yii.
← Digest
EP10 · 2026年3月12日 星期四 · 8 min read

Agent 原生時代

軟體不再為人類設計，Agent 才是新用戶

每天花 1% 的時間，掌握科技脈動。

今日金句#

“Today’s Software Serves Humans. Tomorrow’s Users will be Agents.” 「今天的軟體服務人類。明天的用戶是 Agent。」 — HKUDS 團隊, CLI-Anything 作者

“Yann gets a chance to prove his vision — that world models, not next-token prediction, are the path to real intelligence.” 「Yann 終於有機會證明他的願景 — 世界模型，而非下一個 token 預測，才是通往真正智慧的路。」 — Latent Space, AI 媒體

“Fast and lossless inference of 1.58-bit models on CPUs — 100B parameters at human reading speed.” 「在 CPU 上快速且無損推論 1.58-bit 模型 — 1000 億參數，閱讀速度運行。」 — Microsoft Research, BitNet 團隊

今日主軸#

今天的科技圈有一個清楚的方向：軟體正在為 Agent 重新設計。CLI-Anything 在 GitHub 一週拿下 5,200 顆星，它的核心主張很簡單也很激進 — 把 GIMP、Blender、OBS 這些有 GUI 的軟體，自動生成 Agent 能操控的 CLI 介面，11 個專業應用 1,508 個測試全部通過。Steve Yegge 在 Pragmatic Engineer 的訪談中更進一步，說 IDE 的時代正在結束，未來開發者的工具不是編輯器，是 Agent 協調平台。與此同時，Yann LeCun 帶著 $10 億種子輪成立 AMI Labs，要用 JEPA 世界模型挑戰整個 autoregressive LLM 路線。BitNet 讓 1000 億參數模型在消費級 CPU 上跑到閱讀速度。這些事情加在一起，畫面很清楚：AI 不只是輔助工具了，它正在成為軟體的主要使用者，而整個技術棧都在為此重塑。

必讀#

  1. From IDEs to AI Agents with Steve Yegge — Pragmatic Engineer Dev
  2. karpathy/autoresearch — GitHub AI
  3. Temporal: 修了九年的 JavaScript 時間問題 — Hacker News Dev
  4. Sorting algorithms animated with Claude — Simon Willison Tutorial
  5. Don’t post AI-edited comments on HN — Hacker News News
  6. From Figma to Claude Code and back — Lenny’s Newsletter AI
  7. CLI-Anything: Making ALL Software Agent-Native — GitHub Tools
  8. TC39 Proposal: Structs for WebAssembly interop — Hacker News Dev
  9. Yann LeCun’s AMI Labs launches with $1B seed — Latent Space AI
  10. Quoting John Carmack on over-engineering — Simon Willison Dev
  11. BitNet: 100B Param 1-Bit model for local CPUs — Hacker News AI
  12. How Uber uses AI for development — Pragmatic Engineer Dev

From IDEs to AI Agents with Steve Yegge#

Pragmatic Engineer 訪問了 Google/Amazon 資深工程師 Steve Yegge，探討 IDE 作為開發工具的未來。Yegge 認為 IDE 是為「人在打字」設計的產物，但當 AI Agent 成為寫程式的主力時，開發者需要的不再是語法高亮和 autocomplete，而是 context engineering、spec 管理和 quality gate 設定。他預測工程師的工具會從「編輯器」轉型為「Agent 協調平台」。

  • 要點 1：IDE 的核心假設（人在打字）正被 AI Agent 顛覆
  • 要點 2：未來工程師的角色是設計 spec 和 quality gate，不是寫 code
  • 要點 3：開發工具市場將從 IDE 轉向 Agent 協調平台

💡 為什麼重要：這不只是工具的替換，而是開發者角色的根本轉變。如果你還在糾結用哪個 IDE，可能問錯問題了。

🔗 閱讀原文 | 來源: Pragmatic Engineer

karpathy/autoresearch#

Karpathy 開源了 autoresearch，讓 AI Agent 在單張 GPU 上自主進行 ML 研究。每個實驗固定 5 分鐘訓練預算，Agent 自動修改 train.py、運行實驗、分析結果，一個晚上可以跑約 100 個實驗。人類的角色是撰寫 program.md（Agent 指令），設計搜索空間。一週內已累積 26,000+ 顆星。

  • 要點 1：每小時約 12 個實驗，一夜 ~100 個，完全自主運行
  • 要點 2：人類角色從「跑實驗」變成「設計搜索空間」
  • 要點 3：已有 Apple Silicon 移植版（autoresearch-mlx），Mac 用戶也能跑

💡 為什麼重要：這是 AI 自主研究的里程碑。小團隊和個人研究者現在可以用一張 GPU 做到以前需要大團隊的探索量。

🔗 閱讀原文 | 來源: GitHub

Temporal: 修了九年的 JavaScript 時間問題#

TC39 的 Temporal proposal 經過九年的標準化工作，終於進入主流瀏覽器實作階段。Temporal 是 JavaScript Date 物件的現代替代方案，提供了獨立的型別來處理不同的時間概念（Instant、ZonedDateTime、PlainDate 等）。它修復了 Date 的核心問題：時區處理、DST 安全的日期運算、strict ISO-8601 解析、非公曆支援。

  • 要點 1：解決了 Date 長期存在的時區、DST、解析問題
  • 要點 2：提供了 Instant、ZonedDateTime、PlainDate 等獨立型別
  • 要點 3：支援 Duration 運算和非公曆系統

💡 為什麼重要：每個 JavaScript 開發者都踩過 Date 的坑。九年的標準化工作終於要改變全球數百萬開發者處理時間的方式。

🔗 閱讀原文 | 來源: Hacker News

Sorting algorithms animated with Claude#

Simon Willison 用 Claude Artifacts 製作了 7 種排序演算法（bubble、selection、insertion、merge、quick、heap、timsort）的互動式動畫視覺化。值得注意的是，Claude 現在可以在對話中 clone GitHub repo 並閱讀原始碼，Willison 讓它讀了 CPython 的 listsort.txt 和 listobject.c 來理解 TimSort 的實作。

  • 要點 1：Claude 能 clone repo 並閱讀原始碼來理解演算法
  • 要點 2：7 種排序演算法的互動視覺化，教學價值極高

💡 為什麼重要：展示了 AI 從「生成程式碼」到「深度理解現有程式碼」的能力躍進。Claude 讀 CPython 原始碼做教學工具，這就是 AI 輔助教育的未來。

🔗 閱讀原文 | 來源: Simon Willison

Don’t post AI-edited comments on HN#

HN 管理員 dang 發布了重要公告，要求用戶不要發布 AI 生成或 AI 編輯的評論。這則貼文在開發者社群引發超高互動，反映了開發者社群對 AI 生成內容泛濫的強烈反應。社群認為 HN 的價值在於真人之間的對話。

  • 要點 1：HN 官方首次明確表態反對 AI 生成評論
  • 要點 2：開發者社群對此議題的強烈共鳴

💡 為什麼重要：開發者社群開始劃定 AI 使用的界線。這不只是 HN 的政策，更反映了整個網路社群對 AI 生成內容的焦慮。

🔗 閱讀原文 | 來源: Hacker News

From Figma to Claude Code and back#

Lenny’s Newsletter 邀請 Figma 的 Gui Seiz 和 Alex Kern 分享了設計師與 AI 協作的工作流程。討論了從 Figma 設計稿直接到 Claude Code 生成程式碼，再回到 Figma 迭代的來回流程。

  • 要點 1：設計到程式碼的 AI 輔助工作流已經成熟
  • 要點 2：Figma → Claude Code → Figma 的雙向整合是新趨勢

💡 為什麼重要：設計師和工程師之間的鴻溝正在被 AI 填平。這改變的不只是工具，而是整個產品開發的協作方式。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

CLI-Anything: Making ALL Software Agent-Native#

HKUDS 團隊開源了 CLI-Anything，一個能自動為任何有 GUI 的軟體生成 Agent 原生 CLI 介面的工具。透過 7 階段 pipeline，它分析軟體的 codebase 並生成可靠的 CLI。在 11 個專業應用（GIMP、Blender、Inkscape、Audacity、LibreOffice、OBS Studio 等）上測試，1,508 個測試全部通過，通過率 100%。一週內 5,200+ 顆星。

  • 要點 1：7 階段 pipeline 自動分析 codebase 生成 CLI
  • 要點 2：11 個專業軟體 1,508 測試 100% 通過率
  • 要點 3：讓 AI Agent 能操控任何桌面軟體

💡 為什麼重要：這是 Agent 可操控軟體的基礎設施。當所有軟體都有 CLI，Agent 就能自動化任何工作流程。

🔗 閱讀原文 | 來源: GitHub

TC39 Proposal: Structs for WebAssembly interop#

TC39 正在推動一項提案，讓 WebAssembly 成為 Web 上的一等公民語言。這代表 Wasm 將能更自然地與 JavaScript 互操作，共享型別系統。開發者社群對此高度關注。

  • 要點 1：Wasm 與 JS 的型別互通將大幅簡化互操作
  • 要點 2：對 Rust/C++ web 開發者是重大利好

💡 為什麼重要：Web 平台正在為多語言生態做準備。Flutter Web、Rust Wasm 等技術將直接受益。

🔗 閱讀原文 | 來源: Hacker News

Yann LeCun’s AMI Labs launches with $1B seed#

Yann LeCun 成立 AMI Labs，獲得 €8.9 億（約 $10.3 億）種子輪，估值 $35 億，是歐洲史上最大的種子輪之一。AMI Labs 的使命是建構 JEPA 架構的世界模型，理解物理現實而非單純做 next-token prediction。這是對整個 autoregressive LLM 路線的正面挑戰。

  • 要點 1：€8.9 億種子輪，歐洲史上最大
  • 要點 2：JEPA 世界模型路線，挑戰 autoregressive LLM
  • 要點 3：LeCun 從學術界到創業，意味著他認為技術已經成熟到可以商業化

💡 為什麼重要：AI 領域正在出現路線分歧。如果 LeCun 的世界模型路線成功，可能改變整個 AI 產業的技術方向。

🔗 閱讀原文 | 來源: Latent Space

Quoting John Carmack on over-engineering#

Simon Willison 引用了 John Carmack 關於過度工程的觀點，在開發者社群引發共鳴。Carmack 一向主張簡單直接的程式碼勝過複雜的抽象。在 AI 讓寫程式變得更容易的時代，過度工程的誘惑也更大，Carmack 的提醒特別及時。

💡 為什麼重要：在 AI 讓寫程式變得更容易的時代，過度工程的誘惑也更大。Carmack 的提醒特別及時。

🔗 閱讀原文 | 來源: Simon Willison

BitNet: 100B Param 1-Bit model for local CPUs#

Microsoft Research 的 BitNet.cpp 讓 1.58-bit 量化的 1000 億參數模型能在消費級 CPU 上以閱讀速度（5-7 tokens/s）運行。在 ARM CPU 上加速 1.37x-5.07x，在 x86 上加速 2.37x-6.17x，能耗降低 55-82%。最新優化透過平行核心額外提升 1.15x-2.1x。

  • 要點 1：100B 參數模型在普通 CPU 上以 5-7 tokens/s 運行
  • 要點 2：能耗降低 55-82%，對邊緣部署意義重大
  • 要點 3：支援 ARM 和 x86，Mac 和 PC 都能跑

💡 為什麼重要：AI 民主化的關鍵突破。不需要 GPU，消費級硬體就能跑大型模型，邊緣 AI 和隱私優先的應用將爆發。

🔗 閱讀原文 | 來源: Hacker News

How Uber uses AI for development#

Pragmatic Engineer 深入報導了 Uber 內部的 AI 開發堆疊，包含四層架構：AI 平台、情境資料、工具整合、測試/Code Review Agent。Uber 建了 MCP Gateway 和 Agent Builder，是大型企業如何將 AI Agent 整合到開發流程的實戰案例。

💡 為什麼重要：大型企業如何將 AI Agent 整合到開發流程的實戰案例，對所有團隊都有參考價值。

🔗 閱讀原文 | 來源: Pragmatic Engineer

推薦閱讀#

中文技術圈#

開源精選 — GitHub Trending (本週)#

karpathy/autoresearch — Python | ⭐ 26.1K AI Agent 自主 ML 研究，一夜 100 實驗

HKUDS/CLI-Anything — Python | ⭐ 5.2K 任何 GUI 軟體自動生成 Agent 原生 CLI

tanweai/pua — TypeScript | ⭐ 2.8K PUA 風格 AI Agent prompt（諷刺作品）

ParthJadhav/app-store-screenshots | ⭐ 1.8K AI 端到端生成 App Store 截圖

OpenClaw-Medical-Skills — Python | ⭐ 1.0K OpenClaw 醫療 AI 技能庫

mcp2cli — Python | ⭐ 619 把任何 MCP server 變成 CLI，零 codegen

autoresearch-mlx — Python | ⭐ 536 autoresearch 的 Apple Silicon 移植版

openclaw-lark — TypeScript | ⭐ 504 飛書官方 OpenClaw 插件

discrawl — Go | ⭐ 496 Discord CLI + SQLite 後端

gsd-2 — TypeScript | ⭐ 479 Meta-prompting spec-driven 開發系統

影音精選#

I wrote some code by hand, it was rough…#

Theo

Theo 分享了手寫 code 的心路歷程 — 在 AI 時代，手動寫程式反而成了一種新鮮體驗。探討了 AI 輔助開發對工程師技能的影響。

💬 AI 寫 code 越來越強，但偶爾手寫一下才知道自己的基本功有沒有退化。

· Theo (t3.gg) · 1 天前

I can’t take it anymore.#

Theo

Theo 對開發者生態的某個痛點發出抱怨，引發社群共鳴。

💬 開發者的 frustration 往往是最好的產品靈感來源。

· Theo (t3.gg) · 1 天前

Karpathy’s “autoresearch” explained in 24 min#

Greg Isenberg

Greg Isenberg 用 24 分鐘深入解析 Karpathy 的 autoresearch 專案 — 從架構到實際運作方式。

💬 如果你對 autoresearch 好奇但沒時間讀 code，這是最好的入門。

· Greg Isenberg · 1 天前

Was Cursor wrong to build their own models?#

20VC

20VC 探討 Cursor 自建模型的決策 — 是明智的差異化策略，還是資源浪費？

💬 自建 vs 使用現有 API，是每個 AI 產品團隊都要面對的抉擇。

· 20VC · 2 天前

大神動態#

今日觀察#

CLI-Anything 讓我想到一件事。我每天用 Claude Code 開發 Flutter app，效率已經很高了，但每次要處理圖片（開 Figma）或做影片後製（開 DaVinci Resolve）就回到人工模式。CLI-Anything 的思路不是讓 AI 學會用滑鼠，而是讓軟體長出一個 Agent 聽得懂的介面。這跟 MCP 的思路其實一樣 — 不是改 AI，是改環境。如果這條路走通了，以後 Agent 不只能寫 code，還能剪影片、修圖、做簡報。那我們做的事情就真的只剩下「決定要做什麼」了。

覺得有用嗎？分享給一個也在追蹤新知的朋友。

也歡迎中長期投資者體驗新工具 → Moniit banner

同期還有