宝玉分享 AI 原生思维:像训练大模型一样训练自己
宝玉在腾讯内部以自研字幕翻译 App 为主线,讲述 AI 产品从找需求、判边界、最小验证、重设计到落地交付的完整过程。他提出判断需求的三问与能力、成本、价值三条边界,并复盘一次成本优化把调用从 33 次降到 12 次、单集处理从 31 分钟降到 18 分钟。问答部分回应个体如何与 AI 共同进化,主张执行层交给 AI,人专注定义问题与验收结果。
宝玉在腾讯内部以自研字幕翻译 App 为主线,讲述 AI 产品从找需求、判边界、最小验证、重设计到落地交付的完整过程。他提出判断需求的三问与能力、成本、价值三条边界,并复盘一次成本优化把调用从 33 次降到 12 次、单集处理从 31 分钟降到 18 分钟。问答部分回应个体如何与 AI 共同进化,主张执行层交给 AI,人专注定义问题与验收结果。
宝玉解读 Claude 博文《How Warp builds self-improving agents on Claude》,介绍 Warp 用两个 Skill 解决代码审查 Agent 缺少项目记忆的问题:一个基础 Skill 负责审查,一个改进 Skill 定期收集工程师在 PR 中的评论并据此更新审查 Skill。
Sebastian Raschka 用 52 页讲义和 48 分钟视频讲解 Claude 文本水印的实现机制。水印不在模型内部,而是在采样阶段用密钥派生随机种子,使部分位置的 token 选择变得确定;检测时借助 SynthID-Text 的锦标赛采样,只需密钥和水印函数即可给文本打分,无需重跑 LLM。
Berkeley AI Research 介绍将 K-Search 演化内核搜索框架扩展到 MLX 的工作,通过结构化的 CUDA 到 MLX 翻译层,让已有 CUDA 内核经验迁移到 Apple Silicon。
Anthropic 工程团队发文介绍 claude.ai、Claude Code 和 Claude Cowork 三款智能体产品各自的隔离架构,包括 gVisor 临时容器、操作系统级沙箱和本地虚拟机三种模式。
推荐理由:Anthropic 公开三款智能体产品的隔离架构与真实事故复盘,可对照自身部署的沙箱与出网控制设计。
Anthropic 查明近一个月 Claude Code 质量下滑源于三处独立改动,分别涉及默认推理强度、思考历史缓存和系统提示词,均已修复,API 未受影响。
推荐理由:官方复盘三处改动如何叠加成质量下滑,并给出提示词变更与灰度发布的改进措施。