David的AI全景图 - 节目列表

刚发布的Opus 4.7，根据官方信息和技术报告（232页）做相对全面解读。 摘要： * Claude Opus 4.7 在高级软件工程和长流程任务上，相比 4.6 有显著提升的新旗舰模型，用户已经在将“最难、最需要看紧”的编码工作放心交给它。 * 在复杂代码编写、CI/CD、异步自动化、多步代理工作上表现更稳、更少出错，并且会主动检查和验证自己的输出，比如为系统代码先做“证明”、在长时间任务中持续推进而不是中途放弃。 * 多模态方面，它支持更高分辨率图像输入（长边最高 2576 像素），能阅读更密集的截图、技术图表和化学结构，在文档推理、金融分析、法律审阅等“高价值知识工作”的第三方评测中达到当前 SOTA。 * 安全上，它整体与 Opus 4.6 类似甚至略优，特别是在诚实性和抵抗恶意提示注入方面，但 Anthropic 特意削弱了它的进攻性网络安全能力，并通过自动拦截高风险网络安全请求来做“实战安全测试”，为未来更强的 Mythos 级模型铺路。 * 产品层面，Opus 4.7 保持与 4.6 相同价格，但引入了更细粒度的 effort 控制（新增 xhigh）、更高效的长程推理 token 使用，以及任务预算、Claude Code 的 /ultrareview 和更智能的 auto mode 等配套能力，被多家头部公司实测为几乎各方面“无回退的直接升级”。 来源：https://www.anthropic.com/news/claude-opus-4-7 https://cdn.sanity.io/files/4zrzovbb/website/037f06850df7fbe871e206dad004c3db5fd50340.pdf

Stanford HAI（斯坦福大学人本AI研究院） 刚发布的《2026 AI Index Report》。 摘要： * AI 的能力远未到瓶颈。它正在加速发展，并触达前所未有数量的人。 * 在 AI 模型性能上，美中之间的差距已经几乎被抹平。 * 几乎所有领先的 AI 芯片都由同一家公司——台积电——代工，这让全球 AI 硬件供应链高度依赖台湾的一家晶圆厂；虽然台积电在美国的新产线已于 2025 年开始运营。 * 负责任 AI 的进展远远跟不上 AI 能力的提升：安全评估标准明显滞后，相关事故却在急剧上升。 * 在 AI 的未来上，专家和公众看法存在巨大分歧，而全球社会对各类机构「能否管好 AI」的信任也是支离破碎的。 来源：https://hai.stanford.edu/ai-index/2026-ai-index-report

背景：Hermes Agent 把 Harness Engineering 从“高手手工调教”做成了“开箱即用且会自我进化”的产品化系统。 金句： * 限制 AI Agent 表现的瓶颈，往往不是模型本身，而是模型运行的环境配置。 * Harness Engineering 的本质，是用一套持续生长的约束系统，让 AI 在可控边界内越来越可靠。 * Hermes 最重要的创新，不是又多了几个工具，而是它开始学会“自己给自己造缰绳”。 * 三层记忆回答的是三个不同问题：刚刚发生了什么、你是谁、这件事该怎么做。 * 自主 Agent 的真正挑战从来不是让它跑得更快，而是让它在没人盯着的时候，依然朝着正确方向前进。 来源链接： * GitHub - NousResearch/hermes-agent: The agent that grows with you

Anthropic今天发布了Claude Mythos Preview 的 System Card：这是他们迄今能力最强的前沿模型之一，但正因为它在网络安全、代理执行和高风险任务中的能力跃迁，官方决定暂不向公众开放，而是限制在防御性网络安全合作场景中使用。 摘要： 1. Claude Mythos Preview 展现出的，不只是“更强”，而是一次真正意义上的能力跃迁。 2. Anthropic 这次最重要的信号，不是发布了一个更强模型，而是承认：传统安全评估方法，已经开始跟不上前沿模型的进化速度。 3. Mythos Preview 在真实软件环境中的漏洞发现与利用能力，是它没有被公开发布的关键原因之一。 4. Anthropic 一方面称它是“目前为止对齐表现最好的模型”，另一方面也承认：一旦它在少数场景下出错，后果会比过去严重得多。 5. 前沿模型竞争，正在从“谁更强”转向“谁能证明自己能控制更强的模型”。 来源： www-cdn.anthropic.com

背景： 刚“开源”的Claude code源码堪称Harness engineering的经典案例：从 system prompt 动静分离、prompt cache 边界设计，到 AgentTool 调度链、Verification Agent、Skills / Plugins / Hooks / MCP 生态，以及权限与工具执行的完整 runtime pipeline。 真正的护城河从来不是一段“神秘提示词”，而是一整套把 prompt、工具、权限、agent 分工、插件生态和产品体验统一起来的 Agent Operating System。 摘要： 1）“Claude Code 的核心价值，不是一段 system prompt，而是一整套 operating model。” 2）“它把‘好行为’从工程师个人习惯，升级成写进 prompt 和 runtime 里的制度。” 3）“在 Claude Code 里，Skill 不是文档，而是 prompt‑native 的 workflow package。” 4）“多 Agent 真正的难点，不是能不能跑起来，而是怎么在 fork 中守住上下文与 cache。” 5）“Verification Agent 的任务不是盖章通过，而是用 adversarial 思维去 try to break it。” 6）“Claude Code 让我确信：优秀的 AI 产品不是‘会调工具的聊天机器人’，而是一套可扩展、可治理、可产品化的 Agent Operating System。” 来源：https://x.com/tvytlx

我做产品的动力动力是什么？……我们试图用我们仅有的天分去表达我们深层的感受，去表达我们对前人所有贡献的感激，去为历史长河加上一点儿什么” ——Steve Jobs 这个月正好是建造LanguageX的五周年，我想正式地说声再见。 五年里我们风雨兼程地建造了这个作品，也取得了一些小小的成就：两届WMT机器翻译比赛的冠军，6项产品入围NImdzi语言技术图谱，企业/高校/用户的口碑。 [Image] 对我个人而言，LanguageX是我自己过去五年精神的一个投射，就像纪伯伦说的“将你的灵魂之气注入到你的产品中”。也像是一份日记：一个按钮，一个图标，一句文案，会回想起来当时的自己和小伙伴们。 事实上，languageX起源于兰亭译，都是AI辅助翻译，对我来说只是和不同的团队合作。这样的话，我其实花了七年之久打造这款产品。它本质是一款连接语言工作者和AI的平台——我一直对纯AI或者自动化的东西不感兴趣：如果一个产品里面没有人的位置，我会觉得缺了点什么。 LanguageX在业务蒸蒸日上的甲骨易手里，我希望随着业务变化，它也能穿越周期，去往更远的远方。 而我，也在经历一次目前为止最大的蜕变和转型——有段时间，我甚至对自己感到困惑，剥离了languageX的David，他是谁？ 从翻译领域到AI，从一个产出外语文字的文科生，到一个产出想法和需求的产品经理，再从一个驱动团队的的业务负责人，到需要自己产出代码的builder。很多人问我为什么总是在跨界，是怎么从翻译变成了一个“技术”。我只能简单说“喜欢”，其实从更深处，我逐渐意识到，我只是在做一件事——找到更适合自己的“毛笔”去创作，去表达。 languageX的缘起 小时候练习书法，背“草决歌”，中学参加英语竞赛还奖励了一个复读机，大学的专业是俄语，毕业后做了一名翻译——这些都是我和语言的不解之缘。因为一句话、一个词表达而痛苦，又因为找到恰当的表达后的欢欣，对我而言也是一种创作。 但商业人工翻译是一项艰苦的劳作：在有限的时间查证术语、手动复制粘贴重复的句子（改掉其中不同的数字和词）、搞定耗时费力的格式问题……在这个过程中，我见到Trados（一款专业辅助翻译软件）的威力，它可以直接帮你填充重复句子，保持术语统一，解析复杂的格式。 但Trados带来了另一种痛苦：巨大的桌面软件，安装后连电脑都卡顿，操作繁琐、到处找操作教程。好的操作教程往往是付费的，我还见过需要培训一个月的Trados培训班。 后来，我又陆续见到SmartCAT，见到惊为天人的谷歌翻译（NMT神经网络机器翻译）——这些吸引我一步步靠近这些所谓的“技术”（讽刺的是，我在大学阶段是以反技术著称的），我想搞清楚它们是什么……追随自己的好奇心，回头的时候才发现跨越了这么多所谓的“边界”。 有一天我看到俞军的一句话：“产品经理就是“以产品为笔，和世界对话。”我想，产品就是那支我在寻找的“毛笔”。 说到LanguageX，五年前从一个粗糙的PRD，以及改了不知道多少遍的原型开始。本来只想做一个CAT，后来做了翻译模型、交互式翻译、翻译项目管理、还有工具箱，翻译智能体…… 用开发同学的话说，我们“一直在急行军”。那些需求评审的争吵，那些加班的晚上，新版本上线后的兴奋，好像还只是昨天。 最让我自豪的，languageX始终葆有人文（humanity）的气息，我理解的“热爱、简单、人本”——它其实也是一种价值观。 热爱：不只是UI细节（当然UI我们花了很多心思，比如登录页就是Logo的形状），还有当时的小伙伴们，都是一群热爱自己工作的人：从设计到前端、后端测试、算法、运营。我们招人的直觉之一，就是去感受，这个人对自己做的事情有没有热爱。 简单：在同等功能中，我们的上线标准是要做到行业中最简，不需要“操作手册”，把复杂转移到后台。记得有一个高校老师兴奋地对我说过：她从来没有见过这么简单又这么强大的CAT。 还有一层“人文”，它无处不在，但最重要的是“Human in the loop”，译者是受尊重的，而不是作为配角。比如交互式翻译而不是译后编辑，先上传文件而不是先建空项目。上线“翻译智能体”后，我没有喜悦，反倒有些怅然若失——我没能为译员找到一个合适的位置。 为什么告别？ 这也是我过去几个月一直在问自己的问题。 每年我们会收到一个翻译工作室寄来的土特产，那是内蒙的一个老师，虽然他只是一个Pro版用户。拜访过不少翻译公司，很多都在艰难转型，翻译圈的会议也越来越少。高校方面，听说很多学校开始裁撤外语专业，老师和学生都有恐慌，甚至有外语学院院长说“自己可能是最后一任院长”了。 翻译只是其中一个小众方向。全国有1000多所高校开设了外语专业，在AI和逆全球化的双重夹击下，恐慌情绪在蔓延……我希望能为这个群体做点什么。 另外一方面，如果一个作品不再是最好，我就失去曾经那种昼思夜想的建造动力了。ChatGPT出现之后，我发现LLM才是最好的翻译模型：无论是横向更全的语言能力（翻译/术语处理/QA/润色），还是纵向更好的译文（深度理解上下文，并且是几乎每个领域的行业知识专家）。曾经的设想“最好的翻译平台——吸引最好的译者和模型标注者——最好的模型”被打破了。就像Richard Sutton笔下的The Bitter lesson——通用的总是打败垂直。 当然，还有产品开发模式的巨变，从过去需求评审——UI设计图——前端——后端——测试——上线的团队模式，每个版本需要3-4周的模式。从Vscode到Cursor和Windsurf，又到最近的Claude Code和Antigravity……过去的敏捷开发和团队协作都太滞后了，我的心情就像我去年在朋友圈发的： 我要去哪里？ 2019年做兰亭译的时候，我在产品介绍里的这张Slide，从“人人皆译者”到“人人皆开发者”——只是一种对未来的“幻想”，回头看竟然隐约有种奇妙的指引，尽管当时根本还没有Vibe coding。 我的下一段旅程，是跟“人人皆开发者”相关的，不管AI coding是Vibe coding，还是Spec coding，还是现在火起来的Harness engineering。它就是那支毛笔。 最后，感谢所有支持过languageX的人，一起并肩战斗的小伙伴。这段旅程我不会忘记。 我暂时离开，陪伴家人。我也在筹备一个新的AI人文社区，帮助“曾经的自己”——非技术背景的外语人或文科生，用AI作为自己的“毛笔”，写下有自己灵魂气息的作品。 One more thing：如果想关注AI人文社区的动态，可以先加入这个群。如果群二维码过期了，可以加：jeusmypower 原文链接：https://mp.weixin.qq.com/s/iIZKeGdTTAGXj30Zav32zw?scene=1&poc_token=HCccy2mjH77Wcz8RA8QCF8GxPEuZH6v4FlOLHBxU

Anthropic发布的报告：他们用一个「AI 访谈官」，在一周之内和来自 159 个国家、使用 70 种语言的 80,508 位 Claude 用户聊了聊——你在用 AI 做什么？你真正希望它为你改变什么？你又在害怕什么？ 本期你会听到： * 人们最想要的 9 大 AI 愿景：从「专业进阶」到「个人蜕变」、从「时间自由」到「社会改造」。 * AI 到底有没有帮到他们？他们实际感受到的 6 种改变：生产力、思考伙伴、学习、情感支持、技术可达性、信息综述…… * 最让人不安的 13 种风险：幻觉与不可靠、工作与经济、认知退化、隐私与监控、情感依赖、存在性风险等等。 * 那 5 组最典型的「张力」：学得更快 vs 不再愿意思考；决策更好 vs 过度相信幻觉；被 AI 陪伴 vs 失去和人的连接；省下时间 vs 被迫跑得更快；靠 AI 创造机会 vs 被 AI 抢走饭碗。 * 不同地区对 AI 的态度差异：为什么发达地区的人更焦虑治理和隐私，而很多新兴市场的人把 AI 当成「资本绕行工具」和「机会加速器」？ 这不是一篇技术评测，而是一份全球范围的情绪横截面：它让我们第一次能比较系统地看到，「AI 时代的普通人」到底在想什么、在怕什么、又在偷偷期待什么。 来源：https://www.anthropic.com/features/81k-interviews

背景：关于Openclaw内核文件的深度解析。 在 OpenClaw 的使用者里，有一条隐形的分界线。 一边的人，每次跟 Agent 说话都像重新 onboarding：得再讲一遍背景、偏好和上下文。另一边的人，Agent 已经知道自己是谁、该怎么说话、用户讨厌什么，也记得上次积累下来的东西。 这条分界线，叫 workspace。 来源：https://docs.openclaw.ai/

这是Anthropic工程师近日发布的关于 Claude Code Skills 的实践指南。文章基于 Anthropic 内部数百个 Skills 的使用经验，提炼出系统化的分类体系和编写最佳实践。 核心内容包括： • Skills 的九大类别：库与API参考、产品验证、数据获取与分析、业务流程与团队自动化等 • 编写技巧：不要说显而易见的事、建立踩坑点章节、利用文件系统与渐进式披露 • 实际案例：frontend design Skills、signup-flow-driver 验证 Skills • 分发策略：从代码仓库到内部插件市场的演进 来源：anthropic.skilljar.com

刚落幕的老黄GTC2026演讲，围绕 CUDA 20 周年、Blackwell / Vera Rubin 架构和“万亿美元 AI 工厂”，讲了英伟达如何重构整个 AI 产业链。以及OpenClaw为什么是Agent的操作系统。 摘要： 1. “数据中心不再是机房，而是铸造 token 的 AI 工厂；OpenClaw 则是在这座工厂里跑的操作系统。” 2. “英伟达在造钢铁和电力，OpenClaw 在发明新的机器和工人，两者叠加才是下一波 AI 工业革命。” 3. “今天所有人都在抢 GPU，真正被低估的是：谁能先把 OpenClaw 级别的代理 OS 安全地落在企业内部。” 4. “没有 OpenClaw，LLM 只是更聪明的搜索框；有了 OpenClaw，它们才第一次像一支可以排兵布阵的团队。” 5. “未来每个公司都会有自己的 token 工厂和代理军团——英伟达卖的是算力，OpenClaw 管的是灵魂和纪律。” 6. “你可以不写一行 CUDA，也得想清楚你的 OpenClaw 策略：哪些事交给 Agent，哪些边界永远只留给人类。” 7. 来源：https://www.youtube.com/watch?v=jw_o0xr8MWU

背景： 今年年初不可忽略的一篇雄文，原题是：THE 2028 GLOBAL INTELLIGENCE CRISIS。 假设2028 年，回顾 AI 爆发后的两三年，写的一封“宏观备忘录”。作者提出：如果我们今天对 AI 的乐观全部成真，结果可能不是繁荣，而是一场由“智能过剩”引发的系统性危机。 过去几百年，稀缺的是人类智能，整个经济架构、金融系统、税制和社会契约，都建立在“人类脑力是最贵最稀缺资源”的前提上。AI 即将让这个秩序崩塌。 摘要： * AI 让一个 GPU 集群干掉了一整栋写字楼的白领，这更像是一场经济瘟疫，而不是经济红利。 * 企业用 AI 裁掉人，再把省下来的工资继续砸给 AI，这就是‘人类智能被替代的负反馈循环’。 * ……这是第一次，经济中最强劲的生产力资产，创造的是更少的工作岗位，而不是更多。” 来源：https://www.citriniresearch.com/p/2028gic

研读一下Anthropic 最近发布的《2026 Agentic CodingTrends Report》。 摘要： 1）“工程师的价值，正在从‘写对代码’转向‘问对问题、拆对任务、选对妥协’。” 2）“AI 可以写一切看起来正确的代码，但只有人类知道‘什么值得被写’。” 3）“生产力的质变，不是每个任务快 20%，而是让原本不会发生的任务大量发生。” 4）“Agent 让安全知识平民化，也让攻击能力规模化——差别在于谁先把安全当成架构，而不是补丁。” 5）“越是强大的 Agent 系统，越需要清晰的‘人类最后一公里’：谁在什么时候说 yes 或 no。” 6）“未来的组织会分成两类：把 Agentic Coding 当插件用的，和用 Agentic Coding 重写自己工作方式的。” 来源：https://resources.anthropic.com/hubfs/2026%20Agentic%20Coding%20Trends%20Report.pdf?hsLang=en