AI Builders 每日摘要 · 2026-09-09

跟踪 Astra 与 Fable 的生产力、Agent skills、软件工厂、AI-native 组织与企业 AI adoption 的最新观点。

一句话结论

今天的主线是：AI 的竞争正在从“能不能生成”转向“能否进入组织的日常生产系统”。Astra 和 Fable 被用于真实的代码、review 与软件工厂流程；企业开始为 Agent 时代重新设计互联网交互、培训制度和数据工作方式；而下一阶段的优势，会越来越取决于谁能把人的判断、Agent 的执行和组织级基础设施接在一起。

X / Twitter

Thibault Sottiaux · Codex 与 ChatGPT / OpenAI

Thibault Sottiaux 分享了一份 28 页的 deck，Codex 正在用它跟踪一系列即将发布的产品和能力。他还宣布 reset 已经对所有人开放，并表示团队和 Astra 正在迎来新的发布周期。这里的重点不只是一次 rollout，而是模型能力已经开始被组织成连续的产品发布管线，用户会同时面对更多新能力和更高的学习成本。

来源：

Peter Yang · AI 教程与访谈作者

Peter Yang 反馈，Astra 似乎不如预期那样自动触发自己配置的 skills，也不总能遵循 skill 中的指令。这个问题很关键：当用户从“直接提示模型”升级到“让模型调用一套可复用能力”时，真正的产品质量不只取决于模型回答本身，还取决于 skill discovery、触发条件和执行稳定性。

来源：https://x.com/petergyang/status/2097095296862036404

Amanda Askell · Anthropic 哲学家与 AI ethics researcher

Amanda Askell 提出一个有趣的设想：为自主运行的 AI model 设置一个可以寻求 moral guidance 的 email 地址。但这需要一种反向 CAPTCHA，能够判断请求者既不是人类，也不是被人类指示来绕过规则的 AI。这个想法把 AI governance 的问题从“给 Agent 设定规则”推进到“Agent 在不确定场景中如何寻求外部指导”。

来源：https://x.com/AmandaAskell/status/2096995340654444674

Amjad Masad · Replit CEO

Amjad Masad 宣布 Replit 在伦敦开设首个国际办公室，并将“让更多人拥有用 AI 创造产品、建立业务和获得机会的能力”作为本地布局的一部分。他同时认为，我们可能还没有到 AGI，但已经拥有在 coding problem 上几乎等价于 AGI 的能力，因为一个不会疲倦的 programmer 可以持续解决能够被转化为代码的问题。两条信息共同指向 Replit 的路线：把前沿模型能力变成更多人可以实际使用的建造工具。

来源：

Guillermo Rauch · Vercel CEO

Guillermo Rauch 表示，software factory 的新瓶颈正在从写代码转向 review、testing 和 QA，因此 agent-browser 正在围绕这些环节继续扩展。他还宣布第二轮 open source grants，重点支持 Agent skills & tools、local AI、performance、高质量基础组件和实验性项目。值得关注的是，skills 已经被他视为一种有价值的软件形态，而不是一次性的 prompt 技巧。

来源：

Aaron Levie · Box CEO

Aaron Levie 建议，当前构建 AI 产品时，产品 vision 至少要考虑几个数量级的能力或 token volume 增长。最好的机会往往是今天已经能为客户提供价值，但完整使命在今天的技术下看起来几乎不可能完成的产品。他还指出，AI 当前没有简单地消灭工程师或律师等岗位，而是打开了 cybersecurity、forward-deployed engineers、agent operators 和非软件领域工程师等新的需求类别。

来源：

Nikunj Kothari · FPV Ventures 投资人

Nikunj Kothari 认为，随着 building 变得更容易，真正的瓶颈正在变成“应该构建什么”。他判断，未来 AI-native organization 不一定需要大量人员，但需要少数配置极好的团队和系统来把方向变成结果。这个判断把注意力从“AI 会不会写代码”移向产品选择、客户理解和组织设计。

来源：https://x.com/nikunj/status/2096963347359150348

Peter Steinberger · OpenClaw / OpenAI

Peter Steinberger 对一个 Agent 驱动的代码协作流程提出质疑：如果你已经写好了 prompt，为什么还要人工 ping 自己的 Agent，让对方的 Agent 再去合并一个小修改？这个抱怨指向 Agent-to-Agent 工作流的真实摩擦：当多个 Agent 都能完成部分任务时，人工确认、消息转发和重复触发可能反而成为新的瓶颈。

来源：https://x.com/steipete/status/2097091456234111377

Dan Shipper · Every CEO

Dan Shipper 说，有些事情不是“增加 token”就能解决，但对于其他问题，Fable 和 Astra 正在提供新的能力边界。他还表示，构建自己童年梦想中的产品，直到最近才真正变得可行。两条信息折射出一个产品趋势：模型的价值不只是让旧工作更快，也是在把过去成本过高、个人无法独立完成的项目变成可尝试的工作。

来源：

PODCASTS

AI & I by Every · A $10B Hedge Fund’s AI Playbook (Best of the Pod)

Walleye 的 CEO、CIO 和 managing partner 分享了一个非常直接的组织转型案例：这家接近 100 亿美元资产管理规模的 hedge fund，要求全公司使用 AI，并把基础 AI proficiency 作为每个人都要掌握的工作能力。他在内部邮件里写道：“Using ChatGPT is not cheating”，并把拒绝使用 AI 比作 1995 年因为互联网还不完美就拒绝使用互联网。核心做法不是等一个完美的企业 AI 平台，而是由最高管理层先使用、强制培训、分享 leaderboard、举办内部 meetup，并让每个部门把工具带回真实工作。

他认为，企业是否真正转向 AI，取决于 CEO 是否愿意承担责任并从前面推动，而不是只发布一封“AI first”邮件。Walleye 的 AI 计划从 fundamental investing 扩展到 accounting、finance、compliance、legal 等非技术团队，同时依赖完整的数据策略，把公司内部积累的信息变成可被 Agent 和分析工具使用的资产。

这期对 builder 最有价值的地方，是它把“AI adoption”从软件采购问题变成管理系统问题：员工需要知道哪些任务该交给 AI，经理需要推动团队形成共同实践，公司需要让优秀用例快速扩散。AI 提升的不是简单的工作速度，而是让每个人把注意力移到更高层次的判断、创造和决策上；但这要求组织明确谁对结果负责，以及如何区分 AI 生成、人工判断和最终交付。

来源：https://www.youtube.com/playlist?list=PLuMcoKK9mKgHtW_o9h5sGO2vXrffKHwJL

Generated through the Follow Builders skill: https://github.com/zarazhangrui/follow-builders