戴雨森真的是四处窜场啊😅

两个重要感受 1.Coding Agent 的发展正经历从“辅助工具”（如代码补全）向“自主代理”（独立完成复杂任务）的跃迁。这要求我们重新理解人机协作模式，从“人主导”转向“人机协同”甚至“机主导、人监督”。 2.AI Agent的出现可能会像“算力的Scaling Law”一样，带来“工作的Scaling Law”，即可以低成本地购买和扩展“工作”。这将催生新的商业模式——“Sell Work”，即销售AI Agent完成的工作成果，而不是销售工具或服务。

对 Agents 和 AI Coding 讨论质量较高的一期播客，比较认同的观点： 1. AI Coding 不仅仅是狭义的“AI 编程”，而是广义的 "Task Engine"，是任务自动化。理论上来说，所有数字世界里单人+电脑能够完成的任务，都可以被这个引擎搞定。因此会出现类似 Agent Company 这种新的 Benchmark，可以将所有工作环境中可能涉及到的任务抽象成为数据集。 2. 之前这波 AI 落地过于依赖 Chat 了，结果两年下来，发现其实人类并没有那么多问题想要去问 AI，并且开放式聊天的需求也并不是太大，消耗不了太多 token。而任务自动化才是真正可以带来海量 token usage 的场景。可以将任务引擎理解为雇佣了一大堆工资极低的实习生（按照现有成本计算是加州最低工资的一半，但一年之内可能会再下跌一个数量级）。 3. 当前的 AI Coding 有两个方向。一个方向是更好的 o3，去解决越来越难的问题（现在已经是 Top200 人类程序员的存在），是要攒出牛顿和爱因斯坦，而另一个方向是更好的 Devin，去完成越来越复杂多步的实际任务，是要批量制造数字员工。尽管目前 Cursor/Windsurf（更像是 L2 的 Copilot) 和 Devin（更像是 L4/L5 的Autopilot） 的路线不尽相同，但长远来看，个人认为 Devin所代表的才是更为终极的形态。 4. AI Coding 目前面临的挑战，除了 Foundation 模型的持续进化之外，更主要的在于：如何用更多的 Data Integration 和 Data Access 获得更加充分的 Context，消除与人类的信息差（有趣的是有人提到张一鸣曾经说过的字节跳动的管理思路，More Context, Less Control，同样适用于模型）；如何更好地使用各种 Computer Use 工具（例如Anthropic的MCP）；如何从一条条 event stream 中建立高质量的 feedback loop；等等。 5. 围绕 Agents 落地会有一波新的机会，除了做各种水平或垂类任务自动化引擎的公司之外，还有各种“服务Agents”的 Infra 和 tooling 机会，比如帮它们标注数据、增强性能、打磨工具链、加深记忆、设置监控、提供反馈、保障安全、协助与人类的沟通等等。 6. 当执行工作都能够被 AI Agents 搞定之后，未来需要的人才画像是“Founder+CEO”，需要能够提出好问题，需要去思考“做什么” 而不是“怎么做”，需要更多具备产品和用户思维，需要做更多的决策而非执行。这与我们当前教育体系的培养目的是完全不同的。当前教育还是普鲁士工业流水线的遗产，是为了培养熟练产业工人而设计的。但 AI 时代，需要的不再是高效的执行能力，而是“做老板”的能力。

1:48:55 讲的真的很棒。“未来，我们能做多少不再受能力所限，而是受限于想象力。”真挺值得一听的仨小时，就是语速稍微快了点，0.8倍速刚刚好😂

code agent -> digital agent -> physical agent

催更莫妮卡，春节讲一期deepseek专题吧！

19:06 目前日常使用是 cursor ，不知道 Devin 相比 cursor 费用会增加多少？

很有价值

多谢on board，前两天在公司内就听到Monica 很有价值的分享，这期节目信息量更大了👍

2:23:47 太干啦，2025 是程序员转型之年，哈哈

我对这个行当的现状总结是： 1️⃣ Copilot 与Agent 比，Copilot 是工具，Agent 是一个生产力，Labor，它可以自主的，端到端的完成任务，这意味着不会是一个每月20美金，而是2000美金的定价 2️⃣ 严格意义，Agent 没有跑通 PMF，两个没有，一是 Agent 在什么场景下，以什么样的形式存在，怎样跟人交互，怎样定价，一切是不清楚的；二是 Agent 需要什么样的模型出现，什么样的模型需要什么样的能力，使得 Agent 这样的事情能 work。 3️⃣ 一个人进入到公司，需要理解这个公司干什么，为什么，怎么干活。这里头是软件工程的两个重大问题，一是业务上下文，二是工程上下文。模型怎么演化是做不到的。需要长期推理运行。 4️⃣ 低代码，无代码 最终都在一个很小很小的领域内才有商业化价值。历史上也从未出现任何一个把软件工程门槛下降到大规模使用。这个世界仍然是【小部份人，创建大量软件，让大部份使用】 5️⃣ 但是，一个人通过一点点计算机的学习，利用 Agent 完成手头小应用的开发，这个是 字节跳动的一个野心，叫“最后一公里”。 6️⃣ 海外美国，更多的主力是在卷 infra，卷得非常厉害，数据合成啊，为 AI 需要 build 好你的“题库”。 7️⃣ Cursor 的成功是巨大的非共识。 8️⃣ 我们，仍然认可，通过 Code Integrity 来约束 CodeGen 这个思路作为 AI Driven 的开发者解决方案。

最好不要加速，他们英文夹杂中文加速就听不清楚

反馈一个，语速太快了

提问还是挺考验人的：对这种一线很前沿的reaearcher/engineer 主持人怎么提问才能让对方吐出尽可能多有价值的东西😂

这一集的语速是调快了，还是嘉宾语速本身就这么快？（脑子跟不上了

很精彩，压力感很大呀🙁

被搜账号状态异常，无法显示 onboard666

老莫快来！！！！过完年要上班啦~！开工快乐，过年好！(正月里面都是年的催更话术😂)

2:42:13 精华藏在最后了

50:43 mark 为什么需要模仿人类computer use的能力，而不直接靠api