全部文章

法意研究发现，AI建议会显著降低人们承认“不知道”的意愿，即使答案错误仍提升信心；实验中准确率从27%降至9%，信心从30%升至76%，显示AI素养与教育干预必要性。

Loop Engineering 将开发者从逐轮提示 AI 编码代理转为设计自动运行的提示循环，通过自动化、Git worktree、技能文件、连接器、子代理和外部记忆，让代理可并行发现任务、修复问题、验证结果并创建 PR，适合重复性、并行性和无人值守场景，但需控制误判、理解债务和 token 成本。

作者借AI生成漫画续作的设想，反驳将AI产物与人类艺术等同的观点，认为艺术价值不只在输出效果，还来自创作者的投入、能力、选择与未完成带来的真实感；AI和赝品一样会误代表达成就，若以效率替代标注清晰的人类创作，将剥夺消费者选择并削弱作品意义。

2026年二季度AI Agent从聊天框走向通用软件入口和垂直行业，但Token消耗、复核瓶颈与成本暴露，未来竞争转向人机闭环、模型路由、组织反馈和安全治理。

AISI评估显示，近期开放权重AI模型的网络能力落后前沿闭源模型约4至7个月，差距较2025年的6至10个月缩小，意味着防御方准备窗口变短且开放发布带来更持久的滥用风险。

Anthropic展示Claude Code用于大规模语言迁移，开发者在数天至两周内完成Bun从Zig到Rust及Python到TypeScript迁移，依靠规则手册、依赖图、多代理翻译、对抗审查和编译测试闭环验证，使原本多年项目降为可重复流程，Bun迁移已上线并降低内存、缩小二进制、提升性能。

AI 编程代理正在自动化初级开发者过去依靠重复练习获得的经验，导致入门岗位收缩但高级判断型岗位增长；开发者应主动训练代码品味、验证能力、系统理解和任务授权边界，把价值集中在选择正确问题、完成最后一公里和公开解决难题上。

antirez认为AI已改变编程默认方式，程序员不应把主要精力放在逐行审查生成代码，而应掌控软件设计思想、验证架构模型、加强QA和测试，并用设计文档承载关键意图；代码阅读的价值下降，但年轻程序员仍需通过实现基础系统建立编程心智模型。

将LLM生成文档视为知识工作进步是范畴错误，许多文档的价值不在文本本身，而在证明作者完成了思考与判断；当LLM让合格文档变得廉价，组织原本用文档质量衡量专业能力和进展的信号系统被削弱，真正缺失的是写作过程中的智力劳动。

智能体工程应由模型负责调查、实现、验证等内循环，人类负责外循环的质量证据、发布裁决和可解释责任；随着 AI 生成代码占比上升，瓶颈从生成转向审查、验证、理解和维护，团队需要用测试、日志、权限、审计与问责契约建立反压机制，避免认知投降、认知债务和编排成本失控。