AI Builders Digest · 2026-09-15
X / Twitter
Google VP Josh Woodward（负责 Gemini 应用、Google Labs 与 Google AI Studio）：他透露两个月前组建的 Gemini 超级用户群已经测试了 20 多个早期功能，用户反馈质量超出预期。新一批成员正在提前体验 Daily Brief 与 Personal Intelligence 的下一步，之后还会继续放开名额。
https://x.com/joshwoodward/status/2099558443078365287
Anthropic Claude Code 团队的 Boris Cherny：Claude Mods 正在陆续上线，已经有社区成员做出了"在 Claude 里玩俄罗斯方块"的 mod。最新社区动态、技术细节和更多好玩 demo 都放在 issue 里。
https://x.com/bcherny/status/2099551291601248485
OpenAI 负责 Codex 与 ChatGPT 的 Thibault Sottiaux：他预告本周的发布密度将达到"DevDay 2025 级别"，直言这周会非常疯狂。
https://x.com/thsottiaux/status/2099744972195131850
做 AI 实操教程与访谈的 Peter Yang：他认同一个观察，用语音在户外散步时的工作产出比盯着屏幕更高，这种体验让他觉得很奇妙。
https://x.com/petergyang/status/2099677771408846975
Anthropic Claude Code 团队的 Thariq：他和 Sid、Robert 聊了构建 Claude Code 的过程，包括这几年变化有多大、跟上模型能力有多难，以及他们怀念 AI 之前的软件工程的哪些部分。
https://x.com/trq212/status/2099551141621329994
Vercel CEO Guillermo Rauch：他抛出三个判断。第一，Agents 的水平只取决于你给它的验证器，proof-checker、编译器、类型系统、linter 都是；shadcn/lint 能让 agent 守住你的设计系统规则，他的结论是"verifiers + skills 就是新的 frameworks"。第二，他欢迎 Google Cloud Run 的创造者 Steren 加入 Vercel，领导 Fluid 系列计算产品（Functions、Containers、Sandbox、Builds），理由是"Serverless 是云的上一章，Agents 是下一个前沿，需要为它们重新设计计算原语"。第三，他介绍了自家产品 fx 的更新：自动升级，ctrl+g 可以重启并恢复对话，0.0.10 在长会话里快得多。
https://x.com/rauchg/status/2099540886409695346
https://x.com/rauchg/status/2099514906366328902
https://x.com/rauchg/status/2099653035685445760
Box CEO Aaron Levie：他给出一个激进判断，大家对 agentic 工作负载的想象需要整体上调。agent swarms、更强的 computer use、新一波 API 与 MCP、Muse 与 Instinct 这类新形态、垂直企业 agent、后台工作流 agent 同时成熟，意味着我们会把 agent 投向远超最初设想的大量任务，agent 在后台找信息、替我们干活的体量会是过去单次会话提示的 100 倍。场景包括 7×24 精准招募人才、捕捉客户业务里每一个该出手的信号、消化每一份对话记录提炼产品洞察、审查每一行代码的安全与 bug、对系统做暴力测试。“我们大概只走完了这些 agent 形态的 1%。“另一条里他谈企业数据保护：agent 使用系统的频率是人的 100 倍，如何控制与保护数据将是 21 世纪最复杂的安全与治理难题之一；安全与生产力互为因果，给 agent 无限制的信息访问就难以保护数据，把所有东西锁死又拿不到 AI 的生产力收益。Box Shield 的更新已能按文档分级来限制 agent 可以处理哪些内容，还在做异常访问的自动检测、告警与阻断。
https://x.com/levie/status/2099739019517235618
https://x.com/levie/status/2099550035239424465
FirstMark Capital 投资人、MAD Podcast 主持人 Matt Turck：他不认为 AI 进展会放缓，“玩家太多、经济激励太多、囚徒困境太多，无论在国内还是全球范围内”。
https://x.com/mattturck/status/2099589199104033031
FPV Ventures 合伙人 Nikunj Kothari：他公布了对 Piston 的投资并解释逻辑。美国每年燃油支出数千亿美元，绝大部分通过信用卡、油卡或公司卡支付，但很多卡并不与具体司机绑定，容易被盗刷、复制和滥用：车队自己承担欺诈损失，还要花大量时间对账，加油站付了 interchange 费却与另一端的车队毫无关系。Piston 的答案不是做一张更好的油卡，而是干掉卡本身，走自有支付轨道、不经卡组织与中间商，由 Piston 付给加油站再向车队开票，每笔交易都绑定具体司机、时间、地点与油品，并很快会与车辆本身打通。数据上，支付量增长 8 倍，商户网络增长 40 倍，留存率保持在 98% 以上，已覆盖 2,000 座加油站、48 个州，车队免费使用并获得卡体系给不了的防欺诈能力。
https://x.com/nikunj/status/2099631145268969840
Podcast
AI & I by Every：How a Professional Writer Writes With AI
The Takeaway｜ 用 AI 写作的关键从来不是让模型替你写，而是把你对"什么是好文章"的判断、以及只属于你的素材编码成一套可复用的系统，让模型沿你铺好的轨道跑，你把精力留给只有你能提供的那部分。
Katie Parrott 是 Every 的专栏作者，写 Working Overtime 专栏。两年前她被一家 crypto 公司裁员，正处在心理低谷，请不起每小时 150 美元的真人职业教练，于是花 20 美元一个月让 ChatGPT 当她的教练。她真正的收获不是答案，而是一个外化的思考过程：一个会追问，能在她灾难化思维时把她拉回来的外部视角。这段经历后来把她带进了 Every。
真正让她的产能跳一个量级的，是后来被叫作 context engineering 的做法。她曾有两周要交 8 篇博客、3 本电子书、24 条 LinkedIn、24 条 X 和 16 条 Instagram，靠的是把品牌信息、产品细节、受众画像、竞品差异这些基础设置一次性写清楚交给模型。她的说法是给模型一个带围栏的游乐场，前期搭环境很费力，搭好之后就能一直跑。反过来最没用的做法是丢一句"写一篇关于 style guide 的博客”，因为模型已有的知识是商品化的信息，本身不独特。
在她看来，人类在 AI 写作里负责的是"最后一英里”：“AI 一直在用几个月前的数据干活，我们人类的工作就是补上这最后一英里，提供 AI 拿不到的真实世界经验。“她用厨房比喻分工：模型是厨房，大纲是切菜，成文是烹煮，但食材必须新鲜优质，菜才好吃。
最反直觉的一点是，AI 让她重新爱上了写作。以前她把精力都耗在拼句子上，现在有余力去处理更大更难的全局问题。她也不只把 AI 当生产工具，而是当支持性工具：她有双相情感障碍，把 Codex 用来处理"电脑杂事”，比如拖了三年的家庭医生预约一次性办完，还用自动化把收件箱压缩到只剩需要人回复的邮件，多年的邮箱焦虑基本消失。
她的职业教练则从一段提示词长成了一个 Codex project：里面有关于她和岗位的档案、公司品牌定位、从 CMS 抓出来的内容表现数据、读者反馈、她称为 validation folder 的赞美收藏，以及各季度 OKR，它还会替她维护看板。她攒上下文的方式变成了让 AI 反过来采访自己，一路问问题，把她脑子里没说清的东西挖出来。
这次她发布的是 Compound Writing 插件，思路来自同事 Kieran Klassen 的 Compound Engineering：同一条反馈只需要给一次，编码得当就会永久生效。插件把写作流程拆成头脑风暴、列大纲、写初稿、审稿，并在审稿环节内置了多位大师的技能，例如 Vonnegut 的八条故事原则（尽量从接近结尾处开始、每句话都要挣得自己的位置、给读者一个能支持的角色），以及 Hitchcock 的悬念原则：炸弹在桌下炸掉只有一瞬间的惊讶，但先让观众看见炸弹、再等它引爆，就是五分钟的悬念。她把插件形容成一个健身房，是一套让人变成更好写手的训练系统。
她的判断是，教育和可及性会比以往任何时候都更重要。她住在 Columbus, Ohio，成长于美国中西部，清楚自己有经济缓冲、空闲时间和预算去反复试错。她担心 AI 的复利只会复利到少数早期上车的人身上，“一个更值得期待的未来，是所有人都能跟着一起上车”。
https://www.youtube.com/playlist?list=PLuMcoKK9mKgHtW_o9h5sGO2vXrffKHwJL