一场工程师游戏,暴露了AI前沿最真实的集体焦虑
这不是一场技术发布,而是一场面向工程师的“家庭问答”式游戏。通过现场即兴回答,Frontier Feud意外呈现了当下AI工程师最真实的关注点:成本、提示工程、工具选择,以及对行业透明度的隐性期待。
这不是一场技术发布,而是一场面向工程师的“家庭问答”式游戏。通过现场即兴回答,Frontier Feud意外呈现了当下AI工程师最真实的关注点:成本、提示工程、工具选择,以及对行业透明度的隐性期待。
如果你还觉得“AI 写代码”只是玩具,这个视频会直接打脸。Riley Brown 几乎没亲手写一行核心代码,把设计、前端、逻辑全部交给 AI,最后做出了一款真实可用、能直接解决传播效果问题的 Web 应用。更重要的是,它揭示了一种正在成型的新工作范式。
LinkedIn并非一开始就要打造宏大的GenAI平台,而是在真实产品压力下,一步步演化出支撑AI Agent的基础设施。本文还原Xiaofeng Wang的分享,讲清楚他们为何自建平台、如何从简单Prompt走向多智能体系统,以及这些选择背后的工程与组织洞见。
Arc Institute 创始人之一 Patrick Hsu 分享了他如何用进化理论训练生成式生物模型 EVO,并试图把生物学变成可被调用、组合和验证的“应用商店”。这不仅是模型能力的跃迁,更可能重塑药物研发和生命科学的工作方式。
一家只有两名核心工程师参与的团队,如何在金融这种高风险场景中,把AI Agent真正推到生产环境,并支撑每天千万级请求?这场分享讲清了从GPT-4试水、成本失控,到微调小模型实现质量、成本、延迟三赢的完整路径。
Brightwave创始人Mike Conover从金融尽调一线的“人肉地狱”出发,讲述为什么金融AI Agent必须以“可验证”为核心设计原则,以及为何聊天式交互远不足以承载高风险金融决策。
Midjourney V7发布后,并没有像以往那样引发一致欢呼。在ChatGPT ImageGen掀起范式变化的背景下,这次更新更像一次价值观与路线之争:是继续追求“好看又好玩”,还是全面拥抱可控、可对话、可编辑的生成体验?
当大多数公司直接接入现成AI工具时,Jane Street却选择了一条更难的路:围绕自研语言生态,从数据、训练到编辑器,重新打造AI开发工具链。这篇文章还原了他们如何在“模型不懂OCaml”的现实下,把大语言模型真正变成可用生产力。
在这场看似轻松却信息密度极高的演讲中,swyx给出了一个清晰信号:AI工程正在从“调用模型”迈向“构建Agent”。这不仅是技术能力成熟的结果,更是一场关于身份、方法论和产业方向的转变。
Josh Woodward 讲述了 Google Labs 如何在高度不确定中孵化 AI 产品:从“先找市场再打磨产品”的方法论,到他对提示工程将被淘汰、多模态成为默认体验的判断,再到 Mariner 和生成式视频背后的真实取舍。