meng shao (@shao__meng)

吴恩达老师分享「AI Engineering 技能图谱」 @DeepLearningAI 团队分析了超过 1 万份 JD，并对 AI 专家、招聘经理和猎头进行了数十次结构化访谈，结合调查问卷和网络数据，得出「AI Engineering 四个核心技能」。 1. 构建与部署 AI 应用 AI 应用与传统软件的根本区别在于输出的不可预测性——你无法预知 LLM 会返回什么，也无法预知模型在新样本上的预测。 因此核心能力不只是掌握 LLM、上下文工程、RAG、智能体工作流、深度学习这些构件，更在于用统计方法去度量、引导和治理 AI 系统，其中最关键的是"纪律严明的评估与错误分析闭环"。 2. 软件工程基本功 工程的本质是在成本、可扩展性、可靠性、速度、安全、隐私之间做权衡。只有理解底层原理，你才看得见权衡的存在。 一个尖锐的现实：不懂基本功的开发者做 "vibe coding"，往往不知道给编程智能体提供什么上下文，也就无法察觉智能体正在替自己做糟糕的架构决策。 基本功的价值从"亲手写代码"转移到了"用精确的工程语言驾驭智能体"。 3. 使用编程智能体 这已成为每个开发者的必备技能，包括： · 对智能体能力与局限的准确心智模型，知道何时干预、何时放手 · 管理智能体的上下文，在规划与执行之间做权衡 · 提供验证器或评估机制，让智能体自主闭环 · 编写清晰的规格说明（以及判断何时不必写） · 编排多个智能体协同工作 · 规避高风险操作（如智能体误操作生产数据库） · 由于该领域快速演进，还需建立持续尝试新工具、迭代工作流的习惯 4. 塑造构建方向 当智能体越来越擅长"按规格交付"，工程师的价值重心就上移到"决定规格里该写什么"。 这意味着：工程师不能再等着拿到像素级完美的设计稿只做实现，而需要具备产品 Sense、商业上下文和客户目标的理解，参与定义做什么。同时要把握节奏——知道何时快速做 MVP 验证用户，何时放慢脚步精心构建。

Qwen3.8-27B 开源了 ⚡ 相比 Qwen3.8 Max，27B 开源更值得特别关注！ Qwen3.8-27B 是原生多模态稠密模型，表现整体超过 Qwen3.7-Plus，在真实编程与办公流程上更突出。 既然是 27B，就得好好看看部署环境要求了，兼容 vLLM / SGLang / TokenSpeed，另有官方 FP8。社区已有 GGUF / Unsloth 等量化。 这里推荐 @UnslothAI 的量化方案，17GB RAM 可跑：

这几天突然想起那些「中国版 Figma」「中国版 Canva」们，它们过得还好吗？ 因为前些年在做设计工具，对「中国版 Figma」和「中国版 Canva」们都比较熟悉，这其中有很多很不错的团队：蓝湖、即时设计、稿定设计、创客贴 ... 特别是前面两者，以前都有比较多结束，团队对前端无限画布的性能优化，应该算是国内非常靠前的状态。 蓝湖的 MasterGo 和技术设计的 JSDesign 也是国内两个非常有代表性的产品，可现在呢？完全销声匿迹了。 这两个团队的现状，也是这些年互联网到 AI 时代很典型的案例了： 互联网时代：在中国做 SaaS 太难了，2C 不付费、2B 成外包、2G 没门路。。 AI 时代：AI 直接生成设计、生成代码，我还要那么复杂的设计工具干嘛？这个问题连 Figma 都解不了，更不要说这两个更弱小的中国团队了。 所以后来也看到他们做了类似 Lovable 的 AI 建站产品，记得 Wegic 就是即时设计团队做的吧，不过毕竟 Lovable 只有一个，Wegic 又是 Lovable 前一代的产品，并没有彻底 Agent 化，还保留了很多模板的内容，短期内看似效果更好了，但长期来看，就完全绑住了 Agent，且自己的运营维护成本特别高，无法维持。

Gemini 3.7 Flash 正式发布 和 Grok 4.6、DeepSeek V4 Pro 发布的声量相比，Gemini 简直安静的可怜 🤦‍♂️ 不过对于生产环境在用 Gemini 模型的朋友们，GA 和 Preview 的区别到底有多大，那是相当有价值的，毕竟 Preview 的并发和稳定性，实在是太拉了！ 另外，Gemini Flash 系列一直保持发布，Gemini 3.5 Pro 是不是真的胎死腹中，Deepmind 直接放弃 3.5 奔 4.0 训练去了？

GLM-5.3 发布了 这周又是极度热闹的一周 先是 Grok 4.6，再是 DeepSeek V4 Pro 和 DeepSeek Harness (以及 API 涨价) 现在临近周末 @Zai_org 又带来了 GLM-5.3 我甚至都没提 Gemini 3.7 Flash 😂

原来 @jietang 唐杰教授的「sooooooon」是按小时算的吗 😃 GLM-5.3 在唐杰教授发帖后几小时就正式发布了，又是后训练的一个典型案例！中国开源模型这一轮热潮也是 GLM-5.2 带起来的。 GLM-5.3 和 GLM-5.2 沿用了同一套基座模型，所有可观测的能力提升，都来自后训练阶段的持续规模化。 过去一个月 @Zai_org 在 GLM-5.2 已搭好的技术栈上持续加码： · IndexShare：长上下文的高效处理机制； · SAO（含 compaction）：面向长程任务的强化学习算法，使增益不只在短任务上显现，也能在长程任务上保持； · slime：大规模异步后训练框架，训练侧用 Megatron，rollout 侧用 SGLang。 GLM-5.3 在此之上做了三件事：更多环境、更多样任务、更多算力。在复杂编码与长程任务上对 GLM-5.2 形成明显代差，并在网络安全方向上出现了团队自己也未完全预期的"涌现式"能力跃升。 btw... GLM-5.3 是一个只有 743B 的模型，综合能力和 Kimi K3 互有胜负，厉害！

看到 DeepSeek Harness 开源发布，满怀期待的安装好 这是用「DeepSeek V4 Flash + 1390 万 Token + 30 多分钟」做出来的网站 呃。。怎么说呢，一定是我不会用，是我的问题 🤦‍♂️ btw... 图1 是 DeepSeek Harness 图 2 是 Codex + GPT-5.6 Sol

很难相信这会是 Google Design 官方账号发布的内容 如果你被盗号了 @GoogleDesign 你就眨眨眼 👀 发帖格式陈旧，内容更是空洞乏味到一时间分不清是真话还是藏着什么玄机，反复看了几次，确定没什么玄机。。。

原来 @jietang 唐杰教授的「sooooooon」是按小时算的吗 😃 GLM-5.3 在唐杰教授发帖后几小时就正式发布了，又是后训练的一个典型案例！中国开源模型这一轮热潮也是 GLM-5.2 带起来的。 GLM-5.3 和 GLM-5.2 沿用了同一套基座模型，所有可观测的能力提升，都来自后训练阶段的持续规模化。 过去一个月 @Zai_org 在 GLM-5.2 已搭好的技术栈上持续加码： · IndexShare：长上下文的高效处理机制； · SAO（含 compaction）：面向长程任务的强化学习算法，使增益不只在短任务上显现，也能在长程任务上保持； · slime：大规模异步后训练框架，训练侧用 Megatron，rollout 侧用 SGLang。 GLM-5.3 在此之上做了三件事：更多环境、更多样任务、更多算力。在复杂编码与长程任务上对 GLM-5.2 形成明显代差，并在网络安全方向上出现了团队自己也未完全预期的"涌现式"能力跃升。 btw... GLM-5.3 是一个只有 743B 的模型，综合能力和 Kimi K3 互有胜负，厉害！

GLM-5.3 发布了 这周又是极度热闹的一周 先是 Grok 4.6，再是 DeepSeek V4 Pro 和 DeepSeek Harness (以及 API 涨价) 现在临近周末 @Zai_org 又带来了 GLM-5.3 我甚至都没提 Gemini 3.7 Flash 😂

Grok 4.6 实战经验笔记 来自 Cursor 团队 @ericzakariasson，把 Grok 4.6 当做几周日常主力模型之后，写下自己真正改了什么工作方式。 Eric 实际怎么用这款模型 · 用浏览器替他走网站，包括在供应商控制台里点出 API key · 对正在跑的应用做功能和视觉 QA · 把收件箱压到只剩真正需要回的几封 · 帮他起草 Cursor SDK Bridge、/rename-chat 的发布帖，并用 Remotion 做发布视频 另外专门做了几组对照，用来压测模型 “能撑到哪里”：电子表格应用、浏览器版帝国时代 2、MSN Messenger、给开源 Excalidraw 加 presentation mode、虚构季度董事会 deck、以及 X TypeScript SDK 的 60–90 秒发布片。 他最看重的两个体感 1. 信息密度。摘要里是真正的信息，不是把任务复述一遍；运行中的短更新够他判断要不要打断。小改动时它会安静，一旦开始动很多文件才会开始叙述。作者说这个“何时说话、何时闭嘴”的分寸，调起来比想象中费劲，而且现在仍会说一些他不需要的话。 2. 速度加上更聪明。4.5 已经快。4.6 是快，而且明显更聪明。这个组合改变了节奏：异步能在他不在时多干活，但回来要冷启动看一份大 diff；4.6 把他拉回同步。他写得很清楚——当他在乎结果时，他更愿意待在同步里。 最高杠杆不是提示词写法，是验收标准 他专门对比过提示风格：长 vs 短，以及 “work very hard” 这类措辞。结论分三层： 1. 措辞几乎没用。 “努力工作、一直做到完”这类话，对 4.6 基本加不上分。它自己就会撑相当一段时间。 2. 长度有用，但不是因为更长就更好。 长 prompt 买的是具体性：你已经知道要什么，就写下来。短 prompt 把更多决定交给模型的品味。以前这个交易通常偏向把一切写死；4.6 的品味已经好到：短 prompt 加一条清楚偏好，通常就能落到不错的地方。 长规格仍然有效——他给过一份带 session capture、server handler、cloud agent dispatch 的 feedback widget 规格，模型能从头跟到尾，结构也合理；只是组件会重复，除非你明确要求拆开。 3. 真正拉开结果的，是一句验收指令。 全文最重要的抽象：可自检性 需要他上手去带的地方，几乎都收束到一件事：模型有多容易验证自己的工作。 · 网站最好验。 DOM 是文本，可以读页面、截图、对照意图。所以 UI 上的验证环特别有效。 · 3D 更难。 多了一个读不出来的维度。 · 视频更难。 时间是额外维度，检查意味着截一串帧、推理帧与帧之间的差。 · 物理同类。 模型对世界“应该怎样”有感觉，但单张截图回答不了“它是不是真的那样动了”。

看到 DeepSeek Harness 开源发布，满怀期待的安装好 这是用「DeepSeek V4 Flash + 1390 万 Token + 30 多分钟」做出来的网站 呃。。怎么说呢，一定是我不会用，是我的问题 🤦‍♂️ btw... 图1 是 DeepSeek Harness 图 2 是 Codex + GPT-5.6 Sol

Gemini 3.7 Flash 正式发布 和 Grok 4.6、DeepSeek V4 Pro 发布的声量相比，Gemini 简直安静的可怜 🤦‍♂️ 不过对于生产环境在用 Gemini 模型的朋友们，GA 和 Preview 的区别到底有多大，那是相当有价值的，毕竟 Preview 的并发和稳定性，实在是太拉了！ 另外，Gemini Flash 系列一直保持发布，Gemini 3.5 Pro 是不是真的胎死腹中，Deepmind 直接放弃 3.5 奔 4.0 训练去了？

DeepSeek V4 Pro 今天低调发布 DeepSeek 同步调整了 V4 Pro 和 V4 Flash 的 API 价格 通过下面两张图表，看看 API 价格具体涨了多少，正式版的 Benchmark 具体表现又如何。