摸鱼集市

很快大家就会从 Token Maxxing 逐渐开始反思内部员工是不是路子太野，过于放手不管，开始面向资本和成本进行大量的成本审计和成本优化

Databricks 將 AI 程式設計支出降低了 70% （★ 102 分） Databricks 指出，代理式程式設計已明顯提升開發速度，部分團隊的產出甚至增加一個數量級；但大規模導入後，人工智慧輔助程式設計的費用也可能呈指數成長。其核心主張是追逐「效率前緣」：不必永遠採用能力最強、最昂貴的前緣模型，而是依日常開發工作的品質門檻，選擇每單位成本下表現最佳的模型。為此，企業應以自家程式庫與工作型態建立評測，因公開基準未必能反映實務表現；Databricks 曾據此導入 GLM 模型，也因新一代 Opus 模型成本增加但品質未明顯改善，而選擇不升級。 文章提出的降費手段包括：讓開發人員可在不同模型與程式設計控制介面（harness，協助模型讀取程式庫、呼叫工具與完成任務的執行環境）間切換，或以 Omnigent 這類「中介控制層」統一操作體驗，再依任務難度分派模型。Databricks 的 Unity AI Gateway 則作為集中控管層，可代理模型存取、追蹤費用、套用預算規則及蒐集工作階段紀錄。其 Smart Router 聲稱可在大致維持最高價模型品質下，把平均任務成本降低逾 30%。另一關鍵是削減權杖（token，模型處理與計費的文字單位）浪費：壓縮過長脈絡、減少冗長工具輸出、拆小任務，並調校提示快取；Databricks 表示，僅靠控制介面與快取組態調校，就讓產生的權杖量及相關費用減少近 50%，且未觀察到品質下滑。 在 Hacker News 的技術討論中，不少人認同真正前提是建立貼近自家程式庫的評測，否則把任務導向較便宜模型，可能只是以開發人員生產力交換費用。也有人認為，最值得挖掘的節流點不是換模型，而是檢視實際工作階段紀錄：一次不精準的網頁搜尋、設計不良的 MCP（Model Context Protocol，讓模型呼叫外部工具的協定）介面，或過度冗長的工具回應，都可能使模型反覆嘗試而消耗大量權杖。討論亦質疑動態路由會否破壞鍵值快取（KV cache，保存既有脈絡運算結果以降低後續推論費用）；文章作者回應，路由通常在任務開始時決定，並會在脈絡壓縮或閒置較久後才重新評估，以盡量保留快取效益。 社群對實際導入成效看法分歧。有人試用 Omnigent 後認為它在政策控管、沙盒隔離與介面設計上有潛力，但目前仍偏早期版本，額外脈絡反而可能增加權杖用量並削弱個別模型表現。部分開發者主張，高階模型應用於設計與規畫，實作則交給較低價模型或子代理程式；另一些人警告，若缺乏人類主導的架構判斷、程式碼審查與測試，代理程式容易寫出過度工程化、冗長且難以維護的程式，長期形成只有人工智慧看得懂的技術債。也有留言批評 Databricks 平台本身昂貴，甚至稱移除後節省數百萬美元；但其他人提醒，本文談的是 Databricks 如何降低自家人工智慧程式設計費用，並非保證採用其平台即可節省成本。 👥 78 則討論、評論 💬 https://news.ycombinator.com/item?id=49214468

和朋友们玩了大走

Qwen-AgentWorld: Language World Models for General Agents (Score: 151+ in 11 hours) Link: https://readhacker.news/s/6X4MH Comments: https://readhacker.news/c/6X4MH

Qwen-AgentWorld: Language World Models for General Agents (Score: 151+ in 11 hours) Link: https://readhacker.news/s/6X4MH Comments: https://readhacker.news/c/6X4MH

好耶！参与的项目出现在了峰会上！

AI is making me dumb (🔥 Score: 176+ in 1 hour) Link: https://readhacker.news/s/6U8vE Comments: https://readhacker.news/c/6U8vE

代理式程式開發（Agentic Coding）的啟示：當程式碼變便宜時，我們該怎麼做？ （★ 110 分） 文章指出，AI agent（可代為規劃、寫程式與執行工具的 AI 代理）在程式開發上的能力已明顯成熟，讓「寫出程式碼」本身變得相對便宜；因此開發者的重點應從單純產出程式，轉向如何學習、驗證與掌控方向。作者主張，規格驅動開發（Spec-Driven Development）仍然重要，但實作本身會暴露原先沒想到的決策點，進而讓規格更完善；既然程式碼產生成本降低，就應該更常實作、重寫、分支嘗試，甚至用看似離譜的原型來探索產品與架構邊界。 文章強調，頻繁重建的前提是要投資端對端測試（end-to-end tests，從完整使用流程驗證產品行為），把測試當成產品行為契約，而不是綁死內部實作方式。同時，開發團隊必須記錄「為什麼這樣做」的意圖，並持續更新規格文件，讓目標、測試與程式碼同步演進。作者也提醒，AI 可以快速處理樣板與例行工作，但真正有價值的仍是困難部分，包括直覺式設計、效能、安全性、韌性與系統架構；開發者應把容易的事自動化，把時間留給這些難題，並培養對領域、使用者與產品取捨的品味。 Hacker News 討論大多圍繞「程式碼便宜」是否會被誤解成「工程免費」。不少人認同文章第 10 點，認為程式碼仍是負債：維護、支援、安全、除錯與長期複雜度都不會因 AI 產生程式碼而消失。有人形容 AI 寫出的系統可能變成「即時遺留系統」：一開始靠 vibe coding（憑感覺指揮 AI 寫程式）快速完成，但很快變得人與 AI 都難以維護，卻又因使用者已經依賴而無法丟掉。也有留言指出，許多原則其實與傳統良好專案管理相同：清楚定義需求、撰寫測試、維護文件、管理複雜度；真正稀缺的不是寫程式能力，而是知道要做什麼、為何要做，以及怎樣才算做對。 討論中也出現對產業與人才培養的擔憂。部分留言認為，如果企業因 AI 減少初階工程師職缺，未來可能造成技術斷層與知識流失；資深工程師離開後，公司可能失去理解系統、讀懂堆疊追蹤（stack trace）與掌握架構取捨的人才。另一些人則觀察到，印度與歐洲的初階開發、DevOps（開發維運）與前端職缺已承壓，但也有人認為這不全是 AI 所致，還與景氣循環、外包縮減和企業裁員成本有關。 也有較樂觀的聲音認為，最新大型語言模型（LLM, Large Language Model）已讓個人貢獻者能同時推進多個工作流，改善 Jira 工單、合併請求（MR, Merge Request）、測試涵蓋率與內部工具製作；開放權重模型（open-weight models，可由多方部署或提供的模型）快速追上，也讓成本不一定會長期被少數供應商壟斷。不過反方提醒，AI 擅長處理局部修改、樣板、重構與原型，卻不保證具備架構品味；如果團隊只追求產量，可能只是更快累積複雜度。整體共識接近文章核心：AI 讓程式碼產出變便宜，但讓產品正確、可靠、可維護且安全，仍然需要有經驗的人類工程判斷。 👥 88 則討論、評論 💬 https://news.ycombinator.com/item?id=48019025

Agent Team，Ralph，Harness，闭环控制 我的知识，也 agentic 了吗？ 我们确实把过往所积累起来的经验、直觉和认知最大化了，但这也是使用 coding agent 必须付出的代价：对过往知识的不厌其烦，对新知识的艰难摄取。 如今使用 coding agent 就像是刷 Tiktok 一样，越弱的人越容易依赖它，而与此同时越强大的人越能掌控它，并用其产出更多的结果。 只可惜，我们对于既往项目的认知并未增加，反而变得更加模糊了。 不如就叫它 认知债（cognitive debt）吧。 你能控制 coding agent 构建出你想象中的应用，但是你能用它构建出你想象不到的东西吗？ 试问编写前端代码的大家，你有多久没有关注新的 Web 技术和引入的 API 了呢？ Can I use 又 available 了什么呢？ 后端的大家，你知道 Kubernetes 又加了多少好玩和有意义的基建 API 吗？Go 1.26 和 1.27 发布了什么又计划发布什么呢？就算看过，你也可以知道如何引导 agent 使用更好的 API 吗？ 这样的代价无疑是巨大的，很多新时代的 programmer 和 builder 们也难以静下心来仔细学习，细心摸索。即便抛开固执的手作成见，我也依然觉得随着大量使用 coding agent，我的认知正在固化，领域间的迁移，跨领域的学习都变得不用心了，一种模糊的，不确定性的阶层正在形成。 我们现如今指引 agent 构建出来的黑箱，什么时候会变成未来自己，或者未来 agent 的潘多拉魔盒呢？| 让我们拭目以待。

苹果公司今日宣布，蒂姆 · 库克将出任苹果董事会执行董事长，硬件工程高级副总裁约翰 · 特努斯（John Ternus）将担任苹果下一任首席执行官，该任命自 2026 年 9 月 1 日起生效。库克卸任后，将转任公司执行董事长，继续留在苹果董事会。 消息来源： https://www.ithome.com/0/941/389.htm

We moved Railway's frontend off Next.js. Builds went from 10+ mins to under 2 (Score: 150+ in 15 hours) Link: https://readhacker.news/s/6RxYK Comments: https://readhacker.news/c/6RxYK

我去什么时候 1000 subscriber 了，太惊喜了 谢谢大家 😍 这个频道已经 7 年了吧 借这个机会，说点 Fun fact 吧 你知道 频道 username 的 plonii 是什么意思吗？ 实际上它是我 19 年的时候玩人造语言（constructed language）的时候顺手造的词，并不存在于真实的世界里。有段时间里甚至会注册一大堆的用自己造的语言拼出来的小号。 只可惜现在它真的成为了某种废案，那本手写的、记述着我推演语言发展和演化，以及单词表的笔记本已经找不回来了，也许再也无从得知原本的含义是什么了？ 7 年，很多东西无论怎么样都变了，如果现在再让我猜一遍，我会说， 它像是 珍珠，像是 precious， 那希望你们也可以找到自己的 宝物！ 祝 UTC+0800 的大家下班顺利

（不是要传教 coding agent）今晚久违地 0 AI 亲自上手写一整晚的代码，微调各种动画和交互细节，仔细检查每一个 UI 元素的视觉效果，不断在其他的多个 app 里面参考不同的做法 这种全身心投入的感觉... 把玩着自己手作的感觉... 这种心流和成就感都满满溢出的感觉... 何尝不美好呢

TinyLoRA – Learning to Reason in 13 Parameters (❄️ Score: 151+ in 4 days) Link: https://readhacker.news/s/6QHZx Comments: https://readhacker.news/c/6QHZx

上海电信！！！

Linux is an interpreter (Score: 150+ in 6 hours) Link: https://readhacker.news/s/6QNEH Comments: https://readhacker.news/c/6QNEH

今天是neko生日，祝neko生日快乐！🎉🎂

今天是neko生日，祝neko生日快乐！🎉🎂