yii.
← Digest
EP96 · 2026年6月8日 星期一 · 7 min read

程式碼變便宜，判斷力變貴

每天花 1% 的時間，掌握科技脈動。

今日金句#

“All the knowledge I have accumulated over the years was becoming useless.” 「我這些年累積的所有知識，正在變得一文不值。」 — Anonymous, 十年資歷軟體工程師

“An experiment in using LLMs to teach you, rather than think for you.” 「一個實驗：讓 LLM 教你，而不是替你思考。」 — Deven Jarvis, Lathe 作者

“Stuff that seems like it has no cost is, in fact, incredibly expensive.” 「那些看起來零成本的東西，其實貴得嚇人。」 — Anthony Ha, TechCrunch 記者

今日主軸：程式碼變便宜，判斷力變貴#

今天社群最熱的不是哪個新模型，而是一篇工程師的職涯告白——一位十年資歷的開發者寫下「我累積的知識正在一文不值」，瞬間衝上開發者社群第一、引爆數百則討論。他點名三項過去的護城河：領域知識、除錯能力、架構設計，如今一項項被 LLM 抹平。但同一天，另外幾條線索給了反向答案：iPod 之父 Tony Fadell 提醒，AI 時代最大的風險是把「判斷力」外包出去；Linear 用一篇技術拆解證明，真正的快不是靠硬體，而是靠架構上的取捨與品味；而一個叫 Lathe 的小工具乾脆把方向講白——讓 LLM「教你」而不是「替你想」。當寫程式這件事本身越來越便宜，稀缺的東西正在位移：知道該解什麼問題、願意為結果負責、有品味做出取捨——這些才是還握在人手上的籌碼。

必讀#

  1. LLMs 正在侵蝕我的工程師職涯，我不知道該怎麼辦 — Hacker News AI
  2. iPod 之父 Tony Fadell：AI 時代的品味與判斷 — Lenny’s Startup
  3. Linear 為什麼這麼快？技術拆解 — Hacker News Dev
  4. Tokenpocalypse：AI 的 token 帳單到期了 — TechCrunch AI
  5. Lathe：讓 LLM 教你，而不是替你想 — Hacker News Tools
  6. IOCCC 2025 混淆 C 大賽得獎名單 — Hacker News Dev
  7. Supabase 八個月估值翻倍到 100 億美元 — TechCrunch Startup
  8. 延遲、吞吐量、頻寬的根本差異 — ByteByteGo Dev

1. LLMs 正在侵蝕我的工程師職涯，我不知道該怎麼辦#

一位有十年資歷、專精金融與支付系統的工程師，坦率寫下他的職涯危機。他點名軟體工程師過去的三項護城河——領域專業知識、除錯能力、架構設計——正一項項被 LLM 抹平。文章衝上開發者社群第一，引爆數百則討論。

  • 領域知識不再稀缺——以前要熬好幾年累積的金融、支付專業，AI 訓練資料裡已完整可得
  • 除錯從工程師優勢變成 LLM 強項——新版模型一次就能解掉九成過去要查一整天的 bug
  • 通才過剩導致薪資下跌——當人人都是通才，專才的稀缺性消失

💡 為什麼重要：這不只是個人焦慮，而是整個職業階級的價值重新定價。它逼每個開發者問：我的價值，到底綁在「會寫」還是「知道為什麼寫」上？

🔗 閱讀原文 | 來源: Hacker News

2. iPod 之父 Tony Fadell：AI 時代的品味與判斷#

Tony Fadell（iPod 發明者、iPhone 共同創造者，曾以 32 億美元把 Nest 賣給 Google）在 Lenny’s 訪談中談 AI 時代的產品開發。他預測語音將成為 AI 主要介面，但更重要的警告是：過度依賴 AI 認知外包，是當今產品開發者面臨的最大風險。

  • v1 產品需要「意見導向」的決策，不能靠資料投票投出來
  • 語音將成為 AI 的主要互動介面
  • 最大風險不是 AI 太強，而是人把判斷力外包給 AI

💡 為什麼重要：當第一則的工程師在問「還剩什麼」，Fadell 給了答案——品味與判斷無法被外包，除非你自己放手。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

3. Linear 為什麼這麼快？技術拆解#

一篇深入拆解 Linear 流暢體驗背後架構的技術文。核心反直覺：UI 讀的資料庫不在伺服器，而在瀏覽器（IndexedDB），消除網路延遲；搭配樂觀更新、細粒度響應式追蹤與激進的程式碼分割。

  • 本地優先架構——資料庫在瀏覽器，操作立即反映、背景才同步
  • 細粒度響應式（MobX）——改一個欄位只重繪相關元件，而非整個列表
  • 激進 code splitting——21MB JS 切成數百個 chunk，冷啟動快 10-30%、記憶體降 70-80%

💡 為什麼重要：證明「快」不是靠硬體或 CDN 魔法，而是架構上的取捨與品味——正是 AI 還抹不平的那種能力。

🔗 閱讀原文 | 來源: Hacker News

4. Tokenpocalypse：AI 的 token 帳單到期了#

GitHub Copilot 轉向 token 計費，TechCrunch 警告「代碼世界末日」將至。AI 公司長期靠投資補貼掩蓋真實成本，現在開始轉嫁給客戶。Uber 案例顯示一個半月就把 LLM 預算燒爆，被迫設使用上限。

  • 補貼時代結束——「免費」的 AI 功能其實運營成本極高
  • Uber 試用 LLM 工具後預算暴增，被迫實施 rate capping
  • AI IPO 前夜面臨揭露困境，S-1 要說明「演進中」的模糊風險

💡 為什麼重要：這是 AI 商業模式的第一次大規模壓力測試，將直接影響企業選型與整個產業的估值邏輯。

🔗 閱讀原文 | 來源: TechCrunch

5. Lathe：讓 LLM 教你，而不是替你想#

一個 Go CLI 工具，用 LLM 當「課程生成引擎」而非「程式碼生成器」。它生成多章節教程、逼你自己動手完成，本地離線可用，還附文獻出處與驗證機制。適合沒有現成教材的利基領域。

  • LLM 生成教材、使用者自己實作——對抗「AI 代寫導致技能退化」
  • 本地優先，教程存在 ~/.lathe/tutorials/，離線可用、省 API 成本
  • 來源透明、多種教學語氣（直白／同伴式／自訂）

💡 為什麼重要：在職涯焦慮的氛圍裡，它給了一個具體的反向用法——把 AI 當老師而不是替身，技能才會長在你身上。

🔗 閱讀原文 | 來源: Hacker News

6. IOCCC 2025 混淆 C 大賽得獎名單#

第 29 屆國際混淆 C 程式碼大賽，投稿品質與數量雙創新高。得獎作品包括 GameBoy 模擬器、自我複製的 Quine Pong、海洋音效生成器等。三位作者各拿三個獎，並出現首位台灣得獎者 jingp49。

  • 22 個得獎作品附完整原始碼與評委評語
  • Yusuke Endoh、Nick Craig-Wood、Don Yang 各贏三項
  • 首位台灣作者 jingp49 上榜

💡 為什麼重要：在編程前景不明的此刻，IOCCC 提醒人們——程式設計最純粹的樂趣在創意，而非實用，這也是人類創意編程的獨特價值。

🔗 閱讀原文 | 來源: Hacker News

7. Supabase 八個月估值翻倍到 100 億美元#

開源 PostgreSQL 後端 Supabase 完成 5 億美元 Series F，由新加坡主權基金 GIC 領投，估值八個月內從 50 億翻倍到 100 億。開發者用戶數翻倍至近千萬，資料庫啟動量年增 600%，且超過 60% 由 AI 工具產生。

  • 5 億美元 F 輪，Stripe、Salesforce Ventures 等加入
  • 開發者近千萬、DB 啟動量年增 600%
  • 超過 60% 的新資料庫由 Claude Code、Codex 等 AI 工具生成

💡 為什麼重要：印證「AI 工具 + 簡化基礎設施」雙引擎——AI 讓更多人能 build，但他們需要更簡單的後端，需求一路往基礎設施聚集。

🔗 閱讀原文 | 來源: TechCrunch

8. 延遲、吞吐量、頻寬的根本差異#

ByteByteGo EP217 清楚拆解三個常被混用的效能概念。延遲是單一封包的傳輸延遲，吞吐量是實際每秒傳輸量，頻寬是連線理論最大容量。三者關係決定應用的體感速度，是系統設計面試與架構評估的核心。

  • Latency / Throughput / Bandwidth 三者定義與關係釐清
  • 本期也涵蓋 CPU/GPU/TPU 比較
  • 以及 Claude Code 的七種權限模式

💡 為什麼重要：這類「基本功」正是 AI 抹不平的判斷基礎——你得先懂系統，才知道 AI 生出來的方案對不對。

🔗 閱讀原文 | 來源: ByteByteGo

推薦閱讀#

大神動態#

中文技術圈#

開源精選 — GitHub Trending（本週）#

  • cpaczek/skylight — TypeScript | ⭐ 2.2K 用 RTL-SDR 把頭頂飛過的飛機即時投影到天花板，含太陽月亮星星與 ISS 圖層。
  • jd-opensource/JoyAI-Echo — Python | ⭐ 836 京東開源，推進長時長音視頻生成的前沿模型。
  • tastyeffectco/sandboxd — Go | ⭐ 494 自架的開發 sandbox，一條指令生出預覽 URL，無需 K8s，適合 coding agent。
  • Jane-xiaoer/xiaoer-videolab — JavaScript | ⭐ 463 一鍵把當前網頁的影片抓到本地，內建 yt-dlp daemon，支援 1800+ 站點。
  • jeff141/meatshell — Rust | ⭐ 379 輕量、低記憶體佔用的 SSH / 終端機客戶端。
  • SenhorH/tab-labeler — TypeScript | ⭐ 328 在本地重新命名瀏覽器分頁，讓混亂的 session 變整齊。
  • nevertoday/zhongguo-traditional-colors — JavaScript | ⭐ 322 中華傳統色演示、色卡瀏覽與顏色知識科普。
  • amElnagdy/guard-skills — ⭐ 303 給 coding agent 的 guard skills，攔截 AI 生成程式碼/測試/文件的常見失敗模式。
  • ni5arga/deanonymizer — TypeScript | ⭐ 259 根據公開留言/發文歷史與模式，對任何人去匿名。
  • razr001/align-dev — TypeScript | ⭐ 258 幫 AI 輔助前端團隊生成共享 coding 標準與 SKILL.md，讓各家 agent 寫得一致。

影音精選#

六個月打造年收入億元的 Emergent 創業歷程#

2 天前 · Y Combinator

Y Combinator

Emergent 創辦人 Mukund Jha 分享如何在九個月內讓 850 萬用戶使用「無需寫程式即可建立、發布、變現軟體」的 AI 平台，突破 1 億美元 ARR。團隊原是 4 人研究室，曾在 SWE-bench 編程評測拿世界第一。

  • 九個月達 1 億美元 ARR、850 萬用戶
  • 從 4 人研究室、SWE-bench 第一轉型大眾平台
  • 強調「探索式精神」與多智能體架構是核心競爭力

💬 Yii 的話：這正是今天主軸的反面——當寫程式變便宜，會「定義產品、變現」的人反而吃下整個市場。

Hermes Agent Desktop 完整教學與商業應用#

39 小時前 · Greg Isenberg

Greg Isenberg

Alex Finn 完整示範 Hermes Agent Desktop：Sessions 情境管理、Profiles 模型分配（Opus 策略、ChatGPT 程式碼、本地 Qwen 研究）、Artifacts 第二大腦與 Cron 排程。

  • 把 Sessions/Profiles/Artifacts/Skills/Cron 整合成類 Apple 介面
  • 依模型分工：Opus 策略、ChatGPT 程式碼、本地 Qwen 免費研究
  • 「逆向提示」技巧 + Sub-agents 平行建微型 SaaS

💬 Yii 的話：對天天在 terminal 跟 agent 工作的人，這種「桌面化 agent 管理」會是下一個體驗分水嶺。

Token Maxing 為何讓企業 AI 導入適得其反#

44 小時前 · 20VC

20VC

Legora CTO Jacob Lauritzen 談 2026 vs 2024 建團隊的差異：程式碼「便宜了」，瓶頸轉到系統設計與品味；Legora 超過 50% 程式碼由 AI 生成。他批評企業盲目堆疊 token 用量是錯誤策略，該看的是機會成本。

  • Legora 超過 50% 程式碼由 AI 生成
  • 核心技能轉向系統設計與品味判斷
  • 「Token Maxing」是錯的，該衡量機會成本

💬 Yii 的話：跟今天的 Tokenpocalypse 一條線——堆 token 不等於有產出，會判斷「值不值得花」才是本事。

今日觀察#

把今天的線索擺在一起，會看到一個清楚的位移：當 AI 把「寫程式」這件事本身變便宜，價值正在從「執行」流向「判斷」。那位十年工程師的職涯告白之所以引爆社群，是因為他誠實說出了大家的恐懼——領域知識、除錯、架構，這三道護城河同時失守；但 Linear 的技術拆解恰好反證，真正的「快」來自架構上的取捨與品味，那正是 AI 還抹不平的東西，而 Tony Fadell 把話講得更白：最大的風險不是 AI 太強，是你親手把判斷力外包出去。Tokenpocalypse 與 20VC 的「Token Maxing」批評則從另一端呼應——堆疊算力與 token 不會自動變成產出，知道「值不值得花」本身就是稀缺能力，而 Lathe 這種「讓 AI 教你而非替你想」的小工具，剛好示範了如何把護城河重新長回自己身上。對開發者與每一個個別工作者來說，焦慮無濟於事，真正該做的，是把自我價值從「我會做這件事」搬到「我知道為什麼、也願意為結果負責」——這條線，短期內 AI 還跨不過去。

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