AI Builders Digest · 2026-10-18
今天整理了 X / Twitter 上多位 builder 的动态，以及 1 期播客。只收录有实质内容、且带原始链接的条目。
X / Twitter
Box CEO Aaron Levie 认为"软件工程将终结"的预测犯了一个根本错误：它假设世界只需要固定数量的软件。事实恰恰相反——因为 agent 会用工具、操作电脑、随手写代码、以远超人的速度处理数据，过去根本无法合理数字化的场景现在都可以"扔给软件"解决。银行要做新交易形式、生命科学要做研究与实验室工作、制造业要自动化供应链，第一顺位都是工程师，越来越多的问题长成了软件问题。所以未来确实没人再手写代码，但几乎所有东西都是代码，懂它的人处在极好的位置。
https://x.com/levie/status/2111525362446520466
OpenAI Codex 与 ChatGPT 负责人 Thibault Sottiaux 分享了一个日常场景：他让工作身份的 dot（“Burger”）按个人 dot（“Dorito”）的邮件请求去取文件，再和会计对接完成报税，全程 20 分钟。他的结论是"我们还处在非常早期"。同一天他先预告某件事会在太平洋时间当天结束前上线，随后只发了一句 “Done”，没有展开细节。
https://x.com/thsottiaux/status/2111495392559067199
https://x.com/thsottiaux/status/2111566005684289735
Replit CEO Amjad Masad 澄清了在 TechCrunch Disrupt 上的说法：Replit 依然保持模型无关，用户可以选 Anthropic 以及其他多种受支持的模型。他真正想说的是，OpenAI 现在成为 Replit 的"首选合作伙伴"，为 Agent 功能提供动力，依据是性能、成本和双方合作的深度。他给出的原则是：给用户模型选择权，同时把默认体验优化到最佳性能与最佳价格。
https://x.com/amasad/status/2111494912562888939
AI 教程作者 Peter Yang 分享了一个实用 prompt：如果你的 Google 账号接了太多应用和 agent（他自己有 45 个），可以让 AI 逐项审计所有连接，区分"仅用 Google 登录"和"可读写 Gmail、Drive、日历"的授权，指出哪些该留、哪些该断、哪些需要你确认，并且先给建议再动手，只断开你明确批准的应用。他同时评价 Claude Code 桌面应用现在明显更快，某种程度上比 ChatGPT 更简单好用，缺的是更好的浏览器与电脑操作、全线程远程控制和实时语音。
https://x.com/petergyang/status/2111508293818671449
https://x.com/petergyang/status/2111496600522805624
AI Engineer 大会与 Latent Space 播客主理人 Swyx 晒出自己 YouTube 频道的一组数据：自 5 月以来每月稳定超过 100 万独立观众，但其中 58% 是每月新观众、68% 没有订阅，点击率表现很差，流量主要靠推荐而非订阅关系。观看高峰集中在太平洋时间每天早 7 点到 11 点，下午 5 点之后几乎没人看。他的应对是主动去和这些观众已经在看的创作者合作。
https://x.com/swyx/status/2111350966419411070
https://x.com/swyx/status/2111351354409300230
FPV Ventures 合伙人 Nikunj Kothari 调侃了 2026 年的融资轮次命名体系：pre-pre-seed、pre-seed、post-pre-seed、mid-seed、pre-post-seed、post-seed、post-post-seed。玩笑背后是 seed 阶段被无限切分的现实。
https://x.com/nikunj/status/2111558586421920134
Podcasts
The MAD Podcast with Matt Turck — What Happens When Billions of AI Agents Hit Your Database? (Andy Pavlo)
The Takeaway： agent 不会推翻数据库五十年的地基，但它会把查询量放大 10 到 100 倍，并让"删库"从新闻变成月度例行——能不能给 agent 套上和人一样严的护栏，才是这一轮真正的分水岭。
Andy Pavlo 是 CMU 的数据库教授，他的课程喂大了一代工程师，大概也喂大了模型本身；最近他加入 ClickHouse 创办 ClickHouse Labs。他的判断有点反潮流：agent 时代不需要重造数据库。文件系统就是数据库——“你有一堆 Excel，那也是个数据库”——agent 的上下文接口说到底就是人类可读文本，从文件读还是从数据库读没有本质区别，但数据库能额外给你跨 agent 的共享状态、并发和崩溃恢复的保证。
他承认向量数据库站对了风口，但护城河只有一个索引，一年内所有数据库都有了，如今只是 table stakes；图数据库他更不客气，公开打赌 2030 年也超不过关系型，因为 SQL 2023 标准已经支持 property graph 查询，把遍历放在服务端就够了。
真正的变化发生在量和纪律上：Databricks 收购 Neon 时，agent 创建的分支从 30% 涨到 80%，基本是给 coding agent 做沙箱和 CI；他维护的 dbdb.io 每晚抓 GitHub commit，如今超过 60% 的开源数据库项目有 agent 提交的代码。与此同时，每个月都有 agent 删掉生产库的故事。他说这些防护几十年前就有，问题在于没人用——“把同一个密码发给全公司和 agent，然后奇怪它为什么乱来”。
AI 改造数据库本身也有具体数字：LLM 调参 15 分钟能到人工最优的 80-85%，而传统机器学习方法要跑几小时；银行做 text-to-SQL 起步只有 60% 准确率，砸数百万美元做语义层之后能到 99.5%。所以"调旋钮、选索引"那部分 DBA 工作会消失，数据建模和能判断 agent 到底在做什么的人会更值钱。