推文

最近有一些可能扎心的话不吐不快。

写 MarsWave 的那篇文章阅读突破了三万。
写 MiniMax 这篇文章的阅读数突破了一万。
很多投资人都说，看完之后，对 AI Native 公司增加了很多新的理解，这代 AI 公司已经是完全不同的新时代组织。
很多大公司的老板说，看完之后，感觉自己的组织已经严重落伍了，想邀请我们来分享经验。
生产力带来的组织形态变化是足以影响一个新时代的大变革，我很高兴大家也认为这件事同样重要。

无独有偶，前几天 Karpathy (AK) 也发文感叹自己严重落伍了。他认为编程职业正在经历一场剧烈“重构”，程序员亲手写的代码正变得稀疏且零散。
在他看来，如果能整合过去一年涌现的 AI 工具，生产力本可以提升 10 倍，没能抓住这波红利显然是“能力问题”。
现在，除了传统工程，程序员还必须掌握一个由智能体（Agents）、提示词、MCP、工作流等构成的新抽象层。
面对这些本质上随机、易错且难以捉摸的 AI 实体，开发者必须在没有说明书的情况下，强行上手这件“外星神器”。
在这场撼动行业的“九级大地震”中，如果不想掉队，就只能撸起袖子，投身其中。
时代的变化，往往都是是从工具和组织开始的，然后需要几年的时间，创建产品、触达大众、逐步影响GDP。

这周 Notion 的 CEO Ivan Zhao 写了一篇文章《蒸汽、钢铁与无限心智》，他从宏观历史的视角来看待 AI。
他认为，正如钢铁不仅让建筑变高、更重构了城市形态一样，AI 作为一种“无限心智”，正在从根本上改变我们组织和经济的运作逻辑。
目前的我们，正处于将 AI 这个“新蒸汽机”简单安装在“旧水车”上的过渡期，而真正的变革才刚刚开始。

今年年末和 MiniMax 和智谱的老同事们聚餐，聊到了一些同事的职业选择。
为了更高的薪资去做与 AI 无关的事，令人难以理解。
就像特别有钱的投资人，钱很多，却没有投到 AI 里。
在满是怀疑的泡沫论中，抱着满屋子的钱，成为了被时代抛弃的人。
这世界如此精彩，你却完美错过。
非常可惜。

我现在一般看到质量好的文章不仅仅是翻译，而是会借助 AI 分析解读一下这篇文章，去问一些问题，然后借助问题答案额外写一些内容。

--- 提示词 ---

你是一位专业的内容分析师。请对以下文章进行深度分析，按照下面的框架逐层回答问题。

## 分析框架

### 一、核心内容（搞清楚"是什么"）
1. 文章的核心论点是什么？用一句话概括
2. 作者用了哪些关键概念？这些概念是怎么定义的？
3. 文章的结构是什么？论证是怎么展开的？
4. 有哪些具体案例或证据支撑观点？

### 二、背景语境（理解"为什么"）
1. 作者是谁？他的背景、身份、立场是什么？
2. 这篇文章是在什么背景下写的？在回应什么现象或争论？
3. 作者想解决什么问题？想影响谁？
4. 作者的底层假设是什么？有哪些没说出来的前提？

### 三、批判性审视
1. 有人会怎么反驳这个观点？主要的反对意见可能是什么？
2. 作者的论证有没有漏洞、跳跃或偏颇之处？
3. 这个观点在什么情况下成立？什么情况下不成立？边界在哪里？
4. 作者有没有刻意回避或淡化什么问题？

### 四、价值提取
1. 作者提出了什么可复用的思考框架或方法论？
2. 对于[目标读者角色1]，能从中学到什么？
3. 对于[目标读者角色2]，能从中学到什么？
4. 这篇文章可能改变读者的什么认知？

### 五、写作技巧分析（可选）
1. 文章的标题、开头、结尾是怎么设计的？
2. 作者用了什么技巧让文章有说服力？
3. 这篇文章的写法有什么值得学习的地方？

请按照上述框架，逐一回答每个问题。回答要具体、有洞察，避免泛泛而谈。如果某个问题信息不足无法回答，请说明原因。

又一年的 AI 快速发展，为所有人——包括那些刚进入该领域的人——提供了比以往更多的软件构建机会。事实上，许多公司就是找不到足够熟练的 AI 人才。每个寒假，我都会花一些时间学习和实践，我希望你也能如此。这有助于我磨练旧技能、学习新技能，也能帮助你在科技领域发展职业生涯。

为了熟练地构建 AI 系统，我建议你：
- 参加 AI 课程
- 练习构建 AI 系统
- （可选）阅读研究论文

让我来分享一下，为什么这些都至关重要。

我听说有些开发者建议其他人直接投入实践，而无需担心学习。这绝对是个糟糕的建议！除非你已经身处一个经验丰富的 AI 开发者社区中，否则在不理解 AI 基础的情况下投入实践，意味着你将冒着重复造轮子的风险，或者——更可能——只是拙劣地重复造轮子！

例如，在与求职者面试时，我曾遇到一些开发者，他们重新发明了标准的 RAG 文档分块策略，复制了代理式 AI 现有的评估技术，或者编写出混乱的 LLM 上下文管理代码。如果他们修了几门相关的课程，就会更好地理解已有的构建模块。即使他们想从头开始重建这些模块，甚至可能发明出比现有解决方案更优越的东西，也能避免数周不必要的工作。因此，结构化学习至关重要。此外，我发现上课真的很有趣。与其看 Netflix，我更喜欢随时观看一位知识渊博的 AI 讲师的课程！

然而，仅仅上课是远远不够的。许多经验只能通过动手实践才能获得。学习飞机工作原理的理论对于成为一名飞行员固然重要，但没有人仅仅通过上课就能学会驾驶飞机。在某个阶段，亲身坐进驾驶舱进行实践至关重要！好消息是，通过学习使用高度代理式的编码器，构建过程比以往任何时候都更加容易。而学习 AI 构建模块可能会激发你构建新事物的想法。如果我对要做什么项目没有灵感，我通常会去上课或阅读研究论文，这样过一段时间后，我总会涌现出许多新想法。此外，我发现实践真的很有趣，我希望你也能体会到这一点。

最后，并非所有人都有必要这样做，但我发现当今就业市场上许多最优秀的候选人至少偶尔会阅读研究论文。虽然我发现研究论文比课程更难理解，但它们包含了许多尚未被转化为更容易理解形式的知识。我将阅读研究论文的优先级放在上课和实践构建之下，但如果你有机会增强阅读论文的能力，我强烈建议你这样做。我发现上课和实践很有趣，而阅读论文可能更像是一项苦差事，但从中获得的灵光一闪的洞见却令人欣喜。

祝大家度过一个愉快的寒假和新年。除了学习和实践，我希望你们也能多花时间陪伴所爱之人——这一点同样重要！

[原文链接: deeplearning.ai/the-batch/issu… ]

分享一个很棒的开源项目：Antigravity Tools

这是一个把 Antigravity 里面的模型转成标准 API，给 Claude Code 等 Coding Agent 接入的智能代理项目。提供多账号管理、协议转换和智能请求调度等功能，让你能稳定、低成本地在 Claude Code、Codex 中使用 gemini / claude 系列模型。

如何使用？

1. 访问 Antigravity Tools 代码仓库，按照指示安装 Antigravity Tools 桌面软件
2. 在 Antigravity Tools 桌面软件添加账号，打开浏览器通过谷歌账号登录 Antigravity
3. 在终端配置环境变量，让 Claude Code 使用自定义的 API 端点

export ANTHROPIC_API_KEY="sk-xxx"
export ANTHROPIC_BASE_URL="http://127.0.0.1:8045"

4. 打开 Claude Code 发送指令，开始使用 CC

有哪些限制？

在 Antigravity Tools  里可以添加多个 Google 账号，每个账号都有一定的 Antigravity 模型额度，如果额度不够了，可以点击切换账号，智能切换到额度足够的账号。

可以为你添加的账号升级 Antigravity 高级套餐，获得更高的额度，既能在 Antigravity 编辑器使用，也能在 Claude Code、Codex 使用，相当于一次充值，同时分配给多个编程智能体用。

可以用哪些模型？

Antigravity 免费账号主要支持的是 gemini / claude 系列模型，不支持 gpt 模型，如果在 Codex 接入，需要加一个模型映射，比如把 gpt-5-codex 映射到 gemini-3-pro-high

这个项目目前只提供桌面版软件，不支持 Web 应用，不能通过服务器部署做 API 中转站，仅供自己在本地使用，一定程度降低了对 Claude、ChatGPT 的账号依赖，仅需一个 Google 账号，即可使用 Antigravity、Claude Code、Codex、Gemini Cli 等编程智能体。

有兴趣的可以试试。👇

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
;;
;; 作者: 李继刚
;; 剑名: 技术插图生成
;; 剑意: 生成 Swiss 风格的可视化图形
;; 日期: 2025-12-27
;;
;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;

# 风格定义
[战略与调性] 一张 Swiss Style 的技术解构插图。旨在传达“绝对的理性、精密工程美学与秩序”。画面必须冷静、客观，像是一份封存的手绘档案。

# 空间与技法
采用严格的正交视图 (Orthographic View)。 所有组件必须按照"隐形"网格系统严谨排列。风格为硬边矢量线稿，强调线条的几何准确性，线条粗细均等。

# 视觉渲染
[色彩与材质] 色彩系统：严格限制色盘。整体为黑白线稿。
- 主色：黑色线条 ( 000000)。 
- 填充：主体材质区域填充“水墨黑”。
- 高亮：仅在核心功能部件使用单一高亮色： 朱砂红。
- 背景：复古绘图纸纹理，带有轻微的纸张颗粒噪点，纯净无杂物。

# 负向约束
严禁照片级渲染，严禁复杂光影，严禁渐变色，严禁混乱背景，保持绝对的平面化与图表化。

# 核心变量

- 绘制主体：《鬼灭之刃》中的继国缘一战斗特写

Rippling 首席运营官兼首席产品官 Matt MacInnis (@stanine) 的精华观点：

1. 非凡的结果需要非凡的努力。“如果你在工作中发现自己处于舒适区，那肯定是你犯了错误。”

2. 作为领导者，你的职责是维持高强度，而不是削弱它。管理层的每一个层级都可能将创始人的紧迫感稀释一个数量级。不要让人们回避高标准。主张放松的人数不胜数；别成为其中之一。

3. 绝不要做“佛系老板”。佛系态度一事无成。要投入、要尊重、要优秀，但不要佛系。没有哪个身居领导职位的人真的想混日子。振奋人心的信息不是“轻松点”；而是“我们去赢！”

4. 有意精简每个项目的人员配置。当人员过多时，即使优先级较低的工作也可能被完成，这还会导致内部政治和资源浪费。要刻意保持团队精干。智慧在于懂得何时适可而止。

5. 流程的存在是为了减少波动性——但它们也会抑制创造力。你的薪资系统应该枯燥且可预测（低波动性）。你的新产品实验则应容许混乱（以激发高创造力）。

6. “无聊和疲惫区”是优秀团队与普通团队拉开差距的地方。在你达到一个转折点之前，工作会让人感觉永无止境且没有回报。你不想写那些枯燥的文档，你厌倦了反复修改同样的 bug。无论如何都要坚持下去，因为这正是竞争对手开始掉队的时候。

7. 将升级和投诉视为礼物。客户不想打扰你，你的下属也不想打扰你。那种沉默反而会伤害你。改进的唯一方法是了解问题所在。主动追查它们。每一次升级都是关于如何让系统变得更好的数据。

8. 你从成功中学到的东西远多于失败。‘失败是最好的老师’这句话听起来令人安慰，实则具有误导性。Matt 在 Rippling 七年间学到的，比在他那苦苦挣扎的创业公司九年中学到的还要多。加入获胜的团队。观察他们是如何正确行事的。

9. 如果你还在疑惑自己是否有产品市场契合度，那你就没有。当它真正到来时，是毋庸置疑的。Matt 在一家创业公司花了九年时间，以为他‘可能’达到了这一点。但在 Rippling，这种契合度显而易见。那才是真正的 PMF 的感觉。

10. 有时，放弃是最明智的举动。如果四五年过去了，仍然没有明确的进展？也许是时候放弃了。“永不放弃”这句话是说给风险投资家听的，而非创始人。时间是你唯一无法挽回的资源。

11. 这一切其实都不重要——而这反而让人感到释然。我们身处地球这一颗漂浮在太空中的蓝色星球上。2025 年的硅谷，就像文艺复兴时期的佛罗伦萨一样：一个千载难逢的历史性时刻。竭尽全力投身这场“运动”，但永远不要忘记，它只是一场运动。这种认知是让你能持续保持高强度的基石。

Andrej Karpathy：AI 正剧烈重塑编程职业，我从未感到如此落后！

Karpathy 坦言自己作为资深程序员感到“前所未有地落后”，因为 AI 工具（如智能体、子智能体、提示工程、上下文管理、工具集成、IDE 插件等）正在重塑编程范式。程序员亲自写的代码越来越少，更多工作转向构建和协调这些“随机、易错、难以理解”的AI实体。如果不掌握这一新抽象层，就无法获得 10x 生产力提升，这不是工具问题，而是个人技能问题。他将 AI 比喻为“没有说明书的强大外星工具”，呼吁大家“卷起袖子”积极适应，以免落后。

Boris Cherny（Claude Code 创建者）在回复中分享类似感受
即使是早期采用者，也需不断调整对 AI 能力的预期。他举例调试内存泄漏时，同事直接让 Claude 生成堆转储并一键修复，而自己仍用传统方法。过去一个月，他完全没打开 IDE，Claude Opus 4.5 独立完成了约 200 个 PR 的所有代码。新人因无“旧模型局限”的包袱，往往更有效地利用 AI，软件工程正发生根本性变革。

Addy Osmani（GoogleCloud AI 总监）持乐观态度
这是多年来开发者最激动人心的时刻。AI 工具虽不完美，但传统工程基础（如 CI/CD、测试、文档、代码审查）已成为加速器，能将 AI 从“混乱生成器”转为生产力倍增器。开发者正从底层语法转向更高层面：审查实现、捕捉边缘案例、数小时完成以往数天的功能。关键是通过实践学习提供上下文、迭代计划和快速审查。

这篇帖子引发了许多 AI 领域从业者的强烈共鸣
AI 已让编程从“手动编码”转向“意图管理、系统设计和不确定性验证”。新人更容易适应，老手需克服旧习惯；生产力潜力巨大，但伴随学习曲线和心理调整。

这反映了2025年底 AI 编程工具快速发展带来的行业“地震”——变革虽挑战性强，但也开启了前所未有的机会，传统工程判断力比以往更宝贵。

系统1用于快速感知。

系统2用于深思熟虑的推理。

下一步是什么？

系统3用于持久代理。

这将有助于实现开放式、自主适应，以及更智能、更有用的代理。

这是 AI 开发者必读的内容。

AI 已经彻底改变了学习这件事
系统学习 nonono
干中学 才是王道
最近李飞飞也在访谈中说
AI 时代，现在的 K12 教育就是在浪费学生的宝贵生命