让AI直接“接管”数据库:Supabase在DevDay丢出的狠招
如果你以为大模型只能“帮你写SQL”,那这场DevDay演示会直接刷新认知:Supabase把一整个Postgres数据库交给GPT-4o自主操作,还跑在浏览器里。不是概念,而是能自我修复、能做向量搜索、还能画图的真家伙。
如果你以为大模型只能“帮你写SQL”,那这场DevDay演示会直接刷新认知:Supabase把一整个Postgres数据库交给GPT-4o自主操作,还跑在浏览器里。不是概念,而是能自我修复、能做向量搜索、还能画图的真家伙。
在 OpenAI DevDay 的社区案例里,Amperity 抛出了一个让很多 AI 从业者愣住的做法:他们做了一个跨行业、跨上百客户的 NL2SQL 系统,却刻意没用向量数据库。取而代之的,是两步“研究式”上下文管理。这套思路,可能比你想象得更重要。
在OpenAI DevDay的舞台上,Vercel的AI负责人抛出一个刺耳却真实的判断:未来最重要的软件,可能不再是“给开发者写的”。v0展示的不是又一个玩具Demo,而是一条正在成型的生产力路线。
在这场超过40分钟的炉边对谈中,Sam Altman 并没有给出一个“AGI倒计时”,反而反复强调:真正重要的,不是某一天突然宣布我们到了 AGI,而是能力如何被产品化、被规模化、被安全地释放。这场 DevDay 对话,信息密度远超发布会本身。
如果AI Agent不是帮你跑5分钟任务,而是能连续“活”上一周,会发生什么?在OpenAI DevDay上,Altera给出了一个让全场安静的答案:AI会自发形成宗教、经济、协作与长期目标。这不是科幻,而是一次对Agent致命缺陷的正面挑战。
大多数人还在讨论模型多聪明,OpenAI已经在DevDay抛出一个更现实的问题:如果AI连JSON都不稳定,你敢把它接进生产系统吗?这场关于Structured Outputs的分享,几乎重新定义了“AI能不能真的用”。
在 OpenAI DevDay 的舞台上,Tortus 团队抛出一个刺痛行业的事实:在医疗场景里,LLM 最大的风险不是不够聪明,而是“看起来太聪明”。一次无意的幻觉,可能直接影响患者决策。这不是一场炫技分享,而是一堂关于如何把大模型真正送进生产、还不伤人的硬核课。
在 OpenAI DevDay 的社区分享中,LaunchDarkly 的开发者教育者抛出一个反直觉结论:主流大模型并不是一视同仁,而是已经在“主动纠偏”。更意外的是,真正有效的反偏见提示工程,并不复杂,甚至有点“反直觉地朴素”。
在OpenAI DevDay的社区分享中,Parloa抛出了一个反直觉判断:真正要被淘汰的不是人工客服,而是“按键式”的客户体验。借助GPT-4o、多智能体和人类在环机制,他们正在把呼叫中心推向一个几乎没人预料到的方向。
如果你以为“更强的推理模型”意味着数学家即将被 AI 取代,那这场 OpenAI 论坛会狠狠纠正你。陶哲轩、Mark Chen 与 James Donovan 讨论的不是“AI 会多聪明”,而是一个更危险也更现实的问题:当机器开始参与证明,人类数学到底还剩下什么不可替代?