“所有代码都是垃圾(slop),除了我的。”
在 AI Engineer Code Summit 上,SpaceX / xAI 的 GrokBot 工程师 Lauren Tan 抛出这句暴论后,直接甩出一组硬核数据:
上个月她一个人往生产环境合了 3,000 个 PR(全团队 1.1 万个),回滚率只有 0.5% 左右。
大多数人还在死磕 Prompt,她却靠一套反直觉的工程化打法,让 Agent 在她睡觉时自己写代码、自己验、自己合:
1. 代码库本身才是最大的输入
Agent极其擅长“照猫画虎”。与其在文档里苦口婆心写规矩,不如直接把容易出错的路径物理封死:比如产品代码里禁用 useEffect、跨进程 import 直接报错、注释几乎全禁。
2. 每次 Agent 犯错,改成 Lint 而不是改 AGENTS.md
自然语言规则(prose)是最脆弱的。每次纠正完 Agent,她都会把教训固化成确定性的静态检查或架构约束,让同类错误在提交前就绝无可能发生。
3. 用运行时验证让 Agent “自证清白”
写完不算完,强制 Agent 自己跑测试、抓截图、录视频,甚至上形式化验证,拿实打实的运行结果证明功能没问题。
4. 搭建自下而上的“信任金字塔”代码库约束 > 静态分析 > 运行时验证 > 人眼 Review。
把确定性交给工具,把人的精力留到最后一道关口。
很多团队花几个月试错才摸到的门道,她用 17 分钟就讲透了。
真正拉开人机协作差距的,从来不是模型有多聪明,而是你有没有把环境改造成“最短路径就是正确路径”:
把约束写进代码里,而不是写在文档里。
George retweeted
I wanted to test Fable 5.2's quality with one-shot prompts without human feedback.
Everything in this game is from scratch: models, sounds, textures. ~$550 at API pricing, ~2.7M output and 445M input tokens, heavily cached. Took 8 hours!
Play it here: claude.ai/artifact/BGY1SztrA…
quiet.md 正式开源了!
quiet.md 是一个兼容飞书文档格式的本地高性能富文本编辑器,Beta 版已支持 macOS 和 Windows。
1. 高性能:Rust + GPUI 直接在 GPU 上绘制,没有 WebView。在一篇 100 万字的文档里连续打字,单帧处理耗时中位数 5.06ms,P95 5.78ms,比 120Hz 屏幕 8.3ms 的帧预算还低。大文档滚动极其丝滑,一帧一般只要 2ms 左右。
2. 本地文件,对 Agent 友好:没有账号,默认不联网。每篇笔记都是一个 DocxXML 文件,纯文本可读,Claude Code、Codex 这类 Agent 可以直接读写。
3. 兼容飞书:除了依赖云端的功能,常用的块基本都有,交互细节尽量与飞书一致,还内置了飞书主题。
欢迎试用和提 issue。
仓库:github.com/s1dashu/quiet-md
George retweeted
TanStack Start 1.0 is officially stable! 🎉
A full-stack web framework for React and Solid, already used to build millions of apps, from Fortune 500 companies to your favorite tools and weekend projects.
tanstack.com/start
George retweeted
ChatGPT launched their version of Generative UI yesterday. We took it apart
tldr; the agent never write raw code. It emits DIL (a new language), the server compiles and streams it, the client renders it using a component set so that it feels native
George retweeted
网友投稿:“一千万以内最好的填词”
10月9日,B站一位up主发布改编填词作品《断点》,讽刺华为尊界在懂车帝测试中发生刹车踏板支架断裂的事件。
网友仿照余承东的语气调侃:“一千万以内最好的填词”。
如何制作这种可以好像是图片但是其实又是动图的图表呢?!
我制作了一份 skill 予以实现 live panel skill
链接见评论区
Airbnb CTO Ahmad Al-Dahle 在 Latent Space 讲了他们内部怎么用 AI,我把它画成了一张会动的架构图。
几个让我停下来的点:
1. 原型就是交付物。产品、设计、工程不再围着文档开会,直接对着同一份能跑的原型讨论。
2. Everest:一张组织上下文图谱。生鲜业务做了八九个月,经验沉淀进去之后,机场接送只用了约六周。
3. 模型不迷信最强的。他们线上至少有 10 个定制模型,多数是在开源模型上做后训练,按场景评测再选。
4. 异步 agent 开始接值班。告警一响,agent 先被拉起来做第一轮排查。
5. 结果(都是 Airbnb 自己的说法):人均 PR 吞吐约 1.6 倍,功能和改进同比多了近 80%,客服工单近一半由 AI 独立解决。
最打动我的反而是一条规矩:PR 可以是 AI 写的,但每个工程师必须能讲清楚自己交付了什么内容。


















































