yii.
← Digest
EP72 · 2026年5月12日 星期二 · 9 min read

Spec 才是新核心

工程師的工作已經變了 — 95% 每週用 AI，但寫對 spec 比寫對 code 更重要

每天花 1% 的時間，掌握科技脈動。

今日金句#

“Git wasn’t designed for that load, and bolting AI onto platforms not built for agents is the biggest mistake of this era.” 「Git 從來不是為這種負載設計的，把 AI 硬接在不是為 agent 而生的平台上，是這個時代最大的錯誤。」 — Bill Staples, CEO, GitLab

“If you double your output and your cost of maintaining that output, two times two means you’ve quadrupled your maintenance costs.” 「如果你產出翻倍，維護那些產出的成本也跟著翻倍，二乘二等於你的維護成本翻了四倍。」 — James Shore, 軟體工程思想家

“Your AI, your agent is never going to complain when you ask it to do this five minutes before the meeting starts.” 「你的 AI、你的 agent 永遠不會抱怨你會議前五分鐘才丟需求給它。」 — Claire Vo, Host, Lenny’s Newsletter

今日主軸#

今天有四個獨立來源同時指向同一件事：工程師的工作內容正在快速重組。Pragmatic Engineer 的 2026 調查顯示 95% 工程師每週用 AI，Claude Code 八個月內變成最多人用的 AI 工具；Notion 工程團隊揭露他們的 spec-driven 流程，用 Whisper 口述 → Codex 自動產出 PR；GitLab 直接重組 60 個小團隊迎接 agent 時代，CEO 直言「把 AI 接在不為 agent 設計的平台上是這時代最大的錯誤」；同一天 James Shore 提出反論：如果 AI 寫得快但維護成本翻倍，提升 2 倍生產力等於白做。把這些拼起來看，寫 code 不再是工程師的核心，寫對 spec 才是。

必讀#

  1. Spec-Driven Development: Notion 的 AI 工程化流程 — Lenny’s Dev
  2. AI Tooling 2026：Claude Code 八個月變第一 — Pragmatic Engineer Dev
  3. James Shore：AI 寫得快，但維護成本必須降才不會虧本 — Simon Willison AI
  4. GitLab Act 2：60 個團隊重組迎接 Agent 時代 — GitLab Dev
  5. Pinterest 的 MCP 生產級生態系：M×N → M+N — ByteByteGo Dev
  6. LLM shebang：把 Shell Script 寫成 AI 提示 — Simon Willison AI
  7. Notion 的 Agent Quests + Token Leaderboards — Lenny’s Dev
  8. 殭屍網際網路：AI 發言人正在吞噬網路 — Simon Willison AI
  9. Shopify River：AI Agent 變成全公司的學徒教室 — Simon Willison AI

Spec-Driven Development: Notion 的 AI 工程化流程#

Notion 工程師揭露 spec-first 工作流程：用 Whisper 口述想法 → 整理成 spec → commit 到 repo → 在 GitHub 留言裡 @ Codex → 二十分鐘後 agent 帶著截圖回來。內部代號「Boxy」的 VM 系統接管 PR 生成，工程師角色從寫 code 轉為寫規格、驗收 agent 輸出。Project Afterburner 同步把 CI 時間砍到原本四分之一 — 因為 agent 寫 code 的速度需要對應快的回饋迴路。

  • 工程師核心：把 spec 寫到 agent 看得懂、看得對
  • 內部 Boxy：Slack-to-PR 二十分鐘交付
  • CI 速度是新瓶頸（不是 LLM 能力）
  • Spec as changelog：版本控的不是 code，是功能定義

💡 為什麼重要：寫 code 的時間會變少，寫對 spec 的能力會變成新的工程核心競爭力。投資 CI 速度比導入更多 agent 重要。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

AI Tooling 2026：Claude Code 八個月變第一#

Pragmatic Engineer 訪問了 906 個工程師，給出 2026 年最完整的 AI 工具使用調查。Claude Code 在發布僅八個月後（2025/5）就變成最多人用的 AI 編程工具：46% 工程師最愛，遠超 Cursor 的 19% 和 GitHub Copilot 的 9%。整體 95% 工程師每週用 AI，75% 讓 AI 做掉一半以上工作，56% 讓 AI 做掉七成以上。Staff+ 工程師使用 agent 的比例高達 63.5%，遠高於初階。

  • 95% 工程師每週用 AI（已是主流）
  • Claude Code 八個月翻第一，超越 Cursor + Copilot
  • 55% 工程師用 agent，Staff+ 級別達 63.5%
  • 70% 工程師同時用 2-4 個 AI 工具
  • 公司規模決定工具：小公司選 Claude Code 75%，大企業選 Copilot 56%（採購慣性，不是偏好）

💡 為什麼重要：AI 編程已不是實驗，是工程師日常基本配備。八個月翻轉工具市場代表能力差距大到無法忽視。大企業採購週期可能跟不上能力演進速度。

🔗 閱讀原文 | 來源: Pragmatic Engineer

James Shore：AI 寫得快，但維護成本必須降才不會虧本#

James Shore 提出簡潔的數學論證：如果 AI 讓你產出翻倍，但維護成本沒變，總成本其實翻倍；如果產出翻倍、維護成本也翻倍，總成本翻四倍。要讓 AI 真正划算，維護成本必須以反比下降 — 產出 2 倍，維護成本要降到 0.5 倍。多數團隊只盯產出速度，忽略了維護債的指數增長。

  • 公式：產出倍數 × 維護成本倍數 = 總成本倍數
  • 產出 2x、維護不變 = 總成本 2x（沒省到）
  • 產出 2x、維護 2x = 總成本 4x（賠了）
  • 必須產出 2x、維護 0.5x 才能打平

💡 為什麼重要：對沖了 Notion / Pragmatic 樂觀敘事的另一面。團隊在歡慶 agent 速度時，可能正在累積長期的工程債。需要同時追蹤 defect density、tech debt、refactor 負擔，不是只看 PR 速度。

🔗 閱讀原文 | 來源: Simon Willison

GitLab Act 2：60 個團隊重組迎接 Agent 時代#

GitLab CEO Bill Staples 宣布大規模組織重組：減國家 30%、扁平化 3 層管理、將 R&D 重組為 60 個小型自主團隊。同時提出五項架構賭注：機器規模的 Git 基礎設施、全生命週期 orchestration（取代傳統 CI/CD）、context as data service、governance-first 架構、人類/agent/自主三模式。多數重組省下的成本「再投資」到產品，不是純粹瘦身。Staples 直言：「Git 本來不是為這種負載設計的，把 AI 硬接在不為 agent 設計的平台上，是這時代最大的錯誤。」

  • 60 個自主團隊（原 ~40）
  • 三層管理層被砍掉，決策延遲降低
  • 五項架構賭注圍繞「agent 作為第一公民」
  • Consumption-based 定價加入訂閱方案

💡 為什麼重要：DevOps 平台層需要被重新設計，不是貼補丁。GitHub Copilot 雖深入 IDE，但底層 Git / CI 沒為 agent 重做。GitLab 的賭注若成立，平台戰會重新洗牌。

🔗 閱讀原文 | 來源: GitLab

Pinterest 的 MCP 生產級生態系：M×N → M+N#

Pinterest 工程團隊用 MCP（Model Context Protocol）統一 AI agent 與內部工具（Presto、Spark、Airflow、Knowledge Service）的整合，把 5 介面 × 10 工具的 50 種客製整合，降為 5 + 10 = 15 個元件。截至 2025/1 已有 66,000 次月度調用、844 個用戶，每月節省約 7,000 工時。雙層授權：Envoy proxy 做網路層 JWT 驗證 + @authorize_tool 裝飾器做細粒度權限。

  • 整合複雜度從 M×N 降為 M+N
  • 雲端託管 MCP server（不是本地）— 換來統一 auth / log / monitor
  • 66K 月調用、844 用戶、節省 7K 工時
  • 註冊中心 + Envoy proxy 是治理骨幹

💡 為什麼重要：MCP 不只是協議，是基礎設施。導入 MCP 失敗的團隊通常是缺少 registry / deployment pipeline / observability。值得當作企業導入 agent 的 reference architecture。

🔗 閱讀原文 | 來源: ByteByteGo

LLM shebang：把 Shell Script 寫成 AI 提示#

Simon Willison 的 LLM CLI 工具支援 shebang 執行，shell script 可以直接拿英文當執行內容。#!/usr/bin/env -S llm -f 後面接英文指令就能跑出結果（SVG、計算、查詢）。透過 -T tool_name 整合工具呼叫，用 YAML template mode 還能定義自訂 Python 函數作為工具。把 LLM 變成 Unix 一等公民，把「規格本身」變成可執行檔。

  • shell script 直接寫英文跑 LLM
  • 工具呼叫整合（時間、計算、Datasette SQL）
  • YAML template mode 定義自訂 Python 工具
  • Unix 哲學延伸：「do one thing well」變成「讓 LLM 推理工具」

💡 為什麼重要：ops / sysadmin 可以開始用英文寫自動化腳本。Spec-driven 從團隊規模降到個人腳本層 — 規格本身就是執行檔。

🔗 閱讀原文 | 來源: Simon Willison

Notion 的 Agent Quests + Token Leaderboards#

Sendbird CEO John Kim 分享公司內部 AI 工具「Automators」：自動化請求變成 quest，工程師或 AI agent 接 quest 領積分，積分換禮品卡、與高層的時間、上台分享機會。Token 用量分 5 個 tier（Beginner < 1M/天 → AI God > 100M/天），讓 AI 熟練度可見也讓人想升級。Notion 工程師也分享 spec-driven 開發核心：spec 是 changelog，agent 是執行者。

  • 自動化 = quest（不是任務），有積分有獎勵
  • Token 用量公開排行榜，5 tiers 從新手到 AI God
  • 預配置 app templates 讓非工程師也能 ship
  • 把「文化推廣」與「基礎設施」分開設計

💡 為什麼重要：AI 採用不是技術問題，是文化與激勵設計。從 mandate 到 product 思維 — 把內部工具當產品經營，champion 自然會帶動其他人。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

殭屍網際網路：AI 發言人正在吞噬網路#

404 Media 記者 Jason Koebler 提出「殭屍網際網路」概念：不是 bot 跟 bot 對話的 dead internet，而是「人用 AI 跟人對話、AI 影響人、人指揮 AI agent 跟其他人互動」的混合生態。自動化 YouTube 頻道、Reddit 行銷帳號、AI 生成的書、影響者 AI bot 大量出現。過濾 AI slop 變成日常消耗，連人類書寫風格都被反向影響。

  • 不是 dead internet（bot 對 bot）— 是 zombie（人用 AI 攪和）
  • 經濟誘因驅動：千個 AI 影響者 bot 只要 0.1% 轉換就回本
  • 自動化頻道、AI 書、影響者 bot 已大量存在
  • 過濾 AI slop 影響人類書寫風格

💡 為什麼重要：開放平台的訊號雜訊比快速惡化。創作者要靠 authenticity（直播、實名、可驗證身份）區隔自己。平台設計需要根本性的貨幣化變革。

🔗 閱讀原文 | 來源: Simon Willison

Shopify River：AI Agent 變成全公司的學徒教室#

Shopify CEO Tobias Lütke 分享內部 coding agent「River」的設計：強制走公開 Slack 頻道（拒絕私訊），所有對話可搜尋、所有人可學習。靈感來自德文 Lehrwerkstatt（學徒工坊）概念 — 整個工坊就是教室，靠在工作旁邊看就學會了。100+ 員工觀察 Tobi 自己的頻道，learning by osmosis 取代正式課程。Midjourney 早期成功也靠類似機制（公開 Discord 頻道）。

  • 強制公開頻道（River 拒絕 DM）
  • Lehrwerkstatt 學徒工坊文化
  • 100+ 員工觀察 CEO 自己的 #tobi_river
  • 對比 IDE-only AI 工具：私下用 → 沒人學到

💡 為什麼重要：AI agent 不只是生產力工具，也是組織學習工具。預設公開、可觀察、可參與，能讓 agent 同時帶動文化和效能。

🔗 閱讀原文 | 來源: Simon Willison

推薦閱讀#

  • TanStack npm 供應鏈攻擊事後分析 — TanStack 詳細解析 npm 供應鏈攻擊鏈：pull_request_target workflow 沒驗證 fork、惡意 optionalDependencies 觸發 lifecycle scripts、cache poison 跨 release 持久化。84 個版本、42 個套件在兩個發布週期內被注入惡意程式
  • Radical Optionalism：AI 監管的新思路 — Import AI 提出新監管思路：政府不該過度監管也不該完全放任，而是「現在就投資未來可能需要的工具與機構」，保留應對 AI 變局的決策彈性
  • V2EX：自製小硬體解決 iPhone 騷擾電話 — V2EX 用戶分享自製小硬體搭配 iPhone 動態島，徹底解決騷擾電話攔截不準的問題

其他值得關注#

名人動態#

  • Simon Willison [S-tier]：今日 6 篇 blog 連發，涵蓋 GitLab 重組、James Shore 維護成本論、LLM shebang、Shopify River、Zombie Internet、NYT AI 假引用更正（已在必讀詳述）
  • Tobias Lütke (Shopify CEO)：揭露內部 AI Agent「River」設計理念 — Lehrwerkstatt 學徒工坊模式
  • Bill Staples (GitLab CEO)：宣布 GitLab Act 2 重組計劃，直言「把 AI 接在不為 agent 設計的平台上是這時代最大的錯誤」
  • James Shore：提出 AI 編程的維護成本數學論證

今日觀察#

從四個獨立來源同時冒出來的訊號很一致：寫 code 不再是工程師的核心競爭力，把問題說清楚、把 spec 寫對才是。Pragmatic Engineer 的調查給出規模證據（95% 每週用 AI、Claude Code 八個月翻第一），Notion 給出具體流程（Whisper → spec → @Codex → PR），GitLab 給出組織層的對應（60 個小團隊、扁平化）— 三層都在說同一件事。

而 James Shore 從反方向補上經濟學：產出翻倍若沒對應降低維護成本，總成本反而翻倍。這提醒了一件容易被忽略的事 — 多數團隊只盯 PR 速度，不盯 defect density 或 refactor 負擔。當 agent 把 code 生產量推到機器規模時，沒對應的工程紀律會把工程債也推到機器規模。

一個值得思考的角度：當 spec 變成新的核心競爭力，產品經理、設計師、領域專家的影響力可能會反向擴大 — 因為他們本來就是寫規格的人。工程師的價值會更集中在「判斷 spec 是否完整、agent 輸出是否符合 spec」這個驗收與架構決策層。

中文技術圈#

開源精選 — GitHub Trending（本週）#

影音精選#

7 個 AI Agent 創業點子（Genspark Claw + Slack 整合）#

9.7K views · 1 天前 · Greg Isenberg

Greg Isenberg

Greg Isenberg 介紹利用 Genspark Claw AI 代理平台建立小型現金流企業的七個實踐創意，包括過期網域翻轉、餐廳清算仲介和人才徵聘訊號冷行銷。視頻演示如何使用 Claude Sonnet 4.6 作為 Slack 整合的 AI 員工，並提供五步框架。

  • 用 Claude Sonnet 4.6 當 Slack 整合的 AI 員工
  • 五步框架產生自己的商業想法
  • 月底前目標 $200-$1,500/天的現金流

💬 Yii 的話：Greg 把 AI agent 創業點子拆成具體模板，對小規模副業者很實用。重點是 “agent + niche” 而不是 “agent everywhere”。

本月開源精選 — HelloGitHub vol.121#

2026-04-28 發布。按 Star 數排序。

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