实践案例：黄小木：Claude Code 创造者 Boris Cherny 用数千 Agent 并行工作
Claude Code 创造者 Boris Cherny 展示了 agent 工作流的实战形态：白天并行运行数百个 agent 处理任务，夜间运行数千个 agent 做深度工作。核心工具是 /loop 命令，通过 cron 注册定时任务实现自动化循环，一个 loop 自动修 CI 和 rebase PR，一个监控代码库变化，一个执行夜间深度任务。这标志着开发工作的度量单位已从个人执行能力转向可调度的 agent 并发数量，编排和监督 agent 集群成为核心技能，程序员角色正在从代码编写者转变为自动化系统的设计者。
实践案例：Roland.W：歌手胡彦斌用 Claude Code 开发粉丝社区 App 引发关注
歌手胡彦斌在机场被拍到写代码上热搜后，在《歌手2026》透露用 Claude Code 做了粉丝社区 App 彦火并已内测。他从2004年用 MIDI 编曲到2015年做牛班音乐教育 App，一直在用当下最好的工具把想法变成产品。这次 Vibe Coding 让技术圈和娱乐圈同时关注，展示了 AI 编程工具如何让非技术背景的创作者直接实现产品构想，打破了传统开发门槛。
相关信号：黄小木：GitHub README 开始分化：人类版与 Agent 版并存
GitHub 开源项目的 README 文档正在发生结构性变化：传统的人类阅读版本需要配图和详细解释，而新增的 AI Agent 版本则是可直接执行的纯指令块，复制后即可在 Claude Code 等工具中运行。这种分流反映了开发流程的转变，开发者越来越依赖 AI 完成部署和配置，不再愿意手动执行步骤。对于开源项目维护者来说，率先提供 Agent 友好的文档格式，可以降低使用门槛，提升项目的传播效率和采用率。
使用方法：黄小木：Anthropic Agent Skills 标准让 AI 能力持续积累
Anthropic 推出的 Agent Skills 标准让 AI 能力可以像员工一样持续成长。普通用户每次对话结束后，调教 AI 的努力就归零；而通过 Skill，每次使用都能让这个专家模块变得更精准、更快速。关键在于将每次 prompt 产出保存为独立文件，实现能力复利积累。这个标准不绑定特定 AI，同一个 Skill 可以在 Claude、Cursor、Gemini 等工具间通用。对于频繁使用 AI 处理重复工作的人来说，从今天开始创建第一个 Skill，半年后它就能成为真正懂你业务的小专家。
使用方法：黄小木：Anthropic 工程师的 Skill 设计原则：用代码替代推理
Anthropic 工程师在设计 Claude Code 的 Skill 时遵循一个核心原则：能用代码固化的逻辑就不让 AI 重复推理。原因在于每次推理都会消耗 token、增加成本且存在不确定性，而代码写一次可以无限次调用，结果稳定且成本极低。这种思路直接影响了 Skill 的架构设计，让 AI 第一次生成好代码逻辑并封装成可复用模块，之后直接调用而非每次重新推理。真正的 AI 高手不是让 AI 干更多，而是让 AI 干更少，把能固化的全固化，把不可固化的留给推理。
相关信号：黄小木：Claude Code 创造者已完全不手写代码
Claude Code 创造者 Boris Cherny 在红杉资本演讲时透露，Claude Code 产品本身的代码库 100% 由 Claude Code 生成，他个人已完全不手写代码。现场调查显示几乎无人还在纯手写代码。这标志着 AI agent 编程已成为一线开发者的默认工作流，传统手写代码的开发方式正在快速被淘汰，其处境类似 2010 年仍用记事本写网页的开发者。
相关信号：黄小木：技术栈选型新标准：优先考虑 AI 训练数据覆盖度
Anthropic 工程师 Boris Cherny 在 Sequoia 演讲中透露，Claude Code 选择 TypeScript 和 React 并非因为技术先进性，而是因为这两个技术栈在大模型训练数据中出现频率最高，能让 AI 生成更准确的代码。这标志着技术选型标准的根本转变：从传统的性能、生态、招聘便利性，转向 AI 对该技术栈的熟悉程度。这意味着冷门语言和框架将因训练数据稀缺而在 AI 辅助开发场景中处于劣势，开发者需要让技术栈适配模型能力，而非反向要求模型适配技术栈。
相关信号：黄小木：Anthropic 工程师使用与外部相同的模型版本
Anthropic 工程师 Boris Cherny 在 Sequoia 演讲中澄清：他们内部使用的模型与外部完全相同，都是 Opus 4.7，并不存在未发布的内部专享版本。Claude Code 的开发效率优势并非来自模型本身，而是来自高频 dogfood 和将每次使用经验沉淀为 prompt skill 的工程习惯。这意味着普通开发者与 Anthropic 团队的差距不在技术获取上，而在使用密度和方法论积累上，同样的模型，使用深度可能相差百倍。
产品体验层
OpenAI 总裁 Greg Brockman 表示 GPT-5.5 Pro 在事实核查上表现扎实，能处理整章节内容并准确定位关键引用。他指出模型唯一的小问题是过于追求细节准确，常会返回"大方向对但忽略了某个小细节"的反馈。这意味着 GPT-5.5 Pro 适合用于需要严谨核查的文档审校场景，但在快速验证时可能需要调整 prompt 来控制其对细节的敏感度，避免过度纠偏影响效率。
Roland.W
今日暂无内容。
今日暂无内容。