AITOP

人机协作

共 61 条相关 AI 资讯
6月8日
14:48
14:48AI Will@FinanceYF5
76°
前 OpenAI CTO Mira Murati 在 Bloomberg Tech Live 上指出，当前 AI 模型是回合制交互——用户说完后模型才思考，思考期间对外界“又聋又盲”。她认为未来人机协作需要时间基交互，模型能持续接收音频、文本、视频并实时输出，捕捉打断、同时说话等细微信号，实现高带宽互动。这一观点挑战了现有对话式 AI 的设计范式，强调更自然、更丰富的人机协作体验。
AI产品人机协作实时交互Mira Murati
事件专题
推荐理由：Mira Murati 点出了当前 AI 交互的根本局限——思考时“失聪失明”，做对话产品、语音助手或实时协作工具的团队，看完会重新思考产品架构。
原文
6月6日
13:21
13:21宝玉@dotey
Codex 现在支持对 AI 生成的代码修改进行 Review，用户可以选择查看上一次 AI 的更改（Last turn），并对部分内容添加评论。这些评论会自动附加到左侧会话中，提交后作为上下文发给 Agent，让 Agent 根据评论进行处理。该功能简化了代码审查和迭代流程，提升了人机协作效率。
AI产品Codex代码审查AI编程助手
推荐理由：做 AI 编程的开发者终于可以在 Codex 里直接审查代码修改并留下评论，评论自动作为上下文发给 Agent，省去手动复制粘贴的麻烦，建议试试这个新交互。
原文
05:51
05:51a16z@a16z
72°
Mira Murati 在 Bloomberg Tech Live 上指出，当前 AI 模型基于回合制交互（你讲完它再想），思考时如同“又聋又瞎”，无法感知用户沉默、打断等细微信号。她提出下一代交互模型应是“基于时间”的连续流式交互，能同时处理音频、文本、视频并实时输出，从而捕捉打断和同时说话等丰富信息。这标志着人机协作从“轮流发言”向“高带宽对话”的范式转变，可能重塑 AI 助手、语音交互和协作工具的设计逻辑。
AI产品人机协作交互模型实时对话
推荐理由：Murati 点破了当前 AI 交互的硬伤——思考时无法感知用户，做语音助手或实时协作产品的团队值得关注这个方向，它直接决定了下一代交互体验的边界。
原文
04:46
6月5日
21:49
21:49shao__meng@shao__meng
Greg Isenberg 通过六轮 Prompt 将 Codex Sites 打造成一个能自动更新的「创业想法看板」。他利用 Sites 插件构建外壳与样本数据，并通过「save for review, do not deploy」命令阻止自动部署，保留产品评审模式。接着添加持久化记忆（使用 Cloudflare D1 数据库），定义安全动作作为唯一数据修改入口，并编写可复用的 Skills 操作手册。最后设置存档检查点实现版本回滚，并通过新对话闭环验证了跨会话、跨线程的可重复运营能力。这一实践展示了如何用 Codex Sites 构建具备持久化、安全边界和可复用操作的人机协作应用。
AI产品Codex SitesAI应用人机协作
推荐理由：Greg 把 Codex Sites 从玩具变成可运营的软件，做 AI 应用原型或创业 MVP 的开发者可以直接抄作业，六轮 Prompt 的工程思路值得反复看。
原文
05:27
05:27官方账号OpenAI@OpenAI (@OpenAI)
OpenAI的研究人员Alex Wei、Hongxun Wu和Wujie Ma在OpenAI播客中分享了一个案例：他们训练的模型发现了一个存在80年的Erdős猜想的反例。这一发现展示了AI模型在数学研究中的潜力，能够协助数学家发现新规律或反例。该事件强调了人机协作在科学探索中的价值，尤其是模型可以处理大量数据并识别人类可能忽略的模式。播客中详细讲述了模型如何通过推理和搜索找到反例，以及数学家如何验证这一结果。
AI模型OpenAIErdős猜想数学发现
事件专题
推荐理由：数学家和AI研究者会感兴趣——模型不仅验证了猜想，还主动发现了反例，展示了AI在数学发现中的实际应用。建议点开了解人机协作如何突破传统研究边界。
原文
01:40
01:40官方账号Decoder@Matthias Bastian
贝恩咨询对951家公司的调查显示，近40%的企业AI成本节省不到10%，而多数企业目标为11%-20%。原因之一是仅7%的企业真正运行完全自主的AI智能体，但商业案例却假设了这一点。人类干预和流程阻碍是导致AI节省目标落空的关键因素。该研究揭示了企业AI落地中“人机协作”的现实困境。
行业AI落地企业效率成本节省
推荐理由：做AI落地和数字化转型的团队值得一看——贝恩的数据戳破了企业AI节省的泡沫，提醒你：光有技术不够，组织流程和人类习惯才是真正的瓶颈。
原文
6月2日
09:30
09:30shao__meng@shao__meng
精选72°
Claude Code 核心开发者 @trq212 分享了一套高价值的「人机结对编程中的理解验证」工作流，旨在解决 AI 编程中人类沦为“审批按钮”的问题。该工作流要求 AI 扮演“高效且睿智的教师”，在每一步增量教学后，让用户复述、补缺口、通过测验，确保人类对问题、方案和影响有可复述、可辩护的掌握。核心包括三条理解轴（问题域、方案域、语境域）和八步操作流程，强调深度理解优先于速度。这套方法在 Anthropic 内部被推崇，能对抗智能体黑箱、外化隐性知识、实现可审计的学习。
AI产品Claude Code人机协作编程工作流
事件专题
推荐理由：做 AI 编程的开发者终于有了对抗“黑箱”的实操指南——这套工作流让人类不再是旁观者，而是真正理解代码的参与者。建议用 Claude Code 的团队直接拿它改造自己的结对编程流程。
原文
5月30日
16:31
16:31IT之家（博客/媒体）
76°
Anthropic 在 Claude 中灰度测试了「AI Fluency」功能，能根据 11 项指标分析用户与 AI 的历史对话，并给出使用水平评分。该功能基于 Anthropic 联合学术界发布的《AI 流利度指数报告》，通过对近万段匿名对话的分析，提炼出描述、委托、辨别三大维度的行为指标。已有网友晒出 7.5 分的评价，并称 AI 的反馈一针见血，甚至能给出改进建议。这一功能标志着 AI 从被评估者转变为评估者，引发了对人机协作新标准的讨论。
AI产品ClaudeAI 流利度人机协作
事件专题
推荐理由：Anthropic 把 AI 使用水平量化成 11 项指标，让每个用户都能看到自己的短板——做提示词工程或日常用 AI 的团队，生成报告后会有被赛博导师点醒的感觉，建议亲自试试。
原文
5月29日
00:16
5月28日
10:16
10:16Y Combinator@ycombinator
YC 孵化的 Rentahuman 平台允许 AI 智能体与真人沟通并支付报酬，让 AI 完成现实世界中的任务。其使命是利用 AI 创造新工作岗位，并在全球范围内协调劳动力。该平台旨在为数字世界之外的人们提供更多智能、就业和机会。这标志着 AI 从纯数字任务向物理世界任务执行的重要一步，可能改变未来工作模式。
AI产品AI智能体人机协作劳动力平台
推荐理由：做 AI 智能体或自动化工具的开发者，终于有了让 AI 直接调用人类劳动力的接口——Rentahuman 解决了 AI 无法处理现实任务的痛点，值得关注其如何创造新岗位。
原文
5月26日
23:02
23:02rohanpaul_ai@rohanpaul_ai
72°
Meta、斯坦福、谷歌等顶级实验室联合提出AutoResearchClaw，一种将自动化科研从“生产流水线”转变为“受控循环”的新框架。该框架允许AI在研究中失败、恢复并在适当时机向人类求助，将失败视为证据而非错误。在ARC-Bench基准上，AutoResearchClaw比AI Scientist v2提升54.7%，尤其在结果分析环节表现突出。实验显示，完全自主的科研接受率仅25%，而人类协作模式（CoPilot）达到87.5%，说明过度监督和缺乏判断都会损害科研质量。论文揭示了当前AI科研系统的关键边界：机器能验证数字的真实性，但人类仍能识别实验是否在问正确的问题。
论文AI科研AutoResearchClaw人机协作
推荐理由：做AI科研自动化的团队会发现，这个框架把失败变成了系统的一部分，而不是bug——CoPilot模式87.5%的接受率值得所有做AI Scientist的人点开看看。
原文
23:00
23:00Sahil Lavingia@shl
这是一条来自 shl 的推文，强调了人类与 AI 智能体之间的分工：人类负责制定目标和计划（议程），而智能体负责执行具体任务。这种分工模式反映了当前 AI 应用的核心趋势，即人类保持战略控制，AI 处理执行细节。推文获得了 38 个点赞和 3576 次浏览，表明该观点引起了广泛共鸣。
行业智能体人机协作自动化
推荐理由：这条推文点出了 AI 时代人机协作的本质——人类做决策，AI 做执行。做产品、带团队、搞自动化的读者看完会重新思考分工方式，建议直接收藏。
原文
5月23日
06:43
06:43rohanpaul_ai@rohanpaul_ai
Every CEO Dan Shipper 指出，尽管AI能完成专家级工作，但每个智能体都需要人类参与，距离人类越远表现越差。AI实际上增加了对人类专家的需求，而非取代。这一观点挑战了AI完全自主化的主流叙事，强调人机协作的重要性。
行业智能体人机协作AI行业
事件专题
推荐理由：Dan Shipper 的观点戳破了AI取代人类的迷思，做AI产品、智能体开发的团队值得深思——人机协作才是落地的关键。
原文
5月22日
08:05
08:05李继刚@lijigang_com
一位用户指出，AI 生成的长文和书籍在知识领域泛滥，虽然内容全面，但读起来容易产生生理性抗拒。作者认为，问题不在于拒绝 AI 内容，而在于内容缺乏经过人类大脑梳理和碰撞后的“人味”。理想的 AI 协作内容应结合 AI 的洞见与人类的思考痕迹，而非单纯追求“去 AI 味儿”。这反映了当前 AI 内容消费中的真实痛点，也提示创作者需要调整人机协作姿态。
行业AI 内容人机协作内容质量
推荐理由：AI 内容创作者和读者都会感同身受——泛滥的 AI 长文正在消耗信任，这篇观点点出了“人机协作”而非“AI 代笔”才是出路，做内容的人建议读一读，反思自己的输出方式。
原文
5月21日
07:54
07:54官方账号OpenAI@OpenAI (@OpenAI)
OpenAI在一条推文中指出，AI系统正变得能够进行长而困难的推理链，连接不同领域的想法，并发现研究者可能未探索的路径。他们认为这些能力将很快加速生物学、物理学、工程学和医学领域的工作。同时强调，人类的判断力仍然至关重要，专业知识将变得更有价值，AI负责搜索、建议和验证，而人类选择重要问题、解释结果并决定下一步方向。
AI模型推理模型科研加速OpenAI
事件专题
推荐理由：科研人员和工程师将看到AI从工具变为协作伙伴——长链推理能力让AI能跨领域连接想法，做科研的团队值得关注这一趋势，思考如何将AI融入工作流。
原文
5月19日
10:42
10:42shao__meng@shao__meng
精选72°
Claude Code 核心开发者 Thariq 分享了自己高频使用的「开发日志」提示词，旨在解决 AI 协作编码中规格不完整、隐性决策难以追踪的问题。该提示词要求 AI 在实现规格时，生成一个 implementation-notes.html 文件，记录设计决策、偏离规格之处、权衡考虑和未解决问题。这种方法避免了过度规约和完全放手两种极端，将隐性决策外化，使代码审查更高效。提示词本身也体现了人机协作的迭代设计原则。
技巧提示词Claude CodeAI 编程
推荐理由：AI 编程开发者常被「规格写不全、review 靠猜」折磨，Thariq 的提示词直接给出了第三条路——让 AI 把决策过程写下来，建议所有用 Claude Code 或类似工具的团队试试。
原文
5月16日
18:09
18:09Browser Use@browser_use
Browser Use 团队宣布正在构建“主动智能体”（Proactive Agents），旨在让 AI 不仅能被动执行指令，还能主动向人类提议目标和任务。在 Browser Use Box 中，Agent 会提出待办事项，人类可以接受或拒绝，Agent 随后会通知进展。这一方向被视为智能体发展的未来，将人机协作从“指令-执行”模式升级为“提议-决策-执行”模式。目前该功能已在 Browser Use Box 中可用，用户可立即尝试。
AI产品主动智能体Browser Use人机协作
推荐理由：主动提议任务的能力让智能体从工具变成协作者，做自动化流程或智能体开发的团队值得一试，能大幅减少人工编排的负担。
原文
5月14日
13:36
13:36官方账号Copy AI@copy_ai
该推文提出了 AI 在营销中采用的三个阶段：爬行（编码直觉流程）、行走（统一大规模信息）、奔跑（AI 与人类监督结合）。强调负责任地释放 AI 潜力，避免盲目使用。核心是渐进式推进，确保可控与效果。
行业AI 营销渐进式采用人机协作
推荐理由：营销团队终于有了清晰的 AI 落地路径——从编码直觉流程到统一信息再到人机监督，做营销策略的可以直接参考这个框架来规划 AI 应用。
原文
5月13日
15:51
15:51官方账号百度 AI Baidu@Baidu_Inc
百度CEO李彦宏在百度Create大会上提出AI时代进化新理论，涵盖三个层面：智能体从被动响应转向主动执行、个人成为AI赋能的创造者、企业围绕人机混合团队进行组织。OpenClaw首次让智能体成为舞台中心，标志着继模型崛起后的新阶段。这一理论为AI应用落地提供了清晰的演进路径。
行业智能体百度AI进化
推荐理由：李彦宏的三层进化论为AI从业者指明了从模型到智能体的关键跃迁方向，做AI应用和智能体开发的团队值得关注OpenClaw的示范意义。
原文
5月11日
11:43
11:43官方账号arXiv cs.AI（学术论文）
学习延迟（L2D）方法通过将困难或不明确的病例路由给人类专家，可以提高青光眼筛查的安全性，但现有方法忽视了专家可用性、读者行为异质、工作负载不平衡、诊断伤害不对称等问题。本文提出MPD²-Router，一个掩码感知的多专家延迟框架，将眼科分流重新形式化为受约束的人机路由问题，决定是否延迟以及路由给哪位可用专家。该框架耦合了双头延迟分配策略与掩码感知Gumbel-sigmoid门控，严格强制每个样本的专家可用性，并融合不确定性、形态学、图像质量和分布外信号。训练采用非对称成本敏感目标、增广拉格朗日延迟预算、组特定分布先验和秩最大化JS正则化，共同防止专家空间坍塌。在三个跨国家青光眼队列（REFUGE、CHAKSU、ORIGA）上，使用预训练的REFUGE骨干，MPD²-Router在中等延迟率下显著降低了临床成本并提高了MCC，在F1-MCC成本方面达到帕累托最优，并对跨域迁移具有鲁棒性。
论文医疗AI人机协作路由算法
推荐理由：该工作为医疗AI中的人机协作提供了一种实用的优化方法，能够减轻专家负担并确保安全，尤其适用于资源受限或需要高质量诊断的场景。
原文