AI 边角料

Felix

一个在硅谷做AI企业的实战者 大学就开始创业：游戏，VR，AI，机器人，SaaS… 分享洞察&感受 @产品，技术，商业化，创业管理 可能是踩的坑，可能是小突破 小🍠：康康的跨境AI笔记 博客: https://felixk.me/

  1. 4d ago

    Anthropic 新框架一次听懂：什么是AI Loop / 循环工程

    一：从提示词到系统——循环工程学的本质跃迁 • Boris Cherny（Anthropic）说"My job is to write loops"，Google Addy Osmani、OpenClaw Peter Steinberger 同期表态：人从操作者变成架构设计者，不再逐轮对话，而是设计闭环让 AI 自己触发、执行、验收 • 循环能跑的最低配置三件事：触发（让它醒过来）、目标（告诉它去哪）、验证（决定能不能收工）；没有验证的循环只是勤快的猜测机器，往代码库里灌东西没人兜底 • 越硬的目标越适合循环——修失败测试、补类型错误、迁移明确 API，AI 能自证完成；"让页面更高级"这类软目标越改越自信，人越看越心虚 • 核心区别不是提示词变长，是把自由关进可验收的笼子里：系统设计替代人盯屏幕 二：六个核心部件，缺一块自动化就会变形 • 心跳（Heartbeat）负责发现任务——CI 报错、issue 分配自动触发，不是人手动喊"开工"；工作树隔离让每个循环在独立分支上操作，避免互相踩踏 • Skill 文件继承团队知识——代理踩过的坑写回仓库，知识从人脑迁移到代码；但塞太多变百科全书模型淹死，写太虚变鸡汤，最好是"别新建鉴权，用现有中间件"这种硬约束 • 连接器接入真实外部系统（开 PR、读任务、查数据库、发 Slack），否则只是本地自嗨脚本；权限在这里分水岭——能读任务和能写数据库是两个世界 • 子代理互相校验——错误代价高、验收标准清楚的场景（安全修复、支付链路、迁移脚本）值得双代理；改按钮文案也上双代理是拿显微镜看外卖小票；外部状态（issue / board）防止代理"失忆"断片 三：上循环之前，先回答五个问题 • 理解债务是头号隐性风险——老系统变黑箱原本要几年，AI 循环可以把同样过程压到几个月；关键不是"是不是 AI 写的"，是代码增速有没有超过团队理解速度；对策：重要 PR 必须写设计意图，关键模块要求人类复述数据流，每周抽样做 AI 代码走读 • Token 消耗容易低估——聊天时一轮一轮看得见价格，循环里机器自己按发送；硬预算不只是省钱，是逼系统暴露卡住的位置：预算到期就停，停了就叫人，本质是一个工程停止信号 • 先问自己有没有五样东西：验证（机器证据不靠嘴说）、隔离（工作树 / 分支）、权限（读写分级）、预算（硬上限 + 告警）、训练（Skill 文件持续迭代）；小团队要的是窄任务、窄权限、窄验证的可控收益，不是科幻感 • 工具越猛，刹车越牢——AI 可以无人值守地写代码，但代码不能无人负责地长大

    16 min

  2. Jun 8

    《置身钉内》钉钉内部文档全文分享，7.5W 字，一次听完：AI 产品从 0 到 300 万 DAU 再到收缩

    一：钉钉 ONE 是怎样诞生的 • 楔：钉钉的动物园形象「钉三多」是一只尖尾雨燕——apus apus 字面意思是「没有脚的鸟」，它最多可连续飞行 300 多天不落地 • 2025 年 4 月孕育、8 月 25 日发布会首发，DAU 巅峰约 300 万，是无招回归后第一个主推的 AI 原生项目 • 一年从立项到收缩，作者是最后留下的核心 PD，从 0 到 1 走完全程，亲历所有关键决策 二：产品怎么想、怎么定位、怎么改 • 发心第一：贪心是七罪之一——好产品只有一个主发心，越纯粹越有历史价值 • 定位第二：四个问题说清产品——为谁、在哪用、解决什么问题、为什么是我们 • 用户第四：发信人 vs 收信人的基因冲突——AI 一旦替发信人「强推事」，普通员工的「心理缓冲带」就被瓦解 三：真实现场的几个结构性判断 • 旧系统的技术债：钉钉不是白纸，AI 站在风口上但取景再往后退，发现「难改造的旧城中央」 • 三层迁移成本：入口迁移、心智迁移、责任迁移——「不依靠 AI 就无法解决」的场景才是真正的护城河 • 尾声：「做泰坦尼克号的水手」——明知要沉，也要在沉没之前把事做完

    3h 38m

  3. Jun 8

    《置身钉内》：钉钉 ONE 为何拧巴

    一：真痛点撞上旧入口 • 《置身钉内》表面复盘 ONE，从立项、发布、共创到收缩；真正刺痛的是 AI 办公为什么会把“减负”做成“追着人跑” • ONE 抓到的需求很真：群聊、审批、日程、文档、待办分散，用户每天在工作软件里捞信息；失败不在问题假，而在解法太重 • 钉钉是八亿级办公产品，有老客户、老流程、老收入；新 AI 长在旧系统里，会同时被过去的成功和今天的增长压力拉扯 二：卡片流不是万能入口 • 卡片流让移动端像 AI 助理递纸条，但办公不是短视频；电脑端用户要一屏扫描、多窗口对照、快速回到上下文 • 自动已读、发现页、统一入口这些设计，把不同岗位、不同责任、不同工作心态压进同一个交互里，摩擦被集中放大 • 高压迭代能打穿明确问题，但不适合替代产品判断；AI 办公最缺的不是发布速度，而是用户敢不敢把工作交给它 三：AI 办公的下一道坎 • ONE 收缩不等于钉钉 AI 全线失败；个人版、365会员、AI搜索、AI听记、AI表格、悟空、Agent OS，是不同方向的试探 • 个人版回答“AI 归个人还是组织”，AI 表格回答业务闭环，悟空回答从看见工作到执行工作；它们不是 ONE 的简单续集 • AI 办公产品成不成，不看它替组织看见了多少人，而看它有没有让人更放心地把工作交出去

    22 min

  4. Jun 2

    我认为这是PC 的 iphone 时刻：英伟达的RTX Spark

    一：RTX Spark 不只是 AI PC • RTX Spark 的反直觉点，不是英伟达做 CPU，而是把 PC 从“点应用”推向“交目标”，让本地 agent 跨应用完成任务 • 这不是键盘鼠标明天消失，而是 Windows 机器第一次在硬件上认真为本地代理准备：Arm、GPU、统一内存、模型推理被放到同一套结构里 • 普通 AI PC 更像给旧流程加 Copilot；RTX Spark 想动的是入口逻辑，从打开软件、输入指令，变成电脑理解目标、调用工具、交付结果 二：英伟达站到主板中心 • 过去英伟达在 PC 里是“旁边那张显卡”，这次和微软、联发科凑队，等于把芯片、OS、软件权限、游戏兼容拉到一张桌上 • Windows on Arm 的深水区不是办公软件，而是《堡垒之夜》《无畏契约》《绝地求生》这类游戏；能跑只是及格，帧率、延迟、反作弊才是真测试 • 转译和兼容不能被说满：老应用打开不等于好用，游戏掉几帧、输入慢一点，用户都会立刻感知 三：从使用应用到委托电脑 • 高端 PC 的问题会变：不只问 CPU 和显卡型号，还会问本地能跑多大模型、agent 权限怎么管、隐私会不会出门 • 本地不等于天然安全；数据不出门只解决一半，另一半是智能体会不会乱看、乱传、乱改，权限沙盒、日志透明、失败可恢复会变成核心体验 • 游戏和创作也会被重写，但生成内容不等于好玩；开放世界如果没有作者节奏，可能从“开放探索”变成“开放废话” • 这颗芯片真正打开的，不是更强 AI 功能，而是从“使用应用”到“委托电脑”的新 PC 范式

    16 min

  5. May 28

    德国人开不上大众在中国的车款，十年河东，十年河西 的背后故事

    一：大众的中国训练场 • 5月19日《Markus Lanz》的反转点，不是“中国车打进欧洲”，而是 Volkswagen 要在中国学会造“带轮子的手机” • 合肥、上海变成德国工业的再训练基地：速度、软件、电池、供应链，不再只是德国向外输出 • 中国市场一年上千个新车信号，像高压测试场，把沃尔夫斯堡会议室里逼不出的变化逼出来 二：车标留下，价值链漂移 • 如果最先进、最便宜、迭代最快的大众电动车在中国开发，德国本土就会追问：就业、税收、研发能力还剩多少 • “只剩组装”是过度简化，本地认证、工程、质量控制仍有价值，但最性感的创造力看起来正在远离德国 • 欧洲关门自保能挡住低价冲击，但也可能养出高成本、低速度、离用户更远的封闭系统 三：真正对手是学习速度 • 大众学中国速度，是为了活下去；把能力带回欧洲，是为了保住本土；但欧洲未必接得住这种迭代节奏 • 中国车企也没通关：利润、出海合规、品牌信任、售后体系，任何一项都可能把速度变成成本 • 德国汽车工业真正面对的，不是一批中国车，而是一个比它更快学习的系统

    15 min

  6. May 26

    一次读懂小龙虾的开发架构：100个 Agent 之间的分层调度、熔断、交叉验证

    一：百 Agent 不撞车的三件组合拳 • 协调者（orchestrator）与专家（specialist）分层，靠角色边界切断委派死循环——三人管一百个 agent，本质上和三人管一百个外包是同一道管理题，区别是 agent 会自己启动任务、自己调工具 • 共享状态文件（status.md）充当透明看板，所有 agent 读写同一份日志，替代了人类团队的 standup meeting；Gateway 后台进程作总闸，工具调用和文件写操作全部串行化，并发冲突在入口层截断 • 三层记忆架构：工作记忆存当前上下文、情节记忆留操作日志、语义记忆沉淀规律；夜间"做梦"阶段把短期片段压缩写入长期存储，防止 agent 跑长任务时越跑越失忆 • 三十天、一百个 agent、六千多亿 token——数字的意义不在烧钱，在于这套分工机制在极端压力下跑通了 二：AI 代码质量防线：从复现到一键熔断 • crabbox 做自动复现：AI 提交的 bug fix，系统自动回放操作路径并做视频对比，绕开"人眼逐行看代码"这个速度瓶颈，把验证成本从小时级压到分钟级 • deepsec 做双 agent 交叉验证（red team 写、blue team 审），单一 agent 的系统性盲点被另一个视角覆盖，本质是把 peer review 这个人类流程 agent 化 • 三层治理兜底：黑名单拦高危工具调用、沙盒隔离副作用、Gateway 一键熔断——agent 失控的最坏结果是被硬切，而不是级联扩散烧穿账单 • 整套质量体系的核心逻辑：AI 产出速度已超过人类审查带宽，所以把人类判断挪到流程最末端，而不是嵌进每一步 三：高杠杆架构的隐性门槛与放大效应 • 这套玩法的真实门槛不是 $1.3M token 成本，而是操盘者能不能在搭架子时提前想到"agent 互相委派成死循环"这类坑——想到了一小时解决，想不到可能跑三天才发现 • 现阶段生态风险真实存在：MCP 工具链稳定性差、多 agent 并发调试工具缺位、agent 行为可解释性低；要把这套架构搬进金融或医疗零容错场景，光靠文件做状态远远不够 • 两年内生态成熟后早期坑会被填上，但现在硬上的团队承担的是早期生态税，不是技术税——风险是真实的，只是可以预判 • 如果只记一句话：这套架构放大的不是劳动力，是会想事的人的杠杆——它放大你的判断，也放大你的盲点

    15 min

  7. May 23

    为什么米哈游的AI路，比腾讯网易更激进也更危险

    一：蔡浩宇的赌注：游戏不是产品，是生命体 • 米哈游联合创始人蔡浩宇卸任国内全部职务，迁至新加坡和硅谷重新创业，同期公司宣布未来三年投入最高 1000 亿人民币做大模型，CEO 刘伟原话："做不出来就当放了个大烟花" • 蔡浩宇在 LinkedIn 直接预言：AIGC 将批量淘汰中间层专业开发者，未来只剩前 0.0001% 的天才团队加 99% 的业余爱好者——这不是降本提效的表态，是行业结构整体洗牌的判断 • 他赌的不是"AI 帮我做游戏"，而是游戏本身变成能跟玩家长期相处的虚拟生命体：对话历史即剧情，角色对玩家的态度即关卡，剧本加关卡加资产这套传统范式整体作废 二：五家公司，五坡山，可能只有一个赢家 • 谷歌押的方向最激进：AI 可以完整生成游戏，内容与规则全部生成式；微软押底层基础设施，AI 重写渲染管线，属于引擎之下的一层 • Unity 把 AI 定位成跑在端上的工具，Epic 把 AI 做成 Unreal Engine 里的新模块——两家都在赋能开发者，逻辑是"帮人做"而非"替代人做" • 米哈游管的是最上层的灵魂层：角色情感与玩家关系；五家方向分散，但赌的是同一座山，真正的赢家可能是那个把这五坡缝起来的人 三：跑得最快的人还没想清楚终点 • 米哈游家底够厚——原神、星穹铁道积累的现金流足以支撑大规模试错，但试错资本不等于方向正确，押注 AI 角色的路上没有已知的先例 • 今天所有押 AI 游戏的公司，米哈游、网易、Anuttacon，对外统一的说辞都是"AI 让游戏更有灵魂"，但灵魂有副作用：一个能让玩家真实产生情感依恋的虚拟存在，对用户心理的长期影响，没有人正面说清楚 • 能让你跟数字版父亲再相处一次的 AI、让你真情实感爱上的 AI 角色，技术路线已经打通，伦理卡点才刚开始——今天大家都在比谁跑得快，但没人想清楚，跑到的那个地方是不是人该去的地方

    11 min

  8. May 23

    小龙虾 OpenClaw 的3人开发团队，如何一个月烧掉130万美元Token, OpenAI 为何乐于报销

    一：Token 消耗是新指标，但必须和产出绑定读 • Reddit 上对百万级 token 预算的集体批评站得住脚：同等资金雇七十个资深工程师，质量和可控性未必输 • 有效的评估框架应包含三个维度——bug 修复数、PR 合并数、用户留存变化；缺任意一项，烧钱速度本身没有意义 • 类比早年电商：只看 GMV 不看复购率，指标亮眼但公司虚胖；Token 消耗独立存在时同理 • Goodhart 定律的隐患：一旦 token 消耗成为考核代理变量，工程团队就有动机把它优化失真 二：单人公司叙事成立，但隐性税不能不讲 • 阿里系预测"五年内一人加 AI 做十亿美元营收"——性感，但规模触发合规介入的时间点被系统性忽略 • 供应链是第二道门槛：纯软件可以单人撑，一旦涉及硬件、金融产品、医疗服务，团队规模存在物理回弹 • 单人公司真正的适用域很窄：内容、工具软件、轻 SaaS；VC 在投资决策前需先把这条边界画死 • 叙事的吸引力恰恰来自它对例外情况的沉默，听者需要主动补上那几道隐性税 三：强监管行业是 agent 渗透的结构性上限 • 中国已明令限制国企和银行办公设备安装 OpenAI 类工具；美国企业部署一个 agent 的内部合规审查周期普遍以月计 • 医疗、金融核心系统、政府信息化——这三类领域的 agent 扩张速度不由技术决定，由监管窗口倒推 • "软件吞噬世界"的节奏在强监管赛道失效；对应赛道的投资判断需回归旧规则：看政策松紧，不看 token 速度 • 真正的边界检查从来不是技术问题，是谁有权决定什么时候可以部署

    16 min
See All (29)

About

一个在硅谷做AI企业的实战者 大学就开始创业：游戏，VR，AI，机器人，SaaS… 分享洞察&感受 @产品，技术，商业化，创业管理 可能是踩的坑，可能是小突破 小🍠：康康的跨境AI笔记 博客: https://felixk.me/

Information

  • Creator
    Felix
  • Years Active
    2025 - 2026
  • Episodes
    29
  • Rating
    Clean
  • Copyright
    © 2026 Felix
  • Show Website
    AI 边角料