← 收录原文
BUILDERS · 精选整理

Builders 精选|2026-04-01

2026-04-01 · 历史整理稿

X / 推特

Claude Code 工程师 Thariq

Thariq 宣布 Claude Code 推出了一项重要的 UX 升级:完全用 virtual viewport 重写了渲染器,现在可以用鼠标滚动输出内容,prompt 输入框固定在底部,并修复了大量用户长期反馈的小问题。他还预告了一个新指令 `/buddy`,并说这不是愚人节玩笑,是真实发布的功能。

Anthropic Claude Code 工程师 Cat Wu

Wu 分享了一个实用工作流:在手机上的 Claude 移动 app 里使用 Claude Code 随时产出想法,之后可以无缝衔接切换到本地 CLI 继续工作,她称之为"teleporting sessions"。她附上了 Claude iOS 下载链接,推广移动端的 AI 工作习惯。

Replit CEO Amjad Masad

Masad 展示了 Agent 4 让 Replit 演变为一种操作系统的概念:用户可以通过 skills 对平台进行无限定制,相当于把 Replit 变成了一个可扩展的 agent 平台。他还转发了一则被他称为"新 psyop"的内容(推测是某种对 AI 领域话题的幽默调侃),并对一个展示感到"Sick!"的项目表示赞赏。

Box CEO Aaron Levie

Levie 指出 agent 带来生产力提升的终极限速器,将是安全、合规、治理机制,以及人类对 agent 工作内容的审查能力,以及确保 agent 与监管和组织政策对齐的能力。他还以愚人节为由提前曝光了即将发布的某个新产品或功能,称"我的团队要杀我",但表示快要正式推出了。

Every CEO Dan Shipper

Shipper 分享了 Linear 的案例,认为 SaaS 并没有死,只是需要变成 agent-native。他指出 Linear 是预 AI 时代创立的公司中成功完成 AI 时代产品转型的典范之一。他还推荐了名为 proof 的工具,并提及自己从 2018 年认识 Notion 团队起就是重度用户,认为 Notion 非常适合写作场景。

Zara Zhang

Zhang 正式发布了"Follow builders" skill,这是一个精心策划的工具,覆盖 25 个优质 X 账号和播客,旨在帮助用户跟上 AI 领域最快速、最高质量的一线动态,并提供了 skill 的直接链接。这个工具定位是为关心 AI builder 动向的人提供高信噪比的每日信息流。

Y Combinator CEO Garry Tan

Tan 发表了一条关于当前时代的判断:过去的规则已经消失,现在唯一重要的是能否做出人们真正想要的东西,以及能否善用现在每个人都可以获得的工具,关键不在于获取资源的能力,而在于意愿和执行力。他对旧金山"高管过度薪酬税"的表述提出异议,认为这实际上是对公司的 8 倍毛额惩罚,媒体叙事刻意偏颇。

OpenAI VP of Science Kevin Weil

Weil 分享了 AI 在数学领域的进展:AI 不仅在解决越来越多的开放性数学问题,其生成的证明随着模型能力提升也变得越来越优雅,这标志着 AI 在数学推理上的质变。

Linear 产品负责人 Nan Yu

Yu 分享了一个关于"负贡献"的洞察,以 DotA 的游戏机制作为类比:如果一个人一直被击杀,不仅损失了一个人手,还在为对方积累资源,这种"负资源"效应在产品团队中同样存在。他还强调,如果 PM 或销售需要频繁打扰工程师询问产品细节,这是一种系统性效率损失,并展示了用 Claude Code 直接读代码回答问题的实际案例,避免了人工沟通成本。

Swyx

Swyx 创建了 oh-my-codex 工具,并对一个明显缺位的开源项目感到困惑:为什么没人在 Cloudflare R2 上做一个开源的 Dropbox 替代品?他认为这个需求如此明显,一定已经有人做了,并希望有人告诉他。他还分享了 JFK 登月演讲中的名言来激励自我,提及 Codex 三月份用量没有增长这一数据观察。

播客

AI & I by Every — If SaaS Is Dead, Linear Didn't Get the Memo

Linear 联合创始人兼 CEO Karri Saarinen 在这期节目中与 Every CEO Dan Shipper 深度对谈,核心观点是:SaaS 并没有死,但必须进化成 agent-native 才能在 AI 时代存活,而 Linear 恰恰是这个转型的最佳案例。

核心要点:Linear 拒绝在 AI 早期就跟风发布 chatbot 功能,选择花两年时间真正理解工作流,最终打造出真正 agent-native 的产品。

Saarinen 坦承,当 GPT-3 刚出来时,他们也做了内部实验,集成了 chatbot,但很快意识到"这没什么用"。他的方法论是先理解再行动,这来自他的设计背景,不是听说别人在做什么就做什么,而是反复追问:用户实际在哪个场景需要这个?工作流是什么?这让 Linear 避免了很多早期 AI 功能的无效投入。

真正的转变来自 Linear 选择把自己定位为"多 agent 世界的调度中枢"。Saarinen 判断未来不会只有一个 agent,而是每个人、每家公司都会有很多 agent,Linear 的角色是为这些 agent 提供意图、上下文和任务优先级管理。OpenAI 发布 Codex Cloud Agent 时,因为 Linear 已经提前建好了开放平台和完善的 API 文档,Codex 直接集成了进来。Coinbase 和 Brex 等客户甚至在内部自建了 coding agent,然后接入 Linear,让 Linear 成为 agent 的"项目管理系统"。

关于公市 SaaS 公司"SaaS 已死"的叙事,Saarinen 给出了更细腻的判断:方向上是对的,大型 SaaS 公司的护城河确实在削弱,因为他们的惰性让他们难以快速重构产品。但"人们会 vibe code 自己的 CRM"这种极端叙事是简化的,实际情况更复杂。他认为 Linear 也要以"Day 1 心态"重新审视每个产品决策,不能依赖过去的成功路径。

在度量 AI 工作效率方面,Saarinen 对"token 使用量"或"agent 提交的 PR 数量"等指标持怀疑态度,认为这些是 token 卖家(AI 公司)有动机推广的指标,不代表真实价值产出。他更倾向于看传统指标:产品是否改善了?Bug 是否减少了?Linear 内部推行了"零 bug 政策",每个 bug 必须在一周内修复,现在由 coding agent 做第一轮修复,工程师负责审查,整个闭环在 Linear 内完成。

在个人工作流方面,Saarinen 坦言自己的设计工作依然喜欢手动在 Figma 里画,认为慢下来逼自己思考每一个设计决策是有价值的,而不是一味追求速度。但产品团队的工程师和 PM 都已全面采用 agent coding 工具,特别是在需求理解阶段:他把公司的产品哲学文档喂给 AI,构建了一套"Linear 方式"的 agent,用来快速分析海量功能请求,帮助优先级决策,而不需要人工一一梳理。

Linear 全公司约 120 人,其中 60 人在产品团队,这个规模在 AI 时代意味着他们可以保持高机动性和决策速度,是大型遗留 SaaS 公司很难复制的核心优势。