每日精选 — 2026年3月28日

今日概览 #

今天的内容围绕一个核心张力展开:AI 正在重新定义"工作"的含义,而不同角色对此的反应截然不同。Apifox CEO 强制要求 80% 代码由 AI 产出,Walmart 的 AI 导购让顾客多花 35%,Satya Nadella 宣判传统 SaaS 的死刑,钉钉把企业软件变成 CLI 命令——这些事件看似无关,实则指向同一个转折点:价值正在从"执行"迁移到"判断"。

🐦 来自时间线 (X/Twitter) #

Google 翻译耳机实时翻译正式登陆 iOS,任意耳机可用 #

@xiaohu · 昨日 · 1961 赞

Google Translate 的耳机实时翻译功能正式登陆 iOS,支持 70+ 语言。关键在于"任意耳机可用"——不需要买特定硬件,任何带麦克风的有线或无线耳机都能用。打开 Google Translate,连上耳机,点 Live translate,对方说外语,你耳机里直接听到翻译语音。这不是一个新功能,但从 Pixel 独占到全面开放,意味着 Google 在翻译领域的策略从卖硬件转向了占领入口。对旅行者和跨语言工作者来说,这可能是今年最实用的 AI 功能更新。

-> 原文

顶级程序员不再写代码,他们写 Spec、Test 和 Eval #

@rohit4verse · 昨日 · 932 赞

一条病毒式传播的推文描述了新的编程范式:最好的程序员现在写的是规格说明、测试用例和评估标准,然后让 AI 跑,自己离开几个小时,回来审查结果。Eval 被认为是大多数开发者还没意识到的关键杠杆。这条推文之所以引发广泛讨论,不只是因为它描述了一种新工作方式,更因为它暗示了一个令人不安的可能性:如果编程的核心技能从"实现"变成"评估",整个软件工程的人才筛选标准都需要重写。

-> 原文

Walmart 的 AI 导购 Sparky 让顾客多花 35% #

@MorePerfectUS · 昨日 · 854 赞

Walmart CEO 在投资者会议上透露,其 App 内 AI agent Sparky 让用户人均消费增加 35%,并表示 Sparky 让公司"更好地理解了顾客"。值得注意的是,这一消息与 Walmart 申请动态定价专利几乎同时出现。一个能精准推荐你想要什么的 AI,加上一个能实时调整你看到什么价格的 AI——这不是简单的 1+1=2,而是一台前所未有的价值提取机器。消费者与零售商的信息不对称,正在被 AI 指数级放大。

-> 原文

Claude Code 创造者揭秘: CLAUDE.md 是训练 AI Agent 的关键 #

@Suryanshti777 · 昨日 · 647 赞

Boris Cherny (Claude Code 创造者) 揭示了他的团队如何训练 AI agent:在项目根目录放置一个 CLAUDE.md 文件,写入过去的错误、项目规范和工作习惯,Claude 每次会话自动读取。方法极其简单,但效果显著——AI 不再从零开始,而是带着"项目记忆"工作。这揭示了一个被行业忽略的洞察:提升 AI 日常使用体验的最大杠杆,可能不是更大的模型,而是更好的上下文管理。

-> 原文

开发者分享与 Claude Code 协作制作 Slides 的全过程,开源讨论记录 #

@_justineo · 昨日 · 580 赞

一位开发者在团队周会上分享了自己使用 AI 的方式,整份 slides 由他与 Claude Code 脑暴后经过十几轮 review 生成。更难得的是,他把全部内容和与 AI 的完整讨论记录开源放到了 GitHub 上。这或许定义了"AI 时代的开源"——不仅开源代码,还开源人机协作的完整思维过程。对于想学习如何高效使用 AI 编程工具的开发者,这是比任何教程都有价值的参考。

-> 原文

Apifox CEO 要求团队 80% 代码由 AI 产出,取消前后端分工 #

@whyyoutouzhele · 昨日 · 545 赞

广州睿狐科技 (Apifox) 实控人张剑光在工作群中宣布 Q1 目标:全面取消前后端分工,所有人全栈;所有人写的代码 80% 以上由 AI Agent 产出。此消息引发了激烈争论——146 条回复远超同等点赞量的推文。支持者认为这是顺应趋势的勇敢决策,反对者认为这是不懂技术的管理层拍脑袋。但不管立场如何,这条消息让所有开发者都不得不面对一个问题:如果 CEO 用 AI 产出比例来考核你,你的不可替代性到底在哪?

-> 原文

Satya Nadella 描绘 SaaS 模式的死亡与 Agentic AI 的未来 #

@rohanpaul_ai · 昨日 · 259 赞

Nadella 在一次访谈中勾勒了 AI Agent 时代的商业逻辑:当前你为软件的功能和工作流付费,未来价值将转移到数据、上下文和编排层。换句话说,传统 SaaS 的护城河——精美的界面、复杂的功能——在 AI Agent 眼里毫无意义,因为 Agent 不需要 GUI。这与钉钉同一天开源 CLI 的决策形成完美呼应:当企业软件的消费者从人变成 AI,产品形态必须从"被使用"变成"被调用"。

-> 原文

钉钉宣布 CLI 开源,原生支持 Claude Code 等 AI Agent #

@xiaohu · 昨日 · 191 赞

钉钉宣布其 CLI 直接开源,一行命令可调用钉钉全部产品能力,首批开放 AI 表格、日历、待办、机器人等 10 项核心功能。所有输出为结构化 JSON,AI 可直接解析。最值得注意的是"原生支持 Claude Code、小龙虾等主流 AI Agent 执行环境"——钉钉不再试图让用户打开它的 App,而是让 AI Agent 来调用它的能力。这可能是中国企业软件从"GUI 产品"走向"API 平台"的标志性事件。

-> 原文

🎙️ 来自播客 #

AI Agent 将以多快的速度冲击经济? — Jack Clark #

Hard Fork (NYT) · 昨日发布

Anthropic 联合创始人 Jack Clark 做客 Ezra Klein Show 与 Hard Fork 的联合节目,深度探讨 AI Agent 对经济的冲击。Clark 从 AI 基础设施建设者的视角出发,分析了 Agent 的采用速度、哪些行业将最先被颠覆,以及为什么传统经济学框架可能低估了这次转型的速度。作为少数既懂技术又关注政策的 AI 创始人,Clark 的判断对理解 2026 年的 AI 产业格局至关重要。

“我们正在建造的不只是更好的工具,而是一种全新的经济参与者。” — Jack Clark

-> 收听

Astral 被 OpenAI 收购, LiteLLM 遭供应链攻击 — News #184 #

The Changelog · 昨日发布

本期新闻播报覆盖三个重磅事件: Astral (Python 开发工具公司) 被 OpenAI 收购,折射出开发者工具的重心正在向 AI 公司迁移; LiteLLM 遭遇严重供应链攻击,暴露了 AI 基础设施的安全脆弱性; OpenCode 作为新的开源编程 Agent 崛起。三件事串在一起看,AI 开发者工具生态正处于一个整合与安全风险并存的关键时期。

-> 收听

四位 CEO 谈 AI 的未来: CoreWeave, Perplexity, Mistral, IREN — GTC 现场 #

All-In Podcast · 3月24日发布

在 NVIDIA GTC 大会现场,Jason Calacanis 与四位 CEO 对谈:CoreWeave 的 Michael Intrator (从加密矿工到 AI 算力巨头), Perplexity 的 Aravind Srinivas (AI 搜索的未来操作系统), Mistral 的 Arthur Mensch (开源 AI 的欧洲冠军), IREN 的 Daniel Roberts (可再生能源驱动的数据中心)。最有意思的碰撞在于:四家公司分别占据 AI 产业链的不同环节——算力、模型、应用、能源——他们对"AI 的瓶颈在哪"的回答截然不同。

-> 收听

AI 海啸来袭,如何构建线下优势? — Q&A #859 #

The Tim Ferriss Show · 3月26日发布

Tim Ferriss 在听众问答环节中用大量篇幅讨论了"即将到来的 AI 海啸"以及如何构建"线下优势"。他的核心观点是:当每个人都能用 AI 做到 80 分的数字化工作时,真正的差异化来自 AI 无法触及的领域——面对面的人际关系、实体世界的操作能力、需要身体在场的技能。这与 Apifox “80% AI 产出"的新闻形成有趣的对照:如果代码可以被 AI 替代,什么不能被替代?

-> 收听

为什么不存在"材料学的 AlphaFold” — Heather Kulik (MIT) #

Latent Space · 3月24日发布

MIT 教授 Heather Kulik 解释了一个重要但被忽视的问题:为什么 AI 在蛋白质折叠上的突破无法简单复制到材料科学。核心原因是材料的性质取决于多尺度的相互作用——从原子到晶格到宏观结构——而蛋白质折叠本质上是单一尺度的问题。这期播客是对"AI 将解决一切科学问题"这种乐观叙事的重要修正:有些领域的复杂性不是靠更大的模型就能突破的。

-> 收听

Vol. 163 MacBook Neo: 苹果 2026 三月新品深度解读 #

枫言枫语 · 3月9日发布

枫影 Justin Yan 以苹果开发者的第一手视角,深度解读苹果 2026 年三月新品发布会。重点分析 MacBook Neo 产品线的定位、技术规格与市场策略,以及新硬件对开发者生态的实际影响。结合今天 Apple 停产 Mac Pro 的消息,苹果的专业产品线正在经历一次根本性的重组。

-> 收听

🤖 来自 AI 对话 #

当 CEO 要求 80% 代码由 AI 产出,程序员的价值在哪里? #

与 Claude Opus 的对话

Apifox CEO 要求团队 80% 代码由 AI Agent 产出、取消前后端分工。大多数人的直觉反应是"太极端了",但这个反应本身暴露了一个认知盲区:我们一直把"写代码"等同于"创造价值"。

事实上,大部分工程师 80% 的时间花在已有模式的重复实现上:CRUD 接口、表单验证、状态管理、样式调整。这些工作的共同特征是:有明确的输入输出规范,有大量可参考的先例,犯错成本可控。这恰恰是 AI 最擅长的领域。

真正有趣的问题不是"AI 能不能写 80% 的代码",而是"剩下的 20% 是什么"。那 20% 是:架构决策、边界情况的判断、用户意图的解读、技术债的权衡。这些决策之所以难以自动化,不是因为它们技术上复杂,而是因为它们需要对业务目标、团队能力和系统演进方向有整体理解。

换个角度看,Apifox 的做法其实是在强迫团队回答一个问题:如果你的日常工作中 80% 可以被 AI 替代,你到底在为什么买单?答案应该是判断力,而不是打字速度。把程序员想象成建筑师而非砌砖工——AI 是一支高效的施工队,你的价值在于画出正确的图纸。

Walmart 的 Sparky 证明了一个令人不安的事实: AI 是比人类更好的销售员 #

与 Claude Opus 的对话

Walmart 的 AI agent Sparky 让顾客多花 35%。多数评论聚焦于消费者操控的角度,但这里隐藏着一个更深层的洞察。

Sparky 实际上在做一个优秀的奢侈品店私人导购做的事——记住你的偏好、推荐互补商品、根据你的购物模式选择推荐时机——只不过规模是 2.4 亿周活用户。35% 的消费增长很可能并非"操控",而是减少了"欲望与购买之间的摩擦":顾客找到了他们真正想要但不会通过浏览发现的东西。

但真正值得警惕的是:Walmart 同时在申请动态定价专利。把一个精确知道你想要什么的 AI 和一个精确知道你愿意出多少钱的 AI 组合在一起,你就得到了有史以来最高效的价值提取机器。推荐引擎制造欲望,定价引擎捕获最大剩余价值。

这不是 AI 伦理问题,而是一个和市场本身一样古老的信息不对称问题,只是被放大了几个数量级。真正的问题不是要不要监管 Sparky,而是我们是否需要一个代表消费者利益的 AI agent 来跟它博弈。

CLAUDE.md 现象背后: 为什么 AI 的"记忆"比"智能"更重要? #

与 Claude Opus 的对话

Boris Cherny 揭示了 Claude Code 团队用 CLAUDE.md 文件来训练 AI agent 的方法。这看起来很简单,但它揭示了一个被整个 AI 行业忽略的关键洞察。

主流叙事一直围绕"让模型更聪明":更大的参数、更长的上下文、更强的推理。但实际使用中,大部分失败不是因为模型不够聪明,而是因为它不记得上次犯了什么错。一个反复在同一个项目里犯同样错误的 AI,再聪明也没用。

这其实映射了一个古老的管理学原理:组织的核心竞争力不是个体能力,而是制度化的集体记忆。丰田的看板系统、亚马逊的 6-page memo、Google 的 design docs,本质上都是"组织的 CLAUDE.md"——把过去踩过的坑、达成的共识、验证过的模式固化为可重复使用的知识。

有趣的是,这恰好是当前 AI 系统最薄弱的环节。我们花了数十亿美元让模型在基准测试上得更高的分,却忽略了最简单的改进方式:让它记住用户上次说了什么。CLAUDE.md 的做法几乎是零成本的,但它可能比任何模型升级都更能提升日常使用体验。这给我们一个反直觉的预测:未来最成功的 AI 产品,可能不是最聪明的那个,而是最擅长"记住"的那个。

Eval 驱动的程序员: 为什么 2026 年最好的工程师看起来像 2016 年的 QA #

与 Claude Opus 的对话

一条病毒推文说最好的程序员现在"写 spec、写 test、写 eval,然后让 AI 跑"。这听起来很革命,但它实际上是一个古老思想的复活:规格驱动开发。

1980-90 年代,形式化方法的倡导者承诺:只要规格写得够精确,代码就能自动生成。但它从未成功,因为写一份完整的规格比写代码还难。那么现在变了什么?不是根本问题变了——规格仍然难写——而是对不完美的容忍度变了。形式化系统遇到模糊规格会崩溃,LLM 遇到模糊规格会做出合理猜测,而 eval 循环负责抓住坏的猜测。

这创造了软件开发等级的有趣倒转。几十年来,写代码是高地位工作,测试是低地位工作。现在最有杠杆的技能是写评估——定义"正确"在数百种边缘情况下是什么样的。能写出全面 eval suite 的人比能实现方案的人更有价值,因为 AI 能实现但不能判断。讽刺的是:我们花了 20 年试图说服开发者测试很重要。AI 终于让这件事成真了——不是因为测试变酷了,而是因为它成了唯一不可替代的部分。

钉钉开源 CLI 的真正意义: 企业软件的"API 即产品"时代来了 #

与 Claude Opus 的对话

钉钉宣布开源 CLI,原生支持 Claude Code 等 AI Agent。多数评论聚焦在"又一个开源项目",但这标志着企业软件范式的根本转变。

传统企业软件的价值链是:产品经理定义界面、工程师实现功能、用户在 GUI 中操作。瓶颈在 GUI——每新增一个功能都需要设计交互、开发界面、测试体验。结果就是企业软件越来越臃肿,功能越来越多,但真正被使用的不到 20%。

钉钉 CLI 的思路完全不同:不再把 GUI 当作唯一的用户接口,而是把 API/CLI 当作一等公民。当输出是结构化 JSON 时,消费者可以是人(通过 CLI),也可以是 AI Agent(通过 tool-use),也可以是另一个系统(通过 API 集成)。

联想到 Satya Nadella 同一天说的"SaaS 模式正在死亡",两件事指向同一个结论:未来的企业软件是被调用的,而不是被使用的。你的护城河不再是精美的界面,而是你沉淀的数据和你的 API 覆盖度。

📚 来自书架 #

第五章"非线性": 为什么 Walmart 的 AI 定价比你想象的危险得多 #

Nassim Nicholas Taleb · 2012

Taleb 在《反脆弱》中讨论了非线性系统的核心特征:小的输入变化会导致不成比例的输出变化。多来 10% 的客人不会让餐厅利润增加 10%,可能增加 50%(固定成本已被覆盖),也可能减少 30%(超出接待能力导致差评)。

与今天的连接: Walmart 的 Sparky 让顾客多花 35%,同时 Walmart 在申请动态定价专利。Taleb 会指出,推荐引擎加上动态定价不是线性叠加 (1+1=2),而是非线性放大器 (1+1=10)。当推荐引擎精确预测你的欲望,定价引擎实时调整你看到的价格,消费者信息劣势被指数级放大。如果 AI 能让你多花 35%,你怎么知道你现在的消费决策中,有多少是"你的选择",多少是"算法的选择"?

第七章"锚定效应": CLAUDE.md 是对抗 AI 系统性偏差的锚 #

Daniel Kahneman · 2011

Kahneman 在《思考,快与慢》中阐述了锚定效应:人们做判断时,会不自觉地被先接收到的信息"锚定",即使这个锚完全随机。这不是懒惰,而是系统 1 的自动化运作。

与今天的连接: Boris Cherny 揭示 Claude Code 团队使用 CLAUDE.md 来训练 AI agent。从认知科学角度看,这恰好是在为 AI 系统设置"正确的锚"。没有 CLAUDE.md 的 AI 每次从零开始,它的锚是训练数据中的平均模式;有了 CLAUDE.md,锚变成了你的项目规范和错误教训。一个简单的文本文件就能显著改变 AI 行为质量,这是否说明我们在追求模型智能的道路上,忽略了最简单也最有效的杠杆——上下文设计?

第四章"竞争的迷思": 钉钉开源 CLI 是在创造垄断还是在放弃护城河? #

Peter Thiel · 2014

Thiel 在《零到一》中提出:竞争是失败者的游戏。真正成功的公司不是在现有市场中击败对手,而是创造一个只有自己的新品类。

与今天的连接: 钉钉开源 CLI 并支持第三方 AI agent,表面上是"放弃护城河"。但用 Thiel 的框架分析,钉钉可能在做更聪明的事:它不再试图在"企业协作 GUI"这个红海中竞争,而是试图成为"AI agent 调用企业能力的标准接口"。如果成功,钉钉不需要用户打开它的 App,只需要所有 AI agent 都通过它的 CLI 来操作企业数据。在 AI agent 时代,“被用户使用"和"被 AI 调用”,哪个才是更深的护城河?

第二章"人月": AI 编程时代的 Brooks 法则还成立吗? #

Frederick Brooks · 1975

Brooks 在 1975 年提出软件工程最著名的论断:向一个延期的项目增加人手,只会让它更延期。原因是沟通成本随团队规模呈 n(n-1)/2 增长。

与今天的连接: 今天 @rohit4verse 描述了新的编程范式——写 spec、写 eval、让 AI 跑。如果 AI agent 是"新团队成员",Brooks 法则还适用吗?关键区别在于:AI 不需要社交化的沟通(没有站会和 1:1),不需要渐进式学习(CLAUDE.md 让它瞬间获得项目上下文),可以并行运行多个实例而不增加沟通成本。AI agent 可能是第一个绕过 Brooks 法则的"团队成员"。如果沟通成本是软件项目的核心瓶颈,而 AI 消除了这个瓶颈,那么 50 年来关于"小团队更高效"的共识是否需要重新审视?

⚡ 快讯 #

oh-my-claudecode: 面向团队的 Claude Code 多 Agent 编排框架 #

GitHub · 14,040 stars (+1,411 today)

TypeScript 编写的多 Agent 编排框架,专为 Claude Code 设计,支持团队在共享代码库上协调多个 AI Agent。今日新增 1,400+ stars,反映了生产级多 Agent 开发工具的强烈需求。对于已经在用 Claude Code 的团队,这可能是从"单人 AI 助手"进化到"AI 开发团队"的关键工具。

-> 原文

Anthropic 工程团队详解: 长时间运行应用开发的 Harness 设计 #

Anthropic Engineering Blog · 今日发布

Anthropic 工程师公开了多 Agent 架构的实现细节:如何通过结构化反馈、显式评分标准和上下文交接来克服 AI 在长时间开发任务中的退化问题。这篇文章直接呼应了 CLAUDE.md 的话题——不是让模型更聪明,而是设计更好的工作流来弥补模型的局限。

-> 原文

深度解剖 .claude/ 文件夹的工作原理 #

Hacker News · 389 points · 194 comments

一篇详细拆解 Claude Code 的 .claude/ 文件夹结构的教程,解释了配置、记忆和技能系统如何协同工作。194 条 HN 评论讨论了开发者如何定制 Claude Code 设置以最大化生产力。与今天的 CLAUDE.md 话题形成完美的技术补充。

-> 原文

LiteLLM 供应链攻击: 一位开发者的分钟级应急响应全记录 #

Hacker News · 426 points · 157 comments

一份详尽的事件报告,记录了一位开发者如何实时应对针对 LiteLLM 库的恶意攻击。LiteLLM 是跨多个 LLM 提供商的 API 代理层,被广泛用于 AI 基础设施。文章提供了精确的时间线、取证分析和遏制步骤,是 AI 供应链安全的教科书级案例。与 The Changelog 播客的报道互为补充。

-> 原文

ATLAS: $500 GPU 在编程基准测试上超越 Claude Sonnet #

Hacker News · 462 points · 258 comments

一个名为 ATLAS 的项目声称仅用 $500 GPU 设置就在编程基准测试上超越了 Claude Sonnet。258 条 HN 评论围绕规模递减效应展开激烈辩论:专门针对特定任务的小模型,是否能在该任务上击败通用前沿模型?

-> 原文

编辑分析 #

今天的内容有一条暗线贯穿始终:价值正在从"执行层"向"判断层"迁移,速度之快超出大多数人的预期。

三个信号同一天出现绝非偶然。Apifox CEO 要求 80% 代码由 AI 产出,Satya Nadella 宣判传统 SaaS 的死亡,钉钉把企业软件变成 CLI 命令。表面上是三家不同规模的公司做了三个不同的决定,但底层逻辑完全一致:当 AI 能够高效执行确定性任务时,人和产品的价值必须重新锚定在不确定性的判断上。

趋势一:AI Engineering 正在从 ML Research 中独立出来,成为一个独立的职业赛道。 Boris Cherny 揭示的 CLAUDE.md 方法、Anthropic 工程博客的 Harness 设计、oh-my-claudecode 的 14,000 stars、@_justineo 开源的人机协作记录——这些都不是在做更好的模型,而是在做更好的"模型使用方式”。未来最抢手的技术人才,可能不是能训练 foundation model 的人,而是能设计 eval suite 和编排 multi-agent 工作流的人。@rohit4verse 那条推文说的没错:最好的程序员不再写代码,他们写评估标准。

趋势二:企业软件的交互界面正在从 GUI 切换到 API/CLI。 Nadella 说 SaaS 在死,钉钉开源 CLI,两件事同一天指向同一个结论:未来的企业软件是"被调用的",不是"被点击的"。Peter Thiel 会说,钉钉不是在放弃护城河,而是在创造一个新品类。当 AI Agent 成为企业软件的主要消费者,你的 GUI 多精美根本不重要,重要的是你的 API 有多完整、你沉淀的数据有多独特。这对整个 ToB SaaS 行业是一个需要认真对待的信号。

趋势三:AI 推荐与动态定价的结合,正在创造消费市场有史以来最大的信息不对称。 Walmart 的 Sparky 让顾客多花 35%,同时 Walmart 在申请动态定价专利。Taleb 的非线性框架告诉我们,这两者的组合效果不是 35%+X%,而可能是指数级的。我们可能需要一个"消费者端的 AI Agent"来重新平衡这种不对称——这本身就是一个巨大的创业机会。

最后,今天最值得深入的一篇是 LiteLLM 供应链攻击的事件报告。当整个行业都在兴奋地谈论 AI Agent 的能力时,AI 基础设施的安全脆弱性被严重低估了。一个被广泛使用的 API 代理层遭遇恶意攻击,影响范围可能比任何单一模型漏洞都大。

延伸阅读:

• Anthropic Harness Design 工程博客 — 理解多 Agent 架构的必读
• LiteLLM 攻击全程实录 — AI 供应链安全的教科书案例
• SlopCodeBench 论文 — 量化 AI 编程 Agent 在长任务中的退化

lz.wiki 每日精选 · 33 条来自 15 个源 · 2026年3月28日 13:00 CST RSS 订阅 · 所有精选