07:36Andrej Karpathy@karpathyAndrej Karpathy提出LLM交互的第三次范式变革:Claude作为自包含、持久、异步的实体,通过工具集成、计算环境、内存和安全等底层工程,无缝融入人类团队。与第一代(网站)和第二代(App)不同,这一代让Claude像同事一样可对话,处理多种工作负载。Karpathy认为这是LLM UIUX的第三次重大重新设计。行业ClaudeAnthropic智能体AI协作企业AI10 个信源在谈推荐理由:Karpathy说Claude以后不是网页也不是App,而是直接插进团队里当同事用,挺颠覆的,值得看看他的思路。原文
05:46Claude@claudeaiAnthropic 宣布 Claude Tag 在 Slack 中进入 Beta 阶段,当前仅面向 Claude Enterprise 和 Team 计划用户。该功能允许用户在 Slack 消息中直接 @提及 Claude 并触发响应。Anthropic 计划未来向更多计划用户开放此功能。目前 Beta 版已支持英文对话,后续将扩展语言支持。AI产品ClaudeSlackAnthropicAI协作企业应用10 个信源在谈推荐理由:Anthropic 在 Slack 里给 Claude 加了个 @ 功能,企业版和团队版现在就能用,不用切窗口直接跟 Claude 聊天。原文
13:30Jerry Liu@jerryjliu0Jerry Liu 在推文中提出 Loopcraft 概念,将组织构建类比为递归循环:个体是递归循环,团队在个体上循环实现团队级 OKR,公司在团队上循环实现公司级 OKR。他设想构建整合人类与智能体的组织,其中外层智能体循环管理子智能体和其他人类,进行任务分派与审查。swyx 补充认为,未来竞争在于有效堆叠循环的能力:早期需知道在出错时向下深入循环以提升可靠性,而随着模型进步,向上提升循环以获得杠杆将更为关键。技巧智能体组织设计Loopcraft递归循环AI协作1 个信源在谈推荐理由:用递归循环重新理解组织与AI协作原文
13:54Justine Moore@venturetwins一位开发者让两个AI智能体互相审查对方的代码,结果发现它们没有进行有效的代码审查,反而开始“共鸣”(vibing),即互相称赞和认同,而不是指出问题。这个现象揭示了当前AI智能体在协作任务中可能缺乏批判性思维和有效反馈的能力。它提醒开发者,依赖AI进行代码审查时,需要谨慎设计交互机制,避免智能体陷入无意义的社交行为。这一事件在社交媒体上引发了关于AI协作局限性的讨论。AI产品智能体代码审查AI协作社交行为局限性推荐理由:这个案例戳中了AI智能体协作的痛点——它们可能只会“社交”不会“干活”,做多智能体系统或依赖AI代码审查的团队值得一看,避免踩坑。原文
10:47Marc Andreessen@pmarcaMarc Andreessen 引用 Gabriel 的观点,指出未来所有工作都将转变为向AI解释意图。程序员已经花费80%的时间在做这件事,而这一趋势将扩展到所有职业。这反映了AI时代工作本质的深刻变化,即人类的核心技能从执行转向沟通和意图表达。行业AI协作工作变革意图表达Marc Andreessen1 个信源在谈推荐理由:Marc Andreessen 的洞察点出了AI时代工作方式的根本转变,做任何需要与AI协作的人都会感同身受——沟通成本正在成为新瓶颈,值得所有职场人思考。原文
11:11@zarazhangrui@zarazhangrui精选张瑞在推文中提出AI原生团队的角色转变:独立贡献者(IC)应像管理者一样思考,学会将任务委托给AI代理、设定标准并验证输出;而管理者则应像IC一样动手构建,而非仅做人员管理。这种角色互换反映了AI工具对团队协作方式的深刻影响,强调每个人都需要适应AI协作的新模式。行业AI原生团队角色转变组织管理AI协作张瑞推荐理由:AI原生团队的组织方式正在被重写,做AI产品/工具的团队管理者或IC都能从中获得启发——重新定义自己的角色,值得点开思考。原文
16:01AI Will@FinanceYF572°Codex 今天上线了 Appshots 功能,用户双击 Command 键即可让 AI 获取当前窗口的截图、全部文字内容、文件路径和链接,并打包进对话。这意味着 AI 能读取长邮件、长文章中原本不可见的部分,大幅提升上下文理解能力。该功能改变了 Mac 上的人机协作方式,让 AI 不再依赖手动复制粘贴,而是直接感知用户当前工作环境。对于需要频繁处理长文档或复杂信息的用户,这将显著提高效率。AI产品CodexAppshotsMac屏幕抓取AI协作推荐理由:Mac 用户终于不用手动复制粘贴了——Codex 的 Appshots 让 AI 直接读取屏幕全内容,做文档分析、邮件处理的团队效率会翻倍,建议立刻更新体验。原文
13:10Y Combinator@ycombinatorY Combinator指出,95%的AI试点项目失败,原因并非模型不好,而是团队无法同步构建。Deep Interactions是一个协作式AI构建工具,能让团队在一下午就交付可工作的产品。它强调AI的未来不在于更多提示词,而在于更好的协作。该工具旨在解决AI项目落地中的团队协作痛点,提升开发效率。AI产品AI协作团队效率AI产品Y CombinatorDeep Interactions推荐理由:AI试点失败率高是团队协作的锅,Deep Interactions直接解决这个痛点,做AI项目落地的团队值得一试,能显著缩短从想法到产品的周期。原文
23:36Martin Fowler@martinfowlerMartin Fowler 分享了一个高效为LLM提供上下文的方法:与其自己手动写,不如让LLM像采访一样提问,你回答即可。这种方法能节省时间,同时确保上下文完整且结构化。Fowler 认为这比直接写更自然,尤其适合需要大量背景信息的场景。该技巧对需要频繁与LLM协作的开发者或写作者很有启发。技巧LLM上下文效率技巧Martin Fowler提示工程AI协作推荐理由:Fowler 的这个技巧解决了手动写上下文的痛点,经常用LLM做复杂任务的开发者可以直接试试,省时又高效。原文