与「基本功」相关的搜索结果

我从2025年就一直反复强调。 现在所有大学本科生最重要的第一节课，就是买一个最大的coding plan，用上claude code或者codex， 第二节课是自己做一个最最最小版本的coding agent，可以对比codex或者claode code的基本功能，只要能输入一个基本功能，iteratively让agent完成写代码、编译、测试、 运行的功能即可，一切在terminal里，先把terminal和tool calling功能做好， 第三节课是认真观察codex和claude code的基本功能，把里面的memory、skills、multi agent/subagent、background tasks、session管理、context compression、TUI/GUI设计、如何可视化diff、如何管理好额外的btw等等类似的功能、如何把goal的功能放进去、如何实现scheduled tasks、如何实现权限管理等等，一步步一点点摸索实现出来。 我反复讲，一个计算机本科生能看完立党AI研究学习教程，把上面这三节课做完，就已经吊打清华计算机80%以上的本科生了。

1/ Evals 正在成为AI产品经理的基本功。 Lenny 上周分享了25个优秀的PM职位，其中近一半要求应聘者具备编写Evals的经验。 越来越多公司也在公开成果：做好评测，可以同时改善质量、速度和成本。👇

前两周面了一家硅谷背景的 AI 基础设施团队，考官抓着大模型结构化输出的容错刨根问底。 面试官发难：考官指着屏幕上的 Python 代码：“我们需要大模型提取实体并返回纯 JSON 供后端解析，怎么彻底防止它偶尔在开头输出一段‘好的，这是为您生成的回复：’或者把 Markdown 反引号带进去？” 我心里怎么想的：我强忍住想笑的冲动：“这不就是我们日常调教大模型的基本功吗？恐吓它、教育它、多给两个 Few-shot 样例，它不就老实了？！” 我嘴上怎么答的：“呃,在 Prompt 里加粗强调：‘【死命令】：只许输出纯 JSON，严禁输出任何多余废话或 Markdown 符号，违者扣分！’” 面试官的反应：考官推了推眼镜，眼神里满是看破红尘的无奈：“不管你怎么用感叹号恐吓大模型，在概率采样的世界里，它总有千分之一的几率抽风，你的后端解析就会在半夜报 500。” 后来进了大厂跟组里负责推理引擎的 Tech Lead 聊起这事，才发现我当时有多天真。靠自然语言 Prompt 永远无法保证 100% 确定性。大厂的做法是走底层约束解码（Grammar-Guided Decoding），比如通过 Outlines、Jsonformer 或者模型官方原生的 Structured Outputs API，直接在 Logits 采样阶段把所有非合规字符的概率强行置零！

Grok Bot 设计之旅 来自 Grok Bot Design Lead @johnbai 是 Cursor 纽约办公室的第一位设计师，John 在这期访谈中首次公开其幕后设计过程。 # Grok Bot 产品起源：为什么 Cursor 要"另起炉灶"？ Cursor 桌面端对非技术用户门槛过高，工程化概念让设计师等群体难以上手。John 入职后长期负责增长与 onboarding，核心命题一直是"降低门槛"。 内部曾有两派：一派主张改造现有产品（John 甚至提过类似 Codex 后来采用的"双模式切换"方案：coding vs. tasks）；另一派主张彻底重做。最终共识是：Cursor 品牌技术感太强、包袱太重，对非工程师缺乏吸引力，于是高层自上而下拍板，由几名资深工程师闭门探索全新产品。 Grok Bot 初版是精简版 Cursor Glass（agents 窗口）+ iMessage 式聊天界面。这是关键的"秘密武器"——AI 圈用户习惯了流式输出和思考状态，但普通用户最熟悉的是 iMessage/WhatsApp 的消息形态。这一选择奠定了产品的亲和力。 # 设计探索：从"激进重构"到"回归聊天" John 展示了大量未采用的探索，其演进逻辑值得注意： 1. 质疑范式：他最初质疑"为什么又是左栏列表 + 中间聊天 + 右侧详情的三栏结构"，尝试了大量替代形态——任务清单悬浮窗、"Mission Control"多 Agent 监控视图、便签式界面、Raycast 式唤起、常驻桌面的 "Notch（灵动岛）"概念、Clippy 式桌面角落角色等。 2. 用产品打造产品：他用内部原型（代号 Sand，即 Grok Bot 前身）来构建自己理想中的 Notch 形态。亲手使用后他发现：Notch 形态会丢失上下文，而聊天仍是管理 "Agent 舰队" 的正确交互范式。这是本期最重要的认知反转——设计师通过快速原型证伪了自己的激进方案。 3. 收敛逻辑：领导层对"退居后台"的 ambient 方案反应冷淡，因为产品需要品牌存在感；而探索中诞生的碎片（如六边形 Cursor logo 加双眼的像素小人）最终演化为 Grok Bot 的吉祥物。两条设计路线——"给工程版抛光"与"彻底重做"——最终融合为现有形态。 4. 拟人化的来源：早期内部用户自发给 Agent 起名、上传表情包当头像，团队从中捕捉到"用户想赋予 Agent 人格"的信号，遂将角色形象设为默认状态。 # Onboarding 哲学（本期最有方法论价值的部分） John "在 Cursor 的全部时间都在设计 onboarding"，其核心原则： 1. 衡量负担的标准是概念数量，而非步骤数量。只要价值传达清晰、过程有吸引力，用户愿意走完多步流程；反之，塞入过多概念（他点名 Buzz 的 onboarding）会让人流失。 2. 不要迷信 Skip 按钮。AI 工具跳过引导后，用户被丢进空白输入框，直接陷入"行动瘫痪"（action paralysis）。先教会用户产品能做什么，比让他们快速进入产品更重要。 3. 最终落地的三步：① 你拥有的是一个 Agent 团队（各有分工）；② 每个 Agent 有自己的电脑（嵌入式 computer-use 窗口 + takeover 接管按钮——主持人称这是他的 "aha moment"，因为云端电脑的运作首次变得透明可信）；③ 任务可自动化运行。 4. 被砍掉的方案及原因：连接 Google 做个性化定制（信任未建立，用户不愿授权）；语音引导（跟风 ChatGPT/Claude 语音模式，但新用户"不知道该说什么"，时机错误）。 5. 用动效"买时间"：信息逐步流入的动画，既表现 AI 在思考，又掩盖了加载延迟。 # Cursor 的设计文化 没有两个设计师流程相同：有人纯代码起手（做 Cloud Agents 的 Maya 甚至没有 Figma 文件，只交付 Vercel 可交互原型），有人用 Paper，John 自己仍以 Figma 起草——但 Figma 的定位已变为"喂给 Agent 的素材与故事板"，文件本身是完全一次性的（throwaway）。 Agent 深度参与设计执行：John 把 Notion 文档丢给 Bot，让它在 Figma 里自动布局数十个 logo 变体、填充组件网格——过去需要手动 Google 找 SVG、缩放对齐的重复劳动全部外包。后期他甚至跳过 Cursor，直接让 Agent 在浏览器里生成多个方案。 高保真评审文化：每个想法必须附带可交互原型，crit 时发链接让所有人亲手试用。"静态走查已经不够用了"——这迫使设计师在分享前就验证方案是否成立，避免"给烂方案抛光"。 沙堡心态与 unshipping：设计师不能对自己的概念有执念（"can't be precious"），早期探索注定大量被丢弃，但碎片会进入最终产品；公司内部有强烈的"反上线"（unshipping）文化，靠删除来收敛复杂性。 他引用 Colin Dunn 的 "informed simplicity"：用户觉得"理所当然"的简洁，来自设计者先极度发散、再极度收敛的过程。 # 团队、招聘与反馈机制 团队：冲刺期共 5 名设计师，按各自强项自然分工（John 做探索与 onboarding，Pong、Keith、Tyler、Mamuso 抛光主壳），品牌团队主导命名与形象迭代。 招聘标准：基本功优先于工具数量、出活速度或"模型优化技巧"。核心考察能否真正 ship 产品、是否有体现 PMF 寻找循环的工作流程——"现在什么都能造，但不是什么都值得造。" 反馈处理：坚持用户研究 + 数据驱动。重视深度用户（如主动向 power user 私信索取详细反馈，再让 Bot 汇编成 Notion 文档同步团队）；数据洞见直接指导迭代——用户常用 Bot 少于 5 个（影响信息架构）、授权认证是主要卡点、吉祥物反响强烈（故提升其存在感）；同时密切观察用户自发"hack"出的用法（如 iMessage 版 Bot），顺势纳入设计。 # 实际使用场景（产品能力的具象化） John 本人：妻子申请绿卡，让 Bot 扫描邮箱自动找出过去 5 年的租约与账单；租房监控（定时抓 StreetEasy 房源，按"靠近地铁蓝线"等条件排序）；跨工具流水线（Slack 反馈频道 → Notion 数据库 → 自动更新 Figma 设计，人只需验收）。 主持人 Rid：梦幻橄榄球 GM Bot（抓取公开交易数据 + 动态竞价模型）；QA Bot（每日自动跑完全部产品流程、生成工单，置信度达标即直接派给 Cursor Agent 修复）——他在机场行李提取处用手机修好了此前两次都没修好的 bug。 John 的总结颇具代表性："我现在默认它什么都能做，因为我还没碰到过墙。"

加拿大列治文地产佬Jason Liu发微信催华人投票，吐槽投票率低，配了张AI图把印裔候选人画成戴头巾+印度旗，搞对立。他自己认错删图道歉，但坚持“催投票没错”。 魔幻的是市议会由 @billmcnulty2022 @CarolDayRmd 牵头一开会就全票谴责，要求正式道歉，还直接扔给BC人权法庭。 公权力对一个公民的微信帖子上纲上线，快赶上中国网警了！ 鼓励投票是民主基本功，图片翻车认了就完事。市议会不给说话机会就定性+送审，这不是反歧视，是选举季用公权力吓唬人、压华人发声。 鼓励所有列治文居民都出来参加今年的市选投票，支持大老王@jizhouwang2026 和其他所有有志参选市议员/市长的社区参与人士！ 言论自由不能以任何虚伪的名义被打压！

把手机远程访问家里的 agent 换成了 moshi + tailscale + herdr，moshi 刚才用了，有点小贵，基本功能 Termius 免费版本也行。 一直赞叹 tailscale 很伟大，玩法多变，就是不知道手机上怎么开了 vpn 再开它，每次只能把 vpn 关掉。

面试时看走眼最多的，不是那些能力差的。 能力差的一眼能看出来，直接就筛掉了。 真正容易看走眼的，是那些表达能力特别强的人。逻辑清晰、对答如流、案例一套一套的。面完你觉得就是他了。 但入职以后发现，他能说，但不动。会议上一讲一堆想法，落地的时候找不着人。三个月下来，做的事还没有那个面试时紧张得说不出话的人多。 后来我学乖了。面试不问“你怎么做的”，问“你做完了以后，结果怎么样，数据是多少”。能说会道的人，问到这个环节就虚了。反而是那些嘴笨的人，能拿出东西来。 做了十几年培训，越来越觉得：表达能力是加分项，但执行力才是基本功。没基本功的加分项，迟早要扣回去。 你们面试时最容易看走眼的是哪种人？

藏族自古是马背上的民族，马术传统代代相传。每年夏天，各地赛马节一场接一场。“腰马合一” 对骑手来说，不过是祖传基本功罢了。🐎🤩

最近深度使用了一下 Kimi 3，所以对这个模型的真实编程能力有一定的发言权，正好有做一个录屏软件的需求，之前也说过市面上现在有很多，但是我想按照我的需求深度自定义一个，用来测试一下 Kimi3 的实力，因为这个 case 还是比较复杂的，React UI界面，Rust 核心 以及Swift bridge，录制可靠性以及复杂的编辑和交互等等。 在使用过程中还是挺惊艳的的，从出 plans，到执行，再到自动化验收，启动数个 sub agents，完成平行任务，几个大任务 多 agent 并行连续执行了 5 - 6 个小时，1M 的上下文非常够用，300多个自动化测试，整个过程我就是在交互指导和验收过程中进行过几次微调。 最终按照 plan 实现了几个关键功能的 demo，录入屏幕，摄像头 和音频，可以自动记录点击和输入事件，可以实现自动 zoom，可以实现导出不同的尺寸，不同画框的尺寸拖拽，可以支持多种背景，纯色渐变和系统壁纸，虽然现在 UI 还没有打磨，但是基本功能都实现了。 如果对比一下的话，整体感觉差不多是 Opus 4.8 和 5.5 持平，部分场景有些 5.6 Sol 的感觉，我之后应该会长期使用一下持续关注效果。