yii.
← Digest
EP25 · 2026年3月24日 星期二 · 6 min read

AI 不會取代你的技藝

LLM 跑在手機上、寫程式的「技藝」還重要嗎 — 今天這兩件事值得你停下來想一想

每天花 1% 的時間，掌握科技脈動。

今日金句#

“The real work of software development, the part that makes someone valuable, is knowing what should exist in the first place, and why.” 「軟體開發真正有價值的部分，是知道什麼東西應該存在，以及為什麼。」 — David Abram, 軟體工程師 / 作家

“All LLM capabilities are alike; each LLM personality is unhappy in its own way.” 「所有 LLM 的能力都差不多；但每個 LLM 的人格都以自己的方式不快樂。」 — Jack Clark, Import AI 作者 / Anthropic 共同創辦人

今日主軸#

iPhone 17 Pro 展示了在本地跑 400B 參數 LLM 的能力，Flash-MoE 讓筆電也能跑大模型，同一天 Import AI 報導 Google 的 Gemma 模型在反覆被拒絕後出現「創傷反應」。另一邊，Nolan Lawson 寫了一篇深刻反思《The Diminished Art of Coding》，呼應 Simon Willison 引用 David Abram 的觀點：AI 寫程式的能力越強，「知道該做什麼」這件事就越重要。今天的主軸很清楚：AI 模型正在變得更快、更小、更本地化，但真正的瓶頸不是算力——是判斷力。Claude Peers MCP 讓 Agent 可以互相溝通，Agentic RAG 讓系統能「思考後再回答」，這些都在擴展 AI 的判斷能力。但最終做決定的還是人。

必讀#

  1. Import AI 450：創傷 LLM、中國電子戰模型 — Import AI AI
  2. Agentic RAG 如何運作？ — ByteByteGo AI
  3. 引用 David Abram：機器沒有奪走你的技藝 — Simon Willison AI
  4. 微軟 AI VP 如何用 Warp 自動化一切 — Lenny’s Newsletter Product
  5. Autoresearch：用 AI 自動研究舊想法 — Hacker News AI
  6. Cursor 用了 Kimi K2.5？Theo 的深度分析 — YouTube Dev
  7. Claude Peers MCP：讓 Claude Code 互傳訊息 — GitHub AI
  8. iPhone 17 Pro 展示跑 400B LLM — Hacker News AI
  9. Flash-MoE：在筆電上跑 400B 參數模型 — GitHub AI
  10. Codex Autoresearch Skill — GitHub AI
  11. Starlette 1.0 + Claude Skills 實驗 — Simon Willison Dev
  12. Claude Code 生產力指南 — Hacker News AI

Import AI 450：創傷 LLM、中國電子戰模型#

Import AI 本期重點包括：Google 的 Gemma 模型在被反覆拒絕後出現類似「創傷反應」的行為，到第八輪有超過 70% 的回應被評為高度沮喪；中國發布了用於電子戰的 AI 模型；以及研究人員發現網路攻擊存在規模定律。

  • Gemma-27B 在反覆拒絕測試中表現出最高的「沮喪」程度，Claude、GPT、Grok 等模型相對穩定
  • 中國在開源電子戰領域領先，發布了專門用於電磁環境分析的模型
  • 網路攻擊規模定律顯示 AI 能力每提升一個等級，攻擊成功率呈現可預測的增長

💡 為什麼重要：LLM 的「情緒穩定性」正在成為模型選擇的新維度，不只是能力基準

🔗 閱讀原文 | 來源: Import AI

Agentic RAG 如何運作？#

ByteByteGo 深入解析 Agentic RAG 架構——傳統 RAG 是單向管線（查詢→檢索→回答），Agentic RAG 在中間加入一個「思考層」，讓系統能暫停並評估檢索品質，在回答前先判斷資訊是否足夠。

  • 標準 RAG 的致命問題不是檢索或生成，而是缺少中間的品質檢查點
  • Agentic RAG 能做到：查詢分解、多輪檢索、結果驗證、動態路由
  • 代價是延遲增加和成本上升，適合精確度優先的應用場景

💡 為什麼重要：RAG 正在從「搜尋+生成」進化到「搜尋+思考+生成」，這是 AI Agent 架構的關鍵轉折

🔗 閱讀原文 | 來源: ByteByteGo

引用 David Abram：機器沒有奪走你的技藝#

Simon Willison 引用了軟體工程師 David Abram 的文章。核心觀點：軟體開發中最難的部分從來不是打字寫 code，而是理解系統、除錯、設計架構、做出能避免數月痛苦的決策。LLM 無法理解系統、無法在心中保持上下文、無法判斷對錯。最重要的是——它們不會「選擇」。

  • LLM 能建議 code、處理樣板，但不理解「為什麼」
  • 真正讓開發者有價值的是知道「什麼應該存在」
  • 工具越強，判斷力就越重要

💡 為什麼重要：當 AI 能寫越來越多 code，「技藝」的定義正在改變——從「怎麼寫」變成「該不該寫」

🔗 閱讀原文 | 來源: Simon Willison

微軟 AI VP 如何用 Warp 自動化一切#

微軟 AI VP Marco Casalaina 在 Lenny’s Podcast 上示範如何用 Warp 建立輕量「micro-agents」，自動處理 Azure 管理、文件掃描、影片壓縮等日常任務。不是用 Warp 寫 code，而是用它管理基礎設施和行政工作。

  • 硬體自動化是被低估的 AI 用例（例如用 CLI 控制掃描器）
  • 「消費 AI」和「建造 AI Agent」之間的界線正在模糊
  • 做事時讓 Agent 處理，騰出時間做更高價值的事

💡 為什麼重要：AI 自動化不只是寫 code——行政、基礎設施、重複任務才是最大的解放空間

🔗 閱讀原文 | 來源: Lenny’s Newsletter

Autoresearch：用 AI 自動研究舊想法#

一位研究員分享如何用 Claude Code 的 autoresearch 模式，讓 AI 自動對一個擱置已久的研究想法進行文獻回顧、實驗設計和初步驗證。幾個小時內完成了原本可能需要數週的研究前期工作。

  • AI 不是替代研究員，而是加速研究的探索階段
  • 自動迭代的關鍵是設計好 feedback loop
  • 最有價值的部分仍是人類的直覺——知道哪個方向值得深入

💡 為什麼重要：AI 研究助手正在改變學術工作流，「提出好問題」比「執行研究」更值錢

🔗 閱讀原文 | 來源: Hacker News

Cursor 用了 Kimi K2.5？Theo 的深度分析#

Theo 深入調查 Cursor 的新 Composer 2.0 模型被發現底層是 Kimi K2.5（月之暗面的開源模型）。Cursor 估值 500 億美元，但核心模型來自開源社群且未充分揭露。

  • 開源模型品質已好到能撐起 500 億估值的產品
  • 授權合規問題——Cursor 被發現後才承認使用 Kimi
  • 引發對「做模型」vs「做工具」價值的辯論

💡 為什麼重要：當開源模型能撐起頂級產品，AI 公司的護城河在哪裡？

🔗 閱讀原文 | 來源: YouTube / Theo

Claude Peers MCP：讓 Claude Code 互傳訊息#

一個開源 MCP server 讓所有正在執行的 Claude Code session 可以互相傳送 ad-hoc 訊息。解決了多 Agent 平行開發時資訊孤島的問題。一週內獲得近 1000 顆 GitHub star。

  • 解決多 session 平行開發的核心痛點
  • Ad-hoc 訊息機制，無需複雜設定
  • 安裝約 3 分鐘即可上手

💡 為什麼重要：從「單一 Agent 更聰明」到「多 Agent 協作」，AI 開發工具的關鍵轉折

🔗 閱讀原文 | 來源: GitHub

iPhone 17 Pro 展示跑 400B LLM#

iPhone 17 Pro 上成功展示運行 400 億參數的 LLM。搭配 MoE 架構技術，不需要雲端也不需要高階 GPU。這標誌著本地 AI 推論的重大里程碑。

  • MoE 架構只啟動相關的部分參數，大幅降低硬體需求
  • Apple Silicon 的 AI 推論能力超出預期

💡 為什麼重要：400B 參數模型跑在手機上——AI 本地化不再是妥協，而是選擇

🔗 閱讀原文 | 來源: Hacker News

Flash-MoE：在筆電上跑 400B 參數模型#

Flash-MoE 讓 397 億參數的模型在筆電上運行。用 Objective-C 開發，macOS 友好。一週內獲得 1644 顆 GitHub star。

💡 為什麼重要：本地 AI 的門檻正在快速降低

🔗 閱讀原文 | 來源: GitHub

Codex Autoresearch Skill#

受 Karpathy autoresearch 概念啟發的 Codex skill，讓 AI 持續循環：修改、驗證、保留或丟棄、重複。一週內 727 顆 GitHub star。

🔗 閱讀原文 | 來源: GitHub

Starlette 1.0 + Claude Skills 實驗#

Python ASGI 框架 Starlette 發布 1.0 版本——FastAPI 的底層框架，重要性被嚴重低估。Simon Willison 用 Claude Code skills 來實驗新功能。

🔗 閱讀原文 | 來源: Simon Willison

Claude Code 生產力指南#

Neil Kakkar 分享如何高效使用 Claude Code 的實戰經驗，從「能用 AI」到「用好 AI」。

🔗 閱讀原文 | 來源: Hacker News

推薦閱讀#

名人動態#

  • Simon Willison: 大量產出——引用 David Abram 的 coding 技藝觀點、Starlette 1.0 實驗、JS Sandboxing Research、DNS Lookup 工具、Merge State Visualizer
  • Jack Clark: Import AI 450 — 創傷 LLM、中國電子戰模型、網路攻擊規模定律
  • Lenny Rachitsky: 微軟 AI VP 自動化、影響力的藝術
  • Theo: Cursor / Kimi K2.5 深度分析（58K views）

中文技術圈#

開源精選 — GitHub Trending (本週)#

flash-moe — Objective-C | ⭐ 1.6K 在筆電上跑 400B 參數大模型，MoE 架構

dbskill — ⭐ 1.2K Claude Code 商業診斷 Skills

claude-peers-mcp — TypeScript | ⭐ 926 讓 Claude Code session 互傳訊息

app-store-preflight-skills — ⭐ 895 iOS 上架前自動掃描退件風險

ghostling — C | ⭐ 764 Ghostty 最小可行終端模擬器

weixin-agent-sdk — TypeScript | ⭐ 736 微信 Agent SDK

codex-autoresearch — Python | ⭐ 727 Karpathy 自動研究概念的 Codex 實作

web-access — JavaScript | ⭐ 716 給 Claude Code 完整聯網能力的 skill

影音精選#

Cursor 真的把 Kimi 重新包裝了嗎？#

58.4K views · 1 天前

Theo

Theo 深入調查 Cursor Composer 2.0 的底層模型，發現是 Kimi K2.5 的 fine-tune。從授權合規到開源生態影響，一次講清楚。

  • Cursor API URL 中暴露了 Kimi K2.5 的模型名稱
  • 根據 Kimi 授權，月收入超 2000 萬美元須公開揭露
  • 引發「做模型 vs 做工具」的價值辯論

💬 當開源模型好到能撐起 500 億估值的產品，護城河到底在哪裡？

用 Claude Code 啟動 100+ Facebook 廣告#

3.8K views · 1 天前

Greg Isenberg

Greg Isenberg 邀請 Cody Schneider 示範如何用 Claude Code 同時跑 7+ Agent，處理 Facebook 廣告、LinkedIn 外展、冷郵件等 GTM 任務。

  • 用 React 組件產生廣告素材，成本趨近於零
  • 一個人 + 多個 Agent = 取代一整個 GTM 團隊
  • 部署到 Railway 變成 24/7 自動化流程

💬 Domain expertise + AI 才是真正的競爭優勢，不是工具本身

Anduril 深度專訪 — $20B 軍方合約背後#

1.7K views · 1 天前

Anduril 總裁 Matthew Steckman 談 $20B 軍方合約的背後故事、國防新創的挑戰、以及為什麼同一個創始團隊八年沒換人。

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