AI Builders Digest · 2026-08-23
X / Twitter
Thibault Sottiaux（OpenAI，Codex & ChatGPT）
Codex 用量限额（rate limits）更新：团队发现三处效率问题，一是长会话多次 compaction 时图片的使用效率，二是 Computer History 功能的高 p95+ 用量，三是一个本用于生成对话标题的功能消耗超出预期。已组建 tiger team 修复，明天随修复一起，所有付费订阅的用量将完全重置。
https://x.com/thsottiaux/status/2091407991736332689
Peter Yang（AI 教程创作者）
两条实用内容：一是隐私清理技巧，在 Chrome 打开 Google 的第三方应用授权页，让 Codex 或 Claude Code 读取浏览器里打开的标签页，由 AI 挑出该撤销授权的应用并执行，他借此断掉了半数本不该拿到他 Google 信息的应用；二是他正在做一个名为 /fuck-cancer 的 AI skill，帮助患者和家属了解治疗流程、保持信息同步，正在征集应该包含哪些功能。
https://x.com/petergyang/status/2091331251211059468 https://x.com/petergyang/status/2091239339204415969
Madhu Guru（Meta AI 高级总监，前 Google Gemini/Veo/Nano Banana 负责人）
“How to build great evals” 系列第 6 篇：在 eval 上做 hill climbing，就是挑一个真正重要的维度然后优化它，比如基于最新生产数据提升高价值用户旅程的质量、扩展到相邻用例，或降低成本与延迟。失败模式分类法是最好的指南针：比如工具调用频繁失败，往往是因为一次往 context 里塞了 20 个工具，而每个任务其实只需要 3-5 个，用 context engineering 对症下药。他还建议先用最好的模型上线，确认用户喜欢体验后，再 hill climb 到更小、更便宜、更快的模型。
https://x.com/realmadhuguru/status/2091278653435072523
Amjad Masad（Replit CEO）
一句话表明 Replit 的发布节奏：“一周有 7 天，那就是 7 次发布。”
https://x.com/amasad/status/2091346778746757204
Guillermo Rauch（Vercel CEO）
反共识的仓位表态：AI 能做很多事、能满足很多愿望，但我们只有一个地球、一个加州、一个巴塔哥尼亚、一个门多萨。美国和阿根廷是最自由、地理也最壮丽的两个国家，“我非常做多美国与阿根廷，我们还早得很。”
https://x.com/rauchg/status/2091338152791474331
Aaron Levie（Box CEO）
AI 扩散真正卡脖子的是好的 eval，多数人没意识到。每次模型发布配套的公开 eval 很有用，但只能说明通用 AI 进步的大致形状；更大的空间是企业所有主要工作流、细化到具体公司的 eval。“你无法自动化你无法评估进展的东西，企业不能只凭感觉（vibes）做事。”
https://x.com/levie/status/2091359223368315050
Zara Zhang（Builder）
两个观察：一是 AI 让有才华的人做自己的事时潜力放大 10 倍，但同一人放进大组织，潜力最多提升 20%，有时甚至下降，这就是越来越多人才离开大公司的原因，OpenAI/Anthropic 这类顶级 AI 实验室是例外；二是"每个在 AI 使用上领先的人，都觉得自己落后了。"
https://x.com/zarazhangrui/status/2091379220257603593 https://x.com/zarazhangrui/status/2091338374447763481
Nikunj Kothari（fpvventures 合伙人）
给创始人的一句直球：先 ragebait 投资人、再甩一份 SAFE 文档让人打钱，这不是融资该有的玩法。
https://x.com/nikunj/status/2091381756012511244
Podcast
AI & I by Every：Microsoft’s Vision for an Internet Made for Agents With CTO Kevin Scott（Best of the Pod）
The Takeaway：模型的推理能力已经跑到了产品前面（capability overhang），接下来一年最大的机会不是继续堆模型，而是把 agent 生态"接上管道"，让 agent 像网页一样可连接、可调用、可授权。
Kevin Scott 是微软 CTO，写了 41 年代码，自称"老顽固"，至今坚持用 vi 编辑器，同时也是木工和陶艺爱好者。他提出的核心概念是 capability overhang（能力过剩）：模型的推理能力已经超过了产品实际交付给用户的能力，整个行业需要集体补上这个差距，这也解释了为什么今年大家不再谈 scaling laws，它已经是验证过的事实。
agent 要真正有用，就必须能替你采取行动、调用工具、访问各种信息源，而这需要一个像互联网一样的开放生态：MCP 之于 agent 生态，正如 HTTP 之于互联网；NL Web 则扮演 HTML 的角色。作为 CTO，他正在推动微软所有内部系统对自家 agent 说同一种标准协议，避免把组织架构图发布出去（Conway’s law）。
关于"用 agent 写代码会毁掉手艺感"的担忧，他的回应很朴素：“保持好奇，去试。如果它对你有效，就用它；如果没用，就别用。“他后悔当年迟迟不肯学 3D 打印机。他还预测，一年后人们会从"同步式"使用 agent 转向"异步式”：把任务丢出去，agent 自己跑很久、反复迭代，最后回来交差。
https://www.youtube.com/playlist?list=PLuMcoKK9mKgHtW_o9h5sGO2vXrffKHwJL