筛选结果
98 篇排序
18:27EN → 简体中文Daksh Gupta:如何打造更好的 AI 代码审查智能体Daksh Gupta · GreptileGreptile 联合创始人 Daksh Gupta 解释了为什么仅靠 webhook 和编程智能体,无法做好 PR 审查;他还介绍了如何通过定向提示词、事故数据、模型反转、代码库上下文、浏览器测试和按任务路由模型来改进审查质量。
15:27EN → 简体中文如今的 AI 工程师做什么:为智能体构建完整闭环Aparna Dhinakaran · Arize AIAparna Dhinakaran 认为,AI 工程师的工作正从交付单个功能,转向构建能让智能体团队持续改进功能的系统。在 Arize,这意味着追踪智能体的行为、依据人类判断评估它的工作,并把这些信号反馈给持续运行的智能体。
34:11EN → 简体中文Anatoliy Bilenko 和 Alberto Carretero:用形式化方法和 AI 让数据库协议可靠Anatoliy Bilenko, Alberto Carretero · CanonicalCanonical 的数据库工程师把可执行规格、基于模型的测试、故障探索和重建的执行历史串起来,并说明为什么这些方法单独用,都无法证明真实系统正确。
13:21EN → 简体中文Adrian Twarog:为企业 Vibe Coding 铺一条可治理的上线路径Adrian Twarog一次 Superblocks 演示说明,共享集成、隔离数据库、策略智能体和审计日志如何把业务部门用 AI 做出的应用纳入 IT 监管。
1:26:46EN → 简体中文很可能存在一种我们不该越过的智能水平主持 Nathan LabenzNathan Labenz 带回了 The Curve 大会的见闻:一家芯片初创公司的 token 账单超过了工资支出,一些软件行业的人则因为交上来的 Claude 低质量产出而被绩效考核。
1:10:12EN → 简体中文OutSystems 的重大功能从每季度 4 个涨到 26 个,token 开销却还是降了主持 Nathan LabenzCEO Woodson Martin 谈“永不崩溃”的软件、为什么大多数企业工作用不着前沿模型,以及 AI 如何终于让 IT 积压的需求开始变少。
13:12EN → 简体中文Alexandra Lato 谈用 Codex 打造 Stack Overflow for Agents 和 Stack InternalAarti Bagul, Alexandra Lato · OpenAIStack Overflow 产品副总裁讲述一个小团队如何在两款产品上,用截然相反的约束使用 Codex——以及为什么面向 agent 的设计意味着让 agent 贡献知识,而不只是读取。
1:01:33EN → 简体中文用编程 Agent 做规格驱动开发:先写规格,再让 Agent 去建Andrew Ng, Paul Everitt · DeepLearning.AIJetBrains 开发者布道师 Paul Everitt 走完一整套规格驱动流程:一份项目章程,规划—实现—验收的功能循环,以及能跨工具带走的 agent 技能。氛围编程的替代方案,是一份 agent 忘不掉的 Markdown 契约。
2:10:42EN → 简体中文没人审核的考卷主持 Nathan Labenz前沿实验室从一群小供应商那里购买强化学习(reinforcement learning)环境,却几乎没人核查这些测试是否贴合真实工作。
5:15:51EN → 简体中文DHH 没有亲手写一行 Omarchy Quattro 的代码嘉宾 DHH · 主持 Lex Fridman与 Lex Fridman 一次充满怀疑的对话过去十三个月后,Rails 的创造者讲述了 Opus 4.5、一群编码智能体(Agent)和一个一分钟的 Linux 安装器,如何结束了他一凿一凿手写 Ruby 的时代。
1:04:14EN → 简体中文帮忙在 120 天内建起 Colossus 的人,正押注一个住在你家里的 AI主持 Jacob EffronxAI 联合创始人 Igor Babuschkin 离开后创办了 River AI。他认为,编程智能体(Agent)已经跨过了一道门槛,闭源实验室正被挤压,而下一个大奖是个人化、本地化的智能。
51:31EN → 简体中文他们退还了将近 200 万美元,随后 Factory 的 CEO 讲起了“黑灯工厂”(dark factory)Matan Grinberg 谈自己早了两年的布局,为什么与模型无关的调度框架(harness)胜过实验室的联合设计,以及为什么很快就会有 90% 的编码 Token 在熄灯的状态下运行。
51:09EN → 简体中文按模型一年内会吞掉你的智能体脚手架来做负责谷歌 AI Studio 和 Gemini API 的 Logan Kilpatrick,在红杉资本 Sonya Huang 的访谈中解释:为什么智能体脚手架只是一项只能用 12 个月的资产,为什么编程已经像狭义超级智能,以及为什么谷歌优化的是结果,而不是眼球。
1:13:33EN → 简体中文一万亿个 Token 之后,概念终于落地:Łukasz Kaiser 谈 Transformer 仍然缺什么主持 Jacob Effron《Attention Is All You Need》合著者在 Unsupervised Learning 节目中表示,Transformer 大概率会继续胜出,但它们学习的方式仍然与人不同。
41:09EN → 简体中文智能体(Agent)泄露 Token、删掉数据库之后,Onyx 训练小模型盯着大模型主持 Sarah Guo, Elad Gil两年前,企业安全采购方告诉 Maxim Bar Kogan,他太早了。如今,财富 10 强公司纷纷找上这家不到 100 人的以色列创业公司,因为它们拦不住智能体的普及,能做的只是降低下一步操作不正当的概率。
45:33EN → 简体中文Cursor 如何在一分钟内跨洋传输 1TB 的 Composer 权重Federico Cassano 和 Fireworks 的 Dima 讲解了训练 Composer 2 的全球分布式强化学习技术栈,其底座是一个稀疏的万亿参数混合专家模型(MoE)。
2:12:51EN → 简体中文Steve Newman 搭了十五个应用,只为让自己只需盯着一块屏幕主持 Nathan LabenzWritely 创始人带 Nathan Labenz 看他用凭感觉编程(vibe coding)做出的注意力防火墙,谈他保守的安全立场,以及为什么惊人的模型依然离 AGI 很远。
1:06:31EN → 简体中文Andrej Karpathy 自 12 月以来几乎没再敲过一行代码主持 Sarah Guo, Elad Gil这位 OpenAI 联合创始人、前特斯拉 AI 总监在《No Priors》播客上,讲述了编程智能体(coding agent)的“循环式”时代、AutoResearch,以及为什么现在的瓶颈变成了人。
54:26EN → 简体中文100 亿活跃参数,以及让模型适配智能体的枯燥工作主持 Nathan LabenzMiniMax 研究员 Olive Song 讲解了 M2 的训练方法:她把专家开发者当作奖励模型(reward model),采用交错思考(interleaved thinking),并搭建了扰动流水线,把每一次脚手架变动都当作真正的泛化考验。
1:57:56EN → 简体中文一亿行代码,每行 20 美分:走进 Blitzy 的企业级编码流水线主持 Nathan Labenz首席执行官 Brian Elliott 与首席技术官 Sid Pardeshi 向 Nathan Labenz 讲述,Blitzy 如何把庞大的代码库画成一张地图,再让成千上万个动态生成的智能体,在几天内完成一个要做好几个月的项目的大部分工作。
48:03EN → 简体中文编程终将被解决,真正的瓶颈是说清楚你想要什么Warp 创始人 Zach Lloyd 向红杉资本的 Sonya Huang 讲述,为什么重做后的终端恰好成了编程智能体的合适形态,以及他为什么不再为 Token 用量提供补贴。
2:12:31EN → 简体中文大多数 Caffeine 用户根本不知道自己身处区块链之上主持 Nathan LabenzDFINITY 的 Dominic Williams 向 Nathan Labenz 解释,为什么防篡改、无法被关停的云,正是由聊天框写软件的 AI 所需要的后端。
2:29:42EN → 简体中文十二个钩子与三十个文件:Daniel Miessler 在 Claude Code 上的个人操作系统主持 Nathan LabenzPAI(个人 AI 基础设施)框架把脚手架当作真正的产品,模型只是其中一部分。Miessler 认为,这套以目标为中心的智能体(Agent)堆栈,将决定知识工作自动化和下一场网络安全竞赛的走向。
1:54:30EN → 简体中文癌细胞比例从 1/10 降到百万分之一主持 Nathan LabenzNathan Labenz 独自主持的 AMA(有问必答),更新了儿子淋巴瘤的治疗情况,称 Claude Opus 4.5 为软件层面的通用人工智能(AGI),并盘点了 2026 年初仍具竞争力的玩家。
加载更多已显示 24 篇,共 98 篇









