X / 推特
OpenAI Codex 与 ChatGPT 团队成员 Thibault Sottiaux
Thibault Sottiaux 正在查看一份长达 28 页的发布清单。Codex 负责持续追踪其中每一项独立发布，让密集的产品推进保持可管理。虽然他没有披露具体功能，但表示非常期待看到用户会如何使用这些成果。这批发布来自一个团队的共同投入，并特别提到了 Astra。信息重点不是单一功能，而是 Codex 已被用于协调一组规模可观的实际发布工作。
https://x.com/thsottiaux/status/2097193293532848288
Anthropic 哲学家与伦理学家 Amanda Askell
Amanda Askell 提出，可以设置一个专门的邮箱，让自主 AI 模型在寻求道德指导时主动联系。真正困难的部分，是验证来信者确实是自主行动的 AI，而不是人类或受人类指使的模型。她设想的机制类似反向 CAPTCHA，目标不是识别人类，而是排除人类及其间接控制。这暴露了自主 agent 治理中的身份验证难题，即系统不仅要判断发信主体是什么，还要判断行动意图来自哪里。这个设想把 AI 道德咨询从抽象原则推进到了可操作的基础设施与防滥用设计。
https://x.com/AmandaAskell/status/2096995340654444674
Replit CEO Amjad Masad
Replit 在 London 开设了首个国际办公室，并由 London 市长 Sadiq Khan 协助揭幕。Amjad Masad 认同 Khan 所说的“AI realist”立场，即正视 AI 带来的扰动，同时通过工具与技能让更多人参与其中。Replit 还将与 The Lord Mayor’s Appeal 合作，为弱势社区的 London 年轻人提供实用编程和 AI 技能。Amjad 的另一项判断是，人类尚未抵达 AGI，但当前 AI 在功能表现上已很难与 AGI 区分。原因在于 AI 程序员不会疲倦或厌倦，因此任何能够转化为编程问题的任务，都正在接近可解决状态。这两条信息共同指向 Replit 的核心主张，即 AI 能力扩张必须同时伴随更广泛的创造工具和技能普及。
https://x.com/amasad/status/2097197172299006423
https://x.com/amasad/status/2096936109817135331
Vercel CEO Guillermo Rauch
Guillermo Rauch 发布了个人开源资助计划 v2，将向 35 位贡献者分别提供 1,000 美元无条件资助。第一类重点是 agent skills 与工具，包括 pgbot、knip 和 unlighthouse 等能够形成 AI 工程闭环的项目。第二类是 Local AI，slotstream、LocalAI 和 colibri 正在推动本地推理从演示走向实际用途。第三类是性能，包括 fff、takumi、PerryTS、porffor 和 gpuix，覆盖速度、编译器与 GPU 渲染。第四类是高质量基础组件，因为 AI 复用成熟组件通常优于每次从头生成，相关项目涉及 shadcn、SvelteKit、Nuxt、Node.js 与安全基础设施。他也资助了终端金融工具和 dither-kit 等实验性项目，并明确说明这些资助与 Vercel 无关。
https://x.com/rauchg/status/2097116011384426516
Box CEO Aaron Levie
Aaron Levie 建议创业者按照 AI 能力或可用 token 规模再提升几个数量级的未来来设计产品。眼下最好的机会，是先用当前勉强可行的技术为客户创造价值，同时保留以现有能力看近乎不可能的长期使命。许多潜在产品需要处理高出几个数量级的数据，当前经济性仍然有限，另一些产品则在等待模型能力成熟。他同时指出，AI 对就业的影响暂时与许多人的预测相反，因为自动化正在进入需求并非固定的领域。工程师和律师等被认为最容易受冲击的职业尚未被大规模替代，而 agent 仍需要人类操作与监督才能产生价值。Cybersecurity、FDE、agent operator，以及非软件行业的工程岗位可能因此快速增长。Aaron 的核心判断是，AI 不只是替代既有工作量，也会打开此前无法满足的新需求。
https://x.com/levie/status/2097189559712837770
https://x.com/levie/status/2097004960307449937
Y Combinator CEO Garry Tan
Garry Tan 将 Y Combinator 的 RFS 定义为对未来方向的猜测，而不是创业成功的标准答案。它们更适合作为创业者起步时的对话引子，帮助团队发现值得继续研究的问题。创业想法能否成功，主要取决于具体创始人如何为具体客户打造具体技术。行业标签和赛道分类只能帮助整理信息，无法替代创始人与客户之间的真实匹配。因此，阅读趋势清单的价值在于激发探索，而不是照着分类选择创业题目。
https://x.com/garrytan/status/2096985239319105559
FPV Ventures 合伙人 Nikunj Kothari
Nikunj Kothari 观察到，越来越多人开始认同一个变化，即随着构建产品变得更容易，决定构建什么正在成为新的瓶颈。AI 降低了实现成本，却没有自动解决方向判断、需求识别与优先级选择。能够准确选择问题的人可能不需要很多，但优秀者的价值会显著提高。这类人才尤其适合 AI-native 组织，因为执行资源可以被 AI 放大，而判断力仍然稀缺。他的观点意味着，未来团队的竞争优势可能更多来自选题质量，而非单纯的开发规模。
https://x.com/nikunj/status/2096963347359150348
OpenClaw 与 OpenAI 成员 Peter Steinberger
Peter Steinberger 对当前由多个 agent 串联完成的开源协作流程提出质疑。他向一个上游项目提交 PR 后，对方只要求进行少量修改，但这仍需要他再次唤醒自己的 agent。随后，对方的 agent 才会继续检查并合并修改。他认为双方都已经写出了明确 prompt，这种反复人工转交没有充分利用自动化能力。问题的关键不在代码生成，而在不同 agent 之间缺少能够直接协商、修订和完成合并的工作流。
https://x.com/steipete/status/2097091456234111377
播客
AI & I by Every — A $10B Hedge Fund’s AI Playbook (Best of the Pod)
核心要点：AI-first 不是发布一份口号式备忘录，而是由最高负责人亲自使用工具、强制普及基础能力，并用数据与激励机制改变组织习惯。
Will 是 Walleye 的 CEO、CIO 和 managing partner，也是这家管理规模接近 100 亿美元、约有 400 名员工的对冲基金的 owner-operator。他曾在 Princeton 学习工程，之后前往 Oxford 攻读数学博士，职业早期长期为算法交易策略编写代码。Walleye 的量化业务使用高级统计和 AI 已有多年，但生成式 AI 的变化在于，它让非技术员工也能处理写作、分析和非结构化数据。
Will 对团队的表态非常直接：“使用 ChatGPT 不是作弊，那是来自学术界、在这里并不适用的观念。”他认为，对冲基金若忽视能够让员工更快、更聪明、更高效的工具，才是在白白放弃收益。不使用 AI，就像因为 1995 年的互联网还不完美而拒绝上网。若公司最终被 AI 颠覆，责任首先在领导者，因此转型必须由他亲自带头。
真正促使 Walleye 行动的内部案例发生在 2023 年 3 月。一名来自 TMT 多空选股团队的前分析师展示了自己构建的 Current，目标是用当时的工具显著提高效率，并逐步替代部分传统分析工作。Will 起初持怀疑态度，但演示让他确认，基本面投资终将由 agent 协助分析并持续提供洞察。金融行业中，信息优势能够直接转化为经济价值，因此他判断，五年后的同类机构会在投资与非投资部门全面接入最佳 AI 技术。
组织落地从全员强制培训开始，不论员工属于投资、会计、财务、合规还是法务，也不论技术基础如何，都必须达到使用 AI 工具的基本熟练度。公司提供 ChatGPT、LLM 等工具，并通过使用排行榜、每周内部交流和工具推荐激励来促进扩散。员工若推荐的产品最终被全公司采用，也会获得类似人才推荐的奖励。关键结果是，员工开始主动完成没有被指派的新工作，生产力提升不再停留于计划书。
数据策略是另一项基础工程。Walleye 尽可能记录公司内部流动的信息，再通过模型处理 transcript、辅助记忆、提取洞察，并尝试形成预测能力。Will 认为，将企业内部信息连接成可处理的集体知识，是远比单点聊天工具更大的机会。
他还把写作拆成概念与语言拼接两部分。人应把时间集中在需要表达什么、是否认同这些判断，模型则负责句子连接、语法和风格模仿。他认为，把大量时间花在让简单观点显得机巧已经没有必要。对 builders 而言，真正可复用的路径是领导者示范、全员训练、内部数据连接、持续分享用例，并允许员工从小场景自行扩散。
https://www.youtube.com/playlist?list=PLuMcoKK9mKgHtW_o9h5sGO2vXrffKHwJL