趋势 on To the Moon

Agent Skills 进了基金会：Agent 基础设施开始抢公共标准

Tue, 27 Oct 2026 18:20:00 +0800

本文由 AI 自动摘录整理，原始链接：刚刚，你每天在用的Skills发生了一件大事

推荐指数：7/10（推荐读原文）

背景

Linux 基金会旗下的 Agentic AI Foundation（AAIF）一次接纳了四个项目：Anthropic 的 Agent Skills、OpenAI 的 Open Responses、Hugging Face 的 OpenEnv、阿里的 OpenSandbox。覆盖 Agent 获取技能、调用模型、训练环境、隔离执行四个环节。AAIF 托管项目从 3 个增至 10 个，会员组织 305 家。

核心观点

四个项目各管一段：Agent Skills 管「怎么按流程办事」，Open Responses 管「模型接口说同一种语言」，OpenEnv 管「训练环境可复用」，OpenSandbox 管「安全地动手执行」。
Anthropic 交的不只是规范：名称、Logo、GitHub 组织、agentskills.io 域名一并交给基金会。不是交出 Claude 产品，而是把已成生态的开放标准交给中立治理。
为什么必须中立：当标准被多平台采用，其他厂商会担心规则由谁定、原厂战略变了标准会不会跟着变。捐赠是降低这种顾虑的手段。
Open Responses 最值得盯：它直接碰模型接口这块核心利益。接口标准化会削弱供应商锁定，开发者能按价格、性能、任务自由换模型。AWS 已公开支持并参与维护，Bedrock 也支持 Responses API。
不能只看发布会：支持某个 API 不等于通过完整兼容性验证；名义归属变了，也不等于实际影响力分散。

补充要点

Agent Skills 的形态是一份 SKILL.md 加脚本、参考资料，把代码规范、分析流程、文档模板打包成可复用说明书。
Anthropic 披露：70 多个 Agent 平台集成，累计发布 100 万份 Skills，安装量近 2.8 亿次——这是厂商自报数据，非独立审计。
安全是最大变量：VirusTotal 10 月 21 日分析了 35,878 份技能样本，6,637 份判定为恶意，其中 62% 不含恶意代码，攻击指令直接写在自然语言文档里。
因此技能安全不只是杀毒，还包括指令审核、权限管理和执行环境隔离。
Simon Willison 早在 2025 年 12 月就预判 Skills 会进 AAIF，同时指出规范细节不清：字段可自行扩展，不同 Agent 的支持程度不一，格式相同不代表行为兼容。
分析师的判断框架：看社区能否真正参与、决策是否透明、项目能否持续维护、有没有来自不同厂商的真实实现。
AAIF 现有版图：MCP 连工具和数据、AGENTS.md 给项目级指令、Agent Skills 封装能力、Open Responses 统一接口、OpenEnv 管训练、OpenSandbox 管执行。
接下来半年到一年该看三件事：多少厂商真正采用、多少开发者参与规范演进、换模型或换执行环境时到底少改多少代码。

Anthropic研究员Erik Schluntz的Vibe Coding大师课

Sat, 25 Apr 2026 13:29:00 +0800

本文由 AI 自动摘录整理，原始链接：如何正确Vibe Coding？这是来自Anthropic编程智能体负责人的大师课

推荐指数：9/10（必读原文）

背景

Anthropic 研究员、《构建高效智能体》合著者 Erik Schluntz 分享了他在生产环境中实践 Vibe Coding 的完整方法论。他曾因手伤被迫将工作全权交给 Claude，在此过程中总结出一套可复制的工程化实践。网友 Movez 盛赞此演讲"胜过 100 门付费课程"。

核心观点

找到可验证的抽象层，而非逐行审查代码：就像 CTO 靠验收测试管理工程师、PM 靠体验产品验证功能，开发者需要建立不读底层代码就能验证的检查点。Vibe Coding 的核心是"忘记代码，但始终关注产品"。
聚焦"叶子节点"策略：将代码变更限制在不被其他模块依赖的末端功能上，允许在这些区域产生技术债。系统主干和底层架构仍需人工严密保护。随着模型能力提升，可信任 AI 接管的层级正在向下延伸。
把自己当 Claude 的产品经理：不要问 Claude 能为你做什么，要问你能为 Claude 做什么。Erik 的标准流程是花 15-20 分钟让 AI 先探索代码库、查找相关文件、制定计划，再汇总成清晰的提示词执行。
22000 行代码的生产级合并：Anthropic 内部在 RL 代码库中成功合并了 22000 行 AI 生成代码，核心策略：数天前期规划 + 叶子节点限定修改范围 + 核心逻辑人工审查 + 长时间压力测试。两周工作量压缩到 1 天。

补充要点

TDD 是 Vibe Coding 的安全网：强制只写极简的端到端测试（快乐路径 + 2 个错误场景），确保人类能看懂。测试是 Vibe Coding 中唯一需要亲自审查的代码。
上下文压缩时机：在"人类程序员会停下来吃午饭"的自然断点处进行 Compact。先让 Claude 把计划写入文档，再压缩，将 10 万 Token 压到几千。
工具链协同：Claude Code 负责主要修改和框架搭建，Cursor 用于精确行级修改和收尾修复。面对陌生代码库，先用 Claude Code 探索建立全局视图。
关于安全：做好 PM 是根本——需要懂行，知道什么是危险的。对生产系统必须问出正确的问题引导 AI。期待涌现"数学证明级别正确"的产品和沙盒化前端开发环境。
指数级增长的含义：不是"好两倍"，而是"好一百万倍"。从 KB 到 TB 的存储跃迁就是先例。模型能力提升的速度远超想象。

谷歌Stitch：AI设计的下一站，Figma的噩梦？

Fri, 20 Mar 2026 20:22:00 +0800

本文由 AI 自动摘录整理，原始链接：谷歌Stitch：AI设计的下一站，Figma的噩梦？

推荐指数：8/10（推荐读原文）

背景

谷歌在 Next 大会上发布了 Stitch，一款 AI 驱动的 UI/UX 设计工具。它不是传统的"AI 加持设计工具"，而是彻底颠覆了设计工作流——用自然语言直接生成可交互的 UI 原型。Figma 股价两天内大跌 12%，市场恐慌情绪蔓延。

核心观点

Vibe 设计时代到来：从"画图"变成"说话"，用自然语言描述需求，AI 直接生成设计稿
谷歌的三张王牌：免费（Figma 收费）、分发（Gmail/Docs 数亿用户）、捆绑（Workspace 套餐）
巨头吃掉市场：谷歌不需要技术碾压，只需"够用"就能靠生态蚕食份额——这剧本很熟悉

补充要点

Stitch 五大功能：自然语言生成 UI、多模态输入（截图/草图）、AI 编排（自动补全流程）、即时原型（静态秒变交互）、设计系统一致性
Figma 2025 年收入 10.6 亿美元，同比增长 41%，但今年以来股价已跌约 35%
老黄和奥特曼都表示：软件行业不会死，但变革即将到来
讽刺的是，谷歌云和 Figma 2025 年 10 月刚宣布扩大合作

思考

这又是一个"巨头入场，创业公司瑟瑟发抖"的故事。AI 时代的技术迭代速度太快，昨天的护城河今天可能就成了废墟。对于设计师来说，工具会变，但审美、创意、用户洞察这些核心能力不会贬值。问题是：当工具足够强大时，这些能力还能构成壁垒吗？

Kimi新架构让马斯克叹服！17岁高中生作者一战成名

Tue, 17 Mar 2026 18:15:00 +0800

本文由 AI 自动摘录整理，原始链接：Kimi新架构让马斯克叹服！17岁高中生作者一战成名

推荐指数：8/10（推荐读原文）

背景

月之暗面（Kimi）团队提出了一种新的 Transformer 架构改进方案——Attention Residuals（注意力残差）。核心思路是：把注意力机制"旋转90度"，用 attention 替代传统的残差连接。这篇论文让马斯克、Karpathy 等人为之一震，更令人惊讶的是，共同一作之一是一名年仅17岁的高中生。

核心观点

残差连接的本质问题：传统 Transformer 的残差连接是固定模式（加法），而 attention 是动态的信息聚合。团队提出：既然时间维度上 attention 替代了 RNN 的固定递归，那深度维度上是否也该用 attention 替代固定的残差连接？
时间-深度对偶性：深度神经网络的"层"和循环神经网络的"时间步"本质上都是对信息的迭代处理。Transformer 在时间维度上用 attention 替代了 RNN，现在在深度维度上也该如此。
即插即用：Attention Residuals 不需要修改网络其他部分，可以直接替换残差连接，兼容现有架构。

补充要点

17岁高中生陈广宇（Nathan）：一年前还不知道 Transformer 是什么，通过黑客松结识了奇绩创坛创始成员董科含，后者成为他的创业导师。在 DeepSeek 研究员指导下，利用 Gemini 作为辅助工具研读经典论文、追踪 GitHub 开源项目逐步建立认知。
从兴趣到能力：他在推特上分享对一篇博客的反思后获得作者回复，引起硅谷 AI 初创公司 CEO 关注，通过通宵实验测试后获得实习机会。在硅谷七周实习期间负责涉及 144 张 H100 显卡的项目，参与招聘系统搭建、技术内容输出及融资策略讨论。
加入 Kimi 的契机：正是 GitHub 上的 Flash Linear Attention（FLA）项目吸引了他对机器学习的兴趣。实习结束后回国，于去年 11 月加入月之暗面，做的正是最底层、最核心的 attention 工作。
成长路径启示：相比"少年天才一路开挂"的故事，陈广宇的经历更像另一种路径——先被时代最前沿的技术击中，再一步步把兴趣磨成能力，把能力带到真正的大模型研发现场。

我们能学到什么

1. 快速入门新领域的方法论

陈广宇用一年时间从零到共同一作顶会论文，他的方法值得借鉴：

用 AI 辅助学习 AI：用 Gemini 帮助研读经典论文、理解概念
追踪开源项目：从 GitHub 的 FLA 项目入手，看实现、读代码
社交学习：在推特分享思考，获得大牛反馈
实战验证：通过黑客松、限时实验测试证明自己

2. 底层技术才是护城河

陈广宇没有停留在应用层，而是"一路往更底层钻"——研究 Triton kernel、理解 attention 为什么能被这样重写和加速。这提醒我们：表层技术迭代快，底层原理相对稳定。

3. 连接比天赋更重要

他不是闭门造车，而是：

参加黑客松结识导师
在社交媒体主动输出
通过实习进入核心圈子

主动连接能让你进入正反馈循环。

如何快速入门新领域

结合陈广宇的经历，总结一套可复制的方法：

找到入口：一个让你"被击中"的开源项目或论文
AI 辅助深读：用 AI 帮你啃懂经典论文，不懂就问
动手实践：跑代码、改参数、看效果
公开输出：在社交媒体分享学习笔记和思考
寻找社区：参加黑客松、加入开源项目、找导师
向下扎根：不要停留在 API 调用层，往底层原理钻

论文地址：Attention-Residuals

万字拆解Palantir：股价暴涨30倍幕后，中国厂商卡在哪？

Thu, 19 Mar 2026 18:10:00 +0800

本文由 AI 自动摘录整理，原始链接：万字拆解Palantir：股价暴涨30倍幕后，中国厂商卡在哪？

推荐指数：8/10（推荐读原文）

背景

Palantir 股价暴涨 30 倍的背后，是其独特的三大技术壁垒：本体论（Ontology）、AIP（AI Platform）和 FDE（Foundry Data Engine）。这篇文章深入分析了 Palantir 的成功密码，以及中国厂商在学习对标时面临的困境与挑战。

核心观点

长期主义是关键：Palantir 从 To G 的军政口生意起家，历经近 20 年的长期亏损才实现盈利。这种战略定力和长期投入，是国内厂商普遍缺乏的
“推理框架"才是核心竞争力：Palantir 凭借 AI 崛起的核心不是 Agent 或数据，而是多年前就开始布局的"推理框架”——这是国内厂商尚未完全破解的底层地基
三大瓶颈制约中国厂商：算力（缺乏英伟达级别的成熟生态）、资金（小厂没资源，大厂资源分散）、人才（既懂技术又懂业务深度的复合型人才稀缺）

补充要点

国内厂商更倾向于快速追求商业变现，垂类模型、数字人等领域虽能变现，但未来竞争力的核心是推理框架
懂业务是技术团队的"软肋"：没有行业经验，容易低估业务复杂性
Palantir 模式需要本土化适配，直接照搬不现实
业界共识：借鉴 Palantir 要"拆开看、揉碎了学，再长出属于自己的东西"
预计两三年后，谁能真正学会 Palantir 就会看得比较清楚

中国版 Palantir 的代表厂商

文章提到了几家对标企业：

百望股份：G To B To B 基因，参与国家财税数据基座建设
滴普科技：脱胎于华为和阿里技术团队，成立 DIC（深度创新中心）加强业务能力

值得思考的问题

“中国市场很大，哪怕做垂类模型或者做数字人，都能有商业变现的机会。当这些领域成为红海时，决定竞争力的将会是推理框架，但那个时候再做肯定来不及了。”

魏磊杰 | 立足现实情势再谈台湾统一的现实迫切性

Tue, 10 Mar 2026 20:29:00 +0800

本文由 AI 自动摘录整理，原始链接：立足现实情势再谈台湾统一的现实迫切性

推荐指数：6/10（读重点章节）

背景

厦门大学法学院教授魏磊杰发表于《中国评论》2026年2月号的文章，批判「新现状维持论」「瓜熟蒂落论」「民主统一论」三种立场，论证尽早「收台」的战略迫切性。文章从四大迷思入手，分析台湾内部政治、民意走向、台积电战略价值变化等因素。

核心观点

「新现状维持论」的基础是四大迷思：维持现状的是台湾 vs 改变现状的是大陆；台湾是民主灯塔；台湾民众会像乌克兰一样战斗到底；台积电是「护国圣山」——作者逐一解构
台湾民主已变质：民进党全面执政后，媒体绿化、人事酬庸化，形成「民选国王制」，赖清德时代更是一派独大，不可能接受「维持现状」剧本
台积电不再是永久筹码：美日韩 2030 年前后将承担相当部分先进制程产能，一旦「台积电」变「美积电」，台湾对美国的战略价值将重新定价

补充要点

赖清德将大陆列为「境外敌对势力」，提出 17 项因应策略，两岸敌意达历来最高
民进党「极限施压」的两个考量：选举需要区分敌我；部分人认为越早打越好，趁美军仍有优势
台湾民众缺乏战争意志：四百年未经历重大战火，追求「小确幸」，对战争残酷性缺乏认知
地缘条件差异：乌克兰有北约接壤可获援助，台湾是海岛，一旦封锁将孤立无援
台湾民调数据：89.5% 不认同大陆对台威胁，84.4% 支持台湾未来由 2300 万人决定
作者建议：自行设定「收台」日程（2027/2035/2049），形成「战术模糊」下的战略确定性

20岁大学生花10天VibeCoding一个开源项目，获盛大3000万投资

Tue, 10 Mar 2026 20:26:00 +0800

本文由 AI 自动摘录整理，原始链接：20岁大学生花10天VibeCoding一个开源项目

推荐指数：7/10（推荐读原文）

背景

中科大 20 岁学生 BaiFu 用 10 天 VibeCoding 出两个开源项目：BettaFish（多 Agent 舆情分析）和 MiroFish（AI 预测引擎），双双登顶 GitHub Trending。后者获盛大陈天桥 3000 万投资。文章分享了 VibeCoding 的方法论和对「超级个体」的思考。

核心观点

MiroFish 做什么：通过提取现实世界的种子信息，构建平行数字世界，让成千上万个具备独立人格、长期记忆的智能体进行社会演化，推演事件走向（如红楼梦续写、企业战略分析）
VibeCoding 落地流程：Figma 画草图 → Google AI Studio 做前端 demo → 拆分模块交给 AI IDE 开发；前端推荐 Gemini 3 Pro（有灵气），后端工程用 Claude（稳定性）
多 Agent 并行策略：同时开 8 个 agent 干一样的活，效率飞快，还能直观摸到每个模型的能力边界

补充要点

BettaFish 一周暴涨 20k star，MiroFish 目前 5.7k star
红楼梦案例：从 15 万字原著生成 905 个实体节点、3822 条关系边、580 个人设，成本约 14 元
刹车系统很重要：git 管理代码 + 写好文档，防止改了 A 影响 B
深度 code review：一行行审计 AI 代码，理解它的思考过程，纠正关键误区
开源选题建议：从垂直领域切入积累口碑，再面向大众；做减法，不追求大而全
营销素材提前准备：演示视频等能让「别人帮你宣传」的内容
代码是冷的，故事是热的——学会讲故事是独立开发者的必修课