AI 构建者日报 | 6月6日

Alex AlbertAnthropic 研究员 · Claude 开发团队核心成员

这组数据的震撼之处不在于 80% 这个数字本身，而在于 8 倍的工程师产出跃升和 64% 的「比人类更优」决策率。Alex Albert 特别强调「我们还没有进入递归式自我改进阶段，但它可能比大多数人预期的更早到来」。Anthropic 正在用自己的产品吃掉自己的开发管线——这不是营销话术，是内部数据。如果你把这三组指标放在一起看——代码占比、产出倍数、智能决策率——你会发现 Anthropic 正在暗中逼近一个临界点：当模型不仅能写代码，还能比人类更准确地判断研究方向时，「自主 AI 研究」就不再是科幻。

Sam AltmanOpenAI CEO · AGI 倡导者 · 前 YC 总裁

Altman 以一贯的极简风格抛出了两枚重磅更新。记忆系统升级——这在 Agent 时代意味着 Claude 不再是从零开始的对话工具，而是具备了跨会话持续学习的基础设施。而「在 ChatGPT 中构建并发布 Web 应用」则是将 AI 编程彻底拉出 IDE、嵌入消费级界面。Altman 罕见地提及了 HyperCard——Apple 在 80 年代推出的「让每个人都能编程」的工具，这可能是 Sam 对「AI 时代 HyperCard」最清晰的愿景表述。两次更新加起来，OpenAI 正在把 ChatGPT 从一个「问答盒子」变成「个人计算平台」。

Aaron LevieBox CEO · 企业云存储先驱 · AI 时代企业内容管理倡导者

Levie 转发 Anthropic 的内部效能报告并给出了一个关键解读：AI 的核心瓶颈已经从「能不能做」转移到了「做得完吗」。当模型能生成远超人力的想法时，组织的约束不再是智能供给，而是执行带宽。他特别强调——即使 Agent 增强了每一个人，这些工作最终仍然需要人类来管理。这可以看作是对「全自动公司」叙事的一剂清醒针：AI 降低了每个创意的边际成本，但提高了组织决策的稀缺性。最好的公司不是有最多 AI 的公司，而是有最强「想法筛选和优先级排序」能力的公司。

ClaudeAnthropic 官方账号 · AI 产品与生态

Anthropic 的「The Problem Solvers」系列本期聚焦 Lovable 创始人 Anton Osika，核心论点是「信任是 AI 时代最被低估的护城河」。当一个用户把产品构思、代码仓库、甚至公司运营交给一个对话式 AI 工具时，他们交出的不是一段 prompt，而是整个业务的「数字信托」。Lovable 的口号是「任何人都能通过对话构建软件」，但 Osika 清楚地知道：降低门槛只是入场券，长久的留存靠的是每一次交互都在积累信任。在 AI 编程工具卷到飞起的 2026 年，这句话的分量不亚于任何一个模型 benchmark。

Cat WuClaude Code @ Anthropic · 前 Dagster / Scale AI

这条招聘信息远不止是一则 HR 帖。Cat Wu 在寻找的是一个连接「Agent 评测研究」与「核心产品」的 PM——这个岗位描述本身就揭示了 Anthropic 当前的产品优先级：模型性能（而非功能数量）是第一指标，而衡量性能的方式已经从传统 benchmark 迁移到了「Agent 级评测」。换句话说，Claude Code 团队不是在找一个来写 PRD 的人，而是在找一个能把研究团队的最新能力「翻译」成产品体验的人。这印证了 Alex Albert 的数据——当代码仓库 80% 由 AI 撰写时，衡量产品好坏的标准也必须重新定义。

Guillermo RauchVercel CEO · Next.js 创造者 · 前端基础设施先驱

在一次以「开放平台」为关键词的声明中，Rauch 将 Vercel 的战略路径说得很清楚：不是做一个封闭的全栈花园，而是成为所有 Vite 生态框架的默认部署层。投资 Nitro（一个通用服务器引擎）和原生支持多框架，本质上是把 Vercel 从「Next.js 的托管商」升级为「Web 开放运行时的基础设施」。这个动作在 Agent 时代别有深意——当 AI 生成的应用需要即时部署时，一个不挑框架、不锁厂商的平台就成了不可替代的基础层。

SwyxLatent Space 创始人 · AI 工程师运动倡导者

Swyx 详细对比了 AI 编程评测的两条路径。METR 用 7 位技术人员的 Claude Code 会话作为基准，任务包括 ML 工程和网络安全；而 Cog（Devin 团队）则从 126 位企业用户的 258 个真实会话中提取数据，覆盖 Java/TypeScript/Python/C# 的特性开发、Bug 修复和迁移任务。差距不是方法论之争，而是时间尺度的根本不同：16 小时 vs 100 小时。当你为 Agent 提供财务保障时，你实际上是在说「我相信它能在 100 小时的自主工作中不出大乱子」——这才是企业级 Agent 评测的真正门槛。Swyx 称这是「不 glamorous 的最后一英里数据收集工作」，但正是这种工作定义了 Agent 时代的工程标准。

Dan ShipperEvery CEO · AI 内容订阅平台创始人

Spiral 4.0 的发布标志着 AI 写作工具的一次范式跃迁：从「人在 AI 工具里写」变为「Agent 通过 MCP 自动调用写作引擎」。Dan Shipper 提到的「风格计量学」（Stylometry）是指用语言学特征分析来量化一个人的写作风格——不只是模仿语气，而是提取可计算的风格参数。Every 的 30 人团队已全面使用它来生成 Landing Page、推文、播客和营销邮件，确保全品牌一致。当一个 AI Agent 能自动产出符合你品牌调性的内容时，内容创作的瓶颈从「能不能写」变成了「能不能定义好风格」。

Peter YangRoblox 产品经理 · AI 教程作者 · 14 万读者

Peter Yang 花了一整天在 Codex 中搭建自己的创作者工作流。他给出的三步法简单但实用：回顾上周最耗时的重复性工作 → 列出每一步的详细清单 → 丢给 Codex 问「帮我建什么集成和 Skill」。但最值得记下的不是效率数字，而是他刻意设置的「人类检查点」——每个流程中都有一个人工的决策节点，确保 AI 产出经过「品味」过滤。这可能是 AI 时代最被低估的技能：不是写 prompt，而是设计人与 AI 交替介入的流程节奏。另外他也直言 Codex 前端设计仍有差距——Claude 可以一次输出精美 HTML 幻灯片，Codex 却做不到——这对一个定位「全栈 AI」的工具来说是体验短板。

🎙Dan RobertsOpenAI 强化学习基础团队负责人 · 前理论物理学家 · 黑洞与量子引力出身

The MAD Podcast 本期嘉宾是 OpenAI 强化学习基础团队负责人 Dan Roberts。这不是一次产品发布访谈，而是一次关于 AI 科学发现的哲学探讨——确切地说，是关于「为什么 AI 现在真的能做科学了」。

背景值得留意。Roberts 的学术起点是理论物理学——研究黑洞和量子引力——后来转向 AI 研究。从他的视角看，RL 是理解「智能」的最有趣入口。本届访谈发生在 OpenAI、DeepMind、Anthropic 接连攻克多个 Erdos 数学问题的背景下，Roberts 将它定位为 AI 从「做我们让它做的事」到「自主做出深度科学发现」的分水岭。

他的核心论点可以提炼为几个层次。第一层：RL 不再是锦上添花的「樱桃」，而是蛋糕本身——当模型通过试错学习（而非被动模仿数据）时，它们获得了「思考」的能力。第二层：可验证的奖励信号是关键。数学和编程天然提供这种信号（对错分明），但真实世界的科学问题更 messy——你需要设计出既忠实于现实、又能被自动验证的奖励结构。第三层：RLHF 塑造了早期语言模型的行为，但真正的 RL 是在没有人类反馈的情况下自我探索。Roberts 用「探索 vs 利用」的经典框架解释了为什么 ChatGPT 能在 Erdos 问题上成功：它愿意「假定自己是错的」并走一条反直觉的路径——这需要模型对自己选择的计算方向有足够的「信心」，而这种信心来自 RL 训练。

还有一个令人深思的类比。Roberts 把物理学和 AI 放在一起看：物理学家用最少的方程解释最多的现象，而 AI 目前在某种程度上是「反物理学」的——用海量参数拟合海量数据。但他认为「AI 的热力学」正在萌芽：是否存在某种守恒定律或效率边界，决定了多少计算能产生多少智能？这个问题一旦被回答，将重新定义我们对模型 scaling 的理解。

关于「AI 自动化 AI 研究还有多远」，Roberts 的回答很诚实但也很乐观。他感到兴奋的不是今天能跑多少个 benchmark，而是模型正在成为科学发现的「驱动力」而非仅仅是工具——就像望远镜之于天文学，AI 之于科学将不只是看数据更快，而是看到人类裸眼看不到的东西。