全部文章

写作的核心是通过提出并回答问题来澄清目标、加深理解并建立能力与信任，用LLM直接代写会失去独立思考训练，也会削弱作者可信度，让人怀疑观点是否真实；LLM更适合用于调研、校对、记录和发散想法，若要真正提升效率，必须同步提高人的思考质量。

AI代理让写代码从辅助转为主导并快速商品化，个人产出与企业组织随之加速重构且裁员叙事被市场买单，历史类比印刷术、电力与云计算表明能力一旦变廉价价值会迁移并出现供给爆炸与注意力稀缺，创业竞争转向问题定义、产品判断、用户与数据等代码之外护城河，机会在围绕新能力重写软件形态并把握解构后再整合的窗口。

作者主张囤积可运行的技术解法与代码样例，通过博客与仓库并借助LLM持续扩充，再让编码代理检索并重组既有示例快速生成新工具，如合并PDF.js与Tesseract.js做浏览器OCR，结论是技巧只需攻克一次即可反复复用并显著加速后续开发。

GPT-5.4 Thinking是GPT-5系列最新推理模型，沿用该系列既有安全缓解框架，但首次在通用模型中针对“网络安全高能力”部署专门缓解措施，网络安全方案继承GPT-5.3 Codex在ChatGPT与API的做法，文中亦称其为gpt-5.4-thinking，且基线对比对象为GPT-5.2 Thinking。

作者拒绝将LLM作为主要编程方式，认为它虽能处理简单任务、降低编码层面的偶然复杂度，却无法解决系统设计、数据理解、架构取舍等本质复杂度；消除摩擦会削弱学习、判断、协作与责任感，并把风险转嫁给使用者，最终可能提高产出速度，却未必带来更可靠、更有伦理的软件。

LangChain为Codex、Claude Code等编码代理构建按需加载的技能，并提出评测管线：在一致沙箱中设定可度量任务，对比无技能与不同拆分技能的表现，用LangSmith全程追踪行动与失败原因并迭代，结果任务完成率由9%升至82%，结论是技能必须依赖系统化评测与可观测性才能稳定增益。

AI代理技能数量激增但多数未做评测且常由AI生成，文中给出落地评测方法：先量化成功标准，再用10–20条提示集驱动代理运行并以正则等确定性检查或LLM裁判评分持续迭代，案例通过改写触发描述与将警告改为明确指令把Gemini技能通过率从66.7%提升到100%，结论是用评测防止回退并据结果决定技能维护或退役。

LangChain团队开源langchain-skills仓库11项技能，按需动态加载脚本与指令，覆盖LangChain、LangGraph、DeepAgents，使Claude Code相关任务通过率由25%升至95%，可用npx skills安装并绑定代理，后续将持续扩充并同步发布LangSmith技能。

主张人类不应放任代理完成开发也不必逐行审查代码，而应“在环上”设计并管理从需求到交付的多层反馈回路，通过规格、测试、评估与流程指导构建并持续改进代理执行的“harness”，再引入测试指标、性能与故障验证、生产与业务数据驱动代理自我评估与提出改进，形成持续加速的飞轮，以降低时间成本与失控风险并提升系统可靠性与可演进性。

2025中国AI企业超6000家、核心产业规模预计破1.2万亿元，国产开源大模型累计下载超100亿次、AI专利占全球60%；企业集中上市，竞争由“聊天”转向可执行任务的智能体，算力网协同与高质量行业数据加速供给，带动制造与社会治理深度落地，同时以法规与安全认证趋严强化风险管控。