真正在做 AI 的人今天说了什么。一页读完，约 5 分钟。
今天企业侧的两条大新闻都关乎隐私和分发：OpenAI 预览了一套机制，能在零数据保留（ZDR）的部署里跑安全检查，同时始终看不到客户内容；Replit 则和 OpenAI 达成合作，矛头直指 agentic coding 的成本。在这之下，builder 们从各个角度反复绕回同一个问题：到底是什么把「能从 AI 里拿到好结果的人」和「拿不到的人」区分开来？答案一次次落回同样几个词：品味、判断力，以及并不光鲜的人工标注苦活。
OpenAI 为零数据保留客户预览 Private Safety Processing
OpenAI 正在测试一种做法：让安全监控继续在 ZDR 部署上运行，同时不把 prompt 和响应暴露给自家员工。内容始终留在客户掌控的基础设施上，由自动化系统在相关联的交互之间寻找模式，只回传有限的安全信号。另一个由 OpenAI 托管、用客户自持密钥加密的版本也在开发中，计划从 9 月开始逐步推出。
Tolan 四周从 100 万做到 400 万 ARR，秘诀是把 AI 当作者而不是当工具
Portola 的 AI 外星人伙伴之所以成立，是因为团队不再自己写故事，转而去当一个即兴演员的教练。带三幕结构和分支逻辑的结构化叙事 prompt 完全失败；真正奏效的是撒下一堆「lore 种子」，再造一套系统把它们重新组合成日后的回环呼应，让角色的背景故事从真实对话里长出来，而不是照着一张预制的人设卡念。延迟是这个媒介的硬约束：加了一步反思，把响应时间中位数推到两秒半，所有产品指标全线下滑，而这只是 500 毫秒的变化。谈到 LLM judge，他的说法很直白：「中间横着一道巨大的鸿沟，而跨过去靠的其实是大量人工。」跳过这一步、不把自己的品味注入评分标准的团队，拿到的结果就像一个永远只打 A- 的作文批改老师一样平庸。
「软件工厂」的承诺，以及全新产品为什么依然充满风险
软件开发从诞生那天起就是件不靠谱的事：项目延期、超预算，最后还没满足用户需求，这也是中小企业历来很难做出一套称手软件的原因。「软件工厂」这个想法瞄准的正是这块空白，给那些核心能力不在软件上的公司一套可靠、可预测的流程。他反直觉的另一半观点是：做真正全新的软件产品会一直不靠谱、一直有风险，而利润恰恰来自于此。
6.3MB 的 Zig 二进制，10 微秒启动
fx 用 Zig 编译成 6.3MB 的静态 ELF 二进制，启动只要 10 微秒；WebAssembly 版本反而更小，因为它把 fetch 交给了 JS runtime，不必自带一整套 TLS 和 HTTP 栈。他的论点是：AI 会把大部分基础设施推向原生优化，而 fx 干完活的速度比竞争对手的 agent 启动还快。「快是一条单行道。」
父母抗癌期间，用 AI 在医疗系统里找路
Peter Yang 发表了一篇长文，讲母亲与乳腺癌的几场硬仗，以及一家人如何借助 AI 在医疗系统里找到方向，文章由 Sijbrandij Foundation 团队参与提供意见。他还抛出一个务实的问题：mRNA 癌症疫苗是不是必须先在黑色素瘤上跑通临床试验，其他癌种才能另起试验？因为他没有找到任何针对乳腺癌的在研 mRNA 试验。
源数据来自 zarazhangrui 的开源项目 follow-builders，以 MIT 许可发布。摘要由 LLM 基于该项目的公开 feed 生成，摘要 prompt 亦改编自该项目。上面每一条都链接到原始出处。
摘要由程序自动生成。据此做判断前请先看原文。