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。

This page is accessible in English navigation, but the full body has not been translated yet. The original Chinese content is kept below for accuracy.

Back to digest archive

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