AI Builders 每日摘要 · 2026-11-03

X / TWITTER

AI 研究者 Andrej Karpathy

Andrej Karpathy 分享了周末项目 HackerTube：让 Claude 从 20 年 Hacker News 的 4300 万条评论中筛出 6454 个持续被推荐的视频，改善 YouTube 的推荐体验。项目约用两小时、以 Opus 5.5 medium effort 完成，结果不需要登录，推荐状态保存在浏览器本地；他还公开评论分析数据，方便用户让 Claude 做自己的版本。这个案例显示，agent 已能把数据整理、产品实现、部署加速到过去需要数周甚至数月的工作压缩到一次短迭代中。

来源：https://x.com/karpathy/status/2116957135661945283

产品创作者 Peter Yang

Peter Yang 转述 Google Labs 产品总监 Jaclyn Lu 对产品界面的判断：创建和学习通常需要人主动交互，而消费内容时，用户可能更希望产品替自己完成大部分操作。这个区分把“产品是否需要 UI”从一个设计偏好变成任务类型问题。Yang 还给出自己的工具分工：ChatGPT + Codex 适合浏览器和电脑操作，Claude 适合设计与视频编辑，Grok Bot 适合全天候 agent 和定时任务，Gemini 在写作上被低估。

来源：https://x.com/petergyang/status/2116987415319740756

来源：https://x.com/petergyang/status/2116946320674152810

游戏开发者 Thariq

Thariq 展示了项目从 3D 模型转向生成式 sprites 的美术迭代，并加入一名使用火焰战斗的跆拳道大师角色。他希望下一周做出可玩的 vertical slice，说明生成式素材已被放进具体的游戏开发循环，而不只是概念展示。

来源：https://x.com/trq212/status/2116976789046350040

Replit CEO Amjad Masad

Amjad Masad 分享了 Replit 的 feedback widget：网站用户提交的反馈可以直接变成 agent 的构建提示，并通过一个开关启用。这个设计把用户反馈从被动工单转成可执行的产品输入，重点不在“agent 能不能写代码”，而在应用如何持续吸收真实使用中的需求。

来源：https://x.com/amasad/status/2116998155925360965

Vercel CEO Guillermo Rauch

Guillermo Rauch 主张用户要“拥有自己的 intelligence”：即使本地暂时无法运行最大的模型，也应保留对 harness、数据、连接、runtime 和 agent 的控制权，并继续采用 open source。对构建者而言，这意味着模型能力可以变化，但工作流的控制面和数据边界不应被单一服务商锁定。

来源：https://x.com/rauchg/status/2117000819623243925

Box CEO Aaron Levie

Aaron Levie 认为，很多知识工作的职位描述正在从“让 agent 帮我把工作做得更快”转向“帮助 agent 完成它们的工作”。人在 coding、网络安全、法律、生物科技和工程等信息密集型岗位中，会更像管理一组 agent，而不只是获得 AI 加成的个人贡献者。由于 agent 可以并行化工作，产出与个人投入小时数的传统比例会被打破，尽早围绕 agent 重构流程的组织可能获得复利式收益。

来源：https://x.com/levie/status/2117134917847093491

Y Combinator CEO Garry Tan

Garry Tan 分享了 Particle-1 的一个价格判断：在 agentic retrieval 上，它的效果可以接近大得多的模型，但价格只有后者的 1/23。若这一比较成立，检索型 agent 的成本优化可能来自更小、更专用的模型，而不是每个环节都调用最大模型。

来源：https://x.com/garrytan/status/2117137390016073977

OFFICIAL BLOGS

本期没有新的官方博客文章。

PODCASTS

Unsupervised Learning：Ep 95: Modal CEO on the Future of Inference, the Chaos of the GPU Market & Origins of the Sandbox Bet

核心观点： AI compute 市场短期内仍然稀缺、分散且难以标准化，基础设施公司的价值在于聚合多云容量、处理故障，并把不稳定的 GPU 供给变成可用的 inference 产品。

Modal CEO Eric Jang 解释了为什么 GPU 还不像普通商品：容量分布在不同地区和云服务商，CPU、内存、网络、磁盘、可靠性都不一样，价格也很难用公开指数准确反映。Modal 同时管理约 25 个 cloud provider，通过聚合需求获得更好的议价和调度能力；当某个 neo-cloud 故障或 GPU 掉线时，可以把它从服务池移出并自动处理工单。Jang 的判断是，compute marketplace 会逐步变得更有效率，但由于资源并非完全 fungible，长期仍会保留相当多的结构性复杂度。

对开发者而言，更值得关注的是 inference 与 sandbox 的结合：模型调用越来越像产品能力，而不是一次性的 API 请求。Jang 也预计，随着 Anthropic 和 OpenAI 等大买家继续扩大容量采购，未来一年 GPU 价格仍可能上行。他把 Modal 看作一个持续二十年的项目，并希望通过相邻产品和资源配置，把底层 compute 的混乱转化为稳定的开发体验。正如他所说：“We are certainly scarce, in terms of compute in certain ways, but there is capacity you can get.”

播客链接：https://www.youtube.com/@RedpointAI

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