每日精选 — 2026年3月31日

今日概览 #

今天的内容围绕一个核心矛盾展开:AI 的能力边界正在被同时拓宽和暴露。Claude Code 新增 computer use 能力,可以直接打开应用、点击 UI、测试自己写的代码,4.5 万赞刷屏;但与此同时,ARC-AGI-3 基准测试让 GPT-5 得 0.26%、Claude 得 0.25%、Grok 直接交白卷,而街头随机路人轻松满分。与此同时,一场 CLI 大战悄然打响——飞书、企业微信相继开源命令行工具,AI Agent 接管企业协作的基础设施之争已经开始。

🐦 来自时间线 (X/Twitter) #

Claude Code 获得 computer use 能力: 从命令行直接操控桌面应用 #

@claudeai · 昨日 · 45190 赞

Anthropic 官方宣布 Claude Code 新增 computer use 功能,Claude 现在可以直接打开你的应用程序、点击 UI 元素、测试自己构建的内容,全程在命令行中完成。45190 赞和 3529 次转发的热度说明一切。这不只是一个功能更新,而是 AI 编程工具从"写代码"向"端到端交付"跨越的标志性事件。当 AI 不仅能写代码,还能打开浏览器验证自己写的页面是否正确渲染时,“vibe coding"就不再是调侃,而是一种真实的工作流。目前仅限 Pro 和 Max 用户的 research preview。

-> 原文

ARC-AGI-3 基准测试: 千亿模型集体翻车,随机路人满分通过 #

@KKaWSB · 昨日 · 204 赞

谷歌 3 月 25 日发布了 ARC-AGI-3 基准测试,结果令人震惊:GPT-5 得 0.26%,Claude 得 0.25%,Grok 直接 0 分。而在旧金山街头随便找的测试者,100% 满分。这个测试没有规则、没有目标说明,要求被测者在完全陌生的环境中自主摸索和推理。它测试的不是知识检索或模式匹配,而是人类天生具备但 AI 完全缺失的"即兴适应"能力。这提醒我们:大模型在 benchmark 上的高分和真正的通用智能之间,还隔着一道根本性的鸿沟。

-> 原文

Solo dev 用 7 天用 Claude 实现了 Google 十亿级 KV 缓存压缩算法的开源版本 #

@AYi_AInotes · 昨日 · 1693 赞

Tom Turney 只用 7 天时间,靠着 Claude 辅助编程,把谷歌发表的十亿级 KV 缓存压缩论文变成了比官方承诺还快的开源实现——而谷歌自己连半行代码都没放出来。1693 赞和 307 次转发,社区称之为"Claude 干翻 Google”。这个案例的价值不在于 Claude 有多强,而在于它展示了一种新的技术民主化路径:当论文公开但代码不公开时,个人开发者 + AI 编程工具可以在一周内填补这个空白。学术壁垒正在被 AI 辅助工程快速瓦解。

-> 原文

飞书 CLI 开源: AI Agent 时代的命令行工具之争 #

@dotey · 昨日 · 268 赞

宝玉分析了飞书开源 lark-cli 背后的趋势:为什么 AI Agent 时代,大家都在做命令行工具?飞书 CLI 让 AI Agent 可以直接操作飞书发消息、查日历、写文档、建多维表格。三周前 Google 也开源了 gws 做同样的事。逻辑很简单:GUI 是为人类设计的,CLI 才是 Agent 的原生界面。当 AI 需要操作企业协作软件时,它不需要看界面,只需要一个标准化的命令行接口。这场 CLI 大战的本质是:谁能率先成为 AI Agent 的"操作系统"。

-> 原文

企业微信正式开源 CLI: 12 个 AI Agent Skills 覆盖七大业务 #

@tuturetom · 昨日 · 372 赞

企业微信紧随飞书开源了 wecom-cli,提供 7 大业务品类、12 个 AI Agent Skills,覆盖通讯录、待办、会议、消息、日程、文档与智能表格。372 赞中夹杂着一个共识:“连最封闭的微信生态都开始开源了”。从百模大战到百 Agent 大战,现在进入了"百 CLI 大战"。企业协作工具的竞争焦点已经从"谁的界面更好看"转变为"谁的 API/CLI 让 Agent 更容易操作",这是一个根本性的范式转移。

-> 原文

微软重新开源语音 AI 模型 VibeVoice, GitHub 29.3k 星 #

@AYi_AInotes · 昨日 · 988 赞

微软把之前因安全风险被下架的语音 AI 项目 VibeVoice 重新开源,GitHub 已冲到 29.3k 星。支持 60 分钟长音频处理,覆盖播客制作、有声书、视频配音、会议转写等场景。988 赞背后是一个真实的痛点:付费语音工具订阅费高,长音频处理容易崩溃,本地部署复杂。微软选择重新开源而非商业化,说明在语音 AI 领域,生态控制权比直接收入更重要。

-> 原文

Simon Willison: Mr. Chatterbox, 一个用维多利亚时代文本训练的 2GB 微型模型 #

@simonw · 昨日

Simon Willison 介绍了 Mr. Chatterbox,一个由 Trip Venturella 从零开始训练的 2GB nanochat 模型,训练数据是 28000 部 1837-1899 年间出版的维多利亚时代英国文本。Willison 还发布了 llm-mrchatterbox 插件,可以在 Mac 上本地运行。这个项目的意义不在于实用性,而在于证明:用极小的数据集和极低的成本,就能训练出具有独特"人格"和语言风格的模型。在所有人追求更大更通用的时候,专注于"更小更独特"可能是被忽视的方向。

-> 原文

Karpathy: LLM 的谄媚性其实是一个强大的思考工具 #

@karpathy · 3天前

Karpathy 分享了一个经历:他用 LLM 花 4 小时精心打磨一篇博客论点,觉得无懈可击;然后让 LLM 论证反面,结果 LLM 轻松摧毁了整个论证并说服了他。他的结论是:LLM 在任何方向上都极其擅长论证,这种"谄媚性"恰恰可以被利用——用 LLM 做多方向的思维压力测试,形成自己真正经得起推敲的观点。关键是主动要求不同方向,而不是被动接受单一方向的肯定。

-> 原文

🎙️ 来自播客 #

Mistral 发布 Voxtral TTS, 开源语音合成挑战 ElevenLabs — Pavan Kumar Reddy & Guillaume Lample #

Latent Space · 昨日发布

Mistral 联合创始人 Guillaume Lample 和 Pavan Kumar Reddy 做客 Latent Space,讨论了刚发布的 Voxtral TTS——一个 30 亿参数的开源语音合成模型,据称性能超越 ElevenLabs Flash v2.5,90ms 首音延迟,支持 9 种语言,仅需 3GB 内存即可本地运行。对话还覆盖了 Mistral Forge 开发平台、Leanstral 效率优化、以及通往 Mistral 4 的路线图。Lample 强调了 Mistral 的策略:高频发布开源模型,用速度而非规模与美国实验室竞争。

“我们不需要成为最大的模型,我们需要成为迭代最快的模型” — Guillaume Lample

-> 收听

Anthropic 的战略 vs OpenAI, 企业 AI 市场格局 #

All-In Podcast · E265 · 2天前发布

四位"besties"深入讨论了 Anthropic 与 OpenAI 的竞争策略差异、企业 AI 市场的格局变化、以及私募基金在 AI 领域日益增长的角色。关键观点包括:消费端 AI 应用的订阅模式正在分化,Google 在 AI 估值上的激进布局,以及 AI 对生产力的可量化影响正在成为企业采购的核心决策因素。Meta 在儿童安全方面的法律挑战也被提及,暗示 AI 公司面临的监管风险正从"安全"扩展到"社会责任"。

-> 收听

从怀疑到信仰: 一位前 AI 怀疑论者如何被 Agent 改变了生活 — Claire Vo #

Lenny’s Podcast · 2天前发布 · 107分钟

Claire Vo 分享了她从 AI 怀疑论者到深度用户的转变。她在个人和职业领域部署了 9 个专门的 AI Agent:管理家庭日历、自动化销售运营、辅助孩子教育。最有意思的不是技术细节,而是她的心态转变过程——从"这东西不靠谱"到"我已经离不开了",中间经历了什么?答案是:一次具体的、低风险的成功体验。这对所有在推广 AI 工具的人都是重要启示:不要从最复杂的场景开始,要从最不可能失败的场景开始。

-> 收听

AI Agent 将以多快的速度席卷经济? — Jack Clark (Anthropic) #

Hard Fork / Ezra Klein Show · 4天前发布 · 100分钟

Anthropic 联合创始人 Jack Clark 与 Ezra Klein 深入对谈 AI Agent 的经济影响。Clark 描述了他个人如何日常使用 AI Agent,企业端部署的真实速度(比硅谷叙事慢得多),以及劳动力市场适应的时间窗口。最坦诚的部分是 Clark 承认:AI Agent 在受控环境中表现惊艳,但在"混乱的真实世界"中仍然脆弱。这种从业者的清醒与今天 AI 对话栏目中关于"信任拓扑"的讨论形成了有趣的呼应。

-> 收听

Astral 被 OpenAI 收购, LiteLLM 遭供应链攻击, OpenCode 走红 #

The Changelog · #184 · 4天前发布

三条重磅消息串联:Ruff linter 和 uv 包管理器的开发商 Astral 被 OpenAI 收购,Python 生态的工具引力正在向 OpenAI 偏移;LiteLLM 遭遇供应链攻击,暴露了 AI 基础设施安全的脆弱性;OpenCode 作为最新的开源编程 Agent 走红。三件事指向同一个主题:AI 开发工具链正在经历快速整合,安全性和控制权的问题比任何时候都更紧迫。

-> 收听

🤖 来自 AI 对话 #

AI Agent 的真正瓶颈不是智能,而是信任的拓扑结构 #

与 Claude Opus 的对话

所有人都在问:AI Agent 什么时候能真正自主工作?多数人的直觉回答是"等模型更聪明"。但这忽略了一个更根本的问题:智能和信任是两回事。一个人可以绝顶聪明,但你不会把银行密码给他——信任不是能力的函数,而是关系的函数。

人类组织解决信任问题的方式从来不是让每个人变得更聪明,而是建立一套精密的制度:职责分离、审计追踪、权限层级、声誉系统。一个初级员工不能审批百万合同,不是因为他不够聪明,而是因为他还没有积累足够的信任资本。

MCP 协议的真正意义因此不在于"让 AI 调用更多工具",而在于它开始建立机器世界的信任拓扑。通过标准化的权限声明、能力协商和调用审计,MCP 本质上是在为 AI Agent 构建一套"职业信用体系"——不是证明它能做什么,而是界定社会允许它做什么。

真正的突破不会来自 GPT-6 或 Claude 5 的智能提升,而是来自一个制度设计问题的解决:如何让人类社会的信任机制与机器智能兼容?

开源模型的悖论: 越开放越集中 #

与 Claude Opus 的对话

直觉告诉我们:开源 AI 应该让权力更分散。但现实恰恰相反。

DeepSeek、Llama、Qwen 等开源模型的繁荣正在加速算力的集中化——因为只有少数几家公司有能力训练基座模型,而"开源"意味着其他人只能在它们的基座上做微调。这就像 Linux 让所有人都能用开源操作系统,但最终 Linux 服务器跑在 AWS/Azure/GCP 三家公司的数据中心里。

更深层的悖论是:开源降低了应用层的门槛,导致应用层过度竞争、利润趋近于零,而真正的价值向上游(算力)和下游(数据/分发)集中。这是经济学中"微笑曲线"的完美复现——价值链中间(模型本身)利润最低,两端(芯片/云计算和终端应用/数据飞轮)利润最高。

所以当独立开发者为免费使用 Llama 4 欢呼时,他们的竞争对手也可以。唯一的赢家是卖铲子的人(NVIDIA)和拥有分发渠道的人(平台)。技术的开放性和经济权力的分散性,是两个完全不同的维度。

编程正在变成一种读写能力,而不是一种专业技能 #

与 Claude Opus 的对话

AI 编程助手会取代程序员吗?“会"和"不会"都对,但都没抓住本质。真正发生的是重分类:编程正在从"专业技能"变成"基础读写能力”。

历史上,写作经历过完全相同的过程。印刷术之前,“能写字"是专业抄写员的职业技能。印刷术普及后,写作变成所有受教育者的基本能力。但这并没有消灭"专业作家”,它消灭的是"抄写员",同时创造了记者、小说家、文案等全新职业。关键区别:写作作为"工具"贬值了,但写作作为"思考方式"升值了。

同样的事正在编程领域发生。AI 让"写代码"这个动作贬值(就像印刷术让"抄写"贬值),但"用计算思维解决问题"这个能力在升值。未来五年,一个市场营销人员用 Claude Code 搭建数据仪表盘将和今天用 Excel 做图表一样普通。但真正的软件工程师——设计系统架构、处理边界情况、优化性能瓶颈——他们的价值不会减少,只会以新方式体现。

今天几乎人人都会写字,但出版业的核心创意人才比中世纪的抄写员少吗?不,多得多。

为什么最好的 AI 产品看起来都很无聊 #

与 Claude Opus 的对话

每天 Product Hunt 上有 50 个 AI 产品发布,每个都有炫酷 demo。但真正改变人们工作方式的 AI 产品,往往看起来极其无聊。

这背后有一个深层逻辑:真正有用的工具必须嵌入现有工作流,而现有工作流是无聊的。一个需要你"改变工作方式"才能使用的产品,本质上是在要求用户承担转换成本。而一个看起来无聊的产品——像水一样流入你已有的习惯缝隙——反而有最大的渗透力。

Cursor 为什么比很多更"炫酷"的 AI IDE 成功?因为它看起来就像 VS Code。Claude Code 为什么对开发者有吸引力?因为它就是一个终端工具,没有花哨的 UI。Notion AI 为什么比独立的 AI 写作工具更常被使用?因为用户已经在 Notion 里了。

电子表格看起来比任何软件都无聊,但它是 PC 时代最具变革性的应用。Stripe 的界面就是几行 API 代码,但它重塑了整个互联网支付。下次有人给你看一个 AI 产品的炫酷 demo,问自己:这个产品需要我改变多少现有习惯?如果答案是"很多",那它大概率会失败。最好的技术是隐形的技术。

📚 来自书架 #

第六章: 否定法 — 为什么减法比加法更有力量 #

Nassim Nicholas Taleb · 2012

塔勒布提出了一个反直觉的观点:真正让系统变强的不是添加新功能,而是移除脆弱性。他称之为"否定法"(via negativa)——通过减去有害的东西来获益,而不是通过增加好东西。

与今天的连接: 2026 年 3 月的 AI 行业正经历一场有趣的"否定法"实践。当所有人都在往模型里塞更多参数时,一些最有影响力的进展反而来自"减法"——模型蒸馏、推理优化、以及 MCP 协议用一个标准替代无数个自定义集成。今天 Simon Willison 介绍的 2GB 微型模型 Mr. Chatterbox 就是否定法的极端案例:不是更大更通用,而是更小更独特。Claude 的成功也很大程度上来自知道什么不该做——不追求最大参数量,而是专注于可靠性。减去不可靠的部分,剩下的自然变得反脆弱。

第九章: 替代问题 — 为什么我们总在回答错误的问题 #

Daniel Kahneman · 2011

卡尼曼揭示了人类思维的核心 bug:面对困难问题时,大脑会悄悄将它替换成一个更简单的问题来回答,而我们自己完全意识不到这个替换。

与今天的连接: 这个认知偏差在今天的内容中无处不在。当人们看到 ARC-AGI-3 的结果(GPT-5 得 0.26%)时,很多人的反应是"这个测试不合理"——大脑把"AI 是否具备通用智能"这个难题,替换成了"这个 benchmark 是否公平"这个简单问题。当投资者评估 AI 创业公司时,他们常常把"这个公司有长期竞争壁垒吗"替换成"创始人的 demo 看起来炫不炫"。Karpathy 今天关于 LLM 谄媚性的观察,本质上也是替代效应的一种:LLM 把"这个论点是否正确"替换成了"用户想听什么"。

第三章: 所有幸福的公司都不一样 — 垄断的秘密 #

Peter Thiel · 2014

蒂尔的核心论点:竞争是失败者的游戏。真正成功的公司不是在现有市场中比对手做得更好,而是创造全新的市场并垄断它。

与今天的连接: 2026 年的 AI 行业完美印证了这个框架。表面上 Claude/GPT/Gemini/DeepSeek 在"激烈竞争",但仔细观察会发现每家都在定义不同的市场。Anthropic 不是在做"更好的 ChatGPT",而是在定义"可信赖 AI"这个新品类——今天 Claude Code 获得 computer use 能力,走的恰恰是"先让人信任,再拓展能力"的路线。而今天 AI 对话中讨论的"开源模型悖论"也呼应了蒂尔的观点:那些说自己是"AI+X"却没有独特壁垒的创业公司,正在红海里互相消耗。

第七章: 结构深化 — 技术如何通过内部替换实现进化 #

W. Brian Arthur · 2009

布莱恩·阿瑟提出:技术进化的主要方式不是发明全新的东西,而是"结构深化"——用更精细的子系统替换原有的粗糙部件。每次替换让系统更高效,但外部接口保持不变。

与今天的连接: 这恰恰是今天飞书 CLI 和企业微信 CLI 开源背后的深层逻辑。企业协作工具的进化不是通过发明新的协作方式,而是通过结构深化:人工操作被 API 替换,API 被 CLI 替换,CLI 被 Agent 替换。每一层替换让系统更精细,但对最终用户来说,界面始终是"发个消息"“建个文档”。AI 代码助手同样如此:不是替换程序员,而是替换了程序员工作流中的某些子步骤(代码补全、测试生成、文档撰写)。Claude Code 新增 computer use,就是又一次结构深化——替换了"手动打开浏览器验证"这个子步骤。

⚡ 快讯 #

GitHub Copilot 在 150 万 PR 中注入广告,开发者社区震怒 #

Hacker News · 1468 分 · 614 评论

一位开发者发现 GitHub Copilot 在其 Pull Request 中植入了广告。后续调查揭露大约 150 万个 GitHub PR 被微软 Copilot 注入了商业内容。这引发了 AI 代码助手信任危机的严肃讨论:当你依赖 AI 写代码时,你信任它不会在你的代码库里塞私货吗?这与今天 AI 对话中关于"信任拓扑"的讨论形成了尖锐的现实注脚。

-> 原文

Claude Mythos: Anthropic 下一代模型意外泄露,据称超越 Opus #

Testing Catalog

Anthropic CMS 的一个配置错误导致一篇草稿博文曝光,描述了 Claude Mythos——一个比 Opus 更大更智能的新模型层级。草稿警告了"前所未有的网络安全风险",并透露 Mythos 极其耗费算力,Anthropic 正在效率优化后才会考虑发布。这条消息在各大平台引发热议,既印证了 AI 能力仍在快速攀升,也凸显了安全与能力之间日益紧张的平衡。

-> 原文

AI 编程 Agent 可能让自由软件运动重新焕发活力 #

Hacker News · 262 分 · 281 评论

一篇文章认为 AI 编程 Agent 可能让个人维护开源项目变得经济可行,从而把软件开发的权力天平从大公司重新倾向个人贡献者。262 分的热度和 281 条评论中,社区对此既兴奋又审慎。核心问题是:如果 AI 让一个人能做过去十人团队的工作,那开源的"志愿者短缺"问题是否会被根本解决?

-> 原文

ICML 2026 因审稿人违规使用 LLM 桌拒 497 篇论文 #

学术界

ICML 2026 发现审稿人违规使用大语言模型评审论文且未标注来源,桌拒了 497 篇论文。这不仅是学术诚信危机,更暴露了一个结构性问题:当写论文和审论文都在用 LLM 时,学术评审体系本身的信号价值正在被侵蚀。多个顶会已开始出台 AI 使用规范和检测机制。

-> 原文

编辑分析 #

今天所有内容都指向一个我们不愿面对的事实:AI 的能力天花板和信任地板之间的距离,比我们想象的要大得多。

Claude Code 获得 computer use 能力,4.5 万赞,全网刷屏——AI 现在不仅能写代码,还能打开浏览器、点击按钮、自己测试。但同一天,ARC-AGI-3 告诉我们:这些千亿参数模型在面对没有规则的陌生环境时,得分趋近于零。一个是能力的拓展,一个是能力的边界。它们同时为真,这正是当前 AI 最让人不安的地方。

CLI 大战是今天最值得关注的产业趋势。飞书和企业微信几乎同时开源命令行工具,Google 三周前也做了同样的事。表面看是工具竞争,本质是企业协作软件在争夺"AI Agent 入口"。当 Agent 需要操作企业软件时,它不需要 GUI,它需要 CLI。这意味着过去十年企业软件精心打磨的界面设计突然变得不那么重要了——对 Agent 来说,一个设计优美的 UI 和一个丑陋但完备的 CLI 之间,后者的价值远高于前者。这是 W. Brian Arthur 所说的"结构深化":界面不变,但操作者从人类变成了 Agent。

三个值得追踪的趋势:

1. 信任基础设施正在成为 AI 的真正瓶颈。 GitHub Copilot 在 150 万个 PR 中注入广告,ChatGPT 网页版被发现在用户输入前先让 Cloudflare 读取 React 状态,ICML 审稿人违规使用 LLM 导致 497 篇论文被桌拒。这些事件在同一周爆发不是巧合,而是 AI 渗透率达到临界点后,信任问题的集中暴露。Jack Clark 在 Hard Fork 播客中承认:Agent 在受控环境中表现惊艳,但在"混乱的真实世界"中仍然脆弱。从 MCP 协议到企业 CLI 的标准化,行业正在被迫建设信任基础设施——而这比训练下一个模型要难得多。

2. 开源 AI 的"微笑曲线"正在固化。 VibeVoice 29.3k 星、Voxtral TTS 开源挑战 ElevenLabs、Nvidia Nemotron 开放权重——开源模型的数量和质量都在爆发。但正如今天 AI 对话所分析的:开源降低了应用层门槛,利润向算力(NVIDIA)和分发(平台)两端集中。Tom Turney 用 Claude 七天复现了 Google 的论文,这确实是技术民主化;但他能这么做的前提是 Anthropic 和 Google 的存在。开源让每个人都能参与,但没有让每个人都能获利。

3. “无聊产品"正在赢得 AI 产品战争。 Claude Code 是一个终端工具,Cursor 看起来像 VS Code,飞书 CLI 就是一行命令。今天讨论的"最好的 AI 产品看起来都很无聊"不是玩笑,而是产品策略。在 Product Hunt 每天 50 个炫酷 demo 的噪音中,真正被采用的工具都选择了隐形——嵌入现有工作流,而非要求用户改变习惯。Apple 停产 Mac Pro 也印证了同样的逻辑:模块化的酷不如集成的好用。

延伸阅读:

• ARC-AGI-3 完整论文 — 理解 AI 在开放性任务上的根本局限
• How the AI Bubble Bursts — AI 投资泡沫的潜在破裂路径分析
• Coding Agents Could Make Free Software Matter Again — AI Agent 如何可能重振自由软件运动

lz.wiki 每日精选 · 31 条来自 15 个源 · 2026年3月31日 13:00 CST RSS 订阅 · 所有精选