内容
时间真快，距离上次发周刊已经过去快2个月了。这次停刊的主要原因是发现周刊的价值在变小，交流密集的朋友都很久没有点开过了，这让我思考投入产出是否还值得。
写周刊最初目的主要是为了沉淀个人一周内的所读所思，但当 Infinitum + Lumina 将周刊80%的功能自动化后，若周刊只是再复述一次，对于个人来说即消耗了精力也没带来更多价值。而且周刊本身也比较小众，尚未具备广泛传播的能力，如果内容再偏广，更难形成个人风格了。
另外AI对内容生产效率确实带来了极大的提升，但用久了之后会产生强烈的依赖，逐渐将思考外包。这非常不利于个人成长，毕竟AI再强也只是外挂，无法改变个体弱小的事实。并且在读了大量AI内容后也愈发对生成式内容厌恶，很多看似言之有物、思考深刻的内容，实则是对人类行为拙劣的模仿，经不起推敲。如果再使用AI对这些内容进行复述，那就真是 Garbage In Garbage Out 了。
但我也还没有想好周刊到底该变成什么样，每当想把一件事情做的更有意义时，难度就变的特别大。后续周刊应该坚持不了周更了，形态或许也会有不的变化。与其保留这些规矩，100%纯人工写作和持续提升周刊的内容深度，应该是更值得长期坚持有价值的事情。
个人动态
Infinitum 发布 v0.2.0 版本
Infinitum的迭代没有落下，相较于上次周刊中提到的v0.1.3版本，主要新增这些功能：
- 内容标签：为内容自动生成标签，并支持按标签过滤
- 日报模板：结构化模板编辑，便于自定义日报生成风格
- 正文抓取优化：可配置Jina API 内容抓取能力，增强正文质量
- 内容速览：新增速览能力，支持偏好建议与可配置渠道，便于快速浏览事件要点
后续会继续提升AI处理的自动化程度和效果，用更少的阅读时间掌握更多的信息量，欢迎大家使用提Issue。
博客升级为门户网站
之前博客比较乱，还被Issue吐槽了，终于花时间重新弄了下。新站点更简约、极客一些，个人折腾的内容（博客、项目等等）也都重新整理了一遍，感兴趣的朋友可以关注一下。
佳文鉴赏
主题一：智能体时代的程序员
大模型能力在持续提升，越来越多的文章开始探讨被AI替代的可能性，以及在新模式中人的作用。
“为什么人工智能尚未取代软件工程师，也不会取代软件工程师”从大公司裁员现象出发，分析AI当前主要替代写代码等执行工作，但尚未替代需求判断、系统理解、验证交付和责任承担。软件工程师总体需求量还处于健康状态，但职业可能会出现分化。
“当 AI 拿走一切之后”也同样讲到AI替代执行的焦虑，其观点是AI会接管大多数执行，人的位置必须上移，承担更多的审查和验证工作。对于个人发展，应该向系统深处、新范式和AI基础设施方向，保持判断力、品味、推演与主体性，不要把价值感绑定到效率和岗位上。
我基本认同这些观点，只要做过开发工作一定都深有体会，写代码的时间往往只占工作中很小的一部分。之前在美团需求多的时候甚至只有到晚上20点后才有时间写代码，白天大量的时间都用在开会和沟通上，执行从来都不是软件开发的瓶颈。
当AI承接了执行工作，以更快的方式生成了更多的代码，为了保证系统的可靠性，人不得不把更多的精力投入到审查、测试、部署、运维、等长期维护的工作中。用“思考的快与慢”方式分析，这里面很多工作都需要慢思考，例如审查代码就需要先对代码内容理解后才能给出建议，运维中的问题排查也需要足够的思考才能断定根因。而开发除了前期的方案设计需要慢思考，实际的执行往往只需要快思考，通过肌肉记忆将代码写出来，对于人来说反而是放松的。AI替代了执行反而让人更累了。
AI提效除了让人更累外还会带来新的职业陷阱。“使用AI十倍提效，成了模范老黄牛，就能加薪升职了？”中提到高效交付会让员工被视为“手”而非“脑”，更易承接零散执行任务。因为执行成本更低了，很多传统时代出于成本考量不会做的事，在AI时代都要做了。如果个人还沉迷于卷产出，就会在晋升时发现自己干了一堆屎活。
那新时代该如何规划职业生涯呢？“智能体时代的职业生涯”提到这个世界并不缺机会，缺的是那些能找到正确问题、判断机器是否真正解决了问题并在机器停下之后继续把事情做完的人。这对在行业内摸爬滚打数年的老兵来看是理所当然的方向，但对于初出茅庐的新人来说，缺少了经验积累阶段，又如何能直接做出正确的判断呢？
扩展阅读：
- 为什么人工智能尚未取代软件工程师，也不会取代软件工程师
- 当 AI 拿走一切之后
- 氛围编程者与软件工程师的差异
- 使用AI十倍提效，成了模范老黄牛，就能加薪升职了？
- 智能体时代的职业生涯
- 意图债务
- 智能体代码审查
- 培养品味与判断力
- 控制思路，而不是代码
主题二：人类溢价时代
人类溢价，指这样一种经济现象：当消费者确认某项作品、产品或服务确实由人类创作时，他们愿意为此支付额外的价格。这种溢价，并不来自产品品质的客观差异，而来自“人类性”本身作为一种稀缺属性的感知价值。但这种现象不是一种惠普福利，市场在稀缺性重新分配之后，价值将集中到少数人手中——头部创作者。AI虽然降低了内容创作的门槛，但新的、中间的创作者发展反而更难了。
扩展阅读：
主题三：Loop Engineering
Loop Engineering 把人与编码代理的交互从反复写提示转为设计自动循环系统，由自动化、worktree、技能、连接器、子代理和外部状态组成，在“思考→执行→反馈→改进”过程中不断迭代，直到达到目标。目前Codex和Claude Code已提供了Agent内部循环，可通过/goal等命令触发。
内循环在智能体中内置，一般开发者难以改变其行为。因此大家更多讨论的是外循环（业务级循环），即如何设计一个更大的循环，让 Agent 自己持续工作。
从网上已有实践来看整个外循环大致可以拆分成这几部分：
- 触发方式：什么时候开始，常见的方式有：Github Issue/PR/定时任务等
- 目标生成：结构化描述目标生成
- 任务规划：自定义的任务流程
- 任务执行：委托给编码智能体内循环
- 执行验证：自定义的验证流程
- 重试策略：执行失败处理策略
- 持久记忆：将重要的内容持久化
- 任务调度：持续运行Loop
扩展阅读：