在GitHub,一个人能顶14个人:AI Agent把写代码这件事彻底改了
如果你还把 Copilot 当成“高级自动补全”,那你已经落后一个时代了。GitHub CEO 在这期访谈里反复强调的不是模型,而是 Agent:能并行干活、能自己推进任务、甚至在你周末陪孩子时替你写代码的那种。这不是效率提升,而是开发者角色的重写。
如果你还把 Copilot 当成“高级自动补全”,那你已经落后一个时代了。GitHub CEO 在这期访谈里反复强调的不是模型,而是 Agent:能并行干活、能自己推进任务、甚至在你周末陪孩子时替你写代码的那种。这不是效率提升,而是开发者角色的重写。
不是靠更大的模型,也不是靠更多参数。Lovable 让产品“每小时自我进化”的秘密,居然来自两个极不性感的设计选择:认真定义“卡住”,以及让 AI 学会抱怨。这场分享,把很多 AI Agent 的幻想直接拉回现实。
如果你以为AI的价值在于“替人回答问题”,那你可能低估了它。Listen Labs的创始人 Alfred Wahlforss 在红杉的访谈里抛出一个反直觉的判断:真正的突破,是让AI成为一个让用户愿意说真话的对象。这不仅改变了调研方式,也可能重塑品牌决策本身。
很多人还把 Notion 当成高级笔记本,但 Riley Brown 在这支视频里直接点破:在 AI Agent 时代,Notion 的真正身份,是“最适合被 AI 使用的工作中枢”。从 Codeex 到 Claude Code,他展示了一套让 AI 直接住进 Notion 的工作流,效率高到让人有点不安。
如果有一天,你在博物馆里拍下一尊雕像,30秒后它给你打来电话,这不是科幻,而是 ElevenLabs 的一次真实实验。Joe Reeve 用一个“和雕像聊天”的小应用,讲清了当下语音 AI、Agent 和多模态体验中最被低估、也最关键的变化。
Anthropic 刚发布 Opus 4.8,就被称为“世界最强模型”,但视频作者 Riley Brown 花了3个小时对比后,却把焦点转向了另一件事:OpenAI Codex 的更新,正在悄悄改变 AI Agent 的玩法。这不是一次简单的模型对比,而是一场关于“未来怎么用 AI”的分水岭。
当所有人都在追逐更大的模型时,Together AI 的工程师却抛出一个反直觉结论:语音 AI 的成败,取决于工程细节,而不是模型能力。这场分享把“好用的语音 Agent”为何如此之难,说得异常直白。
我们总以为更聪明的模型意味着更好的 Agent,但 Steven Willmott 在这场演讲里直接打脸:模型越大,可能越危险。真正的问题不是“能力够不够”,而是——你到底有没有说清楚它该做什么、不该做什么。
当所有人都在给 AI Agent 拼命加技能、加工具时,WorkOS 的 Nick Nisi 却反其道而行:删掉 95% 的 Agent 能力。结果不是退化,而是效果显著提升。这场分享,几乎颠覆了我们对“更强 Agent=更多技能”的默认认知。
大多数人以为代码补全的未来在更大的模型,但 Zed 团队走了相反的路:用一个小模型,盯住“你下一次会怎么改代码”。更反直觉的是,它的训练数据不是标注出来的,而是你每天真实的编辑行为。Ben Kunkle 用一次演讲,拆开了这个几乎没人公开讲过的生产级训练流程。