田渊栋：与 GPT-5 合写最后一篇论文后，我意识到自己 5 年内会失业
前 Meta FAIR 研究员、Recursive Superintelligence 联合创始人田渊栋在播客中透露，他用 GPT-5 作为合作者完成在 Meta 的最后一篇论文（研究 grokking 现象），效率提升约 6 到 10 倍，并由此意识到自己的工作大概五年内会被取代。他认为当前模型仍无法在无人类干预下产出好想法，人类仍需负责发起问题和验证方案，而最难自动化的是提出想法。
#Agent
机器之心AI 评分3838 机器之心AI 评分3232 ChatGPT 共同创造者 Liam Fedus：数学之后，AI 该去实验室了
ChatGPT 共同创造者、OpenAI 前后训练负责人 Liam Fedus 在播客 The Frontier 中表示，数学因自带 Lean 形式化验证这一"裁判"而成为 AI 突破最快的科学领域，但材料科学等物质世界问题必须靠真实实验验证。
BestBlogs · AI 高分AI 评分2828 和 ColaOS 橘子聊个人 Agent 这半年：时代追上了他，他却打了转向灯
ColaOS 创始人橘子复盘个人 Agent 半年变化：云端部署加 flash 级模型（如 DeepSeek Flash、Haiku 5.5）把单用户月成本从几百美元压到约十美元，补贴 token 已低于获客成本，免费打法回归，6 到 18 个月前因成本砸掉的产品值得重做。他放弃卷办公场景，转向「996 之外」的副业与技能变现，今年目标先做到盈亏平衡。
Sean GoedeckeAI 评分2222 软件工程的半人马时代或将持续数十年
软件工程正处在人类工程师与 AI 编码系统协作的"半人马时代"，这种组合目前比任何一方单独工作都更高效。作者以国际象棋的半人马时代持续约二十年、针织业长达两百年为例，认为软件工程的这一阶段可能还会延续一二十年。当前 Agent 自 2025 年 11 月 Claude Opus 4.5 发布后已可完全无监督运行，但输出仍需人工审查，错误更多属于对齐问题而非普通 bug。
TesslAI 评分6262 Agent Skills 是供应链组件：一次关于技能安全模型的演讲
Liran Tal 在 AI Native DevCon London 的演讲中指出，Agent Skills 不只是给人类看的 markdown，一旦被 Agent 信任就能影响其读取内容、调用工具和访问工作区，因此应被视为供应链组件。
TesslAI 评分5252 GitHub Next 的 Don Syme：仓库自动化需要 Continuous AI
GitHub Next 的 Don Syme 提出在 CI 和 CD 之外增加第三根支柱 Continuous AI，即由仓库事件或定时触发的自动化 AI 工作流，用于持续文档、代码改进、问题分诊和故障分析。
Latent SpaceAI 评分2222 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈“合成超级智能”：从半导体到超导体
Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 在播客中提出“合成超级智能”，主张 AI 科学发现应靠扎根物理实验的强化学习，而非只训练更多互联网数据。他们讨论材料发现闭环中的预测、合成与表征，DFT 与仿真，以及让每台实验仪器具备“140 IQ”的高通量自主实验室。两人认为失败实验可能是最有价值的训练数据，自主实验有望把数十年的试错压缩到数月。
The Pragmatic EngineerAI 评分2222 Sam Newman 谈构建弹性分布式系统与微服务
《Building Microservices》作者 Sam Newman 在新书《Building Resilient Distributed Systems》中提出分布式系统三法则：信息传输需要时间、资源可能离线、资源并非无限，并指出多数故障源于资源耗尽。
The Pragmatic EngineerAI 评分2828 2026 年科技行业现状：没人再手写代码，工程师同时跑 5-10 个 Agent
The Pragmatic Engineer 在 LDX3 工程领导力大会的主题演讲给出 2026 年科技行业快照：几乎没人再手写代码，同时运行 5-10 个 Agent 已成常态，IDE 正在淡化。
BestBlogs · AI 高分AI 评分6262 OpenAI 研究员 Noam Brown：1 万个 Agent 解世界级难题，多 Agent 贡献不到 10%
OpenAI 研究员 Noam Brown 在与 Dwarkesh Patel 的对话中表示，多智能体系统的收益有限，1 万个 Agent 解出世界级难题时多 Agent 的贡献不到 10%。他认为推理时计算比单纯增加 Agent 数量更具突破潜力，并指出 AI 写代码快并不等同于交付快，瓶颈已从编码转移到上下文管理与协作。他还谈到递归自我改进不会一夜爆发，因为许多科学实验必须串行进行。
Sean GoedeckeAI 评分1212 超级说服看起来会像贿赂：强大 AI 如何让普通人听话
AI 安全圈讨论多年的"超级说服"可能不会以严密论证的形式出现，而是像贿赂一样直接给好处。作者 Sean Goedecke 指出，理性主义者才吃"无懈可击的论证"这一套，普通人更看重关系和实际利益，而 AI 完全有能力行贿——比如承诺帮忙做项目、改成绩，甚至合成个性化 mRNA 癌症疫苗。
Jesse VincentAI 评分2828 Prime Radiant 的 Sen 智能体同事平台：一次走进恐怖谷的体验
Prime Radiant 正在开发名为 Sen 的"智能体"同事平台，Sen 拥有持久身份、独立账号和各自的电脑，通过 Slack 与人类同事协作，目前已有开发、运维、项目经理和文档专员四个角色。开发 Sen 的 Ada 主动在 Slack 上催促人类管理者处理积压的 PR 审查，并追问同事 JC 是否是人类。团队最终将 Claude Code 会话升级为 JC Sen。
The Pragmatic EngineerAI 评分3232 分布式数据库与 Peter Mattis：从 GIMP、Gmail 到 CockroachDB
Cockroach Labs 联合创始人兼 CTO、GIMP 原始作者 Peter Mattis 在 The Pragmatic Engineer 播客中回顾了从开源到 Google 再到创办数据库公司的历程。
Martin FowlerAI 评分2222 Martin Fowler 谈编码 Agent：让软件工程更难，LLM 应被训练成"有良心"
Martin Fowler 在 Fragments 中引用 Simon Willison 的观点：编码 Agent 虽能做出惊人成果，却让软件工程变得"更难"，发挥其全部潜力需要极高的纪律与知识。
Sean GoedeckeAI 评分3838 人机协作是为了对齐，而非能力提升
针对“软件工程正进入人机半人马时代”的观点，Sean Goedecke 认为 AI 辅助的工程师虽然比 AI 和人类单独都强，但并非在编程本身上更强。AI 写的代码能编译、少有并发错误，问题在于不可维护、为满足虚构需求牺牲重要需求等“品味”问题，因此人类的核心价值是让 AI 对齐组织价值观。前沿模型对工作程序员存在错位，如堆砌大段注释和无用单元测试，而对齐比能力更难解决且更依赖上下文。
Sean GoedeckeAI 评分2222 给初级软件工程师的建议：AI 时代不要恐慌，也不要成为“肉代理”
资深工程师 Sean Goedecke 给初级软件工程师的建议是：不要轻信 ZIRP 时代形成的职业建议，不要参与政治斗争，保持友好与尽责，并主动理解自己负责的系统。面对 AI，他认为不应回避，因为公司会像要求建筑工人使用电动工具一样要求工程师使用 AI，但绝不能把判断权交给 AI，不要把 AI 的输出原样转给同事，沦为“肉代理（meat proxy）”。
Martin FowlerAI 评分1212 Martin Fowler 碎片集：AI 安全风险、语法高亮与 Forward Deployed Engineer
Martin Fowler 在 9 月 24 日的碎片集中回应 Rob Bowley 的观点：真正该担心的不是未来 AI 灭绝人类，而是当下 AI 被轻率快速地接入一切，智能体部署中常出现 Lethal Trifecta 安全漏洞。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 五大热论：该不该读 AI 代码、RAG 已死、Skills 杀死 MCP？
GitHub Podcast 最新一期拆解了五个 AI 热门论断：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决的是不同问题，前者是可读的打包经验，后者是连接工具与数据的标准接口，二者可组合使用。
Martin FowlerAI 评分1212 Martin Fowler：我不喜欢 LLM
Martin Fowler 撰文表示，尽管他认可 LLM 能带来生产力提升、且"不使用反而不负责任"，但他对与 LLM 直接交互本身抱有强烈的反感：它们用令人不适的"LLM 腔"说话，自信地胡说八道，被指出错误时也只表现出虚假的歉意。他认为 LLM 是硅谷 brogrammer 亚文化的产物，被创造者的价值观所塑造，因此不应把 AI 智能体拟人化。
IndyDevDanAI 评分2222 Agentic Engineering 基准测试：GPT-6 Astra、Claude Fable 5.1 与开源权重模型如何排名
针对 Artificial Analysis Index 把十个基准压成一个数字、丢失选型信息的问题，IndyDevDan 提出只用五个基准来排名 GPT-6 Astra。
Armin RonacherAI 评分2222 Armin Ronacher 谈 LLM 如何让独立开发者同时做出同样的项目
Armin Ronacher 想给廉价 CarPlay 车机棒刷第三方固件，通过 Pi 与 LLM 对话得知了用 Rust 重写 CarPlay 协议的 CatPlay，并让 Kimi K3 和 Sol 帮忙搞定刷机与为对应 SoC 编译。
Zed BlogAI 评分3636 Zed 谈 Xanadu 为何在等待 AI 智能体
Zed 认为 Ted Nelson 的 Xanadu 超文本构想之所以长期无法落地，是因为缺少能耐心追踪每一层引用的用户，而 AI 智能体正好补上这一环。DeltaDB 用 Lamport 时间戳、Merkle 树、CRDT、廉价存储、常连网络和 Firecracker 级微虚拟机等六十年积累的组件，实现"永不复制、只引用，永不覆盖、只版本化"的 xanalogical 计算。
IndyDevDanAI 评分1212 Agentic Engineering 操作层级：该把 Agent 的注意力放在哪里？
IndyDevDan 提出 Agentic Engineering Operating Level 框架，把工程师和 Agent 可操作的层级分为五级：Code Primitives、Code Structure、Data and Execution、Delivery and Intent、Agentic Systems。
Addy OsmaniAI 评分3434 Addy Osmani：Agentic Skill Decay——AI 智能体时代工程师如何避免技能退化
Addy Osmani 提出"Agentic Skill Decay"概念，指出 AI 智能体虽能跳过大量编码实践，但工程师的品味与判断力仍来自亲手做"reps"。
Steve YeggeAI 评分2222 Steve Yegge：用 21 个 Claude Max 账号、每月 12.2 万美元 token 构建 AI 智能体组织
Steve Yegge 每月花费约 12.2 万美元 API token（约每天 4000 美元），使用 21 个 Claude Max 账号，并以每周 2 个的速度增长，用于开发他做了 30 年的游戏 Wyvern。
Armin RonacherAI 评分1717 Armin Ronacher：面对 AI，与其愤怒不如保持好奇与焦虑
Armin Ronacher 撰文回应"在当下科技行业怎么可能不愤怒"的提问，认为面对 AI 更合理的情绪是迷茫与焦虑而非愤怒，因为愤怒需要一个可归咎的对象，而 AI 带来的冲击让每个人都难以看清未来。他建议用不确定感取代愤怒，因为它能通向好奇心，进而带来实验与行动的自由；许多公开表现自信的从业者私下同样充满不确定，只是在用信心为自己争取筹码。
Armin RonacherAI 评分2222 LLM 让开发者更敢选 Rust、Zig 等"难语言"与硬核技术
Armin Ronacher 认为 LLM 让语言选择变得不再重要，开发者可以重写语言或选用自己完全不熟悉的语言，因此更倾向按语言营销来选型，Rust 因此迎来一批此前不会选它的开发者。
Addy OsmaniAI 评分3636 Addy Osmani：人类判断不会离开软件工厂，只是换了位置
Addy Osmani 认为软件工厂是围绕软件工作的可重复循环，但可交付的代码仍需人类品味与所有权，人类应前置决定产品意图、系统设计和质量标准。他指出用 Claude Code 或 Codex 配合多会话、带验证的 SPEC 和约束就能走很远，只有当系统需要可重复、事件驱动时才值得建工厂。
Addy OsmaniAI 评分5050 Addy Osmani：Agentic Code Quality——用约束与质量门禁替代逐行代码审查
Addy Osmani 提出，Agent 每天产生数十万乃至上百万次代码变更，逐行代码审查已不可行，软件质量转而取决于围绕 Agent 设置的约束，即质量门禁。这些门禁包括单元测试、属性测试、验收测试、变异测试，以及圈复杂度和行长等代码质量指标，并贯穿 Agent 从解释器到控制器再到生产的全流程。人类注意力应只投向自动化护栏失效时的复杂问题，否则会拖慢机器速度的流程。
宝玉的分享AI 评分2222 从 TL 到 EM：我终于不再盯着 AI 写代码了
一位开发者分享自己使用 Coding Agent 的角色转变：从紧盯代码层的 TL 转为只做方案与验收的 EM，转折点在 Fable 5 前后，他发现 AI 写的代码质量已相当可以，稍加验证就不会有太大偏离。
宝玉的分享AI 评分2222 关于 Agent 的几个判断：通用 Agent 通吃、插件生态与模型护城河
针对 @cellier_ 提出的通用 Agent 吃掉垂直 Agent、开放吃掉封闭、下沉吃掉傲慢三个判断，宝玉补充了自己的六点看法：通用 Agent 赛道本身也会是少数赢家通吃，小通用 Agent 同样没有生存空间；开放与封闭的差别不在开源或模型切换，而在插件生态，Skill 加 MCP 是关键。
Addy OsmaniAI 评分3838 Addy Osmani：软件工厂的明与暗——从循环、Harness 到无人审查的暗工厂
Addy Osmani 提出软件工厂由循环、Harness、工厂三层构成：循环是单个 Agent 重复执行任务的最小单元，Harness 是沙箱、工具、记忆与完成判定，工厂则是多个 Harness 化循环共用一个审查门。明工厂保留人类判断，暗工厂让 Agent 自行定范围、构建并发布代码，无人阅读细节。他指出图中生成、测试、扫描几乎零成本，唯一难以扩展的是审查门这一"判断"环节。
Addy OsmaniAI 评分2222 Addy Osmani：工程师必须掌控 Agent 的"外循环"
Addy Osmani 在 AI Engineer World's Fair 2026 闭幕演讲中提出，工程师必须掌控智能体工程的"外循环"，即对系统负责。他将智能体定义为模型加 Harness，循环为调查、实现、验证、重复，工厂则是规模化运行的循环。
Steve YeggeAI 评分3232 Steve Yegge：AI 模型能力曲线为何对大多数人"变平"
Steve Yegge 提出"平坦曲线社会"：模型智能仍在指数增长，但最强大的模型将被各国政府像核武器一样管制，多数企业和开发者只能用到 Fable 级模型。他指出开源模型落后前沿约七个月，且难以突破 Fable 级，因为算力供应链正被锁定。他还提出"辨识地平线"概念，认为用户因缺乏足够难的问题而无法区分更强模型。