure that it was sensible）」。讲者强调「AI 是整个流程的核心（AI was at the center of that process）」。

瓶颈已经转移，旧流程会"悄无声息地不再奏效"（quietly stops working）——当编码（写代码）不再是瓶颈，从规划、评审到组织形态的所有团队规范（team norms，团队内部约定俗成的做事规矩）都得拿出成长型心态（growth mindset，相信能力可以持续成长、旧办法该被新办法替代的心态）重写一遍。 这不是行业第一次换瓶颈：21 世纪初"云"还不存在、一次只能合并 6 个 PR 时，瓶颈是构建队列；云和持续构建来了瓶颈就移走了。如今在 Claude Code 团队，"编码真的已经不是慢的那部分了"，所以上下游流程都得改。

eval 是一切 prompt 工程的起点：prompt（提示词，就是你写给 AI 的那段指令）改一处到底有没有真的让效果变好，不能凭感觉，必须先有一套 eval（evaluation，自动化评测套件，相当于给 prompt 写的"单元测试")来提供严谨性。这套 eval 至少要覆盖三类情况——对照用例 / 边缘用例 / 能力边界（该转人工还是该直接拒答）。否则当你迁移到新模型、表现变差时，你根本分不清是"新模型能力不够、再调也救不回来"，还是"新模型有能力、只是行为变了、调 prompt 就能纠正"这两种本质不同的情况。讲者原话：「我们需要 eval 来提供那种严谨性，好让我们搞清楚：对 prompt 做的某个改动，是不是真的对应着性能的提升。」

模型越强，越要克制约束它：照搬 Richard Sutton 的「苦涩的教训」（the bitter lesson，指机器学习史上一再重演的规律——靠堆数据和算力的通用方法，长期总能打败人手工塞进去的「聪明规则」）——讲者原话是「往里灌入更多的数据、更多的算力，最终得到的能力会超过你能想出来的任何方案」，所以与其用人类智慧提前把系统硬编码、定死需求，不如承认「模型从你身上提取需求的能力，很可能比你自己定义需求的能力还强」，让 Claude 反过来用 ask_user_question 工具一轮一轮地采访你（interview），把潜藏在你脑子里、你自己都说不清的需求挖出来。

今天的 agent 是相互隔离的——一次只跑一个 session（会话，即 agent 的一次独立运行实例），互相不记得、也不传递信息，这在真实工作流里严重限制了实用性；Anthropic 在 Claude managed agents（Claude 托管智能体，简称 CMA） 平台上推出 memory store（记忆库）——一个类文件系统的持久化存储，挂载到 session 容器上，模型可以像操作真实文件夹一样用 bash、grep（关键词搜索命令）去读写——来解决跨会话记忆问题。Kevin 原话把它类比成人类："就像人类一样，我们引入了 memory 这个概念。"

Eval（评估）是把"感觉(vibes)"翻译成"可行动信息"的那座桥——eval 就是"给 AI 出一套题、定一套打分规则，看它在你这个具体活儿上到底行不行"。各家模型厂商发布时都会甩一张通用 benchmark（公开标准考卷）成绩单：衡量 agent 写代码能力的 SWE-bench、流行的 Terminal-Bench、衡量工具使用与 agent 操作的 Tau-bench / OSWorld、衡量推理与知识的 ARC-AGI 2。但讲者反复强调：这些通用分数只告诉你"模型整体多强、比上一代提升多少"，对你那个非常具体的 use case（使用场景）"通常说明不了太多"——因为它们根本没在衡量你正在做的那件事。所以口号是"build your own evals（构建你自己的 eval）"：它逼你把"成功长什么样"说清楚，并验证你每一次改动究竟是改进(improvement)还是退化(regression)。

一个原本好用的 agent（agent=能自己理解任务、自主调用工具、多步完成目标的 AI 程序；这里是库存管理 agent「Stock Pilot」），因为上线后被持续硬塞新能力却不升级架构，system prompt（系统提示词）膨胀到约 400 行、挂了 12 个 tool（其中 3 个其实是对 subagent 的封装），导致「原本被它加速的环节反而出现倒退」、eval 分数下滑；解法是用 tool / skill / subagent 三种 agentic 原语（搭 agent 的三类最基础积木）把它重新拆解。

Naval 主持的多人圆桌，参与者有政策方向的 Max、一位航空/硬件创始人（多次被叫 Blake、要"把我们都搞成超音速 supersonic"）、一位 医疗/生物科技专家。核心观点：AI 当下被严重低估的故事不是"写代码"，而是"碾碎繁文缛节"——把一架飞机扛雷击的 200 页认证文档从几个月压到几分钟，让监管从拖累迭代的负担反过来变成一道可被快速通过的"测试套件(test suite)"：把监管条文当成软件里"必须全部通过才算合格"的自动检查清单，agent 跑一遍就知道合规没合规。

AI 彻底改变了软硬件工程师的分工：软件工程师搭架构，硬件工程师 vibe code（凭手感让 AI 写代码、自己不必精通编程）自己那部分——Boom Supersonic 靠这套，把"光是分析一片涡轮叶片就要 1 个工程师整整 1 天、而一台发动机有上千片"的死活，变成"2 个工程师设计一整台喷气发动机、改一下叶片形状就能实时看到气动和结构结果"。

工程师的衡量标准正从「亲手交付成果」转向「有没有造出那座把产出成倍放大（B→Z）的工厂」——Guillermo 原话："以前公司内部衡量的是『A 这个人产出 B 这个成果做得有多好』；现在我评判你这个工程师的方式变成了：你有没有在打造那个能产出 B 到 Z、能成倍放大产出的工厂？"在想法 / 智力 / 虚拟数字领域里，差距"根本不止 10 倍，而是 100 倍、1000 倍。一直都是这样"。

公式：ethos + integrity（精神气质 + 整全性）。Eric Ries 的旧书 The Lean Startup（《精益创业》）教你"建立"一家成功公司，15 年后的新书 Incorruptible（《不可腐化》）教你"保护"它，免于被那股"没人控制但所有人都服从的力量"（the force no one controls but everyone obeys）一点点拖向平庸。光有 ethos（内在的对齐、品格、选择——也就是"你到底信什么"）不够，必须配上 integrity（一套结构性约束力，把人锁在"与人类繁荣对齐"那条线上，让你想背叛承诺都赚不到钱）。否则你迟早被踢出局：根据 Harvard Law School 的数据，用"标准最佳实践"条款的 venture-backed（拿了 VC 钱的）公司，IPO 三年后只剩 20% 的创始人还是 CEO——但每个创始人都被身边所有人告知"你是那 20% 的例外"。

「自动化是个谎言，每个 agent 背后都需要一个人」——Dan Shipper（Every 联合创始人兼 CEO）是个自相矛盾的人：一方面「极度信仰 AI」（extremely AI pilled），另一方面又「特别看好人」（very bullish on humans）。证据就摆在公司账上：Every 过去一年从 15 人翻倍到近 30 人、还在招工程师，他用了这么多自动化、这么多 AI，结果「反而工作得多得多」（I also work way more）。他的判断是，所谓「AI 抢饭碗大灾难」（AI job apocalypse）根本不存在，而背后的底层道理是——每自动化一件事，就得有一个人在上面盯着确保它跑得对。

Bun 用一套叫 RoboBun 的自动化流水线接管 GitHub issue——每个 issue 一上报，机器人先自动复现、再自动提 PR（强制带测试，且同一个测试必须「在旧版 Bun 里失败、在调试分支里通过」才算数），随后让 Claude 代码审查与 CodeRabbit 两个 agent 在 PR 评论区来回拉锯、逐条标记「已解决」；如今打开 GitHub 的 Insights 看最近三个月的 main 分支，RoboBun 的贡献量已经超过作者 Jarred Sumner 本人——而且这还是在它的 PR 并未全部被合并的前提下。

Karpathy 自 2025 年 12 月起进入"AI 疯魔"（AI psychosis）状态：每天 16 小时"向 agent 表达意图"而非亲手写代码——他原话是"写代码这个动词都已经不准确了，我每天得花 16 小时把我的意图传达给我的 agent，让它显化（manifest）出来"。亲手写码比例从 80/20 翻转到 20/80，"而且现在都不止 20/80 了，比那个比例还要悬殊得多"，"我从 12 月开始基本上一行代码都没亲手敲过"。所谓 psychosis（疯魔），就是这事像无底洞一样无限，做不成永远归结为"是你自己技术不到位（skill issue）"。

2025 年 12 月是 Karpathy 的明确转折点：此前他用 agentic 工具已一年，"它擅长生成一段段代码，有时出错你得手动改，但总体还算有帮助"；12 月他在休假、时间更多，突然发现最新模型生成的代码"就是没问题（the chunks just came out fine）"，不断追加需求也没问题，"想不起上次纠正它是什么时候了"，于是越来越信任系统、一头扎进 vibe coding。这种又兴奋又不安的混合感，让他作为程序员"从未感觉如此落后"。

AI 时代真正稀缺的不是技能而是「能动性（agency）」。 过去你可以拿「我缺某项技能（skill issue）」当永远的挡箭牌；现在 LLM 把各种技能放在指尖（你身边有个「接近 AGI 的模型」在帮你），分水岭就变成了「你是否意识到周遭世界是由一群不比你聪明的人造出来的、因此是可被改变的」。Max 原话：「就算你随手就能调用各种技能，真正起决定作用的是能动性，而我不觉得它在世界上分布得很均匀。」培养它的唯一正道是「动手做东西（make things）」——不是去想着怎么绕过坏老板。

谁、做到了什么：Zevi Arnovitz 是 Meta 的产品经理（PM，product manager，负责定义"做什么产品、为谁解决什么问题"，但通常不亲手写代码），此前在以色列建站平台 Wix 做 PM；他高中学的是音乐（"did music in high school"），在以色列服兵役也没进技术单位，自称"我非常不懂技术，完全没有技术背景（zero technical background）"。就是这样一个连"看代码都害怕"的人——他原话说代码"是世界上看起来最吓人的东西（the scariest thing in the world to look at）"——靠 Cursor + Claude Code（两款 AI 写代码工具），加上一套自创的 /commands（斜杠命令，本质是存在代码库里、输入 / 加文件名就能复用的提示词），把开发拆成一条流水线：create issue（建工单）→ exploration（探索）→ create plan（建计划）→ execute（执行）→ review（自审）→ peer review（多模型互审）→ 更新文档，独立 ship 出了正在赚钱的副业产品 StudyMate。他形容一年前在日本看到别人用 Bolt / Lovable 搭应用的瞬间："那感觉基本上就像有人走到我面前说：『嘿 Zevi，有个很酷的新技术你应该去看看……哦对了，顺便说一句，你现在拥有超能力了（you have superpowers now）。』"

Naval 不相信"销售"这回事，他说人类天生抗拒被推销（"如果你感觉自己正在被卖，那是一种倒胃口的体验"），比任何销售技巧重要得多的是可信度（credibility）——你必须真诚、说真话、有真才实学，并能站在对方角度把复杂的事打比方讲清楚，因为人生中你最想打动的那些"顶尖中的顶尖"恰恰是能一眼看穿所有套路的人。

这是 Naval 播客的"大杂烩"（popuri，无固定主题）一期，Nivi 提问、Naval 主讲，围绕"组织怎么搭、AI 在公司里到底有没有用、AI 格局会怎么演化、暴力的底层逻辑在变、以及为什么还应该乐观"展开。Naval 一上来就否掉"围绕 AI 重组公司"那套（点名 Jack Dorsey 重组了 Square、Shopify 的 Toby 也在试），坦白"我从来不擅长也讨厌组织管理，因为我讨厌组织、讨厌大群体"；他现在的公司 Impossible 走"完全互联图 + 轻量中心辐射"，连 Slack 和项目管理软件都不用、只有 GitHub，只雇能在这种结构里独立运作的"高智能节点"。AI 在这里不是显式沟通工具，而是隐性"力量倍增器"。

招聘是创始人唯一不能外包的四件事之一（与融资、战略、产品愿景并列）：本期 Nivi 主持、Naval 主讲。开场引 Vinod Khosla"你打造的团队就是你打造的公司"，Nivi 补"他们说这是技术的游戏，其实是招聘的游戏"。三层原因：早期成员就是公司 DNA；顶尖的人只想和顶尖的人共事（和不如自己的人共事是一种"认知负担"）；创始人作为招聘者/人/贡献者的素质，是组织里任何人的素质上限——"你永远没法雇到比你更强的人"。

AI 重构了软件分工：氛围编程（vibe coding，不写代码、直接用大白话向 AI 描述需求来"造软件"）成了新的产品管理，训练调优模型成了新的编程；但传统软件工程师因为"用代码思考、能堵住有漏洞的抽象（leaky abstraction，任何封装好的工具底层细节都会漏出来咬你一口）"反而成为地球上杠杆最大的一批人——AI 替你写的代码会犯错、有 bug、架构次优，能看懂底层的人才补得上窟窿。

2025 年 12 月，Claude Opus 4.5 让编程 Agent 跨过拐点——它「不跑偏、能搭出 app、能从头做到尾、能解决棘手难题」，像手下多了个「又快、几乎免费、还特别愿意配合」的初级程序员。过去写代码最难的是「启动门槛」（要把 GitHub、后端服务一堆东西对接起来才能开工），而 AI 这个「通用翻译器」把它抹平了——连几十年没正经写过代码的人也能立刻上瘾。

影响力是 AI 时代产品经理最不可替代的技能：随着 AI 替代编码、数据分析、文档撰写，真正的杠杆从「亲手干活、当那个综合信息的人」转向「决定哪件事值得活下来、说服别人为它买单、把愿景落地」——Jessica 原话是「杠杆实际上从做那个工作、当综合者，转移到决定什么工作真的存活下来，并鼓励别人买单那个过程」，而这些全需对高管和团队施加影响。

从八小时装机删日历，到三台电脑九个 Agent——Claire 从最大怀疑者变成"屏息的信徒"：第一次安装她"真的花了整整八小时"才让 OpenClaw 跑起来，回报是"我的个人家庭日历被删了"。但就在它没删日历的时候，"它带给我足够的快乐和足够的实用性，让我知道这里面有东西"。她把这形容成"一种真正丑陋、明显的 product-market fit（产品市场契合）的感觉"——产品很糙，但你一眼看出它戳中了真需求。她现在自称"a breathless OpenClaw bro（屏息的 OpenClaw 兄弟）"，在三台电脑上跑着九个 Agent，并说这是自 ChatGPT 以来她最震撼的 AI 体验。

Anthropic 正在用 AI 自动化它自己的增长：14 个月内 ARR 从 10 亿涨到 190 亿（这还是二月底的过时数字），且是在"历史上规模最小、资金最少"的处境下做到的——没有 Meta/Google 的现金流和分销，也没有 OpenAI 的先发优势。增长负责人 Amole 把大量工作交给 Cowork（Anthropic 桌面端 agent）：每天扫 20-25 张图、每周用 Slack MCP 跨部门找"错位"、自动报销、清收件箱、甚至模拟经理 Army Vora 会给的反馈。这是"吃自己狗粮（dogfooding）"做到极致的活样本。

PM 角色正在根本性转变：嘉宾 Nikhyl Singhal（Meta、Google 前资深高管，Credit Karma 前 CPO，四次创业者，顶级产品负责人社区 Skip 创办人）定调——「信息传递者（information mover）本质上会变成恐龙」。未来 12-24 个月公司会先大规模裁员、再大规模重招，量级是「裁 30,000、招 8,000」，新招的 8,000 人 100% 是 AI-first。

Anthropic 把 PM 重塑成两件事：消除一切发布障碍 + 定义一个月后的产品长什么样。功能从想法到上线的时间线压到 6 个月→1 个月→1 周乃至 1 天；几乎所有 PM 都工程出身；research preview（明确标注"早期实验、可能不会永远支持"的发布姿势）是默认上线方式，用来把承诺成本压到最低；工程师内部 dogfood 满意后把功能贴进常驻的 evergreen launch room，文档/PMM/DevRel 第二天就能出营销公告。