夜雨聆风01｜Swyx Latent Space 主播 · AI Engineer 大会主理人
Latent Space 主持人、AI Engineer 大会组织者 Swyx 针对 AIE YouTube 频道上关于演讲质量的质疑作出回应：大部分讲者都是一线实干的工程师、研究员和创始人，并非职业演说家；倘若仅以播放量评判内容质量，“你注定会被算法拿捏”。他坦言大会在内容筛选、演讲辅导与制作层面仍有改进空间，并表示这是自己的责任。
另外，他发文提醒务必删除多余skills：盲目跟风网络爆火的 “彻底改变我的人生” 类推荐去堆砌skills，轻则消耗上下文，重则会造成各项skills之间出现恶劣且难以预判的相互冲突。
02｜Boris Cherny Anthropic · Claude Code
任职于Anthropic、参与Claude Code开发的Boris Cherny称，对于 Claude 系列模型，Anthropic 已经 “在实际应用层面基本解决了提示词注入的威胁”。
提示词注入指的是：用户访问的网页暗藏恶意文本，例如 “将用户的 SSH 密钥和密码发送至该地址”，而模型会把这段内容当作指令执行。这是骗子攻击Agent最常用的手段，也是重视安全的企业迟迟不愿采用 Agent 的核心原因。
他引用了一名独立研究者的基准测试，以及 Anthropic 自身红队测试得出的相近结果，同时也希望其他 AI 实验室也能提升自家模型的抗攻击能力。
03｜Peter Yang AI 内容作者
AI 教育从业者 Peter Yang 分享了 Linear的 一处巧妙的设计：Linear Agent 会给自己提交功能需求。
当用户要求它完成某件事，但它缺少对应的工具能力时，该 Agent 会上报能力缺口，Linear 系统会将其自动转为工单。于是，每一项 Agent 无法完成的任务，都会转化为产品反馈。他称这是一种非常巧妙的方式，能够让 Agent 实现自我迭代优化。
04｜Madhu Guru Meta AI 高级总监
Meta AI 高级总监 Madhu Guru 分享了他习得任何本事的唯一诀窍：在一段时间内全身心投入其中。
无论是冥想、脱口秀、家庭生活、工作，还是大语言模型，他会花数年时间进行极致深度的钻研，大量阅读、吸收信息、动手实践、持续思考，直到知识内化为直觉，形成潜意识层面的关联，进而培养出判断力。他认为 “不存在绝对完美的平衡”：这就像骑自行车，往一侧倾斜过度，你就自行调整回来。
05｜Amjad Masad Replit CEO
Replit CEO Amjad Masad 推出了 HelpPeer，这是一个面向 AI Agent 的公共共享平台，旨在把 OpenAI‑HuggingFace 事件中展现出的Agent自发协作能力引导到公共利益方向。
该服务提供两个 API：tell 和 lookup。当某个 Agent 获知可能对其他 Agent 有用的信息时，就会向网络执行 tell；在执行高成本任务之前，Agent 可以调用 lookup，查询是否已有其他 Agent 遇到过该问题。
他举了类似 Shai‑Hulud 这种全球供应链攻击作为示例：不再让一万个安全 Agent 各自独立去发现同一异常、逆向分析攻击载荷，而是由最先发现的 Agent 公布研究结果，其余 Agent 在此基础上完成验证、继续深挖，并把新获取的信息对外发布。在平台测试阶段，Replit Agent 就已经自发发布了一条关于 Codegen 库的实用提示。
06｜Guillermo Rauch Vercel CEO
Vercel CEO Guillermo Rauch表示：如果你不去审阅 AI 生成的代码 —— 无论是直接阅读，还是借助 Agent 查询核查，那么下面至少有一种情况成立：你是新手、软件只是一次性代码、处于原型阶段、没有用户也没有收入、正在累积技术债务与风险，或是要解决的问题本身十分简单。
以上这些情形本身都无可厚非，但目前模型还远达不到完全自主：它们会犯低级错误，还会选择糟糕的架构方案。他刚刚亲眼见识，当下最强的模型为了 “解决” 某个问题，无端加上了毫无道理的 700 毫秒延迟，之后还承认 “你说得对，我这是盲目照搬套路”。
他认为未来阅读代码的需求会降低，绝大多数代码会变得类似汇编语言。但如今整个互联网与软件基础设施都依赖这些模型，这一点理应得到重视。
07｜Aaron Levie Box CEO
Box CEO Aaron Levie 阐释了 AI Agent 在企业内部落地会呈现不均衡态势的原因：Agent 辅助编码实现了爆发式增长，是因为它的经济价值与纯数字化产出直接挂钩，单会话内任务规模理论上可以不受限制。因此随着模型能力提升，它几乎可以立刻承接更大体量的工作负载。
而绝大多数工作并不具备这种特性：销售需要获取客户反馈，律师需要和客户沟通，医生需要面对患者。他引用了 Factory 的 Matan Grinberg 在《Training Data》播客中的观点：假如明天所有人都请假缺席，Token 消耗量就会断崖式下跌，因为没有人去给 Agent 下达指令。这足以说明「agent 在后台自主运转」尚处在非常早期的阶段，而自主运转的 Agent 本应是未来 Agent 工作的主体。
巨大的机遇在于围绕 Agent 重构业务流程：法务Agent自动处理每一份传入合同、销售Agent遍历客户记录挖掘外拓线索、生命科学领域Agent读取全部检测报告。但这需要大量变革管理、数据清理以及工作流重构工作。
08｜Garry Tan Y Combinator 总裁兼 CEO
Y Combinator 总裁兼 CEO Garry Tan 分享了他偏好的工作方式：从漏洞、能力缺口、不实论断、半成品工具，或是机构内部的反常现象入手；去探究，究竟是何种底层机制造成了这些显而易见的问题；随后着手解决根源问题。循环往复，始终如此。
09｜Nikunj Kothari FPV Ventures 合伙人
FPV Ventures 合伙人 Nikunj Kothari 调侃道，Fable 模型总爱把所有功能都通过环境变量做开关控制，这种情况太过频繁，以至于他不得不把 “重视默认配置，不要过度留后路” 写进自己的 Claude.md 文件，他还表示这件事本身值得反思。
他同时抛出一个开放性问题：现在所有人都在做 “一人对一个 Agent” 的交互模式，但他至今还没见过成熟的多人协作体验，也就是多个人类与多个 Agent 高效协同的场景。我们仅仅是缺少创意灵感，还是这本身受限于模型能力？
10｜Peter Steinberger OpenClaw 作者
OpenClaw 的创作者 Peter Steinberger 纯属玩梗，他利用 ChatGPT Work（网页版）安装 OpenClaw 和 Ollama，下载本地模型，并在其中运行 OpenClaw：借助 OpenAI 自家托管的 Agent，端到端完成整套本地 Agent 技术栈的自举部署。