Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

DoorDash CTO Andy Fang 这句太狠了: “用AI的目标不是写代码更快,而是再也不用亲手写代码了。” 他们公司现在全员跑agent。 有个代码迁移项目,原本要4个工程师干满一个季度。 现在一个人,三周搞定。 结果就是:专家团队变成了“一个专家+一堆规则和agent”。 这哥们跟Claude Code创始人聊了25分钟,全是干货。 看完我算是明白了,大多数人用AI的方式还是最原始那种:手动输入、等待、修改、再问。 效率低到离谱。 真正的玩法早就不一样了。

91,658 Aufrufe • vor 1 Monat •via X (Twitter)

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

OpenAI刚刚开源的这个东西,感觉要把程序员的工作方式给整个改写了。 现在大家都在卷模型写代码有多强,但其实真正的瓶颈早就不是生成了。 一个人每天最多同时有效监督3-5个编码Agent,再多就会注意力崩溃,生产力直接归零。 有了Symphony,直接把这个上限干到了几十个。 它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。 你开一个任务,它自动启动一个独立隔离的Codex Agent。 自己写代码,自己跑测试,自己做交叉Review,damn! 全部搞定之后,会给你提交一个完整的证据包。 CI全绿,安全和性能专项审查通过,改了UI就自动录好操作视频。 所有验证全过了,才会出现在你的Human Review队列里。 以后人类的角色可能会被彻底颠覆了。 以前你是监工,盯着Agent一步一步写代码,上下文切到吐。 现在你是老板,只需要看最终的结果。 满意就点合并,不满意就去仓库里补规则补文档补Guardrails。 记住兄弟们,永远不要手把手指挥Agent,永远不要替它干活。 这可不是啥实验室概念,OpenAI自己已经这么干了。 三个工程师,五个月,写了一百万行代码,0行人工写的。 产品已经有几百个内部用户,每天都在迭代。 我觉得他们最厉害的不是模型,是他们把整个仓库变成了Agent能看懂能自主工作的乐园。 现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明,而是看谁能设计出让Agent可靠自主工作的环境。 我觉得未来最好的工程师,再也不是写代码最快的人,而是那些最会写规则,最会设计反馈回路,最会给Agent搭舞台的人。 现在Symphony已经开源了,它甚至不是一个成品。 是一个17k token的完整SPEC。 你把这个SPEC喂给任何一个编码Agent,十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

AYi

63,210 Aufrufe • vor 3 Monaten

现在到底有多少人定投纳斯达克100?定投后收益怎么样? 我用 DAPPOS 的 xBubble Coding 做了一个更直观的网站 收益预估计算: 如果你开始买纳斯达克指数基金会发现总推这方面的内容,搞得好像全世界很多人都在买这个东西。 觉得这个就是特别的主流,其实还是一个比较偏门的投资。 在 xBubble 找到了权威的数据,大概是400W左右 用人口除一下不难发现,大概就是万分之2.8,10000个人里面只有三个人在定投。 我又不是程序员,就随便描述了一下想要啥,十分钟就搞出一个能用的网站:支持切换不同指数、人民币/USDT/USDC 随便选、收集定投动态跳动的人数、年限对比表、漂亮图表、详细计算逻辑和风险提醒。 以前搞这些得配服务器、买域名、调 API、部署……头都大了。 现在 xBubble Coding 全帮你包了,真就是普通人也能 1 小时内把想法变成真产品 牛就牛在,它不是扔给你一堆代码让你自己折腾,而是端到端全搞定:界面、逻辑、数据、部署一条龙。 我这个计算器能实时算复利、自动刷新、还有表格和图表,看着就专业。 以后想加会员收费、接稳定币支付,也能继续聊着天就改。 不像别的 AI 工具只帮程序员写代码,它专门为咱们这些不会技术的个人创业者(OPC)和小团队设计的,直接卖的是能赚钱的完整生意 现在大厂的标准化产品只吃掉 20% 的市场,剩下 80% 都是各种奇奇怪怪的垂直、小众、短平快需求 xBubble Coding 帮你把技术门槛、雇人成本、试错成本全抹平了,让每一个脑子里的小想法都能快速变成能赚钱的生意。 别人还在用 AI 卷着写代码的时候,咱们已经用 xBubble Coding 把想法变成真金白银了。 用抗审查保护自己,用 SOP 降低风险,用对话式 Coding 快速增长。 这可能就是 AI 时代,普通人、小团队拿超额利润的最强基础设施

好家伙🦅

24,272 Aufrufe • vor 28 Tagen

Uber 在一个季度内,把全年的 AI 预算烧光了。但这钱没白花,换来了反常识的结果。CEO Dara 发现,自家的工程师用上 AI 后效率暴增,产出简直像"超人"一样。于是 Uber 做了一个极其现实的决定:既然现有人手这么能干,那就不招新人了。他们开始严格控制增员节奏,用高昂的算力成本,直接锁死了未来的人力扩张。而且这场改造根本不局限于写代码。从工程开发、找 bug、平台迁移,一直到法务和营销团队,AI 已经钻进了 Uber 的每一根毛细血管。Dara 给团队下了死命令:自下而上,用 AI 把系统和流程彻底重构一遍。就算第一步只是让 AI 提升个两三成的效率,那也是赚的。最聪明的还是他们在成本上的算计。搞探索和研发时,闭着眼睛用最贵的 OpenAI 和 Claude,因为前沿模型确实聪明,适合试错。但只要某个场景跑通了、要大规模铺开,他们会立刻切回按 token 算更便宜的模型,或者是开源模型。为什么这么抠细节?因为 Uber 一年哪怕跑出远超 100 亿次的行程,手握 100 多亿自由现金流,本质上依然是个低毛利的苦生意。他们只能靠榨干内部的每一滴效率,来换取终端降价的空间。这就是现在顶尖科技公司的真实玩法。没有空喊口号,算力直接替代人力,用最贵的工具探路,用最省的方案落地。一场冷酷又高效的生产力洗牌,已经在看不见的地方完成了。

墓碑科技

53,152 Aufrufe • vor 2 Monaten

他做了 10 年夜班保安,每小时 $16,守着一栋栋空楼。 某个睡不着的夜班,他把 $900 做到了 $187,000。 而且他自己没有写一行代码。 他没有雇工程师。 他只是“租”了 300 个 agent 跑了一晚,让 Claude Opus 4.8 像总指挥一样调度整个流程。 Proof: 事情大概是这样。 夜班刚开始,他给 Opus 输入了两个 prompt。 Opus 没有直接写 bot,而是先画出了完整蓝图:数据、信号、回测、风控、执行,按正确顺序拆成一棵任务树。 然后这张蓝图被分发给 300 个 agent。 有人拉 Binance 数据和 Polymarket 盘口。 有人写代码。 有人回测 5 年数据。 有人检查风险。 有人处理执行逻辑。 14 个小时里,它们不是一步一步慢慢做,而是并行跑了 4,000 个步骤。 最后 Opus 再把结果全部读回来,把跑偏的模块砍掉,只留下能用的部分。 整个过程很反直觉。 大脑没有亲自写代码。 手也没有自己做判断。 但到天亮的时候,他已经拿到了一套普通 6 人量化工程团队可能要一个季度才能交付的东西: 一个可以跑的 Polymarket BTC bot。 已经回测过。 有风险限制。 可以 24 小时运行。 十年来,他一直在看守没人待的楼。 现在,300 个 agent 在他睡觉的时候替他看市场。 如果你不想自己从零搭,直接用Kreo复制他的交易 真正的变化不是“AI 帮你写代码”。 而是一个普通人,开始有能力把一支临时工程团队调度起来。

断浪

175,871 Aufrufe • vor 2 Monaten

前特斯拉AI负责人Andrej Karpathy说,他对任何Demo都毫无感觉。 为什么? 因为他被坑过一次。 2014年,他体验了一次Waymo的自动驾驶。 一次“完美”的驾驶。 他当时觉得,技术已经近在咫尺了。 结果呢? 十年过去了,真正的自动驾驶在哪里? Karpathy揭开了一个行业秘密: 从Demo到产品,中间有一条巨大的鸿沟。 尤其是在自动驾驶这种失败成本极高的领域。 他用了一个词,“九的征程”(march of nines)。 什么意思? 搞出一个90%成功率的Demo,这只是第一个“九”。 然后是99%,第二个“九”。 然后是99.9%,第三个“九”。 99.999%…… 每增加一个“九”,付出的工作量都是一样的,甚至更大。 他在特斯拉干了五年,团队大概推进了两三个“九”。 前面还有无数个“九”等着你。 这套理论,解释了硅谷这些年画的大饼。 AI写代码也是一个道理。 写个小脚本,做个演示,很容易。 但要写真正用在生产环境的代码,能保证数亿人数据安全的代码,就是另一回事了。 任何一个小错误,都可能导致灾难性的安全漏洞。 所以那些吹嘘“颠覆”和“革命”的人,是真的不懂,还是在刻意忽悠? 一个Demo就能融到上亿美元的时代,是不是该结束了? 踏踏实实解决问题,比任何华丽的演示都重要。 这才是真正的创新,不是吗?

墓碑科技

95,520 Aufrufe • vor 5 Monaten

有个大学生,拿了2400美元奖学金,没干别的,全花在一台iPad和一台Mac Mini上了。 家里人一看,觉得挺欣慰:买电脑嘛,肯定是为了学习。室友瞄了一眼那堆设备,半开玩笑说:这架势,不会是要挖矿吧? 其实都不是。 他从GitHub上扒下来39个AI代理的代码,敲了回车,直接睡觉去了。第二天早上醒过来,终端那边已经把活儿干完了——差不多是初级开发干四天的量。没有bug,没问过一个问题,也不用人在旁边盯着。 他录了个屏,到第40秒的时候你仔细看,最上层跑着个叫OpenClaw的东西。就是这一层,能让所有代理同时看清整个项目的结构,自己决定接下来该动哪里。 iPad相当于他的办公室,Mac Mini就是给他干活的员工。他去上课的时候,机器就在宿舍里接着跑。 一个月后,来了第一个客户。再过一周,又来一个。 正经外包公司要接同样量的活儿,一个月得收一万六美元左右。他这套东西跑起来的成本呢?21美元。 也就大半年前,这种配置还只有那些拿了钱的初创公司才搭得起来。现在呢,一个大学生拿奖学金就搞定了。 玩法已经变了,只是大多数人还没意识到。 同样的逻辑,换个地方也成立——比如PolyCop,能让你自动跟单Polymarket上那些顶级交易员的操作,不用自己盯着盘。 钱在动,你不用动。 这事儿挺有意思,值得留意。

区块链行情研究

100,355 Aufrufe • vor 3 Monaten