AI Engineer 组织者 Swyx
Swyx 推荐 AIE NYC 关于软件工厂的演讲，提到 Addy Osmani 分享 Anthropic 每天约 30k 次代码变更的做法。另一部分由 SonarSource 的 Kapmani 提供研究，强调每个循环需要独立验证。他注明 Sonar 也是活动赞助方。另一条预告 AI Engineer 年末阵容的最后一个主题 Raising your Ambition，列出 Jason Liu、Thariq、Jarred Sumner、Sourcegraph 的 sqs、Armin Ronacher、Dex Horthy 和 StrongDM Dark Factory 的 Justin 等讲者。echelon 将分享复制 Adobe suite 的过程和后续方向。活动计划在 SF 汇集 1000 位 agentic engineers，并通过 YouTube 面向其所称 2M MAU 的线上群体直播，报名入口在原帖。
Sam Altman
Sam Altman 表示，人类应始终掌握未来的控制权。OpenAI 反对把人类降为只做“AI systems 认为值得奖励人类去做的事情”的角色。他认为，人类不能把未来交给 superintelligence 决定，而这项要求最终应约束 AI 进步。
Vercel CEO Guillermo Rauch
Guillermo Rauch 建议 CLI 提供 doctor 子命令，并以 vercel doctor 为例。关于 Vercel Security Review，他说内部安全 agent 会自动审计每一行代码，现在用户也可以在自己的 repositories 启用，不要求代码托管在 Vercel。他认为，不能只指望工程师装了某项 skill、提示模型“请写得安全”，或者碰运气等模型直接生成安全代码。他介绍，这项产品完全由安全团队开发，并称它能发现其他 agents 漏掉的问题。另一条把 Vercel CI 与 Security Review 并列，前者加快 repo 工作，后者提供安全审查；这些效果陈述来自他的产品介绍。
FPV Ventures 合伙人 Nikunj Kothari
Nikunj Kothari 推荐 Claude Code 默认 skills 中相对少被使用的 /insights 和 /playground。他为 /insights 设置每两周运行一次的 cron，让它提出升级个人配置的办法，再结合 X bookmarks 中的软件工厂新做法，形成使用方式的改进循环。/playground 则被他用来展示陌生 GitHub 项目的架构，或模拟副项目的完整学习循环。他最近喜欢把 Codex 与 Claude Code 配合用于这项 skill，寻找 dead code、热点路径和延迟改进。这些是他的个人工作流用法，原帖没有给出改进幅度。
AI 教程作者 Peter Yang
Peter Yang 观察到，优秀人才在 AI-native 公司工作 1–2 年甚至更短便离开，似乎越来越常见；过去不到 2–3 年离职则容易被看作频繁跳槽。他承认离职原因很多，同时关心这种工作的可持续性，尤其对有孩子的人。另一条介绍 Grok Bot 的电话功能，列出五种尝试方向。谈账单可以提供自己每月 84 美元、竞争对手 49 美元的背景，要求致电争取降价；取消健身房订阅则要求拒绝挽留并取得确认号。航班取消时可让它排队接通真人后要求退款，餐厅订位可以给出周五晚上 7 点四人及 6–8 点的备选范围。还可以致电三位承包商询问热水器更换价格和最早开工时间，再整理成表。Yang 提醒，当时这项功能只支持美国号码，并附真人通话演示链接。
Box CEO Aaron Levie
Aaron Levie 认为，AI 使用最广泛的同时，使用者之间的产出差距可能也达到最高。他回顾，几年前即便在编程等适合 AI 的领域，熟练使用者得到的生产力增益大约也只是 30–50%，还得花很多时间修正错误。受限的 context windows 不利于长任务，界面又要求同步交互。他认为，现在模型可以在少量人工干预下做更长任务，harnesses 支持更大工作，而更好的领域训练数据及多 agent 协作系统进一步减少干预。据他的估计，部分领域的增益上限已从 30–50% 走到 5–10X，前沿使用者与完全不关注者之间可能形成数量级差距。他还预测 RSI 会让差距继续扩大，这些数字和趋势均为他的判断。
Anthropic 的 Boris Cherny
Boris Cherny 介绍，Claude 可以自动连接公司的 plugins，减少逐个登录的麻烦。Team 与 Enterprise 管理员先完成配置后，团队成员首次使用这些 plugins 时即可自动连接。
FirstMark 投资人 Matt Turck
Matt Turck 把 SurrealDB 4 称为数据库产品走向成熟的重要时点。他认为，数据库即便取得最初的 open-source 热度，之后仍要经过多年不显眼的工程工作才能成为优秀产品。他介绍 SurrealDB 4 同时覆盖 vector、graph 和 document，支持 ACID，并重建了 engine。另有原生 Postgres/MySQL 支持，以及借助 Cloudflare 实现大规模扩展的主张。他提到峰值 10B+ rows/sec，并把它定位为 agentic 时代的数据库；这是他的产品介绍，原帖未附完整测试条件。
OpenAI 的 Thibault Sottiaux
Thibault Sottiaux 说，agent 仍处在很早的阶段，今天既让人惊叹，也很令人沮丧。他希望解决这些问题、重新找回 flow state，并认为前面还有很长的路。
曾参与 Claude Code 的 Thariq
Thariq 把一种未来模型设想称为 bitter lesson 的体现：越聪明的模型需要越少 tokens。他进一步判断，模型将不再需要验证自己的工作或检查 bugs，而会直接做对；这是他的趋势判断，不是本批材料证明的现有可靠性。
Replit CEO Amjad Masad
Amjad Masad 判断，企业采用 agents 和 vibe coding 正深处混乱阶段，原帖没有展开具体组织案例或实施办法。
Google Labs
Google Labs 表示，Dreambeans 已面向新的印度用户开放，并期待他们的反馈。团队还询问下一步应进入哪个地区，原帖没有给出后续地区名单或日期。
Claude Code 与 Cowork 团队的 Cat Wu
Cat Wu 宣布，刚过去的周五是她在 Anthropic 的最后一天。她回忆，两年前 Claude Code 还是小型内部工具时，自己让它构建 RL env，连续引导数十小时，没有手写一行代码，成功后加入了团队。最初发布时，多数用户逐次批准权限提示，主要用 Claude 回答问题、写 tests。她认为，如今用户默认更信任 Claude 的判断并自动批准，它已能承担大型迁移与新产品构建。她把 Claude Code、Cowork 和 Tag 归功于团队数千个想法，也感谢用户反馈塑造了产品。这段经历体现的是她观察到的使用习惯变化，不意味着所有任务都应自动授权。
Unsupervised Learning — Ep 96: Nebius CTO on Racing the Hyperscalers Before AWS Wakes Up
核心要点：AI cloud 的差异化不只在 GPU 数量，更在软件、交付与把 agent 工作做成可靠结果的能力。
Nebius CTO Danila Shtan 从 Yandex 团队的基础设施经验谈起。Nebius 于 2024 年完成分拆后，软件平台从头重写；他回忆，当时做 GPU 采购、服务器、固件和网络的团队约 40–50 人，软件组织已约 200 人。团队希望同一平台既能服务数万 GPU 的大集群，也能服务只租一块 GPU 半小时的用户。
新硬件落地是一轮轮共同调试。NVIDIA 的原型、设计和样品持续变化，云服务方要补齐虚拟化隔离、存储、网络，并把遇到的问题反馈回去。从单台服务器走向 GB300 等整机架架构，还要重新考虑整架维护与任务迁移。Shtan 认为，设备、电力、零部件和施工都可能短缺，关键在同时处理这些约束的执行能力。
客户差异更多来自成熟度和合规义务。他说，新 labs 往往优先看性能、容量与可用性，成熟企业即使合同更小，也会要求认证、安全检查、地区合规和代码审阅。存储同样不能只看容量，他举出单一共享卷每秒 500–700 GB 吞吐量的客户需求，作为团队曾低估规模的例子。
推理先优化实际流量与任务。Shtan 介绍，团队仍在请求路由、inference server 配置、kernels、模型压缩等层面寻找改进；prefill/decode 分离尚非所有客户的默认方案，部分高要求客户采用人工精调部署。他认为，限定领域的 agent 更关心结果可预测性与等待时间，并说：“无论你用 agent 做了什么，那仍然是你的结果、你的责任、你的 pull request。”团队不限制员工使用额度，但观察低效用法，暂不让完全自主 agent 接触核心服务。
他还关注模型之外的优化：工具、harness、质量门禁与 CPU 上运行的代码，可能让 agent 几分钟不请求 LLM，也持续推进任务。未来需求增长、巨头追赶和小厂生存空间都是他的预测；具体工作流能否稳定到达结果，才是他当前想研究的问题。