每日精选 — 2026年3月25日

今日概览 #

Agent Skills生态在一天之内迎来三个独立项目同时爆发,Claude Code的Awesome List登上GitHub Trending第一名,与此同时LiteLLM PyPI包被投毒、Sora被OpenAI关停、Cursor被曝套壳Kimi。今天的信息场画出了一条清晰的分界线: AI工具的民主化速度和AI生态的信任危机正在以相同的加速度展开,而推理效率的军备赛正悄然决定谁能把demo变成基础设施。

🐦 来自时间线 (X/Twitter) #

Google Research发布TurboQuant: KV cache压缩6倍,推理加速8倍,零精度损失 #

@GoogleResearch · 9小时前 · 4,495 赞

Google Research发布了TurboQuant压缩算法,宣称将LLM的Key-Value cache内存减少至少6倍、推理速度提升最高8倍,且不牺牲任何精度。在所有人追逐更大参数量的时候,这个方向看似不够性感,却可能是决定AI从云端demo走向日常基础设施的关键变量。推理成本降低一个数量级意味着同样预算可以服务8倍用户,或者让前沿模型在端侧设备上运行。4495个赞说明业界对效率突破的渴望不亚于对能力突破的期待。

-> 原文

Anthropic工程博客: 用Multi-Agent Harness推动Claude在前端设计和自主工程上的进步 #

@AnthropicAI · 12小时前

Anthropic工程团队披露了他们如何使用多智能体协作框架(multi-agent harness)来增强Claude在前端设计和长时间自主软件工程任务中的表现。这不只是一篇技术博文,它暗示了一个更深层的趋势: AI公司正在用AI来改进AI。多个Agent协作执行复杂任务,系统观察失败点并反哺改进,这种「自我对弈」式的训练闭环正在从实验走向生产环境。

-> 原文

B站前端工程师被裁后用AI复刻B站前端代码开源,1.6K星引发技术平权讨论 #

@nash_su · 昨日 · 487 赞

一条引爆中文技术圈的消息: 有B站前端工程师被裁后,用AI在几天内复刻了B站前端界面并开源,GitHub迅速突破1.6K星。虽然后续被指出是AI搭建的仿制品而非真实源码泄露,但这条消息的传播路径本身就是一个值得研究的案例。「大厂裁员」的焦虑、「报复性开源」的爽文叙事、「AI能复刻任何东西」的恐惧三重触发,让事实核查远远落后于情绪传播。

-> 原文

TypeNo: macOS极简语音输入法开源发布,本地模型、永远免费 #

@oran_ge · 18小时前 · 700 赞

在语音输入法越来越臃肿(要登录、要订阅、要联网)的趋势下,TypeNo走了反方向: 面向macOS的极简语音输入法,永远免费开源,本地模型保护隐私,轻量到不占内存。700赞和97转发说明开发者对「少即是多」理念的共鸣。这类产品能够存在的根本原因不是模型更聪明了,而是模型轻到可以在笔记本上流畅运行,印证了推理效率才是端侧AI的真正瓶颈。

-> 原文

Gumroad创始人Sahil Lavingia开源9个Agent Skills,让AI成为创业教练 #

@shao__meng · 昨日 · 290 赞

Gumroad创始人Sahil Lavingia把他的畅销书《The Minimalist Entrepreneur》中的极简创业哲学封装成9个Agent Skills,涵盖Find、Build、Launch、Grow完整创业流程。这不是一组API调用,而是一套创业思维框架。290赞和87次转发反映出一人公司社区对这种知识封装形式的认可。当专业判断力可以被编码为Skill并被无数Agent调用时,知识变现的粒度从「一小时咨询」变成了「一次调用」。

-> 原文

SlowMist发布Agent Security Skill: 为AI智能体增加安全检测能力 #

@evilcos · 22小时前 · 285 赞

慢雾安全团队正式发布Agent Security Skill,为OpenClaw等智能体框架增加安全检测能力。不仅能发现常规的Skills投毒风险,还能检测链上钱包地址、代码仓库、URL等的安全隐患。在LiteLLM刚刚被供应链投毒的今天,这个Skill的发布时机堪称完美。当Agent生态爆发式增长时,安全检测能力本身也需要以Skill的形式跟上扩张速度。

-> 原文

design-dna开源: 将设计风格转为JSON,AI一键生成对应风格内容 #

@zanweiguo · 昨日 · 240 赞

zanwei.guo开源了design-dna Skill,可以把你喜欢的设计风格通过Skill转化为JSON格式的风格文件,再把内容丢给AI就能生成对应风格的输出。安装只需一行命令,两次prompt内完成风格迁移。这不是图像处理算法,而是审美偏好的编码。与Sahil的创业Skill和SlowMist的安全Skill一起,三个项目在同一天独立发布,标志着Agent Skills生态正在到达临界点。

-> 原文

Clearbit关闭免费Logo API,levelsio呼吁用301重定向保护互联网 #

@levelsio · 昨日

Clearbit被HubSpot收购后直接关闭了logo.clearbit.com免费Logo服务,没有做301重定向到替代方案,导致无数依赖这个API的网站出现broken images。levelsio提出一个简单的修复方案: 301到Google或DuckDuckGo的Logo API。这件小事折射出互联网的系统性问题: 链接腐烂。研究显示互联网约38%的网页在10年后消失。301重定向实现成本几乎为零,企业不做只是因为没有任何KPI关联到「负责任地关闭服务」。

-> 原文

🎙️ 来自播客 #

Jensen Huang谈NVIDIA帝国: 4万亿美元公司与AI革命的核心引擎 #

Lex Fridman Podcast · 近日发布

Lex Fridman对NVIDIA联合创始人兼CEO黄仁勋进行了近2.5小时的深度访谈,涵盖极端协同设计与机架级工程、AI扩展定律、扩展的最大瓶颈(供应链、内存、电力)、与马斯克Colossus的合作、中国与台积电的地缘政治博弈、NVIDIA的竞争护城河,以及AGI时间线和编程的未来。作为全球最有价值企业的掌舵人,黄仁勋的每一个判断都在实时塑造AI行业的资源分配方向。

-> 收听

GTC现场: CoreWeave、Perplexity、Mistral、IREN四位CEO论AI基础设施未来 #

All-In Podcast · 昨日发布

在NVIDIA GTC大会现场,Jason Calacanis主持了四位AI基础设施CEO的圆桌对话。CoreWeave的Michael Intrator讲述了从加密挖矿到GPU云计算的转型路径;Aravind Srinivas分享了Perplexity AI作为「未来操作系统」的愿景;Arthur Mensch披露了Mistral与NVIDIA的合作及合成数据策略;Daniel Roberts介绍了IREN的可再生能源数据中心。四个视角拼出AI基础设施层的完整图景: GPU需求、融资、定制芯片和核能计算正在重塑数据中心的未来。

-> 收听

为什么不存在「材料科学的AlphaFold」: AI科学发现的边界在哪里 #

Latent Space · 昨日发布

MIT化学工程教授Heather Kulik分享了十年AI科学前沿的经验教训。她用AI设计的聚合物比预期强度高四倍,但也暴露了LLM在化学领域的硬伤: 要求设计一个恰好含22个重原子的配体时,Claude和ChatGPT都无法成功(生成的原子数总是21、23或24)。Kulik解释了为什么材料科学缺乏生物学那种使AlphaFold成功的数据优势,以及学术界在推进AI科学研究中的不可替代角色。

-> 收听

开普勒、牛顿与数学发现的本质: 陶哲轩论AI如何改变数学研究 #

Dwarkesh Podcast · 近日发布

菲尔兹奖得主陶哲轩用开普勒发现行星运动定律的故事,类比AI可能如何革新数学研究。他区分了「人工聪明」(artificial cleverness)和「真正的智能」,强调验证在科学中的关键作用,并预测人类与AI的混合团队将在可预见的未来主导数学研究。陶哲轩探讨了数学突破背后的创造过程,以及这些过程揭示的关于发现本质的深层规律。

-> 收听

Dreamer: 从Stripe CTO到构建「Agent的操作系统」 #

Latent Space · 近日发布

前Stripe CTO David Singleton介绍了Dreamer,一个消费级AI Agent平台。核心功能「Sidekick」是一个帮用户用自然语言定制体验的Agent,本质上是「构建Agent的Agent」。涵盖全栈Agent基础设施、工具开发者的生态变现模式,以及会议日程安排和周末活动规划等真实应用场景。值得一提的是,这期录制后不久Dreamer团队宣布加入Meta Superintelligence Labs,使本期成为收购前愿景的历史快照。

-> 收听

当我们被OpenClaw接管日常: AI Agent如何重塑软件生态 #

硬地骇客 · 近期发布

中文播客「硬地骇客」深入分析了OpenClaw现象及AI Agent对软件生态的冲击。讨论了Karpathy的「钢铁战衣」理论(AI增强人类而非替代人类)、「Agent数量将是人类用户10倍」的预测,以及开发者社区中CLI vs MCP的路线之争。核心问题直指未来软件的形态转变: 从给人类的「按钮点击」变为给Agent的「数据处理」,传统SaaS模式面临颠覆,而文件系统和CLI在AI时代迎来复兴。

-> 收听

🤖 来自 AI 对话 #

AI复刻一个产品的前端只需要几天,那「护城河」到底在哪? #

与 Claude Opus 的对话

一个被裁的前端工程师用AI在几天内复刻了B站的前端界面,GitHub星标迅速破千。很多人的第一反应是: 技术平权来了,任何人都能复制任何产品。

但这个结论忽略了一个关键事实: 前端界面从来就不是产品的护城河。B站的核心不是那个播放器UI,而是十几年积累的创作者生态、弹幕文化、推荐算法背后的用户行为数据,以及数亿用户形成的社区认同感。你可以在一个下午复制Netflix的播放界面,但你复制不了它的内容库和推荐系统。

真正值得思考的问题不是「AI能复制什么」,而是「当复制成本趋近于零时,什么变得更有价值」。答案是: 不可复制的东西。数据飞轮、网络效应、品牌信任、监管牌照、供应链关系。这些东西的共同特征是它们都需要时间积累,而不是代码实现。

换个角度看: 当每个人都能用AI搭建一个看起来像B站的网站,B站反而更安全了。因为竞争壁垒从「能不能做出来」变成了「用户为什么留下来」,而后者的答案永远是生态,不是技术。AI降低了创造的门槛,但同时提高了差异化的门槛。

当Anthropic用multi-agent harness自我改进Claude,我们在见证什么? #

与 Claude Opus 的对话

Anthropic工程博客今天发布了关于用multi-agent harness推动Claude进步的文章。表面上是技术博文,实质暗示了一个更深层趋势: AI公司正在用AI来改进AI。

大多数人理解的AI训练还停留在「人类标注数据 → 训练模型 → 评估 → 重复」的范式。但Anthropic描述的是不同的闭环: 多个Agent协作执行复杂任务,系统观察卡点,用失败案例反哺改进。这不是传统训练,更像「自我对弈」,类似AlphaGo通过和自己下棋来提升水平。

Karpathy两周前的autoresearch项目在做类似的事: 让Agent自主迭代优化神经网络训练代码,700次自主实验后获得11%的真实性能提升。两件事指向同一个结论: AI能力增长正在从线性(靠人力标注)转向指数级(AI自我改进循环)。

这里有一个哲学困境: 当AI改进AI的速度超过人类理解AI的速度时,如何确保这个循环是安全的?Anthropic可能正是通过公开分享方法论来回答这个问题,透明性本身就是一种安全机制。

Agent Skills生态爆发: 我们正在为AI编写「性格」而非「程序」 #

与 Claude Opus 的对话

今天Twitter上出现了三个独立的Agent Skills项目: Sahil Lavingia的创业Skills、zanwei.guo的design-dna风格迁移、SlowMist的安全检测Skill。这不是巧合,这是一个生态临界点。

传统编程是告诉计算机「怎么做」: 写函数、定义接口、处理边界条件。Agent Skills是另一种东西: 你在告诉AI「成为谁」。Sahil的Skills不是一组API调用,而是一套创业思维框架。design-dna不是图像处理算法,而是审美偏好的编码。SlowMist的Skill不是扫描器,而是一个安全专家的直觉。

这意味着软件开发正在发生根本性的抽象层级跃迁。汇编语言抽象了机器指令,高级语言抽象了内存管理,框架抽象了设计模式,而Agent Skills正在抽象「专业判断力」。你不再写代码来处理每种情况,你写一份「认知蓝图」,让AI遇到新情况时自己判断。

这对独立开发者是巨大机会: 过去能出售的是代码(SaaS),现在能出售的是判断力(Skills)。一个有十年安全经验的专家,经验不再只能通过咨询变现,还可以被封装成Skill,被成千上万的Agent使用。知识变现的粒度从「一小时咨询」变成了「一次调用」。

Google的TurboQuant和推理效率军备赛: 为什么「更快」比「更聪明」更重要 #

与 Claude Opus 的对话

Google Research发布TurboQuant,KV cache压缩6倍、推理加速8倍、零精度损失。在一个所有人都在追逐更大模型的行业里,这个方向似乎不够性感。

但回看历史,真正改变世界的技术突破往往不是「能做到」而是「做得起」。互联网在1990年代就能传输视频,但直到带宽成本足够低,YouTube才在2005年爆发。智能手机核心技术2000年就存在,但直到ARM芯片能效比达到临界点,iPhone才在2007年成为可能。

同样的逻辑适用于LLM。GPT-4级别的能力在云端已经存在三年,但推理成本降低8倍意味着同样预算可以支撑8倍用户量,或者让模型在端侧运行。这正是TypeNo这类本地语音输入法能够存在的原因: 不是模型更聪明了,而是模型轻到可以在笔记本上运行。

推理效率军备赛不像参数竞赛那么吸引眼球,但它决定了AI从demo阶段进入日常基础设施的速度。当成本再降一个数量级,AI将像电力一样无处不在、像自来水一样便宜,那时候真正的创新才会开始。

Clearbit之死与互联网的记忆丧失症: 为什么301重定向是一种文明行为 #

与 Claude Opus 的对话

levelsio今天发了关于Clearbit关闭免费Logo API的推文。Clearbit被Hubspot收购后直接关闭服务,没有301重定向到替代方案,无数网站出现broken images。

这件小事折射出互联网的系统性问题: 链接腐烂(link rot)。研究显示互联网约38%的网页在10年后消失。每一次公司被收购、API被关闭、域名过期,都在让互联网的集体记忆变得更破碎。

301重定向在HTTP协议中存在了三十年,实现成本几乎为零。Clearbit不做301不是因为做不到,而是因为没有激励。在当前商业逻辑里,被收购公司的旧服务没有任何KPI关联到「保持旧URL正常工作」。

levelsio提出的方案之所以引发共鸣,是因为它代表一种互联网「公民意识」: 你可以关闭服务,但请负责任地关闭。也许我们需要一个「互联网遗产保护协议」: 公司关闭公共API时,至少维护301重定向三年。成本微乎其微,但对网络完整性意义重大。

📚 来自书架 #

杠铃策略与AI时代的个人发展 #

Nassim Nicholas Taleb · 2012

塔勒布在《反脆弱》中提出「杠铃策略」: 90%资源放在极度安全的资产上,10%放在极度冒险的投机上,完全不碰中等风险中等回报。

与今天的连接: 今天三个Agent Skills项目的创作者完美诠释了这个策略。SlowMist的安全专家把十年经验封装成Skill,zanwei.guo把设计审美编码成JSON,Sahil Lavingia把创业方法论变成可调用的Agent。这些人在做的是杠铃右端: 把专业知识转化为可复制的数字资产,回报可能极大(被千万Agent调用)或为零。而杠铃左端是本职工作的稳定收入。中间地带,比如普通外包项目,正是AI在快速替代的区域。

可得性启发与B站开源事件的病毒传播 #

Daniel Kahneman · 2011

卡尼曼在《思考,快与慢》中阐述「可得性启发」: 人们用一个事件容易被想起的程度来判断它的频率和概率。戏剧性、情感强烈的事件更容易被记住,因此会被高估其代表性。

与今天的连接: 今天@nash_su的「B站前端被裁员工开源源码」消息疯传,487赞和168条评论。后续被指出是AI搭建的仿制品。为什么传播这么快?因为它完美触发了可得性启发: 「大厂裁员」的焦虑(情感强烈)+「报复性开源」的爽文叙事(戏剧性)+「AI能复刻任何东西」的恐惧(切身相关),三重触发让系统一直接跳过了事实核查。下次看到一条让你立刻想转发的消息,问自己: 它让我印象深刻,是因为它是真的,还是因为它触发了已有的焦虑?

组合进化论与Agent Skills的「寒武纪大爆发」 #

W. Brian Arthur · 2009

W. Brian Arthur在《技术的本质》中提出「组合进化」: 新技术不是凭空发明的,而是由已有技术组合而成。当可用组件足够多时,组合可能性呈指数增长,出现类似寒武纪大爆发的创新井喷。

与今天的连接: 今天Agent Skills生态的爆发正是组合进化论的实时演示。创业Skill + 安全Skill + 设计Skill,每一个本身是一个技术组件。当这些组件可以被自由组合时,一个Agent同时装载三个Skill的组合能力远超单体。这也是Anthropic做multi-agent harness的原因: 不是单个Agent不够强,而是专业化Agent的组合产生涌现能力。Arthur认为技术的本质不是「发明」而是「组装」,未来最大的价值可能不在于创造单个强力Skill,而在于发现哪些Skill组合会产生意想不到的涌现。

「没有银弹」在AI编程时代还成立吗? #

Frederick Brooks · 1975

Brooks在《人月神话》中论证: 软件工程没有单一技术能在十年内将生产力提升一个数量级。他区分了「本质复杂性」(问题域固有的复杂)和「偶然复杂性」(工具带来的复杂)。

与今天的连接: TurboQuant把推理速度提升8倍,AI可以几天复刻B站前端,GPT-5.4 Pro在FrontierMath拿到50%。这些看起来都在挑战Brooks。但仔细看: TurboQuant解决的是推理效率(偶然复杂性),B站复刻做的是UI还原(偶然复杂性),GPT-5.4优化的是已知问题求解(偶然复杂性)。真正的本质复杂性,理解用户需求、设计系统架构、处理业务逻辑边界,AI仍需人类引导。也许Brooks是对的,但AI可能是一把消除所有偶然复杂性的「铜弹」。当偶然复杂性被完全消除,程序员的工作将100%聚焦于本质复杂性: 这是升级,不是替代。

⚡ 快讯 #

LiteLLM PyPI包被投毒: 3小时内窃取SSH密钥、云凭证和K8s配置 #

Hacker News · 1,238 分 · 381 评论

LiteLLM的Python包1.82.7和1.82.8版本被攻击者TeamPCP通过入侵Trivy GitHub Action窃取维护者凭证后上传恶意代码。恶意.pth文件会收集SSH密钥、AWS/GCP/Azure云凭证、K8s配置和数据库密码,用RSA-4096加密后外传到伪装域名,还会尝试在Kubernetes集群中横向移动。包在约3小时后被隔离。这是2026年迄今最严重的AI工具链供应链攻击之一。

-> 原文

OpenAI关停Sora: 视频生成梦碎,资源转向推理和IPO #

Hacker News · 424 分 · 332 评论

OpenAI宣布关停Sora视频生成应用。官方原因是高昂的计算成本和在IPO前将资源集中到更有盈利前景的推理和编码业务。Disney也因此放弃了与Sora相关的10亿美元角色授权投资计划。Sora上线5天内下载量破百万,但到今年2月月下载量已暴跌至约110万。从一鸣惊人到黯然退场,Sora用一年时间证明了一件事: 在AI领域,技术demo和商业可行性之间的距离可能比想象的更远。

-> 原文

iPhone 17 Pro演示本地运行400B参数LLM: 12GB内存,全程离线 #

Hacker News · 698 分 · 320 评论

开发者@anemll在iPhone 17 Pro上成功运行了Qwen3.5-397B-A17B(2-bit量化MoE模型),仅需12GB内存。Flash-MoE技术从SSD直接流式加载模型权重到GPU,每个token只激活17B参数。虽然速度仅0.6 tokens/秒,但证明了前沿规模模型在移动端完全离线运行的可行性。结合TurboQuant的6倍压缩,端侧AI的未来比任何人想象的都更近。

-> 原文

GPT-5.4 Pro在FrontierMath拿到50%,但面对真正未解决的数学问题得分为零 #

Hacker News · 422 分 · 614 评论

Epoch AI确认GPT-5.4 Pro在FrontierMath基准测试中创下50%的新纪录(Tier 1-3),Tier 4达到38%,解决了一个此前未解的Tier 4问题(但似乎利用了2011年的预印本)。然而在真正未解决的开放问题上,模型一个都没解出来,只在一个问题上做出了「相对不太有趣的」新观察。基准测试成绩和真正的数学研究能力之间的鸿沟,比分数暗示的要大得多。

-> 原文

Cursor被曝套壳Kimi K2.5: 500亿美元估值独角兽的开源合规争议 #

虎嗅/知乎

Cursor的Composer 2模型被开发者通过API标识发现实为月之暗面Kimi K2.5的微调版本。Cursor年化收入20亿美元却未按MIT协议标注模型来源。事件24小时内反转,月之暗面官方声明属授权商业合作。马斯克也参与讨论为Kimi站台。同期日本乐天AI 3.0也被发现套壳DeepSeek-V3,「套壳」正在成为AI行业的灰色地带而非孤例。

-> 原文

编辑分析 #

今天的信息场有一条肉眼可见的主线: Agent Skills生态正在经历「寒武纪大爆发」,而与之伴随的安全和信任基础设施远远没有跟上。

三个完全独立的团队在同一天发布Agent Skills(Sahil Lavingia的创业教练、zanwei.guo的设计风格迁移、SlowMist的安全检测),Awesome Claude Code以995星/天的速度登顶GitHub Trending,Claude Code Cheat Sheet在Hacker News获得631分。这不是市场推广的结果,而是一个生态到达临界质量后的自发涌现。正如W. Brian Arthur在《技术的本质》中所说,当可用组件足够多时,组合的可能性呈指数增长,创新井喷就会到来。

但同一天,我们也看到了硬币的另一面。LiteLLM的PyPI包被投毒,3小时内恶意代码就能窃取云凭证和K8s配置;LM Studio在Reddit上被质疑可能感染恶意软件;Cursor被发现套壳Kimi引发开源合规争议。当Agent生态以这种速度扩张时,每一个新的Skill、每一个npm包、每一个模型来源都是潜在的攻击面。SlowMist在今天发布安全检测Skill的时间点堪称讽刺性地恰到好处。

三个值得关注的趋势:

第一,推理效率正在取代参数规模成为AI竞争的核心维度。 Google的TurboQuant(8倍加速)、iPhone 17 Pro运行400B模型、TypeNo的本地语音输入,三条消息指向同一结论: 决定AI从demo进入日常生活的不是模型有多聪明,而是运行成本有多低。OpenAI关停Sora的直接原因也是计算成本过高。当推理成本再降一个数量级,AI将从「工具」变成「基础设施」。

第二,Agent Skills正在重新定义软件分发的基本单位。 从SaaS(按月订阅一套功能)到Skills(按次调用一种判断力),这不只是商业模式的变化,更是认知模式的转变。我们正在从「告诉机器怎么做」过渡到「告诉AI成为谁」。Sahil Lavingia不是在写代码,他在编码一种创业哲学。这对知识工作者意味着: 你的专业经验第一次有了代码级别的可复制性和可分发性。

第三,基准测试与真实能力的鸿沟正在被正式度量。 GPT-5.4 Pro在FrontierMath拿到50%听起来很厉害,但面对真正未解决的数学问题得分为零。同样,AI可以在几天内复刻B站前端(偶然复杂性),但无法复制其用户生态(本质复杂性)。Brooks四十年前的「没有银弹」论断需要更新: AI确实是消除偶然复杂性的银弹,但对本质复杂性无能为力。这个区分将定义未来十年哪些工作被自动化,哪些变得更有价值。

lz.wiki 每日精选 · 34 条来自 16 个源 · 2026年3月25日 13:00 CST RSS 订阅 · 所有精选