与「AI_Coding」相关的搜索结果

I just published a manifesto for all the developers out there who use an AI coding tool, but feel like they're not shipping much faster I wrote 10 principles for changing how you build software with AI, based on what I've seen work for teams across Amazon

Here's my conversation with @DHH. He is back for round 2! It was an epic fun 5 hour conversation about the future of programming, AI, Linux, and human civilization. It's here on X in full and is up everywhere else (see comment). Timestamps: 0:00 - Episode highlight 1:27 - Introduction 2:56 - Programming with AI agents 18:14 - How software will change 27:30 - AI impact on open source 37:21 - Building Omarchy Linux distro 47:05 - Vibe coding vs agentic engineering 1:00:06 - The end of manual programming 1:10:24 - Advice for programmers 1:22:30 - Surviving Internet Hate 1:31:46 - Programming setup for AI Agents 1:44:11 - Obsessing about speed 2:07:06 - Voice prompting vs typing 2:21:05 - Best AI coding models 2:37:55 - Best AI coding harnesses 2:50:57 - AI video generation and filmmaking 3:10:28 - Fatherhood 3:38:35 - Linux will win the desktop 3:49:51 - PewDiePie 3:59:24 - Future of programming 4:22:17 - Politics and immigration 4:53:54 - Longevity, over-optimization, and fear of death 5:05:38 - Eternal recurrence and future of human civization

Lauren Tan @poteto 是 Cursor 的工程师，之前在 Meta 做 React Compiler，也在 Netflix 做过 tech lead 和工程经理。 她加入 Cursor 只有五个月。第一个月还在熟悉代码库，上个月已经合入了 1000 个 PR。这个月才过去 12 天，她又合入了接近 800 个。 这不是 AI slop code，而是你每天都在使用的 Cursor 的代码。 很多人，包括 Claude Code 的 Boris，都提过自己借助 coding agent 达到了类似的效率。但真正愿意把工作方法完整分享出来的人并不多。Lauren 在这个一小时的视频里，几乎是手把手讲了她怎么走到这一步。 她认为，用 AI coding 最大的问题不是生成代码，而是验证代码。 如果 agent 不能自己运行产品、操作界面、读取 CPU trace 和 heap snapshot、打开模拟器并复现问题，那么最后还是要由你来检查结果。你就是整个流程的 verifier，也是无法并行工作的瓶颈。 Lauren 的做法，是先给 agent 建立完整的验证能力：让它能通过 Chrome DevTools 或模拟器实际操作产品，再用 feature map 告诉它每个功能在哪里、怎么进入。这样即使同事只丢来一张截图，或者一句很模糊的 bug 描述，agent 也能找到对应功能，复现问题并验证修复。 每当她发现 agent 在猜测、漏读代码或走错方向，就把这个失败模式写成一条 skill。然后像测试代码一样测试这些 skill：让多个 sub-agent 分别执行任务，由 coordinator 制定 rubric，再让另一个模型交叉检查评分，反复迭代到结果足够稳定。 现在，她甚至允许 agent 自动合并 PR。有一天早上醒来，已经有 20 个 PR 自动进入 main；她直接在 main 上检查，结果都没有问题。 这套方法不是简单的提示词技巧，更像做工程管理：先设计好环境、流程和验收机制，再让团队并行工作。只不过这支团队，现在由几十个 coding agent 组成。

accounts you need to follow @karpathy = LLMs king 👑 @steipete = built OpenClaw (now at OpenAI) @levelsio = indie startups king @marclou = SaaS + MRR king @gregisenberg = startup ideas king @rileybrown = vibecoding king @jackfriks = solo apps king @godofprompt = prompt king @EXM7777 = AI ops + systems king @eptwts = AI money twitter king @AmirMushich = AI ads king @0xROAS = AI UGCs king @egeberkina = AI images king @MengTo = AI landing pages king @corbin_braun = Cursor / AI coding king Follow them and learn

《收藏！2026下半年最值得关注的10场AI大会》⭐ 号外！号外！🥳 继昨天Biteye整理了Web3下半年的跑会指南后，经 @xingpt 老师催更，我们加急整理出了2026年后半年的AI跑会指南！ 从 OpenAI、NVIDIA，到阿里、华为、微软、AWS，再到 NeurIPS，接下来几乎每隔一阵就会有一场重磅活动。 👇如果你下半年有AI跑会计划，这份指南可以直接收藏！ 一、【大模型与开发者生态 】🔥 1⃣OpenAI DevDay 2026 ⏰️时间：9月29日 🗺️ 地点：美国·旧金山 🏢 形式：线下开发者大会 + Keynote线上直播 💼 适合人群：AI开发者、技术创业者、工程师、产品负责人 ⭐ 亮点：下半年最值得蹲新品的一场。核心关注新模型、API、Agent、开发工具和AI应用开发范式。 🔗 报名链接： 2⃣2026 云栖大会 ⏰️时间：9月22日—24日 🗺️地点：杭州 🏢形式：线下主论坛 + 140+分论坛 + 大型科技展区 💼适合人群：AI开发者、创业者、产品经理、企业技术负责人、投资人 ⭐亮点：重点关注Qwen、Agent、AI Coding、云计算和Physical AI，适合看阿里系AI技术和产业生态的新进展。 🔗报名链接： 二、【AI算力与基础设施 】🔥 1⃣NVIDIA GTC Berlin 2026 ⏰️时间：10月20日—22日 🗺️ 地点：德国·柏林 🏢 形式：线下技术大会 + 黄仁勋Keynote直播 💼 适合人群：云计算工程师、AI开发者、企业技术负责人、架构师 ⭐ 亮点：重点关注GPU、AI Factory、推理、Agentic AI、机器人、Physical AI。 🔗报名链接： 2⃣HUAWEI CONNECT 2026 华为全联接大会 ⏰️时间：9月17日—19日 🗺️ 地点：上海世博展览馆、世博中心 🏢 形式：线下大会 + 峰会 + 技术论坛 + 展区 💼 适合人群：企业技术负责人、云计算/算力从业者、开发者、政企数字化团队 ⭐ 亮点：重点关注昇腾算力、AI基础设施、Agentic Computing、华为云、企业智能化。 🔗报名链接： 三、【企业AI与云端落地 】 1⃣AWS re:Invent 2026 ⏰️时间：11月30日—12月4日 🗺️ 地点：美国·拉斯维加斯 🏢 形式：大型线下大会 + Keynote直播 + Workshop 💼 适合人群：云计算工程师、AI开发者、企业技术负责人、架构师 ⭐ 亮点：全球云计算领域最重要的大会之一，AI已经成为核心板块。重点关注Bedrock、Agent、SageMaker、AI推理、Trainium以及企业AI基础设施。更适合看“大模型怎么真正被企业部署”。 🔗报名链接： 2⃣Microsoft Ignite 2026 ⏰️时间：11月17日—20日 🗺️ 地点：美国·旧金山 🏢 形式：线下技术大会 + Keynote + Hands-on Lab ⭐ 亮点：重点看Copilot、Azure AI、Agent和Microsoft 365，是观察微软企业AI生态的核心大会。 🔗报名链接： 四、【AI创业与融资 】🔥 1⃣TechCrunch Disrupt 2026 ⏰️时间：10月13日—15日 🗺️ 地点：美国·旧金山 🏢 形式：创业大会 + Startup Battlefield + AI专题舞台 💼 适合人群：AI创业者、Founder、VC、BD、产品团队 ⭐ 亮点：融资和创业资源密度很高，适合看硅谷AI创业趋势、找项目和对接投资机构。 🔗报名链接： 2⃣Web Summit Lisbon 2026 ⏰️时间：11月9日—12日 🗺️ 地点：葡萄牙·里斯本 🏢 形式：超大型科技大会 + AI Summit + 创业展区 💼 适合人群：AI创业者、VC、产品团队、增长和BD团队 ⭐ 亮点：重点不是“最前沿模型”，而是AI创业、融资、AI产品、SaaS和全球创业生态。适合找项目、找投资趋势以及观察AI创业公司到底在做什么。 🔗报名链接： 五、【具身智能与前沿研究 】🔥 1⃣AGIC 2026 深圳国际通用人工智能产业博览会 ⏰️时间：8月26日—28日 ⭐ 地点：深圳国际会展中心（宝安） 🏢 形式：线下展览 + 论坛 + 新品发布 + 机器人体验 💼 适合人群：AI创业者、机器人/具身智能团队、AI硬件公司、投资机构 ⭐ 亮点：重点覆盖具身智能、人形机器人、大模型、AI Agent、国产算力、脑机接口和AI硬件。相比纯论坛，它最大的优势是现场实物和Demo多，很适合拍视频、找机器人和AI硬件选题。 🔗报名链接： 2⃣NeurIPS 2026 ⏰️时间：12月6日—12日 🗺️ 地点：澳大利亚·悉尼，另有巴黎、亚特兰大Satellite 🏢 形式：学术主会 + Workshop + Poster + Satellite会议 💼 适合人群：AI研究员、博士生、实验室、基础模型团队、技术投资人 ⭐ 亮点：全球AI研究风向标之一，适合看推理、多模态、Agent、World Model、机器人等下一阶段前沿方向。 🔗报名链接：

AI Coding 最危险的阶它写得太快了，快到人开始不知道自己到底写了什么。 最近一次周会上，我们聊到一个很有意思的变化。 以前研发开站会，一个人通常能很具体地说清楚：昨天完成了哪个功能，今天准备实现哪段逻辑，明天要联调什么。 一个需求如果要做五天，也会自然地被拆成五个阶段。每一天都有一个明确的结果，Leader 能听懂进度，开发自己也知道代码正在往哪里走。 但接入 AI Coding 以后，事情开始变得不一样。 有些人拿到需求，第一反应已经不是先把目标拆清楚，而是把整份需求直接丢给 AI。AI 很快就能生成一大堆代码，原本预计五天的开发，可能第一天看起来就“做完了”。 问题来了，接下来的四天并没有因此消失。有时候会远远超过四天。 它们只是换了一种形式出现：不断改 Bug、反复联调、修好一个地方又弄坏另一个地方。 更麻烦的是，开发者自己也很难准确回答： 这次到底改了什么？ 哪些功能真的完成了？ 哪些只是页面看起来能跑？ 这段修改影响了哪些旧逻辑？ 于是出现了一个很反常的现象，代码生成速度越来越快，团队对开发过程的理解反而越来越模糊。 测试也被拖进了这个黑盒。 原本测试应该做的是验收需求是否实现，功能是否符合预期，质量能否达到上线标准。 现在却经常变成陪着开发一起找答案，为什么修完新问题，旧功能又坏了？ 表面看，AI 把“写代码”这一步大幅提速了；但如果需求没有被拆解，阶段结果没有被定义，变更也不可追溯，那么被省掉的开发时间，最后很可能会以 Bug、返工和沟通成本的形式重新付回来。 AI Coding 带来的核心变化让软件工程里原有的反馈机制被打乱了。 过去，代码写得慢，反而逼着人一步步思考：我要做什么、先做什么、怎样验证。 现在，AI 可以一次吐出大量结果，人很容易产生一种“已经完成”的错觉。但生成完成，不等于功能完成；功能能跑，也不等于工程完成。 AI 越快，人越需要主动制造检查点。 下一代研发流程真正要解决的，可能不是如何让 AI 再快 20%，重点应该放在如何让每一步结果都能被人理解、验证和追溯。 AI Coding 的终局也不应该是人把需求扔进去，然后等结果出来。 那不是软件工程自动化，只是把原来的黑盒换成了一个速度更快的黑盒。 真正成熟的 AI 研发体系，应该让 AI 负责加速，让人始终保有理解、判断和验收的权力。 所以 AI Coding 的上半场比的是谁生成代码更快；下半场比的会是谁能在这种速度下，仍然保持工程过程清晰、质量可控。 模型能力最终会逐渐趋同，但谁先建立一套适合 AI 时代的研发机制，谁才真正拿到了 AI Coding 的红利，而不是得到一堆写得更快的 Bug。 以上。

Pi 的 600 行教学版 把上万行的生产级 AI coding agent pi 拆成 600 行 TypeScript 教学版，让初学的人跟着文章从零写一个能读文件、改代码、执行命令的 agent。

Should you chase hype or ignore it? The tech industry has been debating this for decades. So at @Sequoia, we dug into 20 years of hype data. This summer, I worked with Sequoia intern @ochonaut to measure hype over the past 2 decades. The chart below ranks the most hyped topics on Hacker News for every year since 2007. Under each year sits the most valuable company founded that year. Here are a few observations: 1/ The top company founded in a given year is rarely related to the hype of that period. Airbnb was founded in 2008, when the top topic was Google. Uber arrived in 2009, while the conversation revolved around low-level programming. Anthropic came in 2021, while the internet was consumed by crypto. Chasing hype rarely leads to enduring outcomes. The top companies of recent years have yet to be decided. 2/ New trends announce themselves five to six years early. LLMs first cracked the top 15 in 2016 and took until 2022 to hit #1#. AI coding entered at #12# in 2021 and tops the list in 2026. Crypto entered in 2011 before 2017 and 2021 peaks. “New” trends don’t appear out of nowhere, and internet subcommunities are often the first to know where the puck is headed. 3/ Long-term “hype” is a durable signal. The “Musk-Verse” has been a top 15 topic for every one of the past 14 years. Sustained attention on the internet is rare and tends to mark something real. Next up, we want to run the same analysis with sources like X and LinkedIn. If that's of interest, give us some encouragement and we'll share the results.