真正在做 AI 的人今天说了什么。一页读完，约 4 分钟。
Claude 现在可以在对话旁边直接打开 Google Docs、Sheets 和 Slides，并和你一起编辑。两位做 Claude Code 的开发者分别聊了两件事：写 prompt 说到底就是把话说清楚；Claude 的“大脑”正在往云端搬。Applied Compute 的 CEO 认为，赢下推理靠的是 post-training，而 eval 是一项需要严加守护的资产。安全方面，Aaron Levie 称网络安全会是 AI 最具决定性的领域之一，Amjad Masad 则认为 AI 反编译会让所有软件在事实上变成开源。
Claude 现在可以在对话旁打开 Google Docs、Sheets 和 Slides 并协同编辑
粘贴一个 Google 文件链接，或者让 Claude 新建文档、表格或演示文稿，文件就会在对话旁边打开，你和 Claude 可以一起编辑。访问权限沿用你在 Google 里已有的共享设置，目前以 beta 形式向所有付费套餐开放。Anthropic 还重点介绍了 Every：他们基于 Claude Managed Agents 搭了一个公司内部 agent，全团队都在 Slack 里用它，每逢新模型发布就用它互相分享 skill。这个 agent 在内部火起来之后，Every 又把它开放给了订阅用户。
Applied Compute CEO：赢下推理靠 post-training，你的 eval 才是护城河
Applied Compute 的 CEO 在 OpenAI 时主要做 Codex。他认为 RL 真正难的是定义要优化什么，所以企业应该像看重员工一样守好自己的 eval，而不是把它交给 AI 实验室或者公开 benchmark。他的核心观点是 post-training 赢下推理：最大的那些 workload 会最先被定制训练；想压低 token 账单，除了调优 serving，还可以在 eval 分数不变的前提下让模型更省 token。在没有唯一正确答案的领域，基于 rubric 的 RL 效果出奇地好，但 RL 的迁移能力远不如 pretraining，continual learning 也仍然卡在如何从稀疏奖励中高效学习这一步。“RL 给我们的，本质上是一台爬山机器。最难的其实是定义要爬哪座山。”
Boris Cherny：写 prompt 没有秘诀，像跟同事说话一样跟 Claude 说就行
在 Anthropic 做 Claude Code 的 Boris Cherny 分享了一些真实的 prompt。他说大多数任务既不需要复杂的脚手架，也不需要事无巨细的指令，给 Claude 一个目标，它自己会想办法搞定。在 Sonnet 3.5 那个年代，prompt 怎么措辞影响很大。现在真正值得交代清楚的只有三件事：你想做成什么，要投入多少力气，以及模型该怎么验证自己做对了。
Thariq：Claude 的大脑正搬去云端，双手留在你的电脑上
在 Anthropic 做 Claude Code 的 Thariq 说，趋势越来越明显：Claude 的“大脑”住在云端，“本地的手”在你的电脑上干活。麻烦在于可用性。如果 Claude 只能在你的电脑在线时访问文件，电脑一离线，工作就可能卡住，一直等到它重新上线。所以可能需要某种同步机制，而同步本身又有一堆边界情况。Thariq 还反驳了“有了 coding agent 就能跳过底层”的说法，因为想在更高的抽象层上工作，从来都得先理解下面那几层。
OpenAI 的 Thibault Sottiaux 执行了社区投票通过的重置，升级照样保留
在 OpenAI 做 Codex 和 ChatGPT 的 Sottiaux 说，Day 2 上线了四项被评为还不错到很棒的功能，外加一些数学证明，但社区投票的结果还是选了重置，现在已经执行完毕。Sottiaux 承认，按现在的规则，这个游戏似乎天生偏向重置，同时表示已经做出的改进不会撤回。Day 3 明天开始。
Nikunj Kothari：VC 在 X 上拱火博流量，正在让别人丢掉真交易
Kothari 说，太多 VC 在追逐多巴胺，或者为了流量故意拱火。X 上容不下细微差别，说出去的话基本收不回来。受伤最重的是他们“手下”的人：Kothari 就认识两个人，因为 X 上的风波丢掉了原本已经谈妥的交易。如今资本已经成了大宗商品，风投基金遍地都是，似乎没几个人在玩长期游戏。
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。