看不见的用户:用AI模拟重塑UX设计迭代速度
Alex Liss提出,用AI模拟“看不见的用户”,让设计从堆砌聊天机器人回归真正的用户需求发现。通过智能用户分身(intelligent twins)参与设计流程,团队可以在更快、更大规模下发现痛点,修复AI时代的信任危机。
Alex Liss提出,用AI模拟“看不见的用户”,让设计从堆砌聊天机器人回归真正的用户需求发现。通过智能用户分身(intelligent twins)参与设计流程,团队可以在更快、更大规模下发现痛点,修复AI时代的信任危机。
这篇文章完整还原了Ronan McGovern关于文本转语音模型微调的实战工作坊,从音频Token化的底层原理,到如何用YouTube数据构建训练集,再到实际微调和效果对比,帮助读者理解现代TTS模型真正“怎么练成”。
Jerry Wu 和 Wyatt Marshall 系统梳理了浏览器代理的真实能力边界:读网页已接近可用,写网页却仍是硬骨头。他们用一个5000任务的真实基准,揭示了性能、失败模式和基础设施为何才是决定性因素。
从Instruct GPT到GPT‑4.1,语言模型在“听话”这件事上并没有线性进步。AI21 Labs 的 Yuval Belfer 通过工程视角给出答案:问题不在模型,而在我们把所有复杂性都塞进了一个提示词。真正可靠的 AI Agent,需要规划与执行引擎。
在这场AI Engineer大会的演讲中,Michael Yuan提出了一个反直觉却极具前瞻性的判断:Rust不是为“人类程序员”设计的,而是为“AI写代码”准备的语言。他通过Rust Coder项目和现场演示,解释了在AGI逐步成形的世界里,编程语言的核心标准正在发生根本性转变。
这是一位AI工程师在真实创业过程中的反思:为什么营养记录如此困难,以及大语言模型如何被重塑为“营养陪伴者”。文章还原Alma八个月实践中的关键洞见、失败经验与方法论,展示AI Agent在健康领域落地的真实挑战。
一位前Stripe产品负责人,分享自己从大厂走向AI创业一线后的真实体验:用户问题不再清晰、路线图失效、速度成为生存门槛,以及在没有品牌光环下做增长的残酷现实。
这场工作坊不是理论讲解,而是一次完整走通“Agent→日志→数据→微调”的实操演示。Ronan McGovern通过一系列小型Demo,展示了如何用MCP组织Agent上下文,并基于真实运行数据对Qwen 30B模型进行微调。
AI Agent 一旦组成网络就容易失控,这是行业的共同痛点。Fruit Signals CEO Ari Heljakka 在这场演讲中提出:真正的突破不在于更聪明的模型,而在于通过 MCP(Model Context Protocol)把“评估”嵌入 Agent 的行动回路,让它们学会自我纠错与稳定协作。
这篇文章复盘了Brook Riggio在AI Engineer频道分享的一次真实生产级Demo,讲清楚他如何在2025年用OpenAI Agents SDK、Next.js和Vercel,构建真正“零运维、可扩展、面向用户”的AI Agent应用,以及这套组合背后的方法论取舍。