30分钟造出一整套创意系统:Figma Weave 正在重写创意运营的玩法
AI 能生成图片、字体早就不新鲜了,但 Rory Flynn 在 Config 2026 的演讲抛出一个更狠的观点:真正的瓶颈不是模型能力,而是创意团队还在“手搓内容”。他用 Figma Weave 展示了一种全新的创意操作系统,让创意第一次具备了规模化、自动化和可复用性。
AI 能生成图片、字体早就不新鲜了,但 Rory Flynn 在 Config 2026 的演讲抛出一个更狠的观点:真正的瓶颈不是模型能力,而是创意团队还在“手搓内容”。他用 Figma Weave 展示了一种全新的创意操作系统,让创意第一次具备了规模化、自动化和可复用性。
一个反直觉的事实:推动自治代理走向现实的,不是更大的模型,而是“记忆”。当新加坡外交部长公开展示自己的第二大脑时,一家名为 NanoClaw 的项目突然被推到聚光灯下。这期 Latent Space 的对谈,给出了自治工作代理真正可落地的蓝图。
当所有人都在卷模型、卷参数时,Meta 的一线工程负责人却抛出一个反直觉判断:AI 代理真正的瓶颈不是“聪不聪明”,而是“靠不靠谱”。更危险的是,很多 AI 故障并不是模型犯错,而是基础设施把小错放大成事故。
如果你还在靠人肉调试、手动看 trace 来优化 AI Agent,这场演讲可能会让你坐立不安。Mutagent 的两位创始人抛出一个反直觉判断:真正的瓶颈不是模型能力,而是“人类没法再当 AI 的工程循环中枢”。解决方案不是更聪明的人,而是让 Agent 自己当工程师。
当所有人还在卷模型参数和基准测试时,Andrej Karpathy抛出了一个更“反直觉”的判断:人类最自然的输入是语音,但最想要的输出其实是视觉。Forestwalk Labs 的 Allen Pike 用真实产品经验证明,这不是一句口号,而是一条正在重塑 AI 产品形态的路线。
很多团队以为Token成本失控,是模型太贵。AWS高级开发者Eric Hanchett却指出:真正的元凶,是Agent设计本身。从系统提示词到工具调用循环,几乎每一步都在偷偷浪费钱。这是一篇能让你立刻省预算、又显得很懂行的实战文章。
大多数RAG系统一开始就犯了一个隐形但昂贵的错误:先把文档丢给大模型再说。Abed Matini 在这场分享中反其道而行,提出“绕过多模态税”的混合RAG架构,用SQL、RRF和实时遥测,把聊天机器人从“烧Token的玩具”拉回“可控的工程系统”。
如果我告诉你:在某些场景下,向量检索和知识图谱都不是最优解,你会信吗?Luis Romero-Sevilla 在这场演讲中抛出一个反直觉结论——当“所有文档都相关、而且还在高速变化”时,真正的突破点不在检索,而在上下文本身。
很多团队死在同一个地方:研究原型明明很惊艳,一进生产就寸步难行。Higharc 的资深研究工程师给出一个反直觉答案——真正的瓶颈不在模型,而在“交接方式”。这是一套把前沿 ML 研究送进生产环境的硬核方法论。
当所有人都在追求用大模型“秒出代码”时,AWS 的一位资深工程师却泼了一盆冷水:真正能让你写得更快、更稳、更可控的,不是更强的模型,而是更严格的规格文档。这场关于 Spec-Driven Development 的分享,揭示了一个反直觉却正在成真的开发新范式。